prospectively powered
Dutch translation: er wordt een steekproefomvang berekend
| GLOSSARY ENTRY (DERIVED FROM QUESTION BELOW) | ||||||
|---|---|---|---|---|---|---|
|
| 07:15 Nov 7, 2014 |
| English to Dutch translations [PRO] Medical - Medical (general) / Statistische begrippen | |||||||
|---|---|---|---|---|---|---|---|
|
| ||||||
|  Selected response from: Barend van Zadelhoff Netherlands Local time: 14:12 | ||||||
Grading comment
| |||||||
| Summary of answers provided | ||||
|---|---|---|---|---|
| 4 +1 | er wordt een steekproefomvang berekend |
|
| Summary of reference entries provided | |||
|---|---|---|---|
| Prospective study |
| ||
| power analysis |
|
Answers
19 hrs confidence: 
peer agreement (net): +1
peer agreement (net): +1| is prospectively powered er wordt een steekproefomvang berekend Explanation: The trial is powered to target a 95% confidence interval... Er wordt voor het onderzoek een steekproefomvang berekend met als doel uit te komen op een 95% BI .... In de referentie zie je dat ze uit willen komen op een powerwaarde van minstens 80%. Daar gaat het om een richtlijn. De powerwaarde is direct gerelateerd aan de omvang van de steekproef. Het feit dat het hier gaat om de berekening van de steekproefomvang betekent automatisch dat het gaat om een prospectieve analyse. Dat hele woord 'prospectively' kan in feite gewoon worden weggelaten, het is overbodig. Tegelijkertijd klopt het formeel wel. Je hebt gewoon 'prospective powering' en 'retrospective powering' The power of a statistical test is the probability that it correctly rejects the null hypothesis when the null hypothesis is false. That is, It can be equivalently thought of as the probability of correctly accepting the alternative hypothesis when the alternative hypothesis is true - that is, the ability of a test to detect an effect, if the effect actually exists. The power is in general a function of the possible distributions, often determined by a parameter, under the alternative hypothesis. As the power increases, the chances of a Type II error occurring decrease. The probability of a Type II error occurring is referred to as the false negative rate (β) and the power is equal to 1−β. The power is also known as the sensitivity. Power analysis can be used to calculate the minimum sample size required so that one can be reasonably likely to detect an effect of a given size. Power analysis can also be used to calculate the minimum effect size that is likely to be detected in a study using a given sample size. In addition, the concept of power is used to make comparisons between different statistical testing procedures: for example, between a parametric and a nonparametric test of the same hypothesis. The sample size determines the amount of sampling error inherent in a test result. Other things being equal, effects are harder to detect in smaller samples. Increasing sample size is often the easiest way to boost the statistical power of a test. A priori vs. post hoc analysis Power analysis can either be done before (a priori or prospective power analysis) or after (post hoc or retrospective power analysis) data are collected. A priori power analysis is conducted prior to the research study, and is typically used in estimating sufficient sample sizes to achieve adequate power. Post-hoc power analysis is conducted after a study has been completed, and uses the obtained sample size and effect size to determine what the power was in the study, assuming the effect size in the sample is equal to the effect size in the population. Whereas the utility of prospective power analysis in experimental design is universally accepted, the usefulness of retrospective techniques is controversial.[5] Falling for the temptation to use the statistical analysis of the collected data to estimate the power will result in uninformative and misleading values. In particular, it has been shown [6] that post-hoc power in its simplest form is a one-to-one function of the p-value attained. This has been extended[6] to show that all post-hoc power analyses suffer from what is called the "power approach paradox" (PAP), in which a study with a null result is thought to show MORE evidence that the null hypothesis is actually true when the p-value is smaller, since the apparent power to detect an actual effect would be higher. In fact, a smaller p-value is properly understood to make the null hypothesis LESS likely to be true. http://en.wikipedia.org/wiki/Statistical_power#A_priori_vs._... Het onderscheidend vermogen, of