Sanasto
Sanasto
Sanasto
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Sanasto</strong><br />
geneettisen kytkennän mahdollisuus (”odds”) on 1000:1. Arvoa 3 käytetään yleisesti<br />
kriittisenä alarajana kytkennälle.<br />
Logistinen regression<br />
”Logistic regression” on regressiomenetelmä, jota käytetään mallittamaan<br />
logaritmimuunnettua suhdelukutyyppistä ennustettua lopputulosta<br />
logit = loge(π/(1-π)) = loge(”odds”), missä π on tutkittavan tapahtuman todennäköisyys,<br />
π voisi olla esim. todennäköisyys sairastua sepelvaltimotautiin tietyllä aikavälillä.<br />
Lopputulosmuuttuja nk. binäärisessä logistisessa regressiossa on kaksiarvoinen esim.<br />
sairastuu tai ei sairastu. Logistisen mallin avulla voidaan tutkia mitkä tutkimusongelman<br />
kannalta relevanteista tekijöistä (x1, …, xk) assosioituvat sairastumisriskiin ja kuinka<br />
vahvasti. Tulokset esitetään tavallisimmin ristitulosuhteina (OR) ja niiden luottamusväleinä.<br />
Mikäli π on lähellä 0.5:ttä, niin OR liioittelee vahvasti sairastumisriskiä. Kaltaistetuilla<br />
aineistoilla käytetään nk. ehdollista logistista regressiota. Perusmenetelmän yleistyksiä<br />
ovat multinomiaalinen (polykotominen) logistinen regressio laatueroasteikolliselle<br />
moniluokkaiselle lopputulosmuuttujalle ja järjestysasteikollisen muuttujan logistinen<br />
regressio.<br />
Logit-muunnos<br />
”Logit-transformation”, ”Logistic transformation”, ”logit” on suhteellisen osuuden π<br />
muunnos logit(π)=loge(π/(1- π)), jota käytetään mm. logistisen mallin määrittelyssä.<br />
Log-lineaarinen mali<br />
”Log-linear model” on lukumäärätyyppisen tiedon tutkimisessa käytetty malli, missä<br />
mallinnetaan lukumäärien odotusarvojen logaritmeja viivallisella funktiolla, jonka parametrit<br />
edustavat tarkasteltavien muuttujien välisiä yhteyksiä, interaktioita. Log-lineaarisia malleja<br />
käytettäessä mikään muuttujista ei ole selitettävän muuttujan asemessa vaan muuttujat<br />
ovat tässä suhteessa tasavertaisia. Mallit soveltuvat erityisesti laatueroasteikollisten<br />
muuttujien välisten moniulotteisten yhteyksien selvittelyyn. Log-lineaariset mallit kuuluvat<br />
yleisten lineaaristen mallien (”General Linear Model”, GLM) joukkoon ja niitä on<br />
monenlaisia, mm. riippuen siitä mitä linkkifunktiota käytetään.<br />
Log-normaalijakauma<br />
”Log-normal distribution” on oikealle vino todennäköisyysjakauma, joka palautuu<br />
normaalijakaumaksi log-muunnoksella.<br />
Logrank-testi<br />
”Logrank test” on merkitsevyystesti, jolla verrataan kahden tai useamman ryhmän<br />
elossaolokäyrien välisiä eroja keskenään. Se on erityissovellus Mantel–Haenszelin<br />
khii 2 -testistä. Testi voidaan laskea myös ositetusta aineistosta ja siitä on olemassa myös<br />
trendiversio. Synonyymi on Mantel–Coxin testi ja se painottaa kaikkia tapahtumia<br />
seurantajakson aikana samalla tavalla, toisin kuin esim. Breslowin testi.<br />
Lohkosatunnaistaminen<br />
”Block randomization” on satunnaistamismenetelmä, missä yhtä suurien ryhmäkokojen<br />
turvaamiseksi, tutkittavat satunnaistetaan useamman koehenkilön muodostamissa<br />
ryhmissä, lohkoissa (“block”). Lohkokoko riippuu vertailtavien ryhmien määrästä, esim. jos<br />
hoitoja on 2, voidaan käyttää lohkokokoja 2 tai 4, jne. ja kolmen hoidon tapauksessa<br />
lohkokokoja 3 tai 6, jne. Tutkittavien määrä on tasapainossa aina lohkon päätyttyä.<br />
Lopputulosmuuttuja<br />
”Outcome variable” on tutkimuksen keskeisimpien tulosten, esim. hoitojen vaikutusten,<br />
mittaamiseen käytetty muuttuja. Vastemuuttujan ”response variable” synonyymi.<br />
22<br />
Kliinisen biostatistiikan kurssi Seppo Sarna, 2012