Interaktivni uvod bez formula — kroz priču i pitanja, korak po korak.
Za studente bez prethodnog znanja iz statistike
Zamisli da si mladi doktor. Tvoj šef te pozove i kaže:
"Treba nam odgovor na jedno pitanje: koliki je prosječni krvni pritisak odraslih pacijenata s hipertenzijom u našoj zemlji?"
Živiš u zemlji sa 3,000,000 odraslih pacijenata s hipertenzijom.
Svaki od njih ima neki krvni pritisak. Taj broj je stvaran — postoji, čak i ako ga ne znamo.
Pitanje za tebe
Što bi bio najefikasniji način da dobiješ odgovor?
Korak 1 od 8
Tačno! Nije izvodivo mjeriti sve. Zato u medicini radimo isto što i u svim naukama — uzimamo uzorak.
Dolje vidiš sve pacijente (svaka tačka = jedan pacijent). Pritisni dugme i gledaj što se dešava.
Pacijenti koji nisu u studiji Pacijenti u tvojoj studiji
Populacija = svi pacijenti koji nas zanimaju (ovdje 500 tačaka, u stvarnosti milioni). Uzorak = mali skup koji smo slučajno odabrali da izmjerimo.
Korak 2 od 8
Odlično. Sada si izmjerio krvni pritisak tih 50 pacijenata.
Dobio si 50 različitih brojeva. Kako ih sažeti u jedan?
Kada dodaš sve vrijednosti i podijeliš s brojem pacijenata — dobijaš srednju vrijednost (prosjek).
Označavamo je sa x̄ (čita se "iks bar").
To je tvoja procjena prosječnog krvnog pritiska. Ne znaš pravu vrijednost — ali ovo je tvoj najbolji pokušaj.
Pitanje
Ako si izmjerio 5 pacijenata i dobio: 130, 145, 128, 152, 135 mmHg — kolika je srednja vrijednost?
Korak 3 od 8
Ali čekaj — tvoj kolega je uradio isti istraživački projekt, s istom metodom, u istoj zemlji. Dobio je malo drugačiji prosjek. Kako je to moguće?
Svaki put kad odabereš drugačijih 50 pacijenata, dobiješ malo drugačiji prosjek.
Ovo se zove greška uzorkovanja (sampling error) — i to je normalno. Nije greška istraživača. To je prirodna varijabilnost između uzoraka.
Korak 4 od 8
Dakle, svaki uzorak daje malo drugačiji rezultat. Ali što ako uzmemo veći uzorak? Hoće li procjena biti tačnija?
Isprobaj sam — pomakni klizač i vidi kako se prosjeci različitih studija skupljaju bliže pravoj vrijednosti.
20
Veći uzorak = tačnija procjena. Ovo je jedan od najvažnijih principa u kliničkim istraživanjima.
Studija s 10 pacijenata daje mnogo nesigurniji zaključak od studije s 200 pacijenata.
Pitanje
Dvije studije istražuju isti lijek. Studija A ima 15 pacijenata, studija B ima 150. Koja daje pouzdaniji zaključak?
Korak 5 od 8
Dobro. Sada pogledajmo još jedan važan koncept — koliko su podaci razbacani?
Zamisli dva odjeljenja bolnice:
Odjeljenje A
Pacijenti imaju pritisak: 138, 140, 139, 141, 137
Sredina: 139 mmHg
Odjeljenje B
Pacijenti imaju pritisak: 110, 130, 139, 155, 181
Sredina: 139 mmHg — ista!
Oba odjeljenja imaju istu srednju vrijednost — ali su pacijenti u odjeljenju B mnogo raznovrsniji.
Standardna devijacija (SD) mjeri ovu "razbacanost".
Mala SD = pacijenti su slični jedni drugima.
Velika SD = pacijenti se jako razlikuju.
Pitanje
Koje odjeljenje ima veću standardnu devijaciju?
Korak 6 od 8
Odlično! Sada dolazimo do nečega što ćeš čitati u svakom kliničkom radu:
"Lijek X smanjuje krvni pritisak za 12 mmHg (95% CI: 8 – 16)"
Što znači ovo "95% CI"?
Kada izmjeriš jedan uzorak, dobiješ jednu procjenu (npr. "12 mmHg"). Ali znaš da bi drugi uzorak dao malo drugačiju procjenu.
Umjesto da prijavljujemo samo jedan broj, računamo interval pouzdanosti — opseg unutar kojeg vjerovatno leži prava vrijednost.
Svaka linija = jedna studija. Zelene linije "uhvate" pravu vrijednost. Crvene ne.
95% CI znači: ako ponoviš isti eksperiment 100 puta, oko 95 intervala će sadržavati pravu vrijednost.
Uži interval = preciznija studija (obično veći n).
Korak 7 od 8
I na kraju — p-vrijednost. Vjerovatno najpoznatiji i najzloupotrebljeniji pojam u medicini.
Daješ lijek 40 pacijenata i placebo 40 pacijenata. Nakon 3 mjeseca:
• Grupa s lijekom: prosječni pad pritiska 8.5 mmHg
• Placebo grupa: prosječni pad pritiska 3.2 mmHg
Razlika = 5.3 mmHg. Ali — je li ovo stvarna razlika ili samo slučajnost?
p-vrijednost odgovara na pitanje: "Kolika je vjerovatnoća da bih dobio ovakvu razliku samo slučajno, kad lijek zapravo ne djeluje?"
p < 0.05 = manja od 5% šanse da je ovo slučajnost → kažemo "statistički značajno" p > 0.05 = nije dovoljno dokaza da zaključimo da lijek radi
Kritično razmišljanje
Lijek smanjuje krvni pritisak za 1.2 mmHg. p = 0.001. Što zaključuješ?
Korak 8 od 8
Čestitam — prošao/prošla si kroz cijelu osnovu statistike! Hajdemo ponoviti što smo naučili:
1
Populacija i uzorak
Ne možemo mjeriti sve — uzimamo reprezentativan, slučajan podskup.
2
Srednja vrijednost (x̄)
Sažima grupu pacijenata u jedan broj — ali nije cijela priča.
3
Greška uzorkovanja
Svaki uzorak daje malo drugačiji rezultat — to je normalno, nije greška istraživača.
4
Veći n = tačnija procjena
Više pacijenata smanjuje grešku uzorkovanja i čini studiju pouzdanijom.
5
Standardna devijacija (SD)
Mjeri koliko su pacijenti međusobno različiti — "razbacanost" podataka.
6
Interval pouzdanosti (CI)
Opseg unutar kojeg vjerovatno leži prava vrijednost. Uži = preciznija studija.
7
p-vrijednost
Mjeri vjerovatnoću slučajnosti — ali p < 0.05 ne znači klinički važno!
Najvažnija lekcija: Statistički značajno ≠ klinički važno.
Uvijek pitaj: kolika je veličina efekta? Koliki je CI? Koliko pacijenata je učestvovalo?
Spreman/a si za naprednije koncepte: normalna distribucija, testovi (t-test, Mann-Whitney), i kako čitati statističke tablice u kliničkim radovima.