onderscheidingsvermogen (Engels: power) van een statistische toets is de kans om een nulhypothese terecht te verwerpen, dus de kans dat de toets niet een fout van de tweede soort (type II-fout) maakt. Omdat de alternatieve hypothese vaak samengesteld is, zal het onderscheidend vermogen een functie zijn, wel aangegeven door γ (of ook wel door β), van de mogelijke waarden van de betrokken parameter onder de nulhypothese. Men gaat soms zelfs zo ver dat men deze functie uitbreidt tot alle waarden van de betrokken parameter, ook die onder de nulhypothese. Om bij een bepaalde grootte Δ van het verschil tussen de beide populaties een voldoend onderscheidende toets te hebben, kiest men de steekproefomvang zo dat: http://nl.wikipedia.org/wiki/Onderscheidend_vermogen De kans op een fout van de tweede soort wordt meestal aangegeven met de Griekse letter β (beta). De complementaire kans, dus de kans een onware nulhypothese te verwerpen, heet het onderscheidend vermogen (ook: onderscheidingsvermogen) van de toets. Als de alternatieve hypothese enkelvoudig is, hebben zowel β als het onderscheidend vermogen een vaste waarde. Is de alternatieve hypothese samengesteld, dan zijn zowel β als het onderscheidend vermogen een functie van de mogelijkheden die de alternatieve hypothese toelaat. http://nl.wikipedia.org/wiki/Fout_(statistiek) http://nl.wikipedia.org/wiki/Hypothese_(statistiek) Waarom doe ik een power analyse / sample size berekening? Een van de meest gestelde vragen vooraf aan een studie is: hoeveel proefpersonen heb ik in deze studie nodig? Een belangrijke vraag; een verkeerde sample size kan ethische bezwaren opleveren. Een onderschatting van de sample size kan er toe leiden dat een werkelijk effect niet door de studie gedetecteerd wordt en proefpersonen dus voor niets zijn getest. De studie zal dan tot een fout negatieve conclusie leiden. Een te grote sample size kan ook tot bezwaren leiden. Als de interventie effectief blijkt, worden er onnodig veel mensen in de controlegroep behandeld. Als de interventie niet werkzaam blijkt, worden te veel proefpersonen blootgesteld aan een ineffectieve interventie. Wanneer heb ik een power analyse nodig? Voor de uitvoering en rapportage van (vergelijkend) onderzoek gelden regels. In het CONSORT statement, waarin je deze regels terug vindt, staat dat een onderzoeker voordat een studie wordt uitgevoerd een sample size moet berekenen en deze in de methode sectie van het artikel moet rapporteren. Een Randomized Controlled Trial (RCT) moet inclusief sample size berekening vooraf aan de uitvoering geregistreerd worden. Bovendien krijg je zonder een goede sample size berekening geen positieve beoordeling van de Medisch Ethische Commissie. Verder is het bij de economische onderbouwing van een subsidie aanvraag en voor de logistieke planning van een studie van belang. http://os1.amc.nl/wikistatistiek/index.php?title=Poweranalys... -------------------------------------------------- Note added at 10 days (2014-11-17 12:38:06 GMT) -------------------------------------------------- Hallo Debbie, Ik heb tot nu weinig respons gekregen op al mijn inspanningen. Graag zou ik je mening horen over dit antwoord. Bij voorbaat dank, Barend -------------------------------------------------- Note added at 10 days (2014-11-17 12:46:46 GMT) Post-grading -------------------------------------------------- Dank je. Dat maakt mij ook blij. :-) |
| |
Grading comment
| ||
| Login to enter a peer comment (or grade) | ||
Reference comments
3 hrs |
| Reference: Prospective study Reference information: A prospective study watches for outcomes, such as the development of a disease, during the study period and relates this to other factors such as suspected risk or protection factor(s). The study usually involves taking a cohort of subjects and watching them over a long period. The outcome of interest should be common; otherwise, the number of outcomes observed will be too small to be statistically meaningful (indistinguishable from those that may have arisen by chance). All efforts should be made to avoid sources of bias such as the loss of individuals to follow up during the study. Prospective studies usually have fewer potential sources of bias and confounding than retrospective studies. Reference: http://www.statsdirect.com/help/default.htm#basics/prospecti... |
| |
| Login to enter a peer comment (or grade) | ||
17 hrs |
