Dati casi con carcinoma polmonare e controlli corrispondenti (senza carcinoma polmonare) (abbinamento basato su età, sesso, ecc.). Per cercare di trovare prove tra l'effetto del fumo sul cancro del polmone, ho usato l'esatto test di Fisher sul tavolo delle contingenze. Ciò tuttavia non ha tenuto conto del fatto che i controlli e i casi sono stati abbinati. 40
Quindi mi chiedevo se c'è un modo per usare l'esatto test di Fisher che tenga conto della corrispondenza tra i due gruppi?
Risposte:
È necessario il test di McNemar ( http://en.wikipedia.org/wiki/McNemar%27s_test , http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3346204/ ). Di seguito è riportato un esempio:
Sono stati studiati 1300 punti e 1300 controlli abbinati. Lo stato di fumo è presentato come segue:
Normal
|no |yes|
Cancer|No |1000|40 |
|Yes |200 |60 |
Ogni voce della tabella mostra informazioni su una COPPIA DI CONTROLLO DEL CASO: 1000 significa in 1000 coppie di controllo del caso, né un fumatore. 40 è il numero di coppie caso-controllo in cui il controllo era fumatore e il malato di cancro non lo era, e così via. Il seguente codice R può essere utilizzato per generare questa tabella ed eseguire il test di McNemar.
mat = as.table(rbind(c(1000, 40), c( 200, 60) ))
colnames(mat) <- rownames(mat) <- c("Nonsmoker", "Smoker")
names(dimnames(mat)) = c("Cancer", "Normal")
mat
# Normal
# Nonsmoker Smoker
# Cancer
# Nonsmoker 1000 40
# Smoker 200 60
mcnemar.test(mat)
# McNemar's Chi-squared test with continuity correction
#
#data: mat
#McNemar's chi-squared = 105.34, df = 1, p-value < 2.2e-16
Il test di McNemar viene anche utilizzato per valutare l'effetto di un intervento su una variabile di risultato binaria. La coppia di risultati prima-dopo è presentata e testata come sopra.
Modifica: esempio esteso fornito da @gung, se lo stato del fumo è elencato nel mio dataframe mydf come segue:
pairID cancer control
1 1 1
2 1 1
3 1 0
...
Il test McNemars può essere eseguito con i seguenti comandi R:
> tt = with(mydf, table(cancer, control))
> tt
control
cancer 0 1
0 5 1
1 3 2
> mcnemar.test(tt)
McNemar`s Chi-squared test with continuity correction
data: tt
McNemar`s chi-squared = 0.25, df = 1, p-value = 0.6171
Hai ragione che l'esatto test di Fisher non è appropriato per i tuoi dati. Dovrai riformulare la tua tabella delle contingenze. La nuova tabella sarà per le coppie , quindi sembrerà avere la metà del numero di dati rappresentati (nel tuo caso 40 invece di 80). Ad esempio, immagina che i tuoi dati apparissero così (ogni gruppo di soggetti accoppiati è nella sua riga e 1indica un fumatore):
cancer control
1 1
1 1
1 0
1 0
1 0
0 1
0 0
0 0
0 0
0 0
0 0
Quindi la tua vecchia tabella di contingenza potrebbe essere stata:
cancer control
smoker 5 3
non 6 8
La tua nuova tabella di contingenza sarà simile alla seguente:
control
cancer smoker non
smoker 2 3
non 1 5
La prima tabella di contingenza è stata sommata a 22 (il numero di soggetti totali nel tuo studio), ma la seconda tabella di contingenza è pari a 11 (il numero di coppie abbinate).
Con i tuoi dati rappresentati in questo modo, ciò che ti interessa è se le proporzioni marginali sono le stesse. Il test per questo è il test di McNemar . Ho spiegato il test di McNemar qui e qui .
non dovrebbe essere necessario utilizzare un test associato. l'abbinamento delle popolazioni accerta che la distribuzione delle covaraiti (età, ...) è la stessa nei due populati in modo da non "distorcere" il quadro.
il test confronta i mezzi delle popolazioni quindi non è necessario un accoppiamento di individui. ciò è necessario solo per misurazioni "ripetute", ad esempio il confronto dei menu prima e dopo il trattamento della stessa popolazione.
Sì e no:
probabilmente il tuo caso rientra nel caso di Pearce (2015) : il punto nell'articolo è che le variabili che usi per selezionare il controllo dovrebbero essere controllate nello studio e non nel test. Ciò potrebbe essere difficile a causa di N = 80.
Spero che questo aiuto :)