Izvestaj S T

UNIVERZITET U NOVOM SADU Univerzitetski centar za primenjenu statistiku
Neke primene statistike u psihijatriji

Master rad
Mentor: Prof. dr Dragi Bankovi
Kandidat: Sneana Todorovi
Novi Sad, 2013.
Univerzitet u Novom Sadu

Univerzitetski centar za primenjenu statistiku - UCPS
Kljuna dokumentacijska informacija
Redni broj: RBR Identifikacioni broj: IBR Tip dokumentacije: TD Tip zapisa: TZ Vrsta rada (dipl., mag., dokt.): VR Ime i prezime autora: AU Mentor (titula, ime, prezime, zvanje): MN Naslov rada: NR Jezik publikacije: JP Jezik izvoda: JI Zemlja publikovanja: ZP Ue geografsko podruje: UGP Godina: GO Izdava: IZ Mesto i adresa: MA
Monografska dokumentacija Tekstualni tampani materijal Master rad Sneana Todorovi prof. dr Dragi Bankovi Neke primene statistike u psihijatriji Srpski (latinica) srp. / eng. Republika Srbija Vojvodina 2013 Autorski reprint Novi Sad, Trg D. Obradovia 5
Fiziki opis rada: FO Nauna oblast: NO Nauna disciplina: ND Predmetna odrednica, kljune rei: PO UDK uva se: U Vana napomena: VN Izvod: IZ
(8 / 61 / 33 / 2 / 6 / 23 / 0) (broj poglavlja / stranica / tabela / slika / grafikona / referenci / priloga) Matematika Primenjena statistika (biomedicina) shizofrenija, citokini, neparametarski testovi, ROC krive, binarna-logistika regresija Biblioteka
Svrha ovog rada je da prikae istraivanje o pojavi shizofrenije. Statistike analize su uraene pomou nekoliko neparametarskih testova, t testa za nezavisne uzorke, ANOVA analize, t-testa za ponovljena merenja, analize ROC krivih, binarne logistike regresije. Pokazalo se da je citokin 5 najznaajniji parametar.
Datum prihvatanja teme od strane NN vea: DP Datum odbrane: DO lanovi komisije: (ime i prezime / titula / zvanje / naziv organizacije / status) KO
predsednik: prof. dr Zorana Luanin, redovni profesor, Prirodno-matematiki fakultet, Novi Sad lan: prof. dr Andreja Tepavevi, redovni profesor, Prirodno-matematiki fakultet, Novi Sad mentor: prof. dr Dragi Bankovi, redovni profesor, Dravni univerzitet u Novom Pazaru
University of Novi Sad

University Center for Applied Statistics
Key word documentation
Accession number: ANO Identification number: INO Document type: DT Type of record: TR Contents code: CC Author: AU Mentor: MN Title: TI Language of text: LT Language of abstract: LA Country of publication: CP Locality of publication: LP Publication year: PY Publisher: PU Publication place: PP
Monograph documentation Textual printed material Masters thesis Sneana Todorovi Phd Dragi Bankovi Some applications of statistics in psychiatry Serbian (Latin) eng. / srp. Republic of Serbia Vojvodina 2013 Authors reprint Novi Sad, Trg D. Obradovia 5
Physical description: PD Scientific field SF Scientific discipline SD Subject, Key words SKW UC Holding data: HD Note: N Abstract: AB
(8 / 61 / 33 / 2 / 6 / 23 / 0) (chapters / page of theses / tables / pictures / graphics / references / enclosures) Mathematics Applied statistics (biomedicine) Schizophrenia, cytokines, non-parametric tests, ROC curves, binary logistic regression
Library
The purpose of this thesis is to illustrate research about shchizophrenia. Statistical analysis were made using several nonparametric tests, t test for independent samples, t test for repeated measures, ANOVA analysis, ROC curve, binary logistic regression. In concluded, the most important parameter is cytokine 5.
Accepted on Scientific Board on: AS Defended: DE Thesis Defend Board: DB
president: Phd Zorana Luanin, full professor at Faculty of Science in Novi Sad member: Phd Andreja Tepavevi, full professor at Faculty of Science in Novi Sad mentor: Phd Dragi Bankovi, full professor at State University in Novi Pazar
Predgovor
Istraivanje za ovaj master rad je sprovedeno na Klinici za psihijatriju u Kragujevcu. U master radu su se ispitale razlike serumskih koncentracija citokina izmeu ispitanika kojima je postavljena dijagnoza akutnog psihotinog poremeaja, ispitanika sa shizofrenijom i zdravih ispitanika. Posebno se ispitivao uticaj citokina na pojavu bolesti, kao i povezanost citokina sa drugim parametrima. Ispitana je veza pola i starosti sa dijagnozom i pojavom bolesti. Pored toga ispitan je uticaj biohemijskih parametara i parametara PANSS testa na bolest, kao i promena izmeu dva merenja PANSS testom. Za ta ispitivanja korieni su sledee statistike metode: MANOVA, Kruskall Wallis-ov test, tabele kontigencije, ANOVA, Mann Whitney-ev U test, T test za nezavisne uzorke, T test uparenih uzoraka, Pirsonov koeficijent korelacije. Pomou binarne logistike regresije utvreno je od ega zavisi pojava bolesti, a markeri za pojavu bolesti ocenjeni su pomou ROC krivih. Ispitana je promena izmeu dva merenja citokina pomou Wilcoxon-ovog testa. Sve statistike metode koje se koriste u radu su teorijski prikazane. Statistike analize raene su u Softveru za statistiku obradu podataka IBM SPSS Statistics, verzija 20.0.
Sadraj:
Predgovor ................................................................................................................... I 1._Uvod...................................................................................................................... 1 2. Ciljevi i znaaj studije .............................................................................................. 2 3. Statistike metode .................................................................................................. 2
3.1. Pronalaenje i uklanjanje pogrenih podataka ..................................................................... 3 3.2. Nedostajui podaci ............................................................................................................... 4 3.3. Procena normalnosti raspodele ........................................................................................... 4
3.3.1. Univarijantna normalnost ............................................................................................................. 4 3.3.1.1. Koeficijent asimetrije i spljotenosti .......................................................................................... 4 3.3.1.2. Kolmogorov - Smirnov test ........................................................................................................ 5
3.4. Multivarijantna analiza varijanse (MANOVA) ....................................................................... 6 3.5. Kruskall-Wallis-ov test .......................................................................................................... 9 3.6. test za nezavisnost tabele (tabele kontigencije) .............................................. 10 3.7. ANOVA razliitih grupa ....................................................................................................... 11 3.8. Mann Whitney U test ...................................................................................................... 12 3.9. T test za nezavisne uzorke ............................................................................................... 14 3.10. T test uparenih uzoraka ................................................................................................. 15 3.11. Koeficijent korelacije ........................................................................................................ 16 3.12. Binarna logistika regresija ............................................................................................... 18 3.13. ROC krive .......................................................................................................................... 20 3.14. Wilcoxon test ranga .......................................................................................................... 23
4. Psihijatrijske metode ............................................................................................. 24

4.1.Uzorak .................................................................................................................................. 24 4.2. Instrumenti kliniko-psihijatrijske procene ........................................................................ 24
5. 6.
Analiza podataka ............................................................................................... 28 Rezultati ............................................................................................................ 28

6.1. Citokini i dijagnoza .............................................................................................................. 29 6.2. Pol i dijagnoza ..................................................................................................................... 34 6.3. Starost i dijagnoza............................................................................................................... 35 6.4. Citokini i pojava bolesti....................................................................................................... 35 6.5. Pol i pojava bolesti .............................................................................................................. 37 6.6. Starost i pojava bolesti ....................................................................................................... 38 6.7. Biohemijski parametri i bolesni (akutni i hronini) ............................................................. 39 6.8. PANSS i bolesni .................................................................................................................. 43 6.9. Promene vrednosti parametara PANSS skale izmeu dva merenja ................................... 44 6.10. Povezanost citokina i ostalih parametara ........................................................................ 46 6.11. Od ega zavisi pojava bolesti? .......................................................................................... 48 6.12. Potencijalni markeri za pojavu bolesti.............................................................................. 49 6.13. Promene citokina izmeu dva merenja ............................................................................ 52 6.14. ta utie na promene citokina izmeu dva merenja? ...................................................... 53
7. Diskusija ............................................................................................................ 57 8. Zakljuak ........................................................................................................... 59 Literatura .................................................................................................................. 60
1..Uvod
Statistika je prvobitno prouavala masovne pojave u ljudskom drutvu kroz prikupljanje, uporeivanje i tumaenje podataka o stanovnitvu, imovini i slino. Jo u IV veku p.n.e. Aristotel je uradio popis 158 gradova drava na teritoriji gde su iveli Grci, to bi mogao da bude zaetak nauke o drutvu demografiji, na teritoriji dananje Evrope. Nakon toga, u XVII veku, u Nemakoj je uraen komparativni opis drava. U istom veku u Engleskoj, u vreme epidemije kuge, napravljen je popis umrlih i vrsta bolesti od kojih su preminuli, po parohijama. Sa dananje take gledita, to je primena statistike u medicini. Oblast primene statistike se mnogo proirila, danas skoro da nema domena ljudske delatnosti bez manje ili vee primene statistike. Psihijatrija je grana medicine usmerena na izuavanje, prepoznavanje i zbrinjavanje psihikih poremeaja. Glavni zadaci ove discipline su da definie i dijagnostikuje mentalne bolesti, da pronae naine za njihovo leenje i razvije metode za otklanjanje njihovih uzroka i, konano, koncipira mere prevencije. U ovom radu vie rei e biti o shizofreniji. Shizofrenija je hronini psihotini duevni poremeaj koji predstavlja kliniki sindrom sastavljen od psihikih simptoma i simptoma ponaanja. Heterogena klinika slika bolesti moe ukljuivati: abnormalnosti percepcije u obliku halucinatornih doivljavanja, poremeaje procene odreene sumanutim mislima i verovanjima, poremeaje toka misli koji se manifestuju kroz poremeaj govora, redukciju emocionalne i voljne sfere i oseaja zadovoljstva, razliite kognitivne potekoe posebno one vezane za memoriju i izvrne funkcije, uoljivo ponaanje bazirano na psihotinim iskustvima i oteenom sastavu samokontrole i motorike promene funkcionisanja [1]. Iako se danas shizofreniji pristupa kao jedinstvenom entitetu, ona se vrlo verovatno sastoji od niza heterogenih, jo nedovoljno poznatih poremeaja. U prilog navedenom govore nepogreivi podaci vezani za individualnu kliniku prezentaciju bolesti, reakcije na terapiju, toka bolesti, te kapaciteta obolelih osoba za socijalno funkcionisanje. Etiologija1 shizofrenije jo nije dovoljno razjanjena. Iako raspolaemo podacima iz niza istraivanja usmerenih na pronalaenje potencijalnih biolokih markera, pato1
Uzrok
Neke primene statistike u psihijatriji lokih neuralnih mehanizama i genetskih aberacija koje bi bile odgovorne za javljanje psihotinih poremeaja, danas jo nemamo jasna i nepogreiva saznanja o uzroku poremeaja. Epidemioloka ispitivanja su ukazala na uticaj genetskih i sredinskih faktora u etiologiji shizofrenije. Genetski faktori mogu da dovedu do greaka u razvoju modanih struktura i u sinaptikim vezama. S druge strane, tu je itav niz sredinskih faktora koji mogu da dovedu do daljih oteenja. Sredinski faktori dele se na primarno bioloke i pri marno nebioloke faktore. Primarni bioloki faktori ukljuuju komplikacije trudnoe i poroaja. Primarni nebioloki faktori ukljuuju psihosocijalne stresore, kao to je ivot u vi soko urbanim sredinama i disfunkcionalnom porodinom okruenju [3].
2. Ciljevi i znaaj studije

Glavni cilj ove studije je ispitati razlike serumskih koncentracija citokina izmeu ispitanika kojima je postavljena dijagnoza akutnog psihotinog poremeaja, ispitanika sa shizofrenijom i zdravih ispitanika, kao i mogua povezanost citokina sa rezultatima krvne slike i PANSS2 testa. Cilj je ispitati i uticaj citokina na pojavu bolesti, kao i vezu pola i starosti sa dijagnozom i pojavom bolesti. Utvrdie se od ega zavisi pojava bolesti i otkriti potencijalni markeri za pojavu bolesti. Ispitae se promena izmeu dva merenja citokina, kao i ta utie na tu promenu i mogui odgovor na terapiju. Znaaj studije je u otkrivanju eventualne veze izmeu psihopatologije i odreenog imunskog statusa osobe (citokina), odnosno povezanosti siptomatologije, toka i odgovora na primenjenu terapiju sa serumskim koncentracijama citokina.
3. Statistike metode
U ovom radu, pre svega, reen je problem pogrenih podataka, nedostajuih podataka i normalnosti. Nakon toga primenenje su sledee statistike metode: MANOVA, Kruskall Wallis-ov test, tabele kontigencije, ANOVA, Mann Whitney-ev U test, t test za nezavisne uzorke, t test uparenih uzoraka, Pirsonov koeficijent korelacije, binarna logistika regresija, ROC krive, Wilcoxon-ov test.
Skala pozitivnih i negativnih simptoma
Neke primene statistike u psihijatriji MANOVA i binarna logistika regresija su metode multivarijacione analize, dok su Kruskall Wallis-ov test, Mann Whitney-ev U test, test za nezavisnost k x 2 tabele (tabele kontigencije), test za nezavisnot 2 x 2 tabele (tabele kontigencije), ROC
krive, Wilcoxon-ov test neparametarske statistike metode. ANOVA, t- test za nezavisne uzorke i t test uparenih uzoraka su parametarske statistike metode. Multivarijacione analize se zasnivaju na nizu pretpostavki, koje e deteljnije biti obraene u okviru analize za koju su potrebne. Neparametarske statistike metode nemaju pretpostavku o obliku raspodele, pa se nazivaju i metode slobodne raspodele. Primenjuju se kada promenjiva nije normalno rasporeena. Otporne su na prisustvo netipinih taaka. Za parametarske analize karakteristino je da pretpostavka o normalnosti treba da je zadovoljena. Osetljive su i na netipine take, ali SPSS u okviru ANOVA analize nudi mogunost izbacivanja netipinih taaka. Sve statistike analize radie se u Softveru za statistiku obradu podataka IBM SPSS Statistics, verzija 20.0.
3.1. Pronalaenje i uklanjanje pogrenih podataka

Postupak ienja podataka obuhvata: 1. Traenje greaka proveravanje da li je vrednost neke promenljive izvan raspona moguih vrednosti. 2. Pronalaenje i ispravljanje greaka pronalaenje greaka tj. analiziranje sluaja u kome se greka javlja i ispravljanje ili brisanje te vrednosti. Traenje greaka kod kategorijalnih promenljivih se vri preko provere minimuma i maksimuma frekvencija. Preko frekvencija se moe proveriti i broj nedostajuih podataka u kategorijalnoj varijabli. Kod neprekidih podataka koristi se deskriptivna statistika u kojoj se posmatra minimum, maksimum, aritmetika sredina i standardna devijacija. Pomou deskriptivne statistike moe se proveriti i broj nedostajuih podataka.
3.2. Nedostajui podaci

