Prof.

dr Zoran Milošević
Doc.dr Miodrag Stojanović
Doc. dr Dragan Bogdanovic
Ass. dr Aleksandra Ignjatović
U biomedicinskim istraživanjima deskriptivnom
statistikom se prikazuju osnovni statistički
parametri:
1. mere centralne tendencije (aritmetička
sredina – Xsr, medijana – Me, modus – Mod)
2. mere varijabilnosti (varijansa – SD2,
standardna devijacija – SD, standardna greška
– SG, koeficijent varijacije – Cv)
Naučna hipoteza testira se analitičkom
statistikom.

Postupak provere hipoteze svodi se na

utvrđivanje ZNAČAJNOSTI (signifikantnosti)
razlike između pretpostavljene (hipotetičke)
vrednosti parametara osnovnog skupa i ocene
datog parametra na osnovu informacija iz uzorka.
 Test se zasniva na adekvatno odabranoj
statističkoj metodologiji, tako da se Ho prihvata
za određene vrednosti, a za ostale odbacuje.

Testovi značajnosti mogu biti:

1. parametrijski (kada su vrednosti ispitivanog

obeležja date numerički) i
2. neparametrijski (kada su vrednosti
ispitivanog obeležja date opisno ili se rangiraju)
Izbor statističkih testova zavisi od:

- vrsta obeležja (numeričko ili atributivno);

- broja i veličine uzorka (mali ili veliki uzorci);
- vrste rasporeda (normalan ili ne – za brzu
orjentaciju da li je Cv< ili > 30%);
- snage i efikasnosti testa (parametrijski testovi
imaju veću snagu od neparametrijskih).
Tabela za brzu orjentaciju izbora
odgovarajućeg statističkog testa
Rezultati istraživanja se sistematizuju i prikazuju
tabelarno i grafički, a za statističku analizu koriste
se razni programski paketi (SPSS, Statcalc, Epi
Info, Edustat...).
Kako formirati bazu podataka?

U Excelu, gde je jedan pacijent u jednom redu, a u

prvom redu su nazivi svake od kolona.

Napomena: obratiti pažnju da li je decimne brojeve

potrebno odvajati zarezom ili tačkom zbog različitih
postavki računara (da bi bili tretirani kao brojevi, a
ne kao tekst)

Tako formirane baze podataka mogu se preneti u

druge statističke programe.
Primer:
 DESKRIPTIVNA STATISTIKA

mere centralne tendencije (aritmetička sredina – Xsr, medijana – Me, modus -

Mod)
mere varijabilnosti (varijansa – SD2, standardna desvijacija – SD, standardna
greška – SG, koeficijent varijacije – Cv)

Primer. Izračunati mere centralne tendencije i mere varijabilnosti za bilirubin kod

150 ispitivanih pacijenata Hirurške klinike u Nišu.

Iz menija izaberete: Analyse> Descriptive Statistics> Descriptives

U novom prozoru izaberemo traženu varijablu
(šifriranu sa bilirub), (može i više varijabli) koja se
nalazi sa leve strane i strelicom prebacimo u prostor
za varijable sa desne strane.
Kliknemo na Options i otvori se novi prozor sa
ponuđenim opcijama za mere centralne tendencije i
varijabilnosti.
Izaberemo (obeležimo) parametre za izračunavanje.
Zatim kliknemo na Continue (zatvori se
poslednji otvoreni prozor), OK i u Outputu
dobijamo izračunate vrednosti.

Descriptive Statistics

Std. Skewness
N Minimum Maximum Mean Variance
Deviation

Std.
Statistic Statistic Statistic Statistic Std. Error Statistic Statistic Statistic
Error

bilirub 150 7.50 348.00 87.1540 7.17486 87.87377 7721.799 1.524 .198

Valid N (listwise) 150

ANALITIČKA STATISTIKA
 T test za dva nezavisna uzorka

Primenjuje se kada treba izračunati razliku u

prosečnim vrednostima između dva nezavisna
uzorka (numeričko obeležje, veliki nezavisni uzorci,
>30 jedinica, mali nezavisni uzorci sa Cv<30%)

Primer. Izračunati razliku prosečnih vrednosti bilirubina

između muškaraca i žena kod 150 pacijenata.

