Top 10 Statistical Tools Used in Medical Research

Kolabtree freiberuflicher Statistiker Kingsley Ukwuoma writes about the top statistical tools used in medical Forschung and clinical Datenanalyse. 

Es gab eine Zeit, in der die Validierung von Experimenten durch Daten vollständig durch manuelle Berechnungen erfolgte. Dies eröffnete Lücken für menschliches Versagen und erhöhte die Kosten für die Durchführung der Forschung, insbesondere wenn die Daten umfangreich waren, z. B. bei über 1000 Feldbeobachtungen. Heute werden aufgrund des allmählichen technologischen Fortschritts statistische Instrumente in der medizinischen Forschung eingesetzt, um die Effizienz und Genauigkeit zu erhöhen.

In the medical research field, stretching from systematic reviews, meta-analysis and klinische Studien, exactness and precision is paramount. Validation parameters must be more stringent. In testing research hypothesis, the assumption is based on 100% correctness. However, since data in itself is never normally distributed or perfect, it becomes important to apportion a percentage of 0.01 (1%) as the level of significance or margin of error or probability that the result will produce an error, though slight but gets better as the benchmark approaches 100%, in other words, 0.001 (0.1%) or 0.0001 (0.01%).

Daten an sich, die aus einer Mischung von numerischen, String- und alphanumerischen Punkten bestehen, können einschüchternd wirken, aber die Analyse von Daten muss nicht immer komplex sein. Der Prozess kann in 3 klare Schritte unterteilt werden:

-Verstehen der Herkunft der Daten anhand der Forschungsziele
-Was mit den Daten zu tun ist (Wahl des Schätzungstests)
-Wie man aus den Daten einen Sinn macht (Interpretation der Ergebnisse)

Es gibt eine Vielzahl von Statistik-Tools, die in der medizinischen Forschung eingesetzt werden. Diese Tools erledigen ihre Aufgabe auf ähnliche Weise, aber die Unterschiede liegen in der Benutzerfreundlichkeit und der Präsentation sowie in der Lizenzierung (proprietär oder nicht), der Schnittstelle (Point and Click oder Befehlszeile) und den Kosten (kostenlos oder kostenpflichtig). Diese Tools übernehmen den gesamten Prozess des Sammelns, Organisierens, Analysierens und Interpretierens statistischer Daten. Sehen wir uns die 10 wichtigsten Statistik-Tools an, die in der medizinischen Forschung von Wissenschaftlern, Ärzten und F&E-Fachleuten der Industrie verwendet werden.

1. Stata

Stata is a complete toolbox that provides a data management capability, data analysis and a colorful graphical interface. Stata can be termed as the policy statistical software common to institutions, including international organizations like the United Nations, governments and academicians for Öffentliche Gesundheit, Wirtschaft, Social Work and Medicine. It remains the most powerful software available in the analytics space. The name Stata is a syllabic abbreviation of the words Statistik and data and was released in 1985 and then the graphical user interface option in 2003.

Stata verfügt über eine grafische Benutzeroberfläche (GUI) oder einfach eine Point-and-Click-Schnittstelle mit einer Option für eine Befehlszeilenschnittstelle (CLI), die schnell, authentisch und einfach zu bedienen ist. STATA ist kompatibel mit Excel Dateien (.xls, .xlsx), Textdateien (.txt, .csv, .dat), SAS (.XPT) und Sonstige (.XML).

Es gibt viele statistische Funktionen, die von der deskriptiven Analyse über Kreuztabellen bis hin zu fortgeschrittenen Techniken wie Strukturgleichungsmodellierung, Wahrscheinlichkeitsmodelle, Überlebensanalyse, Zeitreihen und Mehrebenenmodelle reichen. Stata ermöglicht den Benutzern die Kontrolle über Daten, Variablen und auch die statistische Zusammenstellung von Gruppen. Stata arbeitet gut mit Längsschnittdaten, kann aber nur einen Datensatz im Speicher halten, der neu geschrieben werden muss, um einen neuen Datensatz hinzuzufügen oder darauf zuzugreifen. Die Stata-Grafiken sind im Vergleich zu anderer Software nicht sehr flexibel, und die verschiedenen Pakete schränken die Größe der nutzbaren Datensätze ein (Stata/IC, Stata/SE und Stata/MP).