Metoda pairwise znai da e sluaj (osoba) biti iskljuen samo iz onih analiza za koje mu nedostaje neki neophodan podatak. Dakle, i takvi sluajevi e biti analizirani kad god je to mogue tj. kad god postoje podaci potrebni za datu analizu. Metoda EM (Expectation maximization) je dostupna za sluajno rasporeene nedostajue podatake. EM formira nedostajue podatke matrica korelacije (ili kovarijanse) pod pretpostavkom oblika raspodele za delimino nedostajue podatke, a zasnivajui zakljuke o nedostajuim vrednostima na osnovu raspodele verovatnoa. To je iterativni postupak u dva koraka: oekivanje i maksimiziranje za svaku iteraciju. Prvi, E korak pronalazi uslovno oekivanje od nedostajuih podataka, posmatrajui vrednosti i procenjujui parametare, kao to su korelacije. Drugo, M korak vri procenu maksimalne verodostojnosti tako da se nedostajui podaci popunjavaju. Konano, nakon to se postigne konvergencija, EM matrica varijanse kovarijanse se moe obezbediti i/ili popuniti podacima sauvanim u skupu podataka [22].
3.3. Procena normalnosti raspodele

3.3.1. Univarijantna normalnost
3.3.1.1. Koeficijent asimetrije i spljotenosti Normalnost promenljivih se procenjije statistikim metodama ili grafiki. Dve komponente normalnosti su koeficijent asimetrije i koeficijent spljotenosti [22]. Asimetrina promenljiva je promenljiva ija aritmetika sredina nije u centru raspodele. Spljotenost predstavlja izduenost raspodele, moe biti raspodela sa kratkim i debelim repom ili raspodela sa dugim, tankim repom. Promenljiva moe imati znaajan koeficijent asimetrije, koeficijent spljotenosti, ili oba. Postoje znaajni testovi i za koeficijent asimetrije i za koeficijent spljotenosti koji testiraju dobijene vrednosti protiv nulte hipoteze, koja tvrdi da su koeficijenti jednaki nuli. Standardna greka za koeficijent asimetrije je priblino , gde je obim i
uzorka. Dobijena vrednost koeficijenta asimetrije se poredi sa nulom koristei
Neke primene statistike u psihijatriji S je vrednost koeficijenta asimetrije. Standardna greka za koeficijent spljotenosti je pri blizno koristei i dobijena vrednost koeficijenta spljotenosti se poredi sa nulom raspodelu, gde je , gde je K koeficijent spljotenosti.
Ako se koeficijent asimetrije i koeficijent spljotenosti nalaze u segmentu [-2,2], obeleje ima normalnu raspodelu. 3.3.1.2. Kolmogorov - Smirnov test Test Kolmogorov-Smirnova je jedan od neparametarskih testova i primenjuje se za obeleja sa neprekidnom raspodelom. On ispituje da li je funkcija raspodele posmatranog obeleja le) jednaka nekoj unapred zadatoj raspodeli (funkciji normalne raspode, nasuprot alternativne koja tvrdi da se , to i predstavlja nultu hipotezu
funkcije raspodela razlikuju. Neka statistika je: . Kolmogorov je pokazao da za neprekidne funkcije raspodela vai, za svako , oznaava uzoraku funkciju raspodele za posmatrano obeleje. Test
Konvergencija je brza i aproksimacija je zadovoljavajua za poredi sa tablinom vrednou raspodele. Ako je
. Test statistika se
koja se dobija iz tablica Kolmogorov Smirnove
, nulta hipoteza se odbacuje. U suprotnom se prihvata.
3.4. Multivarijantna analiza varijanse (MANOVA)

Multivarijantna analiza varijanse je proirenje analize varijanse, koje se upotrebljava kada ima vie od jedne zavisne promenljive. Trebalo bi da su te zavisne promenljive na neki nain povezane ili da postoji neki konceptualni razlog zato se razmatraju zajedno. MANOVA poredi te grupe i kazuje da li je verovatno da su srednje razlike u uticajima grupa na tu kombinaciju zavisnih promenljivih nastale sluajno. Da bi to uradila, MANOVA pravi novu zbirnu zavisnu promenljivu, dobijenu linearnom kombinacijom svih prvobitnih zavisnih promenljivih. Zatim analizira varijansu te nove, kombinovane zavisne promenljive. MANOVA kazuje da li je razlika srednjih vrednosti zavisne promenljive izmeu populacija statistiki znaajna i daje univarijacionu analizu svake od zavisnih promenljivih zasebno. Za jednofaktorsku MANOVA analizu potrebna je: jedna kategorijska, nezavisna promenljiva; dve ili vie neprekidnih, zavisnih promenljivih.
MANOVA poredi dve ili vie grupa po srednjim vrednostima odreene kombinacije obeleja. Ispituje se nulta hipoteza da se srednje vrednosti odreenog skupa zavisnih promenljivih ne menjaju u zavisnosti od nivoa grupiue promenljive. Pre sprovoenja MANOVA analize, potrebno je proveriti da li podaci zadovoljavaju sledee pretpostavke: Veliina uzorka U svakoj grupi mora biti vie sluajeva nego to ima zavisnih promenljivih. To je apsolutni minimum, a bilo bi dobro da ih ima jo vie. Kada je uzorak veliki, manje su i posledice krenja nekih drugih pretpostavki (npr. normalnisti). Normalnost raspodele Ispitivanje znaajnosti rezultata MANOVA analize zaspovano je na multivarijacionoj normalnoj raspodeli, ali je u praksi ova anliza prilino otporna na umereno naruavanje normalnosti (osim kada je ono posledica postojanja netipinih taaka). Treba proveriti
Neke primene statistike u psihijatriji i univarijacionu normalnost i multivarijacionu normalnost. U sluaju da univarijaciona normalnost nije zadovoljena, potrebno je sve promenljive transformisati. Postoji vie metoda transformacije promenjljivih. Jedna od metoda je Tukey metoda za normalizaciju promenljivih. Tukey za transformaciju koristi sledei izraz gde je r rang, a w teina promenljive. Multivarijaciona normalnost se proverava na osnovu Mardijinog testa [22]. Kada je vrednost Mardijine test statistike vea od 3 postoji blago odstupanje, a kada je vea od 10 postoji strano odstupanje od multivarijacione normalne raspodele. Netipine take Netipine take (engl. outliers) su rezultati koji su mnogo iznad ili ispod ostalih rezultata. MANOVA je veoma osetljiva na netipine take. Nakon provere normalnosti, eventualne normalizacije promenljivih, potrebno je proveriti postojanje univarijacionih netipinih taaka, a i multivarijacionih netipinih taaka. Tehnike za otkrivanje univarijacionih netipinih taaka su: Podaci se poreaju u varijacioni niz, a zatim se izraunaju aritmetike sredine pro-
menjivih bez 5% gornjih i 5% donjih sluajeva. Uporeuje se ta aritmetika sredina sa pravom aritmetikom sredinom odreenog obeleja. Ako se te dve aritmetike sredine mnogo razlikuju, potrebno je proveriti da li su 5% gornjih i 5% donjih sluajeva netipine take. Dalja provera otkrivanja netipinih taaka vri se pomou pravougaonog dijagrama (engl. boxplot). Ako postoje netipine vrednosti, bie prikazane kao kruii oznaeni brojevima. SPSS smatra netipinim vrednostima sve koje su od ivica pravougaonika udaljene vie od 1.5 standardnu devijaciju. Ekstremne vrednosti, oznaene sa * su one koje su od ivica pravougaonika udaljene vie od 3 standardne devijacije. U sluaju postojanja netipinih i ekstremnih vrednosti, mogue ih je ukloniti ili zameniti. Multivarijacione netipine take su subjekti s udnom kombinacijom dobijenih vrednosti raznih zavisnih promenljivih. Provera postojanja multivarijacionih netipinih taaka se vri pomou Mahalanobisovih distanci. Poredi se najvea vrednost Mahalanobi-
Neke primene statistike u psihijatriji sovih distanci sa vrednou verovatnoe za i broj stepeni slobode jednak verovatnoe smatraju se multivarijacion-
broju promenljivih korienih u MANOVA analizi. Svi ispitanici za koje je vrednost Mahalanobisovih distanci vea od vrednosti im netipinim takama [22]. Linearnost Linearnost znai da izmeu svih parova zavisnih promenljivih treba da postoji pravolinijski odnos. To se moe oceniti na vie naina, od kojih je najjednostavniji na crtati matricu dijagrama rasprenja za sve zavisne promenljive, zasebno za grupe nezavi sne promenljive. Homogenost regresije Ova pretpostavka je vana samo ako nameravamo da radimo postepenu analizu (engl. stepdown analysis). To se radi kada iz nekog teorijskog ili konceptualnog razloga rangirate zavisne promenljive [22]. Multikolinearnost i singularnost MANOVA najbolje radi kada su zavisne promenljive umereno korelirane. U sluaju manjih korelacija, trebalo bi razmisliti o sprovoenju zasebne jednofaktorske analize varijanse za svaku zavisnu promenljivu. Kada su zavisne promenljive jako korelirane, to se naziva multikolinearnost. Do toga moe doi kada je jedna od promenljivih kombinacija drugih. To bi bila singularnost, koju moete izbei tako to ete znati kakve su vam promenljive i kako se dobijaju rezultati. Najjednostavnija provera multikolinearnosti je provera korelacija zavisnih promenljivih. Razlog za brigu su korelacije oko 0.8 ili 0.9. Kada se pronae neka tolika korelacija, trebalo bi da ukloniti jedan od jako koreliranih parova zavisnih promenljivih ili ih objedinite u zajedniko merilo. Homogenost matrica varijanse i kovarijanse Test kojim se proverava homogenost matrica varijanse ili kovarijanse naziva se Box-ov test za jednakost kovarijansi matrice [22].
Neke primene statistike u psihijatriji Multivarijacioni testovi znaajnosti kojima se testira znaajnost razlika u populacijama po linearnoj kombinaciji zavisnih promenljivih su: Wilks Lambda, Hotellings Trace, Pillais Trace. Kada su podaci loi (mali uzorak, nejednak broj sluajeva po elijama, naruene pretpostavke), obino se navodi Pillais Trace [22].
3.5. Kruskall-Wallis-ov test

Kruskall-Wallis-ov test naziva se i Kruskall-Wallis-ov H test. To je uoptenje Mann-Whitney-evog testa za k uzoraka. Rezultati se pretvaraju u rangove, pa se porede srednji rangovi svake grupe. To je analiza razliitih grupa, pa u svakoj grupi moraju biti drugi ispitanici. Testira se nulta hipoteza : Medijane su jednake u svih protiv alternativne Uslovi: Obim uzorka u svakoj grupi mora biti najmanje 5 da bi mogli primeniti Obeleje nema normalnu raspodelu u svih k populacija. Svi uzorci se ureuju po rastuem poretku i dodeljuje se rang svakom elementu svakog uzorka. Gde se vrednosti ponavljaju, koristi se srednja vrednost ranga tih vrednosti. Izraunava se rang sume za svaki od k uzoraka. Neka imamo k uzoraka obima sa ukupnim obimom uzorka , respektivno. Ako se definie test statistika sa , iako : Medijane nisu jednake u svih populacija, populacija.
obimi uzorka ne moraju biti jednaki.
Neka su podaci iz svih uzoraka uzetih zajedno rangirani i neka su sume rangova iz k uzoraka
onda moe da se pokae da je raspodela funkcije H priblino vea od tabline vrednosti.
- raspodela sa k 1
stepeni slobode. Nulta hipoteza o jednakosti medijana se odbacuje kada je H vrednost
Neke primene statistike u psihijatriji Kruskall-Wallis-ov H test je neparametarska alternativa jednofaktorskoj analizi varijanse razliitih grupa.
3.6.
test za nezavisnost
tabele (tabele kontigencije)
Neka su X i Y dve kategorijske promenljive, cilj ovog testa je da ispita da li su te dve promenljive nezavisne. Testira se nulta hipoteza
protiv alternativne Neophodno je da svaki od k uzoraka bude dovoljno veliki. To podrazumeva da oekivana frekvencija svake elije bude bar jednaka 5 ili da 80% elija ima oekivane frekvencije 5 ili vie. Hipoteza se proverava na uzorku obima obeleavalju sa tako to se evidentira koliko elemenata
uzorka pripada svakoj od k x 2 moguih kombinacija obeleja X i Y. Te frekvencije se i prikazane su u tabeli 3.1. Poslednju vrstu i po-
slednju kolonu tabele 3.1 ine marginalne frekvencije za X i za Y. Marginalne frekvencije i ukupan obim uzorka se raunaju koristei sledee formule:
Tabela 3.1. k x 2 tabela kontigencije
X/Y
. . . . . . . . .
Marginalne frekvencije za X
. . .
. . .
. . .
. . .
. . .
Marginalne frekvencije za Y Ukoliko su obeleja X i Y nezavisna, vailo bi sledee
10
odatle se dobijaju teorijske frekvencije Test statistika je
za svaku eliju u tabeli 3.1:
Ovo se poredi sa vrednou dobijenom iz tablica ke vea od tabline vrednosti.
sa k 1 stepen slobode. Nulta
hipoteza nezavisnosti obeleja X i Y se odbacuje ako je realizovana vrednost test statisti-
Za veliinu uticaja (tj. jainu veze izmeu promenljivih) Cramers V pokazatelj koji u obzir uzima i broj stepeni slobode. U specijalnom sluaju, precenjenu vrednost korekcija oduzima
tabele koristi se
, koristi se Yates-ova korekcija. Ona nadoknauje . Yates-ova i , tako da elijama
koja je posledica malog broja dimenzija tabele od vrednosti i , a dodaje
ukupne marginalne raspodele ostaju iste. Jaina veze izmeu promenljivih odreuje se Fi koeficijentom. To je koeficijent korelacije, pri emu vei broj pokazuje jau vezu izmeu dve promenljive.
3.7. ANOVA razliitih grupa

Jednofaktorska analiza varijanse znai da postoji jedna kategorijska promenljiva sa vie od dve kategorije i jedna neprekidna promenljiva. Analiza varijanse je naziv dobila po tome to poredi varijansu izmeu raznih grupa s tom promenljivou unutar svake grupe. Izrauna se kolinik jansom unutar grupa. Kolinik Velika vrednost kolinika svake grupe. koji predstavlja varijansu izmeu grupa podeljenu variima Fierovu raspodelu sa stepeni slobode.
pokazuje da je vea promenljivost izmeu grupa nego unutar
11
Neke primene statistike u psihijatriji Statistiki znaajan pokazatelj (tabela 3.2) govori da treba odbaciti nultu hipote-
zu, tj. tvrdnju da su srednje vrednosti obeleja u populaciji jednake. Meutim, to ne govori koje se grupe razlikuju, to se utvruje naknadnim analizama.
Tabela 3.2. ANOVA tabela
Izvor odstupanja Izmeu grupa Unutar grupa Ukupno
SS
df
MS
vrednost za F ODLUKA Hipoteza se ...
U tabeli koriene su sledee oznake: - suma kvadrata odstupanja meu grupama, - rezidualna suma kvadrata odstupanja, - ukupna suma kvadtara, broj grupa, - obim uzorka.
To se moe zapisati formulama:
3.8. Mann Whitney U test

