13 Randomizované kontrolované štúdie - analýzy

Zdroj
ručne priradené
Pridané

Pozrieť na YouTube →

Preber si túto prednášku so svojou AI

Skopíruj pripravený podklad a vlož ho do ChatGPT, Claude alebo inej AI — bude ťa učiť alebo skúšať len z tejto prednášky.

Otvoriť AI: ChatGPT · Claude · Gemini

Zhrnutie prednášky

Prednáška vysvetľuje miesto randomizovaných kontrolovaných štúdií (RCT) na vrchole pyramídy dôkazov v medicíne založenej na dôkazoch, pretože randomizácia zabezpečuje, že sa skupiny líšia len v sledovanej intervencii. Rozoberá základné metodologické prvky: inclusion a exclusion kritériá, definíciu intervencie a kontrolnej skupiny, primárne a sekundárne výslednice a výpočet veľkosti vzorky pre binárne aj spojité výslednice. Porovnáva analýzu intention-to-treat s analýzou per protocol, popisuje stratifikovanú randomizáciu, zaslepenie a CONSORT diagram. Upozorňuje na riziká ako systematické chyby, drop-out a nevhodný výber účastníkov. Na záver prechádza k štatistickým metódam, najmä Kaplanovej-Meierovej analýze prežívania.

  • - RCT sú zlatý štandard dôkazov, lebo randomizácia kontroluje rušivé premenné.
  • - Prierezové štúdie a kazuistiky nepreukazujú kauzalitu.
  • - Veľkosť vzorky sa počíta z primárnej výslednice (chyba I. a II. typu, očakávaný rozdiel, smerodajná odchýlka).
  • - Stratifikovaná randomizácia a zaslepenie obmedzujú skreslenie, napríklad pri multicentrických štúdiách.
  • - Intention-to-treat analyzuje pacientov podľa pridelenej skupiny a simuluje reálnu prax, per protocol len tých, ktorí dokončili protokol.
  • - CONSORT diagram zachytáva vstup, vylúčenie, randomizáciu a vypadnutie pacientov.
  • - Drop-out a nevhodný výber účastníkov znižujú silu štúdie a možnosť zovšeobecnenia.
  • - Kaplanova-Meierova analýza prežívania sleduje binárnu výslednicu v čase.

Zhrnutie pripravené s pomocou AI z prepisu videa.