2. R

R ist ein Open-Source-Statistiksoftware that is well equipped to handle, visualization, analysis and aspects of maschinelles Lernen ‘heavy computing’ and it’s strictly a programming ‘command line interface (CLI) software tool though relatively new in the user space, R now commands a strong fan base, boasting over 6000 packages, contributed by data scientists, bioinformatics and medical researchers, covering an expanse of disciplines from cancer research, clinical analysis, Molekularbiologie, phylogeny, to meta-analysis.

Die integrierte Entwicklungsumgebung (IDE) R-Studio, in der die R-Tools untergebracht sind, funktioniert wie die Oracle Data Base Engine, in der SQL verwendet wird. Die frühere Version wurde 1993 eingeführt und die IDE 2011 veröffentlicht. R ist kompatibel mit Excel-Dateien (.xls, .xlsx), Textdateien (.txt, .dat, .csv), SPSS (.sav), Stata (.dta), SAS (. sas7bdat), Andere (. xml, json). R interagiert gut mit anderer Software, wobei die Lernkurve angesichts der verschiedenen Datentypen recht steil ist.

Konkret, Metafor ist eines der vielen R-Pakete, die für die Durchführung von Meta-Analysen zur Verfügung stehen, und enthält die umfassendsten Analysewerkzeuge. Die Website des Pakets enthält einige sehr nützliche Analyse- und Diagrammbeispiele mit dem entsprechenden Code. Da das Paket jedoch die Verwendung der R-Umgebung voraussetzt, kann es für diejenigen, die noch nie mit R gearbeitet haben, schwierig sein, sich so schnell an das Paket zu gewöhnen. Erwähnenswert sind die JASP oder Jamovi Pakete.

3. GraphPad Prism

GraphPad Prism ist bei Biologen im akademischen Bereich und in der Industrie sehr beliebt. Es verfügt auch über Funktionen, die es Forschern ermöglichen, Laborforschung und klinische Studien mit t-Tests, einseitiger ANOVA, Kontingenztabellen, Überlebensanalysen und Wahrscheinlichkeitsmodellen wie logistischen Regressionsmodellen durchzuführen.

Im Gegensatz zu anderen Programmen verfügt die Software über eine Seite mit interpretierten Ergebnissen, nachdem die Schätzungen erstellt wurden. Die Sprache ist leicht zu verstehen und enthält wenig technische Details. Die Software verfügt außerdem über eine integrierte automatische Funktion, die die Analyse und die grafische Ausgabe in einem Schnappschuss zusammenfasst - was das Verhalten der automatischen Neuanalyse von Daten in Fällen, in denen einer der Datenpunkte geändert wird, noch verstärkt, und zwar zur Laufzeit, ohne dass die durchgeführte Analyse oder das gezeichnete Diagramm wiederholt werden muss.

Das Software-Tool ist kompatibel mit Excel-Dateien (.xls, .xlsx), Textdateien (.txt, .dat, .csv) und anderen (. xml, json). Die Funktionen zur Erstellung von Grafiken sind außergewöhnlich.

Lesen Sie auch: Wie freischaffende Statistiker die Forschung verbessern können

4. SAS

SAS ist die Grundlage für fortschrittliche Analytik mit Funktionen, die in einer Vielzahl von wissenschaftlichen und technischen Unternehmen und Organisationen eingesetzt werden. Die Entwicklung von SAS (Statistical Analysis System) wurde 1966 von Anthony Bar von der North Carolina State University begonnen und später von James Goodnight ergänzt. Das National Institute of Health finanzierte dieses Projekt mit dem Ziel, landwirtschaftliche Daten zu analysieren, um die Ernteerträge zu verbessern.