Mann Whitney U test se koristi za ispitivanje razlika izmeu dve nezavisne populacije. Ovaj test je neparametarska alternativa t-testu nezavisnih uzoraka. Umesto da
12
Neke primene statistike u psihijatriji poredi srednje vrednosti dveju populacija, kao to to radi t test, Mann Whitney U test poredi njihove medijane. Testira se nulta hipoteza : Medijane obeleja dveju populacija su jednake, protiv alternativne : Medijane obeleja dveju populacija nisu jednake.
Od svih elemenata uzorka potrebno je formirati varijacioni niz i dodeliti vrednost ranga svakom lanu varijacionog niza, poevi od najmanje ka najveim vrednostima. Ako dva ili vie elemenata uzorka ima identine vrednosti, dodeljuje im se srednja vrednost ranga istih vrednosti. Nakon toga, rauna se suma rangova svakog uzorka, gde oznake i oznaavaju sume rangova prvog i drugog uzorka, redom. Odgovarajui i . Neka je, po konvenciji, obim manjeg uzorka, . Znaajna razlika izmeu suma rangova obimi uzoraka su oznaeni sa
ako obimi nisu jednaki, tako da
podrazumeva znaajnu razliku izmeu uzoraka. Test razlika izmeu sume rangova, koristi sledeu statistiku
koja odgovara prvom uzorku. Uzoraka raspodela od U je simetrina i ima matematiko oekivanje i varijansu datu, redom, formulama
Ako su tako da
najmanje jednaki 8, ispostavlja se da U ima priblino normalnu raspodelu, ima normalnu raspodelu sa matematikim oekivanjem 0 i varijansom
1. Koristei tablice standardizovane normalne raspodele, moe se odluiti da li se uzorci znaajno razlikuju ili ne. Priblina veliina uticaja, u oznaci , se moe izraunati pomou formule gde je ukupan obim uzorka mali uticaj, . Kriterijum za veliinu uticaja je:
13
Neke primene statistike u psihijatriji srednji uticaj, veliki uticaj.
3.9. T test za nezavisne uzorke

Kada postoje dve nezavisne sluajne promenljive delom, onda promenljiva i varijansom datom sa: uzorakim srednjim vrednostima i sa normalnom raspo-
ima normalnu raspodelu sa matematikim oekivanjem , gde su i redom obimi uzoraka sa
. Testira se nulta hipoteza
protiv alternativne Razmotrimo sledee dve situacije: Pretpostavimo da su varijanse i
jednake, test statistika je:
gde je Studentovu t- raspodelu sa Pretpostavimo da su varijanse
su uzorake varijanse). Test statistika ima stepeni slobode.
razliite, test statistika:
ima Studentovu t raspodelu sa
14
Neke primene statistike u psihijatriji stepeni slobode. Prvo je potrebno proveriti da li su varijanse jednake ili ne, za to se koristi se Levene-ov test [12]. Veliina uticaja se najee procenjuje pomou pokazatelja eta kvadrat. Eta kvadrat uzima vrednost izmeu 0 i 1 i predstavlja proporciju varijanse u zavisnoj pro menljivoj objanjenu nezavisnom promenljivom. Formula za izraunavanje eta kvadrata je:
Ako je eta kvardat jednako uticaj [19].
mali uticaj,
umeren uticaj, a
veliki
3.10. T test uparenih uzoraka

T test uparenih uzoraka (ili ponovljenih merenja) upotrebljava se kada postoji jedna grupa ispitanika, a podaci od njih se prikupljaju u dva navrata ili pod dva razliita uslova. Pored osnovnih pretpostavki za parametarske testove, dodatna pretpostavka uparenog t - testa je da razlika izmeu dva rezultata dobijena za svakog ispitanika treba da je normalno rasporeena. Testira se nulta hipoteza : Nema razlike izmeu merenja, protiv alternativne Razlike : Postoje razlike izmeu merenja. se formiraju za svaki par opservacija. Ako je N broj parova opservaci. Neka su srednje , tada test statistika
ja, varijansa razlika se rauna koristei formulu: vrednosti uzoraka populacija oznaene redom, i
15
Neke primene statistike u psihijatriji ima Studentovu t-raspodelu sa dvostrani. Veliina uticaja se procenjuje pomou pokazatelja eta kvadrat. Formula za izraunavanje eta kvadrata kod t testa uparenih uzoraka je: stepen slobode. Test moe biti jednostrani ili
Ako je eta kvardat jednako uticaj [19].
mali uticaj,
umeren uticaj, a
veliki
3.11. Koeficijent korelacije

Korelaciona analiza se bavi merenjem nivoa povezanosti izmeu dve promenljive, i . Na poetku, pretpostavlja se da su i numeriki. , merenih na svakom od N pojedina-
Pretpostavlja se da postoji par vrednosti
ca u naem uzorku. Moe se oznaiti odgovarajui par taaka koji odgovara vrednostima svakog pojedinca na dvodimenzionalnom takastom dijagramu. Po konvenciji, promenljiva x se stavlja na horizontalnoj osi, a promenljiva y na vertikalnoj osi dijagrama. Iscrtavanjem taaka za svih N pojedinaca, dobija se rasprenje taaka koje mogu predloiti odnos izmeu dve promenljive. Pirsonov koeficijent korelacije Koeficijent Pirsonove linearne korelacije prikladan je za intervalne (neprekidne) promenljive. Moe se koristiti i kao mera povezanosti jedne neprekidne promenljive i jedne dihotomne promenljive. Dijagram rasturanja koji ilustruje povezanost promenljive sa promenljivom dat je formulom je prava linija. Koeficijent korelacije ocenjen iz uzorka, u oznaci r,
16
Neke primene statistike u psihijatriji Svojstva koeficijenta korelacije: 1. 2. Znak od r (slika 3.1) pokazuje da li se jedna promenljiva poveava sa poveanjem druge promenljive (pozitivna korelacija) ili da li se neka promenljiva smanjuje sa poveanjem druge (negativna korelacija). 3. Veliina r pokazuje koliko su take blizu na pravoj. Naroito ako je onda je savrena korelacija, jer sve take lee na pravoj. Ako je ji linearna korelacija. to je 3.1). 4. r je bezezdimenziona veliina, to nije jedinica mere. 5. Vrednost r vai samo u granicama vrednosti x i y u uzorku. Ne moe se zakljuiti da e imati istu vrednost kada su u pitanju vrednosti x ili y koje su ekstremnije nego vrednosti iz uzorka. 6. x i y se mogu menjati bez uticaja na vrednost . 7. Korelacija izmeu x i y ne znai uzrok i posledicu povezanosti. 8. predstavlja proporciju varijabilnosti od y koja se moe pripisati linearnoj povezanosti sa x.
Slika 3.1. Dijagrama koji predstavljaju vrednosti koeficijenta korelacije u razliitim sitacijama (preuzeto iz [2])
ili 1, , onda ne posto-
blie granicama, vei je stepen linearne zavisnosti (slika
17
Neke primene statistike u psihijatriji Testiranje hipoteza za Pirsonov koeficijent korelacije sastoji se iz sledeih koraka: 1. Testira se nulta hipoteza protiv alternativne , gde je
koeficijent korelacije populacije. 2. 3. Prikupljaju se relevantni podaci od pojedinaca iz uzorka. Izraunava se vrednost test statistike specifine za Ako je Ako je stepeni slobode. 4. Uporeuju se vrednosti test statistike sa tablinim vrednostima [2]. Ako je koeficijenta korelacije. Ako je , T se poredi sa tabinom vrednou iz t - raspodele. , r se poredi sa tablinom vrednou Pirsonovog , je test statistika. , izraunava se koje ima t-raspodelu sa
Kada je vrednost realnizovane test statistike vea od tabline vrednosti, onda se odbacuje nultu hipotezu u korist alternativne.
3.12. Binarna logistika regresija

Binarna logistika regresija slui za procenu koliko dobro skup nezavisnih promenljivih predvia ili objanjava kategorijsku zavisnu promenljivu. Dobija se pokazatelj adekvatnosti modela tj. ocena kvaliteta predvianja rezultata. Binarnom logistikom regresijom dobija se i pokazatelj relevantne vanosti svake nezavisne promenljive ili interakcije izmeu njih. Logistika regresija ne poiva na pretpostavkama o raspodeli rezultata merenja nezavisnih promenljivih. Meutim, ona je osetljiva na visoke korelacije izmeu nezavisnih promenljivih. Na rezultate logistike regresije jako utiu i netipine take. U viestrukoj linearnoj regresiji, oekivana vrednost zavisne promenljive, y, modeluje se kao linearna funkcija objanjavajuih promenljivih:
18
Neke primene statistike u psihijatriji Binarna promenljiva uzima vrednosti 0 i 1, oekivana vrednost je verovatnoa, p, za koju zavisna promenljiva uzima vrednost jedan. Moe se modelirati p kao linearna funkcija objanjavajue promenljive i procene koeficijenta regresije metodom najmanjih kvadrata, ali postoje dva problema sa ovim direktnim pristupom: Ocenjena vrednost p, u oznaci , treba da zadovolji Posmatrane vrednosti nisu u skladu sa normalnom raspodelom sa matematikim
oekivanjem p, nego kao Bernilijeva raspodela. Prikladniji pristup modelu p je indirektno preko logit transformacije od p, tj. dovodi do modela logistike regresije datog sa . Ovo
Drugim reima, log-ansa za preivljavanje se modelira kao linearna funkcija objanjavajuih promenljivih. Parametri u logistikom regresionom modelu se mogu proceniti metodom maksimalne verodostojnosti. Parametri se obino objanjavaju datim rezultatima u terminima ansi. U terminu p, logistiki regresioni model moe se napisati kao
Ova funkcija linearnog prediktora je poznata kao logistika funkcija. Konkurentni modeli u logistikoj regresiji mogu se formalno porediti sa testom verodostojnosti odnosa (engl. likelihood ratio test), testom skorova ili sa Wald-ovim testom. Ova tri testa su asimptotski ekvivalentni, ali se razlikuju u konanom uzorku. Test verodostojnosti odnosa se generalno smatra najpouzdanijim, a Wald-ov test najmanje pouzdanim, iako e u mnogim primenama svi testovi dovesti do istog zakljuka.
19
3.13. ROC krive

Cilj je da se odredi granina vrednost nekog testa, tako da se postigne najbolji odnos senzitivnosti i specifinosti, odnosno da proporcija TP (tano pozitivnih) i proporcija TN (tano negativnih) bude najvea mogua. Ovo nije jednostavno, jer poveanje jedne mere povlai smanjenje druge. Kada se donosi ovakva odluka na osnovu izraunavanja senzitivnosti i specifinosti za svaki mogui marker, dobija se dug niz paralelnih vrednosti i njihovim uporeivanjem moe se ustanoviti gde je senzitivnost dovoljno visoka, a da je pri tome specifinost najmanje oteena. Statistika tehnika koja za cilj ima utvrivanje granine vrednosti nekog testa koji daje najbolji odnos specifinosti i senzitivnosti naziva se analiza ROC krive (engl. Receiver Operating Characteristic Curve).
Slika 3.2. ROC krive (preuzeto iz [10])
ROC kriva je grafiki prikaz senzitivnosti i specifinosti za svaki mogui marker za pojavu bolesti u koordinatnom sistemu gde su na ordinati (y) prikazane vrednosti senzitivnosti (proporcija tanih pozitivnih), a na apscisi (x) vrednosti specifinosti oduzete od 1 (1 specifinosti), ime se dobijaju pogreno pozitivni rezultati (slika 3.2). Na slici 3.2 se vidi u kakvom odnosu stoje proporcije etiri osnovne veliine iz elija 2 x 2 ma-
20
Neke primene statistike u psihijatriji trice (TP tano pozitivni, PP pogreno pozitivni, TN tano negativni, PN pogreno negativni).
Tabela 3.4. Klasifikaciona matrica ROC krivih (preuzeto iz [12])
Odluka Tano Pozitivni Realnost Negativni
Pogreno
Iz klasifikacione matrice tabela 3.4, definiu se sledei parametri: Odnos tano pozitivnih TP . Poznat je kao senzitivnost, ovaj parametar
govori koliko je osetljiva odluka naeg metoda u otkrivanju pogrenog dogaaja. Klasifikacija metoda sa visokom osetljivou e retko propustiti pogrean dogaaj kada se dogodi. Odnos tano negativnih TN . Poznat kao specifinost, ovaj parametar go-
vori koliko specifian metod odluke je otkrio pogrenih dogaaja. Klasifikacioni metod sa visokom specifinou e imati veoma nisku stopu netanih. Odnos pogreno pozitivnih Odnos pogreno negativnih PP PN . .
I senzitivnost i specifinost se obino daju u procentima. Odluka metoda se smatra do brom ako istovremeno ima visoku senzitivnost i visoku specifinost. ROC kriva pokazuje senzitivnost u odnosu na dopunu specifinosti (1 - specifinost) za svaki mogui prag odluke. Ako je pojava koja se meri takva da se oni koji su bolesni i oni koji su zdravi uopte ne razlikuju, onda test ima anse 50:50% da sluajno pogodi ko je bolestan i koji god marker na testu da se uzme, proporcija ispravno klasifikovanih ostaje ista. Ova situacija bi na ROC grafiku bila predstavljena dijagonalnom linijom koja spaja donji levi i gornji desni ugao, odnosno dve nulte take sa slike 3.2. Ova dijagonala se obino zove dijagonala sluajnog ishoda i prikazana je isprekidanom linijom na slici 3.2.
21
Neke primene statistike u psihijatriji Sa druge strane, moe biti situacija u kojoj bi svi bolesni pacijenti bili jasno razliiti od zdravih, a test dobar indikator bolesti. Ako se krene od najviih graninih vrednosti na testu, senzitivnost (sposobnost da se prepoznaju bolesni pacijenti), e biti niska, ali e i pogreno pozitivni biti odsutni i veina rezultata e biti pogreno negativna. Na ROC krivoj taj rezultat e se nalaziti na samoj y-osi (jer su pogreno pozitivni 0) i to na niim vrednostima za senzitivnost. Svaka sledea nia granina vrednost na ROC grafiku davae presek senzitivnosti i (-) specifinosti na samoj y-osi, senzitivnost e se sa sputanjem kriterijuma poveavati (test e sve vie bolesnih ljudi prepoznati kao takve), pa tako sve do savrenog kriterijuma, kada kriva stie do gornjeg levog ugla gde se susreu take maksimalne senzitivnosti i specifinosti. Sa daljim sputanjem granine vrednosti poinju da rastu pogreno pozitivni, a opadaju tano negativni rezultati, odnosno specifinost se smanjuje i ROC linija prati gornju liniju grafika. Dakle, idealni test kojim se mere jasno razdvojeni zdravi i bolesni dao bi ROC krivu koja prati levu i gornju ivicu grafika, kao to je prikazano takastom linijom na slici 3.2. ROC krive, u najveem broju sluajeva, se nalaze negde izmeu dve opisane situacije, izmeu dijagonale sluajnog ishoda i krive koja se poklapa sa osama senzitivnosti i specifinosti. to je dobijena krivulja blie idealnoj, takastoj sa slike 3.2, to je test bolje razlikuje dve grupe, jer se i senzitivnost i specifinost za svaku graninu vrednost pribliavaju idealnim vrednostima i vee su anse da se meu njima pronae ona granina vrednost koji e imati mali broj i pogreno pozitivnih i pogreno negativnih. Suprotno, to je krivulja blie dijagonali sluajnog ishoda, test loije razlikuje dve grupe i njegove klasifikatorne mogunosti se sve manje razlikuju od sluajnog pogaanja. Iz navedenog sledi da, to je povrina koju zahvata ROC kriva vea, to test bolje razlikuje grupe. Povrine ispod ROC krive (engl. Area Uder the Curve: AUC) je pokazatelj da e verovatnoa sluajno odabrane bolesne osobe na testu za pojavu bolesti imati veu vrednost, nego zdrava osoba. Kao takva, AUC je ekvivalentna Mann-Whitney U testu. Testira se hipoteza . Ako je vrednost test AUC vea od 0.7, i ako se znaajno razlikuje od povrine ispod dijagonale, onda testirana promenljiva moe biti dobar marker za pojavu bolesti. Kada se pronau dobri markeri za pojavu bolesti, onda se za njih trai granina vrednost. Granina vrednost je vrednost promenljive koja predstavlja dobar marker, za koju je proizvod senzitivnosti i specifinosti maksimalan.
22
3.14. Wilcoxon test ranga