Napomena:
U bazi podataka pol je šifriran sa: 1-muškarci, 2-žene.
Iz menija izaberete:
Analyze > Compare Means > Independent-Samples T Test
Independent-Samples T Test dialog box

Izaberemo varijablu sa vrednostima bilirubina. Posebno

selektujemo grupnu varijablu, kliknemo na Define Groups da
potvrdimo šifre grupa koje poredimo.
Definišete grupe u dialog boxu za numeričke varijable

Kliknete Continue > OK

 U Outputu dobijete rezultate
Group Statistics
Std. Error
pol N Mean Std. Deviation Mean
bilirub 1.00 9.96191
90 89.2344 94.50694

2.00 60 84.0333 77.53240 10.00939

Independent Samples Test

Levene's Test for
Equality of Variances t-test for Equality of Means
Std. Error 95% Confidence
Sig. (2- Mean Differenc Interval of the
F Sig. t df tailed) Difference e Difference

Lower Upper Lower Upper Lower Upper Lower Upper Lower

bilirub Equal
variances 1.425 .234 .354 148 .724 5.20111 14.68880 -23.8257 34.22798
assumed
Equal
variances not .368 141.643 .713 5.20111 14.12188 -22.7157 33.11800
assumed

Zaključak:
Nije postojala signifikantna razlika u prosečnoj vrednosti
bilirubina između muškaraca i žena (t=0,368, p=0,713).
 T test za dva zavisna uzorka

Primenjuje se kada treba izračunati razliku u prosečnim

vrednostima između dva zavisna uzorka, tj. kod jedne iste
grupe ispitanika pre i posle merenja (numeričko obeležje,
veliki uzorci - >30 jedinica, ili mali uzorci sa Cv<30%)

Primer.
Izračunati razliku u prosečnoj vrednosti triglicerida (TG) kod
142 bolesnika pre i posle terapije statinima.

Iz menija izaberete: Analyze > Compare Means > Paired-Samples T Test

 Paired-Samples T Test dialog box

Selektujete prvu varijablu (tgpre) i to je Variable1.

Zatim selektujete drugu varijablu (tgposle) i to je Variable 2.
Klinknete na strelicu da prebacite par u listu Paired Variables.
Paired Samples Statistics
Std. Error
Mean N Std. Deviation Mean
Pair 1 tgpre .04256
2.2346 142 .50720

tgposle 2.0880 142 .62692 .05261

Paired Samples Correlations

N Correlation Sig.
Pair 1 tgpre & tgposle
142 .559 .000

Zaključak:
Postojala je signifikantna razlika u nivou triglicerida pre i
posle terapije statinima 142 bolesnice (P<1x106).
 Mann Whithey test

Koristi se za izračunavanje razlika u prosečnim vrednostima

između dva nezavisna uzorka (numeričko obeležje, mali
nezavisni uzorci sa Cv>30%)

Iz menija izaberete:
Analyze > Nonparametric Tests > 2 Independent Samples
U novijim verzijama programa dodat je još jedan korak:
Analyze > Nonparametric Tests > Legacy Dialogs >
2 Independent Samples
 Two-Independent-Samples Tests dialog box

Selektujete jednu ili više numeričkih varijabli.