| Reference: power analysis Reference information: Let op het verband tussen 'prospectively power' en 'sample size' The objective of this research is to evaluate the feasibility and methodological challenges while implementing a pharmacokinetic (PK) quality standard, in the population analysis setting. It is important for pediatric trials to yield good quality PK data to enable making reliable dosing decisions. The quality standard aims to ensure both, rational pediatric PK trial design and consistency in regulatory review. A simulationbased method for designing pediatric trials to be prospectively powered to meet the quality standard is proposed. A simulation-estimation platform, aiming to optimize the pediatric sample size that met the PK quality standard under different scenarios, was used to explore the impact of several trial design elements. In general, reasonable sample sizes (range: 16 - 64 pediatric subjects) were required to meet the quality standard even with sparse sampling schedules (2-3 samples per subject). Increasing sample size and PK samples per subject increased the precision of parameter estimates. Sample size requirements to achieve target precision progressively increase with increasing between-subject PK variability (low-30%, medium-50% and high-70%). Inclusion of rich adult data, in general, reduced required pediatric sample sizes (eg. from N=64 to N=48 for 70% variability). However, a ceiling effect is observed in the extent adult data can inform the model and reduce pediatric sample size adequacy (no additional benefit of 24 vs. 12 adults). A comparison of population mean analysis and individual post-hoc analysis methods found the formerto be more powerful and less biased. Finally, all trends were moreover the same for i.v. and oral administration models. In conclusion, the PK quality standard is practically feasible in terms of sample size adequacy. A simulation-based approach to design pediatric PK trials using the standard is described. Informative sampling schedule for a given number of PK samples per subject is assumed during trial design. The recommendations are: 1- to use prior adult or pediatric data for trial design and analysis, wherever possible and 2- to use one-stage population analysis methods with biologically plausible covariate models for designing pediatric PK studies. ********* These instances draw attention to the need for rational pediatric trial design. In case of pediatric PK studies, there is lack of objective criteria to design a trial, which are available for mainstream efficacy trials. The consequences may be detrimental as is apparent from the cases cited above. In recognition of need for a uniform criterion to define PK data quality, a regulatory requirement has been recently initiated as part of the pediatric written request [8]. The FDA recommends using a pre-defined target on the precision of primary PK parameter estimates, - such as mean clearance and volume of distribution, as a quality standard for PK data. - The requirement is to prospectively power (at least 80%) a pediatric trial to target a 95% confidence interval within 60% and 140% of the geometric mean estimate of primary PK parameters, for each pediatric age group studied. The aim is to provide guidelines for bringing objectivity into pediatric PK trial design. http://scholarscompass.vcu.edu/cgi/viewcontent.cgi?article=3... Effect size and prospective powering: Sample size calculation and Minimal clinical difference The final point I would like to make is about Minimal Clinical Difference. MCD represents the Smallest possible IMPORTANT effect we are trying to detect when we prospectively power a study (i.e. calculate sample size) For example, we might ask questions like: What sample size do I need to show a 10 unit reduction in cholesterol is statistically signi cant; or What sample size do I need to show a 25% reduction in cholesterol is statistically signi cant; or What sample size do I need to show an odds ratio of 1.5 is statistically significant; or http://classroom.takasila.org/classroom/dataupload/takasila/... |
| |
| Login to enter a peer comment (or grade) | ||
Login or register (free and only takes a few minutes) to participate in this question.
You will also have access to many other tools and opportunities designed for those who have language-related jobs (or are passionate about them). Participation is free and the site has a strict confidentiality policy.
KudoZ™ translation help
The KudoZ network provides a framework for translators and others to assist each other with translations or explanations of terms and short phrases.
See also:
Search millions of term translations