Wilcoxon test ranga se naziva i Wilcoxon-ov test ekvivalentnih parova ili test rangova sa znakom. Namenjen je ponovljenom merenju tj. za utvrivanje da li je razlika statistiki znaajna izmeu dva zavisna uzorka. To je neparametarska alternative t testu ponovljenih merenja, ali umesto poreenja srednjih vrednosti, Wilcoxon-ov test pretvara rezultate u rangove i njih poredi u trenutku 1 i trenutku 2. Da bi se primenio Wilcoxon-ov test promenljive moraju biti merene bar na intervalnoj mernoj skali. Testira se nulta hipoteza : Nema razlike izmeu merenja, protiv alternativne : Postoje razlike izmeu merenja. ,
Pre svega raunaju se razlike izmeu rezultata koji su u paru, u oznaci Pri rangiranju najmanjoj razlici dodeljuje se rang 1, rangovi se oznaavaju sa
, a zatim se rangiraju razlike (pri tom ne uzimajui u obzir predznak razlike). , . Razlike jednake nuli se isputaju. Svakom rangu dodeljuje se predznak koji je imala njemu odgovarajua razlika. Prave se odvojeni zbirovi pozitivnih i negativnih rangova. Za test statistiku uzima se po modulu manji zbir rangova, u oznaci , koji ima priblino normalnu raspodelu sa matematikim oekivanjem jednakim dardnom devijacijom [15]. Statistika i stan-
ima normalnu raspodelu sa
matematikim oekivanjem 0 i varijansom 1. Koristei tablice standardizovane normalne raspodele, moe se odluiti da li se razlike izmeu merenja statistiki znaajno razlikuju ili ne. Veliina uticaja u ovom testu se moe izraunati na nain opisan za MannWhitney U test, tj. deljenjem veliine z sa kvadratnim korenom iz . Meutim, u ovoj situaciji je broj opservacija u dva vremenska intervala, a ne broj ispitanika. Jaina uticaja
se meri kao kod Mann-Whitney U testa.
23
4. Psihijatrijske metode
Ispitivanje je sprovedeno na Klinici za psihijatriju u Kragujevcu, uz potovanje principa Dobre klinike prakse [16].
4.1.Uzorak
U ispitivanju je uestvovalo 171 ispitanika oba pola, podeljena u tri grupe. Svi ispitanici obuhvaeni ispitivanjem su imali 18 i vie godina. Prvu grupu ispitanika ine pacijenti kojima je postavljena dijagnoza akutnog psihotinog poremeaja i koji do sada nisu leeni antipsihoticima. Drugu grupu ine pacijenti kojima je dijagnoza psihotinog procesa (shizofrenije) postavljena pre vie od godinu dana i od tada su leeni antipsihoticima, a aktuelno su u fazi pogoranja. Treu, kontrolnu grupu, ine zdravi dobrovoljci.
4.2. Instrumenti kliniko-psihijatrijske procene

Psihijatrijske skale procene i imunski testovi su sprovedeni na poetku i nakon 30 dana tretmana na pacijentima prve i druge grupe, a u meuvremenu su na sedminom nivou podvrgnuti kliniko-psihijatrijskoj eksploataciji. Za psihotine pacijente predviena je primena specijalizovanog testa za ispitivanje pojedinih psihikih funkcija i odreenih klinikih sindroma: Skala pozitivnih i negativnih simptoma PANSS (engl. Positive and Negative Syndrom Scale) [7], kako bi se utvrdila teina mentalnog poremeaja, pratio tok i ishod (poboljanje/pogoranje) nakon 30 dana leenja. Pored toga pacijentima prve i druge grupe raena je analiza kompletne krvne slike na poetku i 30 dana nakon tretmana. Od svih pacijenata uzimani su podaci o polu i starosti. Kratak pregled obeleja: Pol je kategorijalna dihotomna (binarna) promenljiva, gde je enski pol oznaen sa 0, a muki sa 1. Starost je kvantitativna promenljiva koja uzima vrednosti vee ili jednake 18.
24
Neke primene statistike u psihijatriji P1 i P2 su kvantitativne promenljive koje predstavljaju pozitivne skale merene PANSS testom. P1 predstavlja merenje na poetku terapije, a P2 merenje nakon 30 dana od poetka terapije. Pozitivne skale ini 7 stavki od kojih se svaka meri Likertovom skalom od 1 do 7, gde 1 oznaava da je odsutan poremeaj, a 7 oznaava da je ekstreman poremeaj. Rezultati svih stavki se sabijaru i ine obeleje P1 odnosno P2. S tim u vezi P1 i P2 uzimaju vrednosti od 7 do 49. N1 i N2 imaju iste karakteristike kao P1 i P2. Jedina razlika je to one predstavljaju negativne skale merene PANSS testom. Opta psihopatoloka skala PANSS testa oznaena je sa G1 i G2, gde G1 takoe oznaava merenje na poetku tretmana, a G2 merenje nakon 30 dana. Ta skala se sastoji od 16 stavki, a svaka stavka je merena Likertovom skalom. G1 i G2 predstavljaju zbir merenja svih stavki i uzimaju vrednosti od 16 do 112. Kako se skala pozitivnih i nedativnih simptoma sastoji od pozitivnih, negativnih i optih psihopatolokih stavki, onda PANSS1 i PANSS2 predstavljaju zbir merenja svih stavki na poetku tretmana i 30 dana kasnije. Vrednosti koje uzimaju PANSS1 i PANSS2 su od 30 do 210. Obeleja od C1 do C5 predstavljaju citokine. To su kvantitativne neprekidne promenljive. Citokini su polipeptidi ili glikopeptidi, koji prenose informacije meu elijama i vani su medijatori upalnih bolesti [5]. WBC je skraenica za leukocite (bela krvna zrnca) koja slue za odbranu organizma od bakterija, gljivica i virusa. Normalne vrednosti leukocita u krvi su od po litru krvi [4]. RBC predstavlja eritrocite (crvena krvna zrnca) koja prenose kiseonik iz plua u ostale delove tela. Normalne vrednosti eritrocita u krvi su od krvi [4]. HGB je skraenica za hemoglobin. To je sloen protein sa molekulskom teinom . To je jedini protein krvi koji ne pripada proteinima plazme, nego se nalazi unutar eritrocita. Hemoglobina u krvi ima [4]. po litru
25
Neke primene statistike u psihijatriji HCT predstavlja hematokrit. Hematokrit je odnos uoblienih elemenata prema celokupnoj krvi ili odnos uoblienih elemenata i tene faze, tj. odnos eritrocita i tene faze. Iznosi od [4]. po litru krvi
Trombociti, u oznaci PLT, su krvne ploice. Ima ih [4].
PCT je prokalcitonin. To je zapreminski udeo trombocita u jedinici pune krvi. LYM predstavlja limfocite. Oni poseduju jedno nesegmentisano jedro koje zauzima najvei deo elije, tako da obino citoplazmu ini tanak polumeseni sloj oko jedra. Normalne vrednosti limfocita su po litru krvi [4].
AcidUric je mokrana kiselina. Normalne vrednosti za mukarce su od , a za ene su od [8]. [21].
GLU je glukoza (eer). Normalne vrednosti su od
UREA objanjava stanje bubrega. Normalne vrednosti pripadaju intervalu od [8]. KREATININ takoe objanjava stanje bubrega. Normalne vrednosti za mukarce su od , a za ene su od . Poviene vrednosti javljaju se
kod bubrenih oboljenja. Poveana urea, a normalan kreatinin moe da bude i rezultat ishrane bogate proteinima [8]. HOLESTEROL se takoe nalazi u krvnoj plazmi, a predstavlja masnou u krvi. Normalne vrednosti su od [21]. , dok su
TRIGLICERIDI predstavljaju masnoe u krvi. Preporueni su manji od visoki vei od [8].
HDL predstavlja holesterol (dobar). Preporuene vrednosti su vee od niske vrednosti su manje od [8].
, a
26
Neke primene statistike u psihijatriji LDL je holesterol (lo). Preporuene vrednosti su manje od od [8]. BILIRUBIN objanjava stanje jetre. Normalna vrednost je od [8]. PROTEINI u krvnoj plazmi uzimaju normalne vrednosti od do [21]. , a visoke su vee
Fe je gvoe. Ono objanjava kotanu sr. Za mukarce normalne vrednosti su od , a za ene su od [8]. [8].
AST je oznaka za aspertat aminotransperaze, iznosi od
ALT je skraenica za alanin aminotransperaze. Normalne vrednosti su od [8]. ALP je alkalna fosfataza. Normalne vrednosti za odrasle su od [8]. , a za
GamaGT predstavlja glutamil. Normalna vrednost za mukarce je od ene . [8].
CK je keratin kineza. CRP je skraenica koja oznaava C reaktivni protein. Re je o proteinu koji se proizvodi u jetri. Njegova koncentracija u venskoj krvi se koristi kao znaajan biohemijski parametar za mnoga stanja. Normalna koncentracija CRP-a se smatra do [9].
K je koliina kalijuma u krvnoj plazmi. Normalna vrednost kalijuma je od [21]. Na predstavlja koliinu natrijuma u krvnoj plazmi. Normalna vrednost natrijuma je od [21].
SE predstavlja brzinu sedimentacije eritrocita po Vestergernu, iznosi za mukarce od za 1 sat, a za ene od za 1 sat [21].
27
Neke primene statistike u psihijatriji DIJAGNOZA je kategorijalna varijabla sa tri kategorije. Predstavlja tri grupe ispitanika: Terapija je kategorijalna varijabla sa tri kategorije. Predstavlja tri razliita leka. Pojava_bolesti je dihotomna promenljiva, gde su Bolesne ine akutni i shizofrenini. .
5. Analiza podataka
Primenom deskriptivne statistike i frekvencija, pronaeno je da promenljiva N1 ima 1 pogrenu vrednost. Kako promenljiva N1 uzima vrednosti u segmentu [7, 49], pogrena vrednost je 59. Promenljiva G1 uzima vrednosti u segmentu [16, 112], pa u datim podacima ima jednu pogrenu vrednost, a to je 120. Promenljiva P2 moe uzimati vre dnosti iz segmenta [7, 49]. U datim podacima u promenljivoj P2 se pojavljuje vrednost 152, to implicira da je 152 pogrena. Sve pogrene vrednosti je potrebno izbrisati, a zatim tretirati kao nedostajue podatke. Problem nedostajuih podataka, koji se javio u istraivanju, reavan je u dva navrata. Prvo su registrovani i eliminisani svi nedostajui podaci u obelejima pol, starost, dijagnoza i terapija. Oni su eliminisani metodom pairwise. Zatim su preostali nedostajui podaci, nadometeni postupkom zasnovanim na maksimizaciji oekivanih vrednosti (Expectation Maximization - EM).
6. Rezultati
Kako je u radu ispitivano dosta parametara i primenjen veliki broj statistikih metoda, rezultati e biti prikazani u nekoliko odeljaka. Demografski podaci prikazani su u tabeli 6.1.
28

Tabela 6.1. Demografski podaci
Godine Pol ene Mukarci Nedostajui podaci Dijagnoza Zdravi Akutni Shizofrenija Nedostajui podaci 34.82 9.73 79 (46.2%) 89 (52.0%) 3 (1.8%) 35 (20.5%) 89 (52.0%) 47 (27.5%) 0 (0%)
6.1. Citokini i dijagnoza