Selektujete grupnu varijablu, kliknete na Define Groups (kao
kod t testa za nezavisne uzorke).
Upišete šifru za grupu 1 i 2.
Kliknete Continue > OK

U outputu dobijate sledeće rezultate:

Zaključak:
Postojala je signifikantna razlika u prosečnoj vrednosti između
dve grupe (Z=-2.72, p=0,005)
 Wilcoxon-ov test

Koristi se za izračunavanje razlika vrednosti između dva

zavisna uzorka (numeričko obeležje, mali zavisni uzorci sa
Cv>30%)
Ako smo pri neposrednom radu dobili rezultate koji nemaju
normalni raspored, pogotovo ako su mali onda treba koristiti
ovaj test koji se zove i test sume rangova.
Može se koristiti i za proveru hipoteze da li dva nezavisna
uzorka pripadaju istom osnovnom skupu.
 Wilcoxon-ov test
• Koristi se za proveru hipoteze da li dva nezavisna uzorka pripadaju istom
osnovnom skupu. Test polazi od pretpostavke da između dva uzorka ili
skupa nema nikakve razlike osim potencijalnih razlika između medijana.

Primer.
Ispitivan je nivo masti u serumu kod 27 žena pre i posle dijete. Da li je
postojala značajna razlika u nivou masti pre i posle dijete?

Iz menija izaberete:
Analyze > Nonparametric Tests >2 Related Samples
U novijim verzijama programa dodat je još jedan korak:
Analyze > Nonparametric Tests > Legacy Dialogs >
2 Related Samples
Two-Related-Samples Tests dialog box

Selektujete jedan ili više parova varijabli.

Kliknete na svaku od varijabli.
Prva varijabla pojaviće se u Current Selections group kao Variable 1, a
druga kao Variable 2.
Kliknete da dugme sa strelicom da pomerite par u Test Pair(s) List.
Možete selektovati više parova varijabli.
U outputu će se pojaviti rezultati:

RANKS
Mean Sum of
N Rank Ranks
mastposle – Negative 26.00
3(a) 8.67
mastpre Ranks
Positive 52.00
9(b) 5.78
Ranks
Ties
15(c)

Total 27
a mastposle < mastpre
b mastposle > mastpre Zaključak:
c mastposle = mastpre
Nije postojala
Test Statistics(b) signifikantna razlika u
mastposle - prosečnoj visini masti
mastpre pre i posle dijete
Z -1.071(a)

Asymp. Sig. (2-tailed)

(z=-1,071, p=0,284)
.284

a Based on negative ranks.

b Wilcoxon Signed Ranks Test
 Χ2 test

Koristimo kada treba ispitati povezanost između

učestalosti istraživanih atributivnih obeležja.

Iz menija se izabere:
Analyze > Descriptive Statistics > Crosstabs
Iz menija se izabere:
Analyze > Descriptive Statistics >
Crosstabs
Otvoriće se
novi prozor

U novom prozoru
selektujete varijable čiju
povezanost ispitujete –
onu koja se odnosi na
kategorije obeležja
prebacujete u red (Row),
a onu koja se odnosi na
oznaku za grupe u kolonu
(Column).
Nakon toga kliknete na opciju Statistics
otvoriće se novi prozor gde čekirate Hi kvadrat test
Kliknete na Continue > OK,
i dobićete rezultate u Output
 pol * dijamet2 Crosstabulation
Count
Total
dijamet2
1.00 2.00 1.00
pol 1.00 118
53 65

2.00 42 41 83
Total 95 106 201

Chi-Square Tests
Exact
Asymp. Sig. Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square .632(b) 1 .427
Continuity Correction(a) .425 1 .515
Likelihood Ratio .632 1 .427
Fisher's Exact Test .474 .257
Linear-by-Linear
.629 1 .428
Association
N of Valid Cases 201

a Computed only for a 2x2 table

b 0 cells (0%) have expected count less than 5. The minimum expected count is 39.23.
Zaključak:

Nije postojala značajna razlika između ispitivanih obeležja (χ2 =

0,632, p = 0,427).

Ukoliko jedna od vrednosti u ,,ćeliji” tabela kontigencije <5

jedinica očita se rezultat Fisher-ovog testa
 Mc Nemar-ov test
je u stvari χ2 test za dva zavisna uzorka.