SAS ist kompatibel mit Excel-Dateien (.xls), ext-Dateien (.txt, .dat, .csv), IBM SPSS (.sav), Stata (.dta), JMP (.jmp) und anderen Dateierweiterungen (.xml). Dadurch können Daten problemlos importiert und exportiert werden, ohne auf manuelle Prozesse zurückgreifen zu müssen, die zu Fehlern führen können. SAS verfügt auch über eine gute interaktive grafische Schnittstelle. Allerdings kann SAS manchmal mühsam sein, wenn es darum geht, perfekte Grafiken mit Syntax zu erstellen.

Some of the down features or benefits of SAS is linked to its size and proprietary license ownership. Key among this, is the time to implementation of new ideas and methods and the technicalities in the documentation process. SAS has gained popularity among Financial Services, Government, Manufacturing and Health and Biowissenschaften.

5. IBM SPSS

Die erste Version von SPSS wurde 1968 entwickelt und 2009 von IBM übernommen. IBM SPSS ist sehr umfangreich und dient als Standardwerkzeug für fast alle Disziplinen und Fachleute. Die Software verfügt über umfangreiche Funktionen mit einer einfach zu bedienenden grafischen Benutzeroberfläche. Die Software eignet sich jedoch am besten für Forscher, die über Grundkenntnisse der Statistik verfügen, insbesondere über Datenelemente wie Datenmessungen, Identifizierung von Datentypen, Variablenzuweisung und -kodierung sowie Fallauswahl.

IBM SPSS ist kompatibel mit Excel-Dateien (.xls, .xlsx), Textdateien (.csv, .txt, .dat), SAS (. sas7bdat) und Stata (.dta). Es verfügt über eine bemerkenswerte Funktion im "Chart Builder", die es den Benutzern ermöglicht, Grafiken zu ziehen und zu verschieben und Änderungen vorzunehmen. Abgesehen von der Benutzerfreundlichkeit und der Fähigkeit, fehlende Datenpunkte automatisch zu behandeln, können die Benutzer mit SPSS Amos Strukturgleichungsmodelle durchführen.

Einige robuste und komplexe statistische Methoden können jedoch nicht geschätzt werden, z. B. die Regression der kleinsten absoluten Abweichung und die Quantilsregression.

6. MATLAB

MATLAB (The Mathworks) was released in 1984. MATLAB is a complete command line interface (CLI) or programming language used by scientist and engineers. As with R, the learning path is steep, and you will be required to create your own code at some point. A plentiful number of toolboxes are also available to help answer your research questions (such as EEGLab for analysing EEG data). The difficult to use feature is complemented by a vast array of statistical methods and flexibility in terms of what the software can handle. MATLAB gained popularity among scientist in the areas of engineering, numerical analysis, linear algebra and image processing.

MATLAB is compatible with Excel files (.xls, .xlsx), Text files (.txt, .dat, .csv), Other (. xml, json). MATLAB has a good graphic and integrates easily with high-end programming software like Python and C++ but does not boast the huge statistical methods that is available for SAS and IBM SPSS.

Außerdem gibt es eine Reihe von unbeliebten statistischen Software-Tools, die sich durch ihre Benutzerfreundlichkeit auszeichnen und effektive Point-and-Click-Funktionen bieten.

7. JMP

JMP combines powerful statistics with dynamic graphics, in memory and on the desktop. Its interactive and visual paradigm enables JMP to reveal insights that are impossible to gain from raw tables of numbers or static graphs. Originally stood for ‘John’s Macintosh Program’ with five bespoke products: JMP, JMP Pro, JMP Clinical, JMP Genomik and JMP Graph Builder App.