Kako bi se izabrala odgovarajua statistika metoda za ispitivanje statistike znaajnosti razlika srednjih vrednosti citokina (prvo merenje) izmeu dijagnoza, potrebno je proveriti da li citokini imaju normalnu raspodelu u svakoj grupi dijagnoza.
Tabela 6.2. Kolmogorov Smirnov test normalnosti
Kolmogorov-Smirnov DIJAGNOZA Citokin 1 Zdravi Akutni Shizofrenija Citokin 2 Zdravi Akutni Shizofrenija Citokin 3 Zdravi Akutni Shizofrenija Citokin 4 Zdravi Akutni Shizofrenija Citokin 5 Zdravi Akutni Shizofrenija a. Lilliefors korekcija Statistika 0.361 0.392 0.310 0.454 0.336 0.401 0.390 0.345 0.366 0.186 0.250 0.394 0.290 0.165 0.156 df 35 89 47 35 89 47 35 89 47 35 89 47 35 89 47
a
p < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 0.003 < 0.0005 < 0.0005 < 0.0005 < 0.0005 0.006
Kako je u svakoj grupi obim uzorka vei od 30, koristi se Kolmogorov-Smirnov test normalnosti. Iz tabele 6.2 se vidi da je svaku grupu svakog citokina manje od vrednost Kolmogorov-Smirnovog testa za , to implicira da ni jedna grupa ni jednog ci-
29
Neke primene statistike u psihijatriji tokina nema normalnu raspodelu. U tabeli 6.3 prikazane su vrednosti citokina prema dijagnozi.
Tabela 6.3. Vrednosti citokina prema dijagnozi
Zdravi Medijana (25. perc 75. perc) Citokin 1 Citokin 2 Citokin 3 Citokin 4 Citokin 5 0.00 (0.00 20.06) 0.00 (0.00 0.00) 0.00 (0.00 14.38) 1940.32 (474.57 3895.24) 17.24 (12.86 21.88) Akutni Medijana (25. perc 75. perc) 0.00 (0.00 14.49) 0.00 (0.00 24.62) 0.00 (0.00 15.39) 895.53 (0.00 4372.83) 35.95 (18.39 73.97) Shizofrenija Medijana (25. perc 75. perc) 1.27 (0.00 97.39) 0.00 (0.00 4.28) 4.54 (0.00 14.37) 849.65 (45.75 2881.95) 55.95 (18.72 105.18) 0.198 0.177 0.636 0.535 0.0005 p
S obzirom da citokini nemaju normalnu raspodelu u svakoj grupi, za testiranje razlika srednjih vrednosti citokina (prvo merenje) izmeu dijagnoza korien je KruskalWallis-ov test. Kruskal-Wallis-ov test je otkrio da razlika srednjih vrednosti citokina 1 izmeu zdravih, akutnih i shizofreninih nije statistiki znaajna (Grupa zdravi N = 35, Grupa akutni N = 89, Grupa shizofrenija N = 47), .
Isti test pokazao je da razlika srednjih vrednosti citokina 2 izmeu zdravih, akutnih i shizofreninih nije statistiki znaajna (Grupa zdravi N = 35, Grupa akutni N = 89, Grupa shizofrenija N = 47), .
Kruskal-Wallis-ov test je potvrdio da razlika srednjih vrednosti citokina 3 izmeu zdravih, akutnih i shizofreninih nije statistiki znaajna (Grupa zdravi N = 35, Grupa akutni N = 89, Grupa shizofrenija N = 47), , .
Takoe, Kruskal-Wallis-ov test je otkrio da razlika srednjih vrednosti citokina 4 izmeu dijagnoza nije statistiki znaajna (Grupa zdravi N = 35, Grupa akutni N = 89, Grupa shizofrenija N = 47), .
Kruskal-Wallis-ov test je otkrio da je razlika srednjih vrednosti citokina 5 izmeu zdravih akutnih i shizofreninih
statistiki znaajna (Grupa zdravi N = 35, Grupa akutni N = 89, Grupa . Na osnovu medijane
shizofrenija N = 47),
30
Neke primene statistike u psihijatriji citokina 5 (prvo merenje) i dijagnoze nacrtan je dijagram (grafik 6.1). Za crtanje dijagrama koriena je medijana jer se Kruskal-Wallis-ovim testom testira jednakost medijana.
Grafik 6.1. Citokin 5 (prvo merenje) i dijagnoza
Statistiki znaajnu razliku srednjih vrednosti citokina izmeu dijagnoza je mogue otkriti koristei MANOVA analizu. Kako citokini nemaju normalnu raspodelu, neophodno ih je normalizovati. Za normalizaciju citokina koriena je Tukey transformacija. Nakon normalizacije uraena je deskriptivna statistika noramalizovanih vrednosti citokina (prvo merenje) tj. izraunati su koeficijenti asimetrije i spljotenosti (tabela 6.4).
Tabela 6.4. Deskriptivna statistika (koeficijenti asimetrije i spljotenosti)
N Statistika NC1pre NC2pre NC3pre NC4pre NC5pre Ukupno N 171 171 171 171 171 171 Koeficijent asimetrije Statistika 0.895 1.345 0.133 0.395 0.002 Std. greka 0.186 0.186 0.186 0.186 0.186 Koeficijent spljotenosti Statistika -0.250 0.611 0.244 -0.576 -0.154 Std. greka 0.369 0.369 0.369 0.369 0.369
31
Neke primene statistike u psihijatriji Iz tabele 6.4 se vidi da koeficijenti asimetrije i spljotenosti za normalizovane vrednosti citokina pripadaju segmentu [-2, 2], to pokazuje da normalizovane vrednosti citokina imaju normalnu raspodelu. Pored pretpostavke o univarijacionoj normalnosti citokina, neophodno je proveriti i ostale pretpostavke za MANOVA analizu. Dalje, sve pretpostavke MANOVA analize se proveravaju na normalizovanim vrednostima citokina i MANOVA analiza se sprovodi korienjem normalizovanih vrednosti citokina. U grupama ima vie ispitanika nego to je neophodan broj (tabela 6.2). Mardijinim testom je potvreno da citokini imaju multivarijacionu normalnu raspodelu ( ).
Tabela 6.5. Deskriptivna statistika normalizovanih vrednosti citokina
NC1pre Srednja vrednosti Srednja vrednost bez 5% sluajeva Minimum Maksimum Srednja vrednosti Srednja vrednost bez 5% sluajeva Minimum Maksimum Srednja vrednosti Srednja vrednost bez 5% sluajeva Minimum Maksimum Srednja vrednosti Srednja vrednost bez 5% sluajeva Minimum Maksimum Srednja vrednosti Srednja vrednost bez 5% sluajeva Minimum Maksimum Statistika 0.064363 -0.007267 -0.6057 2.6614 0.075694 -0.006655 -0.3901 2.6614 0.021472 0.023858 -2.6614 2.6614 0.030791 -0.016989 -1.1021 2.6614 0.000112 0.000006 -2.6614 2.6614 Std. Greka 0.0634027
NC2pre
0.0579988
NC3pre
0.0717672
NC4pre
0.0703368
NC5pre
0.0757633
Iz tabele 6.5 se vidi da srednje vrednosti citokina i srednje vrednosti bez 5% maksimalnih i minimalnih vrednosti citokina se mnogo ne razlikuju, te nema potrebe za brigu o univarijacionim netipinim vrednostima. Kako je , gde je broj promenljivih u anali, odatle sledi da po-
zi, a najvia vrednost Mahalanobisovih distanci u podacima je
stoji jedna multivarijantna netipina taaka za koju je Mahalanobisova distanca jednaka 27.18. Ostale Mahalanobisove distance su manje od vrednosti, te nema vie multivari-
32
Neke primene statistike u psihijatriji jacionih netipinih taaka. Pronaena multivarijaciona netipina taka je izbaena iz dalje analize.
Grafik 6.2. Matrini takasti dijagram za dijagnozu i normalizovane vrednosti citokina
Na grafiku 6.2 se ne primeuju znakovi oigledne nelinearnosti, te se pretpostavka o linearnosti smatra zadovoljena. Kako se ne radi postepena analiza, nije potrebno proveravati pretpostavku o homogenosti regresije. Kako u tabeli 6.6 nema jako visokih korelacija izmeu citokina, nema potrebe za brigu o multikolinearnosti.
33

Tabela 6.6. Pirsonovi koeficijenti korelacije noramalizovanih vrednosti citokina
NC1pre NC2pre NC3pre NC4pre NC5pre NC1pre 1 0.134 0.142 0.089 0.077 NC2pre 0.134 1 0.440
**
NC3pre 0.142 0.440

**
NC4pre 0.089 0.104 -0.009 1 -0.003
NC5pre 0.077 0.076 -0.097 -0.003 1
1 -0.009 -0.097
0.104 0.076
**. Korelacija je znaajna na nivou 0.01 (obostrano ).
Homogenost matrica varijanse i kovarijanse je proverena Boksovim testom za jednakost matrica kovatijanse. Kako je p vrednost Boksovog testa < 0.0005, pretpostavka o homogenosti matrica varijanse je naruena [22]. MANOVA analizom utvrena je statistiki znaajna razlika srednjih vrednosti citokina izmeu dijagnoza, je ; parcijalni eta kvadrat ; Pillai's Trace lambda . Kada su rezultati zavisnih promenljivih
razmotreni zasebno, jedina razlika srednjih vrednosti koja je dosegla statistiku znaajnost (uz po Bonferoniju prilagoen nivo alfa od parcijalni eta kvadrat vrednosti zabeleeno da je kod zdravih neznatno manje citokina 5 kod akutnih i shizofreninih . ) bio je citokin 5, . Pregledom srednjih nego
6.2. Pol i dijagnoza

Povezanost dijagnoze sa polom ispitana je koristei bele (tabela 6.7).
Tabela 6.7. Povezanost dijagnoze sa polom
Pol Ukupno enski Muki 20.80% 22.00% 10.10% 53.00% 20.80% 53.00% 26.20% 100.00%
test nezavisnosti
ta-
DIJAGNOZA
zdravi akutni bolesni
0.00% 31.00% 16.10% 47.00%
Ukupno
Kako vie od
elija zadovoljava pretpostavku o najmanjoj elijskoj frekven-
ciji, znai da nije prekrena pretpostavka (minimalna oekivana vrednost frekvencija je
34
Neke primene statistike u psihijatriji ). pola, test nezavisnosti (Pirsonov ) pokazao je znaajnu vezu izmeu dijagnoze i . Iz tabele 6.7 se vidi da grupu zdravih ine samo mukarci, njih 20.80% od celog uzorka. Akutni ine 53% celog uzorka, od toga 31% otpada na ene, a 22% na mukarce. Bolesni predstavljaju 26.20% od ukupnog uzorka, od ega su 16.10% ene, a 10.10% mukarci. Od ukupnog uzorka 47% ine ene, a 53% mukarci.
6.3. Starost i dijagnoza

Kako bi se odluilo koji je statistiki test potreban za ispitivanje statistiki znaajne razlike srednjih vrednosti starosti izmeu dijagnoza, neophodno je prvo proveriti da li starost ima normalnu raspodelu u svakoj grupi dijagnoze. Kolmogorov-Smirnov test tvrdi da starost ima normalnu raspodelu u sve tri grupe (tabela 6.8).
Tabela 6.8. Kolmogorov-Smirnov test normalnosti
Kolmogorov-Smirnov DIJAGNOZA starost Zdravi Akutni Shizofreni a. Lilliefors korekcija *. Ovo je donja granica praga znaajnosti. Statistika 0.114 0.087 0.086 df 35 89 47
a
p 0.200
*
0.089 0.200
*
Kako je pretpostavka o normalnosti ispunjena, za testiranje statistike znaajnosti uticaja starosti na dijagnozu koriena je ANOVA analiza. Jednofaktorskom dispersionom analizom nije utvrena statistiki znaajna razlika na nivou dijagnoza: . starosti izmeu
6.4. Citokini i pojava bolesti

Kako bi se izabrala odgovarajua statistika metoda za ispitivanje statistike znaajnosti razlika srednjih vrednosti citokina (prvo merenje) o odnosu na pojavu bolesti, potrebno je proveriti da li citokini imaju normalnu raspodelu u obe grupe.
35
Neke primene statistike u psihijatriji Pojava bolesti predstavlja dihotomnu promenljivu koja je nastala rekodiranjem kategorijalne promenljive dijagnoza. Kategorija zdravi je zadrana i uzima vrednost 0, a kategorije akutni i shizofrenija su pretvoreni u jednu kategoriju, u nazivu bolesni, koja uzima vrednost 1.
Kolmogorov-Smirnov pojava_bolesti Citokin 1 Zdravi Bolesni Citokin 2 Zdravi Bolesni Citokin 3 Zdravi Bolesni Citokin 4 Zdravi Bolesni Citokin 5 Zdravi Statistika 0.361 0.368 0.454 0.356 0.390 0.343 0.186 0.367 0.290 0.160 df 35 136 35 136 35 136 35 136 35 136
a
p < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 0.003 < 0.0005 < 0.0005 < 0.0005
Bolesni a. Lilliefors korekcija
Kako je u svakoj grupi obim uzorka vei od 30, koristi se Kolmogorov-Smirnov test normalnosti. Iz tabele 6.9 se vidi da je vrednost Kolmogorov-Smirnovog testa u svakoj grupi svakog citokina manje od 0.05, to implicira da ni jedna populacija ni jednog citokina nema normalnu raspodelu. Kako citokini nemaju normalnu raspodelu u svakoj grupi, za testiranje razlika srednjih vrednosti citokina u odnosu na pojavu bolesti korien je Mann-Whitney U test.
Tabela 6.10. Vrednosti citokina prema pojavi bolesti
Zdravi Medijana (25. perc 75. perc) Citokin 1 Citokin 2 Citokin 3 Citokin 4 Citokin 5 0.00 (0.00 20.06) 0.00 (0.00 0.00) 0.00 (0.00 14.38) 1940.32 (474.57 3895.24) 17.24 (12.86 21.89) Akutni Medijana (25. perc 75. perc) 0.00 (0.00 27.91) 0.00 (0.00 11.11) 0.90 (0.00 14.98) 856.85 (0.00 4173.14) 39.06 (18.75 81.65) 0.198 0.177 0.636 0.535 0.0005 p
36
Neke primene statistike u psihijatriji Mann-Whitney U test nije otkrio statistiki znaajnu razliku srednjih vrednosti citokina 1, citokina 2, citokina 3 i citokina 4 izmeu zdravih i bolesnih (tabela 6.10). Isti test tvrdi da je razlika srednjih vrednosti citokina 5 izmeu zdravih ( ) i bolesnih , Grupa bolesni ), statistiki znaajna (Grupa zdravi , , ,
. Na osnovu medijane citokina 5 (prvo merenje) i pojave bolesti nacrtan je dijagram (grafik 6.3). Za crtanje dijagrama koriena je medijana, jer Mann-Whitney U test ispituje jednakost medijana.
Grafik 6.3. Medijana citokina 5 u odnosu na pojavu bolesti
6.5. Pol i pojava bolesti

Povezanost pojave bolesti sa polom ispitana je koristei tabele kontigencije (tabele 6.11).
37

Tabela 6.11. Povezanost pojave bolesti sa polom
pol enski Muki 20.80% 32.10% 53.00% Total 20.80% 79.20% 100.00%
Pojava bolesti Ukupno
Zdravi Bolesni
0.00% 47.00% 47.00%
Kako vie od
elija zadovoljava pretpostavku o minimalnoj oekivanoj test nezavisnosti (uz korekciju neprekidnosti prema Yates-u)
elijskoj frekvenciji, znai da nije prekrena pretpostavka (minimalna oekivana vrednost frekvencija je ). pokazao je znaajnu vezu izmeu pola i pojave bolesti, . Iz tabele 6.11 se vidi da grupu zdravih ine samo mukarci, njih 20.80% od celog uzorka. Bolesni ine 79.20% celog uzorka, od toga 47% otpada na ene, a 32.10% na mukarce. Od ukupnog uzorka 47% ine ene, a 53% mukarci.
6.6. Starost i pojava bolesti

Kako bi se odluilo koji je statistiki test potreban za ispitivanje statistiki znaajne razlike izmeu starosti i pojave bolesti, neophodno je prvo proveriti da li starost ima normalnu raspodelu i u grupi zdravih i u grupi bolesnih. Kolmogorov-Smirnov test tvrdi da starost ima normalnu raspodelu u obe grupe (tabela 6.12).
Kolmogorov-Smirnov pojava_bolesti starost Zdravi Bolesni a. Lilliefors korekcija *. Ovo je donja granica praga znaajnosti. Statistika 0.114 0.074 df 35 136
a
p 0.200
*
0.069
Kako je pretpostavka o normalnosti zadovoljena, za testiranje statistike znaajnosti uticaja starosti na pojavu bolesti korien je t test nezavisnih uzoraka. Postoji jedna netipina vrednost starosti, koja se zadrava u analizi jer rezultate znaajno ne menja. T testom nezavisnih uzoraka uporeena je starost izmeu zdravih i bolesnih. Levene-ov test za jednakost varijansi nije znaajan , to implicira da su varijanse jednake, te
38
Neke primene statistike u psihijatriji da se moe primeniti t - test za nezavisne uzorke. T test za nezavisne uzorke je otkrio da razlika srednjih vrednosti starosti izmeu zdravih ( kvadrat nije statistiki znaajna, . i bolesnih, (obostrano), eta
6.7. Biohemijski parametri i bolesni (akutni i hronini)

Kako bi se izabrala odgovarajua statistika metoda za ispitivanje statistike znaajnosti razlika srednjih vrednosti biohemijskih parametara (prvo merenje) u odnosu na bolesne (akutne i shizofrenine - hronine), potrebno je proveriti da li biohemijski parametri imaju normalnu raspodelu u obe grupe. Kako je u svakoj grupi obim uzorka vei od 30, koristi se Kolmogorov-Smirnov test normalnosti. Iz tabele 6.13 se vidi da je vrednsot Kolmogorov-Smirnovog testa u bar jednoj grupi kod obeleja leukociti, prokalcitonin, limfociti, mokrana kiselina, gluloza, urea, kreatinin, holesterol, trigliceridi, LDL-holesterol, bilirubin, proteini, gvoe, aspartat aminotransperaze, alanin aminotransperaze, alkalna fosfataza, glutamil, keratin kineza, C reaktivni protein, kalijum i sedimentacija manja od 0.05, to implicira da navedene promenljive nemaju normalnu raspodelu po grupama bolesnika.
39