Primer.
Uzorak od 50 bolesnika lečen je standardnom, a zatim novom
terapijom. Rezultati lečenja sa obe terapije prikazani su u tabeli:

Standardna terapija ukupno

stanje poboljšano nepromenjeno
Nova terapija
poboljšano 20 15 35
nepromenjeno 5 10 15
ukupno 25 25 50

Iz menija izaberete:
Analyze > Nonparametric Tests >2 Related Samples
 Two-Related-Samples Tests dialog box

Selektujete jedan ili više parova varijabli. Kliknete na svaku od varijabli.

Prva varijabla pojaviće se u Current Selections group kao Variable 1, a
druga kao Variable 2.
Kliknete da dugme sa strelicom da pomerite par u Test Pair(s) List.

Zaključak: Utvrđena je statistički značajna razlika između rezultata lečenja

standardnom i novom terapijom, pa možemo tvrditi da postoji povezanost
između primenjene terapije i ishoda lečenja bolesnika (χ2 = 4,05, p<0,05).
 ANOVA

Koristimo kada treba uporediti prosečne vrednosti između

više od dva nezavisna uzorka.

U meniju izaberete:
Analyze > Compare Means > One-Way ANOVA...
 One-Way ANOVA dialog box

U Dependent list ubacujete zavisnu varijablu koju ispitujete

(npr. Telesnu težinu bolesnika svih ispitivanih grupa), a u Factor
ubacujete varijablu sa šiframa grupa koje ispitujete (npr.
Varijablu u kojoj su 1, 2, 3 i 4, a označavaju broj ispitivane
grupe)
ANOVA nam ukazuje samo da li se grupe ponašaju kao da potiču iz istog osnovnog
skupa ili ne. Da bi utvrdili da li između vrednosti po grupama postoji značajna razlika,
a ako postoji i između kojih grupa se javlja, radi se post hock (naknadna, sledbena)
analiza.
Izbor post hoc testova je veliki i prvenstveno zavisi od oblasti medicine kojom se
bavite (KONSULTUJ NAUČNU LITERATURU!), ali se njihovi rezultati međusobno
vrlo malo razlikuju.
 Friedman- ov test
Kada treba izračunati da li postoji značajna promena
vrednosti numeričkog obeležja jedne grupe u različitim
vremenskim intervalima – dva i više merenja (znači više
zavisnih grupa), a raspored nije po tipu normalnog, koristimo
ovaj test.

Primer.
Da li je signifikantna promena vrednosti obima struka 142
bolesnice na početku ispitivanja, posle šest meseci i posle
godinu dana?

U meniju izaberete:
Analyze > Nonparametrics tests > K Related samples
U meniju izaberete:
Analyze > Nonparametrics tests
> K Related samples

Pojaviće se novi prozor.

U njemu ćete čekirati Friedmanov test, a varijable u posmatranim
merenjima prebaciti u desni okvir.
 Kliknete na OK I dobićete rezultate u outputu..

Ranks Test Statistics(a)

Mean Rank N 142
obim 2.22 Chi-Square 63.955
obims 2.08 df 2
obimg 1.70 Asymp. Sig. .000

a Friedman Test
Zaključak:
U ispitivanom periodu od godinu dana postojala je značajna
promena obima struka ispitanica (χ2Friedman = 63,955, p<1x10-6).

Da bi se ispitalo između koja dva merenja je postojala

signifikantna razlika, radi se post hock analiza – t test ili
Wilkoksonov test.
(ne postoji gotova opcija u SPSS-u za post hock analizu kod Friedmanovog
testa kao kod ANOVA-e, već morate sami da radite odgovarajući test)
ANOVA for repeated measures linear model

Indikacija: kada treba ispitati razliku u prosečnim

vrednostima dve i više grupa u više ponovljenih merenja sa
jednom zavisnom promenljivom, a raspored je po tipu
normalnog.
U prvu kolonu unosi se subjektivni faktor (u ovom slučaju
obeležen sa C I I), a svaka naredna kolona je vrednost u
merenjima u različitim vremenskim intervalima.
Tada selektujete u meniju:
Analyze -> General Linear Models -> Repeated Measures
U sledećem dijalog boxu definišete broj merenja:
U sledećem dijalog boxu obeležite i prebacite varijable u
različitim nivoima merenja, a u between-subjects factors(s)
ubacite varijablu sa kodovima (C i I):

