Επειδή μου ζητάτε τα στατιστικά στοιχεία για την μελέτη της ΚΟΛΧΙΚΙΝΗΣ:
#Δανείζομαι από την ανάρτηση του διαπρεπούς συναδέλφου κ. Anastasis Perrakis, τα οποία επιβεβαίωσα στατιστικά.
#2,253 ασθ. στην ομάδα κοντρολ και 2,235 κολχικίνη.
#Στο νοσοκομείο (ή σε μηχανική υποστήριξη, ή σε θάνατο), κατέληξαν 128 και 101 αντιστοίχως. ΔΕΝ υπάρχει στατιστικά σημαντική διαφορά p>0.05
#Μετά, το γκρουπ μειώθηκε, αποφασίζοντας - ΕΚ ΤΩΝ ΥΣΤΕΡΩΝ- να μην συμπεριληφθούν ασθενείς χωρίς θετικό μοριακό τεστ! Οι αριθμοί άλλαξαν ελαφρά σε 126 και 96. Αυτή η μικρή αλλαγή δίνει ΟΡΙΑΚΑ στατιστικά σημαντική διαφορά, p-value=0.04!
#Στην μελέτη δεν αναλύουν ξεχωριστά την επίπτωση στις εισαγωγές, στις διασωληνώσεις και στους θανάτους, αλλά σε όλα μαζι!!!
#Κάνοντας ένα chi square test, πανεύκολα διαπιστώνεις ότι:
1. Εισαγωγές στο νοσοκομείο +διασωλήνωση+θάνατος: p=0.42 ΔΕΝ υπάρχει στατιστικά σημαντική διαφορά (συμφωνούν οι συγγραφείς)
2. Εισαγωγές στο νοσοκομείο: p=0.041 ΥΠΑΡΧΕΙ ΟΡΙΑΚΑ στατιστικά σημαντική διαφορά. (Ενέχει όμως και το υποκειμενικό στοιχείο)
3. Διασωλήνωση: p=0.065 , ΔΕΝ υπάρχει στατιστικά σημαντική διαφορά!
4. Θάνατοι: p=0.28 ΔΕΝ υπάρχει στατιστικά σημαντική διαφορά
##ΕΠΟΜΕΝΩΣ η κολχικίνη δεν κάνει διαφορά στα σημαντικά: Διασωλήνωση και Θανάτους, αλλά και στο σύνολο των τριών παραμέτρων!
###ΠΟΥ ΚΑΝΕΙ ΣΙΓΟΥΡΑ ΤΗΝ ΔΙΑΦΟΡΑ Η ΚΟΛΧΙΚΙΝΗ; Στις ανεπιθύμητες ενέργειες p<0.0001 , δηλαδή ΠΑΡΑ ΠΟΛΥ ΣΗΜΑΝΤΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΔΙΑΦΟΡΑ
#Το μόνο , δηλαδή που επιβεβαίωσε αυτή η μελέτη, είναι η τοξικότητα της Κολχικίνης που είναι πασίγνωστη από την εποχή του Ιπποκράτη (ήταν, εκτός των άλλων και «δημοφιλές» δηλητήριο...)
#ΚΑΛΕΙΤΑΙ , ΤΟ ΥΠΟΥΡΓΕΙΟ, ΝΑ ΠΑΡΕΙ ΠΙΣΩ ΤΗΝ ΟΔΗΓΙΑ ΤΩΝ «ΕΜΠΕΙΡΟΓΝΩΜΟΝΩΝ» που είναι προφανές ότι εκδόθηκε χωρίς να διαβάσουν την δημοσίευση της μελέτης, και, ακόμη καλύτερα, να να τους αλλάξει.
Παράκληση: κάποιος να το κάνει αυτό το κείμενο κατανοητό.
ΑπάντησηΔιαγραφήΤι σημαίνει p; Κάτι καταλαβαίνω αλλά στο περίπου. Αυτό όμως το περίπου οδηγεί
σε παρανοήσεις. Επίσης κάνει κάποιους ειδήμονες καφενείου και ο καθένας αντιλαμβάνεται κάτι αλλο. Ας το κάνει ό ίδιος ο Γάκης ΛΙΑΝΑ!
Σημαίνει ότι υπάρχει 5% πυθανότητα να νοσήσει κάποιος έχοντας πάρει το εμβόλιο. Συνήθως παίρνουμε αυτό το όριο για τη θεραπεία.
ΔιαγραφήΤο p-value χρησιμοποιείται στον έλεγχο στατιστικών υποθέσεων. Πες πως θες να καταρρίψεις την υπόθεση ότι το τάδε φάρμακο ΔΕΝ είναι αποτελεσματικό για την αντιμετώπιση μιας νόσου, άρα να αποδείξεις ότι το συγκεκριμένο φάρμακο είναι αποτελεσματικό στην καταπολέμηση της νόσου. Βάσει κλινικών δεδομένων υπολογίζεις την τιμή μιας ποσότητας (πες την Τ) για την οποία - πολύ χοντρικά - ξέρεις την πιθανότητα παίρνει ένα συγκεκριμένο εύρος τιμών αν υποθέσεις ότι το φάρμακο ΔΕΝ είναι αποτελεσματικό στην αντιμετώπιση της νόσου (αυτή η υπόθεση είναι τεχνική αλλά πολύ σημαντική). Πες, για παράδειγμα, πως υποθέτοντας το ότι φάρμακο ΔΕΝ είναι αποτελεσματικό, ξέρεις πως το 95% των τιμών της ποσότητας Τ είναι <=10. Αν με βάση τα κλινικά δεδομένα υπολογίσεις την τιμή 10.0001 για την ποσότητα Τ, η πιθανότητα να πάρεις τη συγκεκριμένη τιμή είναι αρκετά μικρή, μικρότερη από 5% (γιατί το 95% των τιμών της Τ είναι <=10). Γιατί βρήκες αυτήν την μάλλον απίθανη τιμή; Γιατί υπέθεσες πως το φάρμακο δεν είναι αποτελεσματικό στην αντιμετώπιση της νόσου. Άρα σε επίπεδο σημαντικότητας 5% (ή με p-value 0.05) η υπόθεση ότι το φάρμακο δεν είναι αποτελεσματικό στην καταπολέμηση της νόσου πρέπει να απορριφθεί. Ελπίζω να μη σας μπέρδεψα πολύ...
Διαγραφή