Bolesni Leukociti
Akutni Hronini
Kolmogorov-Smirnov Statistika
0.117 0.118 0.051 0.097 0.084 0.088 0.049 0.094 0.057 0.102 0.06 0.156 0.102 0.078 0.103 0.189 0.179 0.086 0.169 0.083 0.099 0.145 0.212 0.125 0.455 0.256 0.092 0.113
df
89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47
p
0.004 0.103 0.200
*
Bolesni LDL-holesterol
Akutni Hronini
Kolmogorov-Smirnov Statistika
0.148 0.137 0.233 0.218 0.153 0.116 0.093 0.235 0.276 0.306 0.205 0.298 0.144 0.081 0.377 0.253 0.332 0.319 0.315 0.335 0.115 0.088 0.075 0.115 0.143 0.143
df
89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47 89 47
p
< 0.0005 0.027 < 0.0005 < 0.0005 < 0.0005 0.133 0.057 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 0.200* < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005 0.006 0.200* 0.200* 0.143 < 0.0005 0.017
Eritrociti Hemoglobin
Akutni Hronini Akutni Hronini
Bilirubin Probeini Gvoe Aspartat aminotransperaze Alanin aminotransperaze Alkalna fosfataza
Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini
0.200* 0.169 0.200 0.200 0.200 0.200

* * * *
Hematokrit Trombociti Prokalcitonin Limfociti Mokrana kiselina Glukoza Urea Kreatinin
Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini
0.200* 0.200
*
0.006 0.023 0.200

*
0.021 < 0.0005 < 0.0005 0.200

*
Glutamil Keratin kineza C reaktivni protein Kalijum
Akutni Hronini Akutni Hronini Akutni Hronini Akutni Hronini
< 0.0005 0.200

*
0.032 0.014 < 0.0005 0.063 < 0.0005 < 0.0005 0.058 0.175
Hholesterol Trigliceridi HDLholesterol
Akutni Hronini Akutni Hronini Akutni Hronini
Natrijum Sedimentacija
Akutni Hronini Akutni Hronini
a. Lilliefors-ova korekcija *. Ovo je donja granica praga znaajnosti.
Kako navedena obeleja nemaju normalnu raspodelu po grupama bolesnika, za testiranje razlika srednjih vrednosti navedenih biohemijskih parametara izmeu akutnih i hroninih korien je Mann-Whitney U test.
40

Tabela 6.14. Test statistika Mann-Whitney U testa
MannWhitney U Leukociti Prokalcitonin Limfociti Mokrana kiselina Glulooza Urea Kreatinin Holesterol Trigliceridi LDL-holesterol Bilirubin Proteini Gvoe Aspartat aminotransperaze Alanin aminotransperaze Alkalna fosfataza Glutamil Keratin kineza C reaktivni protein Kalijum Sedimentacija a. grupiua promenljiva: Bolest 1895.500 1442.500 1866.500 1662.500 1964.500 1759.000 1946.000 1929.000 1917.500 1721.500 1528.500 2005.000 2004.500 1944.500 2010.500 1727.500 2064.500 2042.500 1879.500 2041.500 1649.500 Z -0.897 -2.970 -1.030 -1.963 -0.581 -1.522 -0.666 -0.744 -0.796 -1.694 -2.576 -0.396 -0.398 -0.673 -0.371 -1.666 -0.124 -0.224 -0.970 -0.229 -2.024 p (dvostrano) 0.370 0.003 0.303 0.050 0.561 0.128 0.505 0.457 0.426 0.090 0.010 0.692 0.691 0.501 0.711 0.096 0.902 0.823 0.332 0.819 0.043
Mann-Whitney U test nije otkrio statistiki znaajnu razliku u vrednosti leukocita, limfocita, glukoze, uree, kreatinina, holesterola, triglicerida, LDL-holesterola, proteina, gvoa, aspartat aminotransperaze, alanin aminotransperaze, alkalne fosfataze, glutamila, keratin kineza, C reaktivnog proteina, kalijuma i sedimentacije izmeu akutnih i hro ninih (tabela 6.14). Isti test tvrdi da je razlika srednjih vrednosti prokalcitonina izmeu akutnih (Grupa akutni i hroninih , Grupa hronini statistiki znaajna . Mann-
Whitney U test je otkrio da je razlika srednjih vrednosti mokrane kiseline izmeu akutnih ni i hroninih ), statistiki znaajna (Grupa akutTest je takoe otkrio da je i hroninih ,
, Grupa hronini
razlika srednjih vrednosti bilirubina izmeu akutnih ( ) statistiki znaajna (Grupa akutni
, Grupa hronini
. Isti test je otkrio da je razlika srednjih vrednosti sedimentacije iz-
41
Neke primene statistike u psihijatriji meu akutnih ni , Grupa hronini i hroninih statistiki znaajna (Grupa akutU tabeli 6.15 prikazane
su srednje vrednosti biohemijskih parametara prema bolesti, za koje je razlika srednjih vrednosti izmeu akutnih i hrononih (shizofreninih) statistiki znaajna.
Tabela 6.15. Vrednosti biohemijskih parametara prema bolesti
Akutni Medijana (25. perc 75. perc) Prokalcitonin Mokrana kiselina Bilirubin Sedimentacija 0.234 (0.195 0.257) 328 (256.5 414.5) 10.2 (7.2 18.98) 14 (7.89 - 20) Hronini Medijana (25. perc 75. perc) 0.261 (0.217 0.282) 283 (206 - 351) 7.4 (6.2 11.1) 18 (8 - 33) 0.003 0.050 0.010 0.043 p
Iz tabele 6.13 se vidi da promenljive eritrociti, hemoglobin, hematokrit, trombociti, HDL-holesterol i natrijum imaju normalnu raspodelu po grupama bolesnih, to implicira da se za poreenje navedenih obeleja po grupama koristi t-test za nezavisne uzorke. Kako se srednje vrednosti celog uzorka i srednje vrednosti bez 5% gornjih i 5% donjih sluajeva ne razlikuju mnogo kod navedenih obeleja, nema razloga za brigu o postojanju netipinih taaka.
Tabela 6.16. T test za nezavisne uzorke
Levene-ov test za jednakost varijansi
t-test za jednakost srednjih vrednosti p (dvostrano) 0.314 0.024 0.075 0.048 0.232 0.681 Prosena razlika 0.08656 5.91072 0.01330 -26.68152 -0.09704 -0.40561 Std. greka razlike 0.08565 2.59724 0.00742 13.37883 0.08076 0.98317 95% CI za razlike Donja Gornja granica granica -0.08285 0.25596 0.77382 -0.00137 -53.14252 -0.25677 -2.35014 11.04761 0.02798 -0.22053 0.06268 1.53892
Eritrociti Hemoglobin Hematokriti Trombociti Holesterol Natrijum
F 1.093 1.650 1.419 2.162 2.141 0.153
p 0.298 0.201 0.236 0.144 0.146 0.696
t 1.011 2.276 1.793 -1.994 -1.202 -0.413
df 134 134 134 134 134 134
Levane-ov test za jednakost varijansi nije znaajan ni kod jedne promenljive (tabela 6.16), to implicira da su varijanse jednake kod svake promenljive po grupam a. Razlika srednjih vrednosti hemoglobina izmeu akutnih ( ), je statistiki znaajna, , i hroninih (dvostrano), eta
kvadrat = 0.04. Razlika srednjih vrednosti trombocita je statistiki znaajna izmeu akut-
42
Neke primene statistike u psihijatriji nih ) i hroninih , ,
(dvostrano), eta kvadrat = 0.029. U tabeli 6.17 prikazane su vrednosti biohemijskih parametara prema bolesti, za koje je razlika srednjih vrednosti izmeu akutnih i hrononih (shizofreninih) statistiki znaajna.
Tabela 6.17. Vrednosti biohemijskih parametara prema bolesti
Akutni Aritm. Sredina SD Hemoglobin Trombociti 140.78 12.96 272.18 65.29 Shizofrenija Aritm. Sredina SD 134.87 16.82 298.86 88.78 p 0.024 0.048
6.8. PANSS i bolesni

Kako bi se izabrala odgovarajua statistika metoda za ispitivanje statistike znaajnosti razlika srednjih vrednosti parametara PANSS skale (prvo merenje) u odnosu na bolesne (akutne i shizofrenine - hronine), potrebno je proveriti da li parametri PANSS skale imaju normalnu raspodelu u obe grupe.
Kolmogorov-Smirnov Bolesni P1 Akutni Hronini N1 Akutni Hronini G1 Akutni Hronini PANSS1 Akutni Hronini a. Lilliefors-ova korekcija *. Ovo je donja granica praga znaajnosti. Statistika 0.151 0.108 0.085 0.092 0.093 0.096 0.111 0.115 df 89 47 89 47 89 47 89 47
a
p < 0.0005 0.200

*
0.151 0.200
*
0.057 0.200
*
0.009 0.151
Kako je u svakoj grupi obim uzorka vei od 30, koristi se Kolmogorov-Smirnov test normalnosti. Iz tabele 6.18 se vidi da je vrednsot Kolmogorov-Smirnovog testa u bar jednoj grupi kod obeleja P1, PANSS1 manja od 0.05, to implicira da promenljive nemaju P1 i PANSS1 nemaju normalnu raspodelu po grupama bolesnika.
43
Neke primene statistike u psihijatriji Kako promenljive P1 i PANSS1 nemaju normalnu raspodelu po grupama bolesnika, za testiranje razlika srednjih vrednosti navedenih parametara izmeu akutnih i hroninih korien je Mann-Whitney U test.
Tabela 6.19. Test Statistikaa
P1 Mann-Whitney U Z p (dvostrano) a. grupiua promenljiva: bolest 1827.000 -1.212 .225 PANSS1 1738.500 -1.616 .106
Mann-Whitney U test nije otkrio statistiki znaajnu razliku srednjih vrednosti obeleja P1, ni srednjih vrednosti obeleja PANSS1 izmeu akutnih i hroninih (tabela 6.19). Iz tabele 6.18 se vidi da promenljive N1 i G1 imaju normalnu raspodelu po grupama bolesnih, to implicira da se za poreenje navedenih obeleja po grupama koristi t-test za nezavisne uzorke. Kako se srednje vrednosti celog uzorka i srednje vrednosti bez 5% gornjih i 5% donjih sluajeva ne razlikuju mnogo ni kod promenljive N1 ni kod promenljive G1, nema razloga za brigu o postojanju netipinih taaka. Levane-ov test za jednakost varijansi nije znaajan kod promenljive N1 ( G1 ( meu akutnih , vrednosti G1 izmeu akutnih znaajna, , ), a ni kod promenljive ), to implicira da su varijanse promenljivih N1 i G1 jednake izmeu popui hroninih ( (dvostrano), i hroninih ( (dvostrano), ) nije statistiki znaajna, . Razlika srednjih ) nije statistiki .
lacija. Meutim, t-test za nezavisne uzorke pokazuje da razlika srednjih vrednosti N1 iz-
6.9. Promene vrednosti parametara PANSS skale izmeu dva merenja

Kako ispitujemo merenje istih parametara u dva navrata, potrebno je utvrditi da li razlike parova imaju normalnu raspodelu. Zbog toga se izraunavaju nove promenljive koje predstavljaju razlike parametara PANSS skale merenih pre terapije i 30 dana nakon poetka terapije.
44

Tabela 6.20. Kolmogorov-Smirnov testnormalnosti
Kolmogorov-Smirnov Statistika razlikaP razlikaN razlikaG razlikaPANSS 0.087 0.055 0.059 0.064 df 136 136 136 136
a
p 0.014 0.200 0.200 0.200

* * *
a. Lilliefors ova korekcija *. This is a lower bound of the true significance.
Kolmogoriv Smirnov test (tabela 6.20) pokazuje da razlika para P1 i P2 nema normalnu raspodelu, te se za poreenje srednjih vrednosti razlika izmeu dva merenja koristi neparametarski Wilcoxon-ov test. Iz tabele 6.20 se vidi da razlike parova ostalih promenljivih imaju normalnu raspodelu, te se za poreenje srednjih vrednosti razlika izmeu dva merenja koristi parametarski t-test uparenih uzoraka.
Tabela 6.21. Test Statistikab
P2 - P1 Z p (obostrano) -10.014
a
<0.0005
a. Zasnovan na pozitivnim rangovima b. Wilcoxon ov test
Kao to se vidi iz tabele 6.21, Wilcoxon-ov test ranga je otkrio statistiki znaajno smanjenje vrednosti parametra pozitivne skale PANSS testa nakon poetka terapije, uz veliki uticaj ( opala od ). Medijana vrednosti parametara pozitivne skale PANSS testa je na poetku terapije do 12 (9 - 16) nakon terapije.
T testom uparenih uzoraka (ponovljenih merenja) utvreno je statistiki znaajno smanjenje vrednosti parametara negativne skale PANSS testa pre poetka terapije i nakon terapije strano). Vrednost eta kvadrat dva merenja. Istim testom utvreno je statistiki znaajno smanjenje vrednosti parametara opte psihopatoloke skale PANSS testa pre poetka terapije ( pokazuje da je veoma velika razlika rezultata izmeu dva merenja. i nakon terapije (dvopokazuje da je veoma velika razlika rezultata izmeu
(dvostrano). Vrednost eta kvadrat
45
Neke primene statistike u psihijatriji Takoe je t - testom uparenih uzoraka utvreno statistiki znaajno smanjenje ukupne vrednosti skale PANSS testa pre poetka terapije pokazuje da je veoma velika razlika rezultata izmeu dva merenja. i nakon terapije
(dvostrano). Vrednost eta kvadrat
6.10. Povezanost citokina i ostalih parametara

Veza izmeu citokina (prvo merenje) i ostalih parametara (prvo merenje) izraena je pomou Pirsonovog koeficijenta korelacije (tabela 6.22). Citokin 1 je u pozitivnoj korelaciji sa starou, parametrima negativne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, leukocitima, hemoglobinom, hematokritom, trombocitima kranom kiselinom, ureom , prokalcitoninom, mokreatininom, trigliceridima, HDL-
holesterolom, proteinima, gvoem, alanin aminotransperazom, alkalnom fosfatazom, kreatin kinezom, C reaktivnim proteinom i sedimentacijom. Citokin 1 je u negativnoj korelaciji sa parametrima pozitivne skale PANSS testa, sa ukupnom vrednou PANSS testa, eritrocitima, limfocitima, glukozom, holesterolom, LDL-holesterolom, bilirubinom, aspartat aminotransperazom, glutamilom, kalijumom i natrijumom. Citokin 2 je u pozitivnoj korelaciji sa parametrima pozitivne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, ukupnom vrednou PANSS testa, eritrocitima, hemoglobinom, hematokritom, trombocitima, prokalcitoninom, limfocitima, mokranom kiselinom, glukozom, ureom kreatininom, holesterolom, trigliceridima,
HDL-holesterolom, bilirubinom, proteinima, alkalnom fosfatazom, glutamilom, kreatin kinezom, C reaktivnim proteinom i kalijum. Citokin 2 je u negativnoj korelaciji sa starou, parametrima negativne skale PANSS testa, leukocitima, LDL-holesterolom, gvoem, aspartat aminotransperazom, alanin aminotransperazom, natrijumom i sedimentacijom.
46