Pritisnete OK
i rezultati će
biti prikazani.
 Kruskal-Walis-ov test
(ANOVA za atributivna obeležja ili rangove)

Indikacija: Kada treba izračunati da li postoji značajna razlika

između više od dve nezavisne grupe, a obeležja su data
atributivno ili rangirana

U meniju selektujete:
Analyze > Nonparametric Tests >K Independent Samples...
Tests for Several Independent Samples dialog box

Selektujete grupnu varijablu

(koja sadrži šifre različitih
ispitivanih grupa, npr. 1, 2 i 3)

Zatim definišete rangove

grupne varijable

Selektujete grupnu varijablu i

kliknete Define Range da
obeležite minimum i
maximum vrednosti grupne
varijable - dobićete sledeće
rezultate u outputu
Zaključak:
Postojala je značajna razlika u
satima… između tri grupe (χ2KW
=25,061, p<1x10-6)
 KOHRANOV TEST
Indikacija: kada imamo više od dva zavisna uzorka, tj.
rangirane vrednosti posmatramo u više različitih
vremenskih intervala

U SPSS-u se radi isto kao Friedman-ov test, samo

što se čekira Cohran-ov test
U meniju izaberete: Analyze > Nonparametrics tests
> K Related samples
 KORELACIONA ANALIZA

Koristi se kada treba ispitati da li postoji korelacija između

zavisno i nezavisno promenljive, tj. da li porastom vrednosti
jedne druga raste (pozitivna korelacija) ili pada (negativna
korelacija)

Izaberete u meniju: Analyse > Correlate > Bivariate

 Izaberete u meniju:
Analyse > Correlate > Bivariate

Dobijate novi prozor gde čekirate Pirsonov koeficijent i

prebacite u desni okvir dve varijable čiju korelaciju
ispitujete (može i više varijabli)
 Kliknete na OK i
dobijete rezultate u
outputu.

Correlations ** Correlation is significant at the 0.01 level (2-tailed).

bmd tskor

Zaključak:
bmd Pearson Correlation .956(**)
1

Sig. (2-tailed) .000

N 142 142
Postoji pozitivna korelacija
tskor Pearson Correlation
.956(**)
1 između BMD i tscor-a
Sig. (2-tailed)
.000 (r=0,956, p>1X10-6).
N 142 142
 SPEARMAN-OV KOEFICIJENT
RANGA KORELACIJE
Koristimo kada je potrebno izračunati jačinu korelacije
između zavisno I nezavisno promenljive koje se
rangiraju (operacije se ne izvode iz numeričkih
vrednosti)

Ima manju moć od Pirsonovog koeficijenta proste

linearne korelacije

U SPSS-u se izvodi na isti način kao Pirsonov, samo

što se obeleži Spirmanov koeficijent u Dialog boxu.
 LOGISTIČKA REGRESIONA ANALIZA
Koristimo kada imamo jednu zavisno promenljivu koja je
dihotomna (najčešće: bolestan-zdrav) i nezavisno promenljive
koje utiču na rizik javljanja nepovoljnog modaliteta zavisno
promenljive.
Izračunavaju se vrednosti aproksimativnog relativnog rizika
(Odd ratio – OR) i granice njihovih 95% intervala poverenja.
Kada su obe vrednosti granica 95%IP veće od 1, rizik za
pojavu nepovoljnog modaliteta je značajan.
Kada su obe vrednosti granica 95%IP manje od 1, nezavisno
promenljiva predstavlja značajan protektivni faktor.
Kada je donja granica manja od 1, a gornja veća, nezavisno
promenljiva nije statistički značajan faktor.
Univarijantna logistička regresija (jedna nezavisno
promenljiva) se može se izračunavati u Statcalc Epi Info
programu (preko χ2 testa), kada je nezavisno promenljiva
takođe dihotomna, kao i zavisno promenljiva.
Kada je nezavisno promenljiva kontinuirana numerička
varijabla ili kada je atributivna, ali sa više od dva
modaliteta, koristimo SPSS program i to opciju Binary
logistic regression.
Multivarijantna logistička regresiona analiza se sprovodi
nakon univarijantne, a u model se uključuju samo oni faktori
koji su se u univarijantnoj analizi pokazali kao značajni.

U meniju se izabere: Analyse > Regression > Binary logistic

U meniju se izabere:
Analyse > Regression > Binary logistic
U Dependent se unosi zavisno promenljiva koja mora biti dihotoma. U Covariates
se unose nezavisno promenljive koje mogu biti numeričke ili atributivne.
Kod Method-a se izabere tip modela. Enter metod je bezuslovan, odnosno u
modelu zadržava sve nezavisno promenljive. Backward metod u modelu zadržava
samo značajne faktore.
Ukoliko je nezavisno promenljiva atributivna, ulazimo u opciju Categorical i tu
promenljivu prebacujemo u desni prozor. Potrebno je definisati i modalitet tog
obeležja u odnosu na koji se procenjuje rizik (First ili Last).
Nakon izabiranja Options i otvaranja novog prozora, treba čekirati CI
for Exp (B) 95%, At last step i Include constant in model

Kliknete na OK dobijete rezultate koji pokazuju koliko koji factor

utiče na pojavu bolesti. U Outputu Exp B predstavlja Odss ratio.
 varijable Odds ratio 95% CI Odds p
Npr. Rezultati univarijantne ratio
logističke regresione analize
pol 1.130 0.540 – 2.390 0.860
holecistitis 3.060 0.910 – 11.260 0.044*
holangitis 12.500 4.880 – 32.000 1x106***
pankreatitis 1.420 0.390 – 5.640 0.773
dispepsija 1.200 0.550 – 2.640 0.756
ikterus 147.000 20.010 – 1x106***
3010.850
Zatim se izdvajaju dijametar 506.560 82.770 – 1x106***
signifikantni prediktori i 4188.180

radi se multivarijantna starost 1.930 0.910 – 4.070 0.089

logistička regresija. UZ verifikovana - - 0.052

choledocholitiaza
Ako ima više od 7 faktora Opasna kalkuloza 367.000 64.140 – 1x106***
(nezavisno promenljivih) 2966.46

svrstavaju se u klinički bilirubin 21.360 6.610 – 76.470 1x106***

logične blokove ALP 24.570 8.910 – 70.750 1x106***

AST 16.630 6.390 – 44.740 1x106***
ALT 49.610 15.770 – 1x106***
165.940
LDH 3.210 0.820 – 14.580 0.107
GGH 3.040 1.410 – 6.580 0.003**
Prema rezultatima univarijantne logističke regresije, kao nezavisni
faktori rizika za pojavu choledocholitiaze definisani su holecistitis,
holangitis, ikterus, dijametar, opasna kalkuloza, bilirubin, ALP, AST,
ALT i GGT.

Formiramo dva klinički logična bloka:

U prvi blok uključimo: holecistitis, holangitis, ikterus, dijametar i

opasnu kalkulozu,

A u drugi blok uključimo: bilirubin, ALP, AST, ALT i GGT.