Tabela 6.22. Koeficijenti Pirsonove korelacije izmeu citokina o pstalih parametara
Citokin 1 starost P1 N1 G1 PANSS1 Leukociti Eritrociti Hemoglobin Hematokrit Trombociti Prokalcitonin Limfociti Mokrana kiselina Glukoza Urea Kreatinin Holesterol Trigliceridi HDL-holesterol LDL-holesterol Bilirubin Proteini Gvoe Aspartat aminotransperaze Alanin aminotransperaze Alkalna fosfataza Glutamil Keratin kineza C reaktivni protein Kalijum Natrijum Sedimentacija 0 -0.041 0.042 0.006 -0.079 0.017 -0.008 0.027 0.002 .177
*
Citokin 2 -0.006 0.116 -0.066 0.116 0.073 -0.075 0.072 0.005 0.039 0.007 0.026 0.063 0.029 0.142 0.066 0.007 0.086 0.099 0.039 -0.023 0.094 0.06 -0.028 -0.027 -0.035 0.019 0.069 0.026 0.011 0.004 -0.054 -0.005
Citokin 3 -0.051 0.045 -0.089 0.097 0.029 0 0.126 0.063 0.046 0.029 0.035 -0.023 0.052 0.076 0.036 0.07 .259
**
Citokin 4 -0.162 -0.037 0.008 -0.038 -0.024 -0.046 0.042 0.014 0.043 0.016 0.005 -0.1 -0.092 0.007 0.084 -0.048 -0.07 -0.036 .174 .191
*
Citokin 5 0.116 0.045 0.064 0.05 0.053 -0.042 0.135 0.126 0.161 0.132 0.136 .198 .234
* **
0.109 -0.11 0.01 -0.028 .284

**
0.135 0.057 .250

**
0.065 -0.077 0.019 0.054 -0.113 -0.046 0.052 0.034 -0.011 0.035 0.007 -0.023 0.005 0.011 -0.022 -0.041 0.022
-0.026 -0.032 0.151 0.015 0.045 0.129 0.155 0.089 0.093 0.08 0.02 0.003 0.053 -0.082 0.082 -0.059
0.05 0.062 -0.045 -0.056 0.034 -0.027 -0.059 -0.018 -0.004 -0.039 0.008 -0.03 0.037 -0.127 0.027
-0.094
*
0.077 -0.048 0.027 0.001 0.015 -0.021 0.006 0.006 -0.032 0.052 -0.085
Citokin 3 je u pozitivnoj korelaciji sa parametrima pozitivne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, ukupnom vrednou PANSS testa, eritrocitima, hemoglobinom, hematokritom, trombocitima, prokalcitoninom, mokranom kiselinom, glukozom, ureom kreatininom, holesterolom , , tri-
gliceridima, HDL-holesterolom, proteinima, kreatin kinezom, kalijumom i sedimentacijom.
47
Neke primene statistike u psihijatriji Citokin 3 je u negativnoj korelaciji sa starou, parametrima negativne skale PANSS testa, limfocitima, LDL-holesterolom, bilirubinom, gvoem, aspartat aminotransperazom, alanin aminotransperazom, alkalnom fosfatazom, glutamilom, C reaktivnim proteinom i natrijumom. Leukociti i citokin 3 nisu u korelaciji. Citokin 4 je u pozitivnoj korelaciji sa parametrima negativne skale PANSS testa, eritrocitima, hemoglobinom, hematokritom, trombocitima, prokalcitoninom, glukozom, ureom, HDL-holesterolom bilirubinom ,
, proteinima, aspartat aminotransperazom, alanin aminotransperazom, alkalnom fosfatazom, kreatin kinezom, C reaktivnim proteinom i natrijumom. Citokin 4 je u negativnoj korelaciji sa starou, parametrima pozitivne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, ukupnom vrednou PANSS testa, leukocitima, limfocitima, mokranom kiselinom, kreatininom, holeserolom, trigliceridima, LDL-holesterolom, gvoem, glutamilom, kalijumom i sedimentacijom. Citokin 5 je u pozitivnoj korelaciji sa starou, parametrima pozitivne skale PANSS testa, parametrima negativne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, ukupnom vrednou PANSS testa, eritrocitima, hemoglobinom, hematokritom, trombocitima, prokalcitoninom, limfocitima mokranom kiselinom glukozom, ureom, kreatininom HDL-holesterolom, LDL-holesterolom, bilirubinom, proteinima, aspartat aminotransperazom, alanin aminotransperazom, alkalnom fosfatazom, glutamilom, kreatin kinezom, C reaktivnim proteinom i natrijumom. Citokin 5 je u negativnoj korelaciji sa leukocitima, holesterolom, trigliceridima, kalijumom i sedimentacijom.
6.11. Od ega zavisi pojava bolesti?

Binarna logistika regresija bila je sprovedena kako bi se ocenio uticaj citokina na verovatnou da e se pojaviti bolest. Uraene su univarijantne binarne logistike regresije za promenljive pol, starost, terapiju i prva merenja citokina 1, citokina 2, citokina 3, citokina 4 i citokina 5. Kako samo citokin 5 znaajno utie na pojavu bolesti, u tabeli 6.23 prikazani su rezultati. Model je je statistiki znaajan, ( ) ,
48
Neke primene statistike u psihijatriji to pokazuje da model razlikuje zdrave i bolesne ispitanike. Model u celini objanjava izmeu 12.9% ( Cox-a i Shnell-a) i 20.3% ( Nagalkerke-a) varijanse pojave bolesti i tano klasifikuje 80.1% sluajeva. Kolinik verovatnoe za citokin 5 je 1.035. To pokazuje da ako se citokin 5 povea za 1, rizik da se osoba razboli se povea z a 3.5%.
Tabela 6.23. Predvianje verovatnoe da e se bolest pojaviti
95% C.I.za EXP(B) Stand. B Korak 1
a
Donja Wald 11.817 df 1 1 p .001 .536 Exp(B) 1.035 1.220 granica 1.015
Gornja granica 1.055
Greka .010
Citokin 5
.034
Konstanta .199 .321 .383 a. Promenljiva ukljuena u prvi korak je citokin 5.
Dobijena jednaina binarne logistike regresije je: Eksplicitni oblik jednaine binarne logistike regresije je:
6.12. Potencijalni markeri za pojavu bolesti

Kako bi se odredili potencijalni markeri za pojavu bolesti, sprovedena je ROC analiza. Analiza sadri sedam nezavisnih promenljivih (starost, novu promenljivu, citokin 1, citokin 2, citokin 3, citokin 4 i citokin 5 prvo merenje). Nova promenljiva formirana je koristei jednainu binarne logistike regresije (odeljak 6.11). Na grafiku 6.4 su prikazane ROC krive, koje e se dalje ispitivati.
49

Grafik 6.4. ROC krive
Kako je u tabeli 6.24 dobijeno za citokin 5 (prvo merenje) povrina = 0.755 > 0.7, p < 0.0005, citokin 5 moe da bude marker za pojavu bolesti. Iz tabele 6.25 se vidi da je proizvod senzitivnosti i specifinosti maksimalan, ako je vrednost citokina 5 jednaka (senzitivnost , a specifinost ). Sa grafika 6.4 kao i iz
tabele 6.24 se vidi da se povrine ispod krivih poklapaju za citokin 5 i novu promenljivu.
Tabela 6.24. Povrina ispod ROC krive
Asimptotski 95% interval poverenja Testirane promenljive Starost Citokin 1 Citokin 2 Citokin 3 Citokin 4 Citokin 5 Nova promenljiva Povrina 0.480 0.546 0.567 0.547 0.446 0.756 0.756 Std. greka
a
Donja granica 0.368 0.442 0.465 0.439 0.344 0.673 0.673
Gornja granica 0.591 0.650 0.669 0.654 0.547 0.839 0.839
0.057 0.053 0.052 0.055 0.052 0.042 0.042
0.712 0.398 0.222 0.395 0.323 < 0.0005 < 0.0005
a. Pod neparametarskom pretpostavkom b. Nulta hipoteza: tana povrina = 0.5
50
Tabela 6.25. Koordinate ROC krive

Citokin 5 Pozitivno ako je a vee ili jednako od -60.386391 -29.693196 2.473251 21.800739 21.955579 22.056583 257.506341 287.352382 a. Sensitivnost 1.000 1.000 0.985 0.699 0.699 0.691 0.007 0.000 1 - Specifinost 1.000 0.971 0.971 0.257 0.200 0.200 0.000 0.000
Najmanja granina vrednost je minimalna posmatrana vrednost minus 1, a najvea posmatrana granina vrednost je maksimalna vrednost plus 1.
Po definiciji senzitivnost i specifinost se mogu izraunati koristei tabele kontigencije. Tabela 6.26 predstavlja tabelu kontigencije za pojavu bolesti i klasifikaciju. Klasifikacija je dihotomna promenljiva, koja uzima vrednost dnost citokina 5 manja od 21.955, a vrednosti 5 vea od 21.955.
Tabela 6.26. Tabela kontigencije
pojava_bolesti Zdravi Klasifikacija Negativni Pozitivni Ukupno 28 7 35 Bolesni 41 95 136 Ukupno 69 102 171
, ako je vre, ako je vrednost citokina
Po definiciji dobija se:
51
6.13. Promene citokina izmeu dva merenja

Kako ispitujemo merenje istih citokina u dva navrata, potrebno je utvrditi da li razlike parova imaju normalnu raspodelu. Zbog toga se izraunavaju nove promenljive koje predstavljaju razlike citokina merenih pre terapije i 30 dana nakon poetka terapije.
Kolmogorov-Smirnov Statistika razlikaC1 razlikaC2 razlikaC3 razlikaC4 razlikaC5 0.273 0.279 0.207 0.221 0.115 df 136 136 136 136 136
a
p < 0.0005 < 0.0005 < 0.0005 < 0.0005 < 0.0005
a. Lilliefors korekcija
Kolmogoriv Smirnov test (tabela 6.27) pokazuje da razlike parova nemaju normalnu raspodelu, te se za poreenje srednjih vrednosti razlika izmeu dva merenja ko risti neparametarski Wilcoxon-ov test.
Tabela 6.28. Test Statistikac
C1posle - C1pre C2posle - C2pre Z p (dvostrano) -0.578
a
C3posle - C3pre -2.771

b
C4posle - C4pre C5posle - C5pre -0.603

a
-1.151
-2.709
0.563
0.250
0.006
0.547
0.007
a. Zasnovan na negativnim rangovima. b. Zasnovan na pozitivnim rangovima. c. Wilcoxon-ov test rangova.
Kao to se vidi iz tabele 6.28, Wilcoxon-ov test ranga je otkrio statistiki znaajno smanjenje vrednosti citokina 3 nakon poetka terapije, uz mali uticaj ( ). Test je takoe otkrio statistiki znaajno poveanje vrednosti citokina 5 30 dana nakon poetka terapije, uz mali uticaj merenja. . U tabeli 6.29 prikazane su razlike citokina izmeu
52

Tabela 6.29. Razlike citokina izmeu merenja
Prvo merenje Medijana (25. perc 75. perc) Citokin 1 Citokin 2 Citokin 3 Citokin 4 Citokin 5 0.00 (0.00 38.33) 0.00 (0.00 11.12) 0.90 (0.00 14.98) 856.85 (0.00 4173.14) 39.06 (18.75 81.65) Drugo merenje Medijana (25. perc 75. perc) 3.03 (0.00 59.34) 0.00 (0.00 5.73) 0.00 (-10.47 17.96) 1265.97 (0.00 4010.24) 58.93 (25.90 96.60) 0.563 0.250 0.006 0.547 0.007 p
6.14. ta utie na promene citokina izmeu dva merenja?

Promena citokina 3 i citokina 5 izmeu mukaraca i ena ispitana je MannWhitney U testom. Mann Whitney U test nije otkrio statistiki znaajnu razliku u promeni citokina 3 izmeu ena , ) i mukaraca , Promena citokina 3 i citokina 5 izmeu bolesnih (akutnih i shizofreninih) takoe je ispitana Mann-Whitney U testom. Mann-Whitney U test je otkrio statistiki znaajnu razliku u promeni citokina 3 imeu akutnih i shizofreninih . , i mukaraca . Isti test je
pokazao da nije statistiki znaajna razlika u promeni citokina 5 izmeu ena ( ,
53

Grafik 6.5. Promena citokina 3 izmeu akutnih i shizofreninih
Isti test nije otkrio statistiki znaajnu razliku u promeni citokina 5 kod akutnih i , , shizofreninih . , ,
Kruskal-Wallis-ov test nije otkrio statistiki znaajnu razliku u promeni citokina 3 izmeu terapija (terapija 1, ; terapija 2, ; terapija 3, ), Kruskal-Wallis-ov test otkrio je statistiki znaajnu razliku u promeni citokina 5 izmeu terapija (terapija 1, terapija 3 5 kod prve terapije je druge terapije je e terapije je meu terapija. ; terapija 2,
Srednja vrednost promene citokina . Srednja vrednost promene citokina 5 kod . Srednja vrednost promene citokina 5 kod tre. Na grafiku 6.6 prikazana je promena citokina 5 iz-
54

Grafik 6.6. Promena citokina 5 izmeu terapija
Primenom Pirsonovog koeficijenta korelacije, utvreno je da li biohemijski parametri, parametri PANSS testa, starost i poetne vrednosti citokina 3 i citokina 5 utiu na promene citokina 3 i citokina 5 izmeu dva merenja. U tabeli 6.30 su prikazani Pirsonovi koeficijenti korelacije.
55

Tabela 6.30. Pirsonovi koeficijenti korelacija
razlikaC3 P1 N1 G1 PANSS1 starost C3pre C5pre Leukociti Eritrociti Hemoglobin Hematokrit Trombociti Prokalcitonin Limfociti Mokrana kiselina Glukoza Urea Kreatinin Holesterol Trigliceridi HDL-holesterol LDL-holesterol Bilirubin Proteini Gvoe Aspartat aminotransperaze Alanin aminotransperaze Alkalna fosfataza Glutamil Keratin kineza C reaktivni protein Kalijum Natrijum Sedimentacija -0.102 0.071 -0.121 -0.077 0.051 -0.828
**
razlikaC5 -0.039 -0.039 0.022 -0.005 -0.151 -0.018 -0.630 -0.252

**
0.023 0.145 -0.206

*
0.133
** * *
-0.098 -0.071 0.036 0.106 -0.040 -0.035 0.040 -0.063 -0.072 -0.268
**
-0.179 -0.208
0.097 0.104 0.072 -0.159 -0.081 -0.137 -0.111 -0.083 0.028 -0.084 0.106 -0.181 -0.369 -0.174
* ** *
-0.035 0.017 -0.121 -0.003 0.022 0.072 0.067 0.059 0.095 0.042 0.016 -0.089 0.032 0.074 0.117
-0.101 -0.091 -0.076 0.088 -0.027 -0.158 0.117 -0.059 -0.048
**p < 0.01 (dvostrano) *p < 0.05 (dvostrano)
Promena citokina 3 izmeu dva merenja je u pozitivnoj korelaciji sa parametrima negativne skale PANSS testa, starou, poetnom vrednou citokina 5, leukocitima, trombocitima, prokalcitoninom, glukozom, HDL-holesterolom, proteinima, gvoem, aspartat aminotransperazom, alanin aminotransperazom, alkalnom fosfatazom, glutamilom, kreatin kinezom, kalijumom, natrijumom i sedimentacijom.
56
Neke primene statistike u psihijatriji Promena citokina 3 izmeu dva merenja je u negativnoj korelaciji sa parametrima pozitivne skale PANSS testa, optim psihopatolokim parametrima PANSS testa, ukupnom vrednou PANSS testa, poetnom vrednou citokina 3 eritrocitima limfocitima, mokranom kiselinom, ureom, kreatininom, holesterolom trigliceridima, LDL-holesterolom, bilirubinom i C reaktivnim proteinom. Promena citokina 5 izmeu dva merenja je u pozitivnoj korelacij i sa optim psihopatolokim parametrima PANSS testa, leukocitima, trombocitima, prokalcitoninom, limfocitima, trigliceridima, LDL-holesterolom, glutamilom i kalijumom. Promena citokina 5 izmeu dva merenja je u negativnoj korelaciji sa parametrima pozitivne skale PANSS testa, parametrima negativne skale PANSS testa, ukupnom vrednou PANSS testa, starou, poetnom vrednou citokina 3, poetnom vrednou citokina 5 globinom , eritrocitima , hematokritom , hemo, mo,
, hemoglobinom, hematokritom,
kranom kiselinom, glukozom, ureom, kreatininom, holesterolom, HDL-holesterolom, bilirubinom em , proteinima aspartat aminotransperazom, alanin , gvoamino-
transperazom, alkalnom fosfatazom, keratin kinezom, C reaktivnim proteinom, natrijumom i sedimentacijom.
7. Diskusija
Tabele kontigencije za dijagnozu i pol pokazuju da kontrolnu grupu ine samo mukarci, dok je u grupama akutnih i bolesnih bilo vie ena. Kako je ena bilo 47% od ukupnog broja ispitanika, a mukaraca 53%, sledi da je ispitivani uzorak homogen po polu. Meu akutnima bilo je za 31% ena i 22% mukaraca, dok je shizofreninih bilo 16.10% ena i 10.10% mukaraca. Poreenjem citokina izmeu zdravih i bolesnih, pokazano je da se srednje vrednosti citokina 5 statistiki znaajno razlikuju izmeu zdravih i bolesnih. Ostali citokini se ne razlikuju znaajno izmeu te dve populacije.
57
Neke primene statistike u psihijatriji Ako se posmatra pojava bolesti izmeu polova, tabele kontigencije pokazuju da bolesnih ima vie meu enama (47%) nego meu mukarcima (32.10%). Starost se statistiki znaajno ne razlikuje ni izmeu dijagnoza (zdravi, akutni i shizofrenija), ni izmeu zdravih i bolesnih. Poreenjem srednjih vrednosti biohemijskih parametara izmeu bolesnih, pokazano je da se hemoglobin, trombociti, prokalcinotin, mokrana kiselina, bilirubin i sedimentacija statistiki znaajno razlikuju izmeu akutnih i shizofreninih. Srednje vrednosti parametara PANSS testa se statistiki znaajno ne razlikuju iz meu akutnih i shizofreninih, ali se statistiki znaajno razlikuju u promenama izmeu merenja pre poetka terapije i 30 dana nakon poetka terapije. Citokin 1 (prvo merenje) je u statistiki znaajnoj korelaciji sa trombocitima i ureom. Citokin 3, takoe prvo merenje, je znaajno povezan sa holesterolom. Citokin 4 (prvo merenje) znaajno korelira sa HDL-om i bilirubinom. Citokin 5 je u statistiki znaajnoj korelaciji sa limfocitima, mokranom kiselinom i kreatininom. Citokin 2 ne korelira znaajno ni sa jednim od ostalih parametara. Sve statistiki znaajne korelacije su pozitivne, tako da se poveavanjem vrednosti ostalih parametara poveavaju i vrednosti citokina. Binarna logistika regresija pokazala je da citokin 5 jedini znaajno utie na pojavu bolesti. Potencijalan marker za pojavu bolesti moe biti citokin 5. Kako je senzitivnost jednaka 0.699, znai da na test 69.9% pogaa da je ispitanik bolestan. Specifinost je 0.8, to implicira da na test 80% pogaa da je ispitanik zdrav. Promene citokina izmeu dva merenja su statistiki znaajne kod citokina 3 i citokina 5. Razlika u promeni citokina 3 izmeu akutnih i shizofrenikih je statistiki znaajna. Promena citokina 5 izmeu terapija je statistiki znaajna. Na promenu citokina 3 znaajno utie poetna vrednost citokina 3 i biohemijski parametri (eritrociti i holesterol). Korelacija izmeu razlike citokina 3 i poetne vrednosti citokina 3, eritrocita i holesterola je negativna, to implicira da se poveavanjem poetne vrednosti citokina 3, eritrocita i holesterola smanjuje razlika izmeu dva merenja citokina 3. Na promenu citokina 5 znaajno utie poetna vrednost citokina 5 i biohemijski parametri (eritrociti,
58
Neke primene statistike u psihijatriji hemoglobin, hematokrit, bilirubin, proteini i gvoe). Kako je korelacija razlike citokina 5 i poetne vrednosti citokina 5, eritrocita, hemoglobina, hematokrita, bilirubina, proteina i gvoa negativna, sledi da se poveavanjem poetne vrednosti citokina 5, eritrocita, hemoglobina, hematokrita, bilirubina, proteina i gvoda smanjuje razlika izmeu dva merenja.
8. Zakljuak
Statistike metode koje su primenjene u radu, pokazale su da je pol znaajno povezan sa dijagnozom, kao i sa pojavom bolesti. Otkriveno je da se citokin 5 statistiki znaajno razlikuje i izmeu dijagnoza i izmeu zdravih i bolesnih, kao i da citokin 5 moe biti marker za otkrivanje bolesti. Kako je citokin 5 u znaajnoj korelaciji sa limfocitima, mokranom kiselinom i kreatininom, moe se zakljuiti da limfociti, mokrana kiselina i kreatinin mogu da ukau na pojavu bolesti. Kako se hemoglobin, trombociti, prokalcinotin, mokrana kiselina, bilirubin i sedimentacija statistiki znaajno razlikuju izmeu akutnih i shizofreninih, treba ih imati u vidu prilikom odreivanja dijagnoze. Vrednosti na PANSS skali se statistiki znaajno ne razlikuje izmeu akutnih i hroninih, ali postoji statistiki znaajna razlika izmeu dva merenja. Imajui u vidu da je dolo do pada vrednosti na PANSS skali, zakljuuje se da se stanje kod pacijenata, u proseku, popravilo. Imajui u vidu da su vrednosti citokina 5 kod bolesnih pacijenata vee nego kod zdravih pacijenata, zakljuuje se da nije dobro da citokin 5 raste. Promene citokina 5 izmeu terapija su statistiki znaajne, odakle sledi da promene citokina 5 zavise od terapija. Imajui u vidu srednje vrednosti ovih promena, zakljuujemo da je prvi lek najbolji, jer kod njega vrednosti citokina 5 u proseku opadaju (22.16), lek 3 je dobar, jer i kod njega vrednosti citokina 5 u proseku opadaju (2.82), dok kod leka 2 rastu (-0.29).
59
Literatura
[1] Andreasen, N. C. (1995). Symptms, sings and diagnosis of schizophrenia. Lancet, 346, 108-112. [2] Aviva Petrie, Caroline Sabin, Medical statistics at a glance, Wiley-Blackwell, London 2007. [3] Bjelica Artur L., Zori, D., Kovaevi-Petljanski, V. (2003). Znaaj prenatalnih i pernatalnih faktora u etiologiji shizofrenije. Aktuelnosti iz neurologije, psihijatrije i graninih podruja, 11(2), 77-81. [4] Bokovi, A.,(2009). Krv, Medicinska fiziologija skripta za optu medicinu, Medicinski fakultet, Novi Sad.97-122. [5] uli, S. (2005). Citokini i autoimunosne bolesti. Paediatr Croat, 49 (Supl 1), 148-161. [6] http://library.uvm.edu/services/statistics/SPSS20Manuals/IBM_SPSS_Statistic s_Core_System_User_Guide.pdf [7] http://www.emotionalwellbeing.southcentral.nhs.uk/resources/doc_download/ 62-panss-positive-and-negative-syndrome-scale-pdf-document [8] [9] http://www.moj-imunitet.com/tumacenje-rezultata-analize-krvi-i-urina.html http://www.stetoskop.info/Kada-je-povisen-C-reaktivni-protein-CRP-2889-s3content.htm [10] Janjii, B., Novovi, Z., (2011). Procena uspenosti u klasifikovanju rezultata na osnovu graninih (cut-off) skorova: receiver operating characteristic curve. Primenjena psihologija, 4, 335-351. [11] [12] Jevremovi,V., Verovatnoa i statistika, Matematiki fakultet, Beograd 2009. Joaquim P. Marques de S, Applied Statistics Using SPSS, STATISTICA, MATLAB and R, Springer, Porto 2007. [13] Kanji, Gopal K., 100 Statistical Tests (3th edn), SAGE Publications, London 2006. [14] Landau S., Everitt B., A Handbook of Statistical Analyses using SPSS, Chapman & Hall/CRC, United States 2004. [15] Mehta, Cyrus, R., Patel, Nitin, R., IBM SPSS Exact Tests, Cytel Software Corporation and Harvard School of Public Health, Cambridge 2011.
60
Neke primene statistike u psihijatriji [16] Milosavljevi, T., Smernice Dobre klinike prakse u klinikom ispitivanju, Slubeni glasnik RS, broj 28/2008 od 13.03.2008. [17] Nedi, A., ivanovi, O., Lisulov R., Vukovi, N., Kneevi, A., SoldatoviStaji, B., Cvjetkovi-Bonjak, M., Mitrovi, D., Boriev, Lj., Drezgi-Vuki, S., Mii-Pavkov, G., Dickov, A., Vasi, V., Silai-Mlaenovi, ., Ivezi, A., Doroki, M., Ivanovi-Kovaevi, S., Markovi, J. (2007). Aktuelnosti u psihijatriji. Medicinski Pregled, 60 (11-12), 637-641. [18] Ostoji, D. (2012). Prva epizoda shizofrenije vanost ranog otkrivanja bolesti ta o tome trebaju znati socijalni radnici. Ljetopis socijalnog rada, 19(1), 53-72. [19] [20] Pallant, J., SPSS prirunik za preivljavanje, Mikro knjiga, Beogrd 2009. Spiegel, M., Stephens, L., Statistics (4th edn), Schaums outline, United States 2007. [21] Statistiki kalendar Republike Srbije 2011, Republiki zavod za statistiku, Beograd. [22] Tabachnick, B. G., Fidell, L. S., Using Multivariate Statistics (5th edn). Pearson Education, Boston 2007. [23] Tenjovi, L., Statistika u psihologiji Prirunik (Dopunjeno izdanje), Centar za primenjenu psihologiju, Beograd 2002.
61
Biografija
Sneana Todorovi roena 14. decembra 1989. godine u Bijeljini, u Republici Srpskoj. Godine 2008. zavrava srednju Ekonomsku kolu u Bijeljini sa odlinim uspehom. kolovanje nastavlja iste godine na Matematikom fakultetu, Univerziteta u Beogradu, na smeru statistika, aktuarska i finansijska matematika. Zvanje diplomirani matematiar stie u julu 2012. godine. Iste godine upisuje Master akademske studije primenjene statistike, modul biomedicina na Univerzitetskom centru za primenjenu statistiku, Univerziteta u Novom Sadu. Zakljuno sa septembarskim ispitnim rokom 2013. godine poloe sve ispite predviene planom i programom sa prosenom ocenom 8.87.

Izvestaj S T

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Izvestaj S T

Uploaded by

Copyright:

Available Formats

UNIVERZITET U NOVOM SADU Univerzitetski centar za primenjenu statistiku

Neke primene statistike u psihijatriji

Mentor: Prof. dr Dragi Bankovi

Kandidat: Sneana Todorovi

Novi Sad, 2013.

Univerzitet u Novom Sadu

University of Novi Sad

Accepted on Scientific Board on: AS Defended: DE Thesis Defend Board: DB

4. Psihijatrijske metode ............................................................................................. 24

Analiza podataka ............................................................................................... 28 Rezultati ............................................................................................................ 28

Neke primene statistike u psihijatriji

2. Ciljevi i znaaj studije

Skala pozitivnih i negativnih simptoma

3.1. Pronalaenje i uklanjanje pogrenih podataka

Neke primene statistike u psihijatriji

3.2. Nedostajui podaci

3.3. Procena normalnosti raspodele

uzorka. Dobijena vrednost koeficijenta asimetrije se poredi sa nulom koristei

Konvergencija je brza i aproksimacija je zadovoljavajua za poredi sa tablinom vrednou raspodele. Ako je

koja se dobija iz tablica Kolmogorov Smirnove

, nulta hipoteza se odbacuje. U suprotnom se prihvata.

Neke primene statistike u psihijatriji

3.4. Multivarijantna analiza varijanse (MANOVA)

3.5. Kruskall-Wallis-ov test

obimi uzorka ne moraju biti jednaki.

onda moe da se pokae da je raspodela funkcije H priblino vea od tabline vrednosti.

stepeni slobode. Nulta hipoteza o jednakosti medijana se odbacuje kada je H vrednost

tabele (tabele kontigencije)

Tabela 3.1. k x 2 tabela kontigencije

Marginalne frekvencije za Y Ukoliko su obeleja X i Y nezavisna, vailo bi sledee

Neke primene statistike u psihijatriji

odatle se dobijaju teorijske frekvencije Test statistika je

za svaku eliju u tabeli 3.1:

Ovo se poredi sa vrednou dobijenom iz tablica ke vea od tabline vrednosti.

sa k 1 stepen slobode. Nulta

hipoteza nezavisnosti obeleja X i Y se odbacuje ako je realizovana vrednost test statisti-

, koristi se Yates-ova korekcija. Ona nadoknauje . Yates-ova i , tako da elijama

koja je posledica malog broja dimenzija tabele od vrednosti i , a dodaje

3.7. ANOVA razliitih grupa

pokazuje da je vea promenljivost izmeu grupa nego unutar

Izvor odstupanja Izmeu grupa Unutar grupa Ukupno

vrednost za F ODLUKA Hipoteza se ...

To se moe zapisati formulama:

3.8. Mann Whitney U test

ako obimi nisu jednaki, tako da

Neke primene statistike u psihijatriji srednji uticaj, veliki uticaj.

3.9. T test za nezavisne uzorke

ima normalnu raspodelu sa matematikim oekivanjem , gde su i redom obimi uzoraka sa

. Testira se nulta hipoteza

protiv alternativne Razmotrimo sledee dve situacije: Pretpostavimo da su varijanse i

jednake, test statistika je:

gde je Studentovu t- raspodelu sa Pretpostavimo da su varijanse

su uzorake varijanse). Test statistika ima stepeni slobode.

razliite, test statistika:

ima Studentovu t raspodelu sa

Ako je eta kvardat jednako uticaj [19].

3.10. T test uparenih uzoraka

Ako je eta kvardat jednako uticaj [19].

3.11. Koeficijent korelacije

Pretpostavlja se da postoji par vrednosti

ili 1, , onda ne posto-

blie granicama, vei je stepen linearne zavisnosti (slika

3.12. Binarna logistika regresija