 Npr. Tabela. Rezultati multivarijantne logističke regresione analize bloka koji čine
holecistitis, holangitis, ikterus, dijametar i opasna kalkuloza
varijable Odds ratio 95% CI Odds ratio p
dijametar 5.307 1.078 – 26.122 0.040*
Opasna kalkuloza 10.712 1.606 – 71.478 0.014*

Prema rezultatima multivarijantne logističke regresije, kao najvažniji

faktori rizika za pojavu choledocholitiaze iz ovog bloka izdvojili su se
dijametar i opasna kalkuloza.
Povećanje dijametra žučne kesice za jednu mernu jedinicu (cm)
povećava rizik nastanka choledocholitiaze 5.307 (1.078-26.122) puta.
Pacijentkinje sa kalkulozom žučne kese imaju 10.712 (1.606-71.478)
puta veći rizik za nastanak kalkuloze u holedokusu.
Cox&Snell-ov i Nagelkerke-ov koeficijent determinacije određuju
procenat sa kojim model objašnjava uticaj nezavisno promenljivih na
zavisno promenljivu
 MULTINOMINALNA LOGISTIČKA
REGRESIONA ANALIZA

Indikacija: Kada imamo jednu zavisno promenljivu i više

nezavisnih (prediktora) u čijem prisustvu je rizik za pojavu
bolesti veći onoliko puta kolika je vrednost Odd ratio.

U meniju se izabere:
Analyse > Regression > Multinomal logistic
U meniju se izabere:
Analyse > Regression > Multinomal logistic

postupak je sličan kao kod

binarne logističke regresione analize
 KLASTER ANALIZA

Metod multivarijacione analize koji se koristi za grupisanje

objekata u grupe, tako da su objekti unutar grupa slični među
sobom, dok se između grupa znatno razlikuju.
 ANALIZE PREŽIVLJAVANJA
Kaplan Meier i logrank test
Analiziraju vreme koje će proteći pre nego što negi događaj
nastupi. Ovaj događaj može biti smrt ili smrt od neke
određene bolesti i zbog toga se analize ovakvih podataka
nazivaju analize preživljavanja.
Kaplan Majerov test ispituje verovatnoću preživljavanja
(nastupanja nekog događaja) u određenom vremenskom
periodu.
Logrank test ispituje da li je značajna razlika u
preživljavanju između te dve grupe.

Kako uneti podatke u bazu?

U prvu kolonu uneti koja je grupa, u drugu vreme, a u treću
ishod, npr. 0-mrtav, 1-živ
 SENZITIVNOST I SPECIFIČNOST
SENZITIVNOST = tačno pozitivni/tačno pozitivni+lažno negativni
SPEČIFIČNOST = tačno negativni/lažno pozitivni+tačno negativni
+PV = tačno pozitivni/ tačno pozitivni +lažno pozitivni
-PV = tačno negativni/ lažno negativni+ tačno negativni

Osetljivost – ako je pacijent bolestan, osetljivost pokazuje verovatnoću da

će ta metoda da pokaže da je pacijent stvarno bolestan
Specifičnost – Pokazuje koliko je metoda sposobna da dijagnostifikuje tu
bolest
+PV – prediktivna vrednost pozitivnog testa – ako je pacijent testiran
nekim testom i pozitivan je i +PV je 95%, to znači da je šansa da je stvarno
+ 95 a da je – je 5%.
- PV - -prediktivna vrednost negativnog testa – ako je pacijent negativan
na testu i –PV je 95% znači da je sansa da je on stvarni – 95%, a 5% da je
mozda i +
Sa zlatnim pravilom kao tačnim poredimo neku metodu

U SPSS-u se kriva crta kao ROC

Iz menija se izabere:
Analyze > ROC Curve...
ROC Curve dialog box
ROC Curve Options dialog box
 META ANALIZE

Integrisanje svih objavljenih rezultata istraživanja

nekog problema i stvaranje zaključaka iz ukupnih
rezultata.

Ranije je takva integrativna studija ponekada ukazivala

na neku zakonitost koja nije mogla biti ustanovljena u
pojedinačnim istraživanjima.
Danas meta analize služe za utvrđivanje:

1. razlike među studijama - Hadžisov g (kada želimo

saznati koja studija ima značajniji učinak)
Kod dve studije sa različitim uzorcima i različitim t
vrednostima možemo pomoću obrasca za Hadžisov g
pokazati značajnost razlike

2. podudarnosti među studijama (možemo proveriti da li

dve studije doprinose objašnjenju iste pojave ili deluju
opozitno)