JMP ist kompatibel mit Excel-Dateien (.xls, .xlsx), Textdateien (.csv, .txt, .dat), SAS (. sas7bdat), Stata (.dta), SPSS (.sav). JMP verfügt über eine interaktive Grafik, dynamisch verknüpfte Datentabellen und eine Skriptsprache sowie eine Schnittstelle, die die Verwendung von R- und Excel-Add-Ins ermöglicht. Die Benutzer erhalten außerdem den zusätzlichen Vorteil einer effektiven Verwaltung der Ausgabe. Ähnlich wie bei IBM SPSS fehlen einige wesentliche robuste Methoden: Regression, zweistufige kleinste Quadrate (2SLS), LAD, Quantile.

8. Minitab

Minitab bietet eine Reihe sowohl grundlegender als auch recht fortgeschrittener statistischer Werkzeuge für die Datenanalyse und wurde 1972 aus OMNITAB 80, einer Light-Version, entwickelt. Ähnlich wie bei GraphPad Prism können Befehle sowohl über die grafische Benutzeroberfläche als auch über Skriptbefehle ausgeführt werden, wodurch es sowohl für Anfänger als auch für Benutzer, die komplexere Analysen durchführen möchten, zugänglich ist.

Die Software ist kompatibel mit Excel-Dateien (.xls), ext-Dateien (.txt, .dat, .csv), IBM SPSS (.sav), Stata (.dta), JMP (.jmp) und anderen Dateierweiterungen (.xml). Auf diese Weise können Daten problemlos importiert und exportiert werden, ohne dass manuelle Prozesse erforderlich sind, die zu Fehlern führen können. Minitab automatisiert Berechnungen und ermöglicht die effiziente Erstellung von Diagrammen.

9. Statistica

Statistica is a suite of analytical software tool originally developed by StatSoft and acquired by Dell in 2014 and TIBCO entering agreement to buy in 2017. Statistica is great with data management, analysis, visualization, data mining and machine learning.

SAS ist kompatibel mit Excel-Dateien (.xls), ext-Dateien (.txt, .dat, .csv), IBM SPSS (.sav), Stata (.dta), JMP (.jmp) und anderen Dateierweiterungen (.xml). Dadurch können Daten einfach importiert und exportiert werden, ohne auf manuelle Prozesse zurückgreifen zu müssen, die zu Fehlern führen können. Statistica ermöglicht die Integration der Programmierumgebung R, in der zusätzliche Analysetechniken verfügbar sind.

10. Excel

Microsoft Office Excel wurde ursprünglich für die Datenverwaltung entwickelt. Ohne dass es einer Einführung bedürfte, wird Microsoft Corp Excel in großem Umfang für die statistische Analyse des für diese Untersuchung verwendeten Datensatzes verwendet. Das Programm hat eine größere Reichweite und das Wissen über seine Verwendung ist so weit verbreitet, dass die Anzahl der Unbekannten über die Art der Verwendung sehr gering ist und somit die Benutzerfreundlichkeit unter den untersuchten Programmen am höchsten ist.

Excel verfügt auch über ein Add-in namens Meta-Essentials, MetaXL und MetaEasy, das die Möglichkeit bietet, meta-analytische Statistiken mit Excel als Grundlage durchzuführen.

There are several factors that affect the outcome of analysis, including sample size, data collection methods, choice of test used, methodology, and more. Statistical analysis needs to be carefully done by experts to obtain reliable results. Hiring an experienced freiberuflicher Medizinstatistiker oder Biostatistik-Berater kann Ihnen helfen, Zeit und Energie zu sparen, während Sie sich auf Ihre Forschung konzentrieren. Die Überprüfung Ihrer Forschungsdaten vor der Veröffentlichung ist ebenfalls von entscheidender Bedeutung, damit Sie Ihre Forschungsergebnisse vertrauensvoll an die Weltöffentlichkeit weitergeben können. Kolabtree bietet Zugang zu freiberuflichen Statistikern, die mit verschiedenen Softwareprogrammen und Tools vertraut sind. Experten jetzt ansehen oder einfach ein Projekt veröffentlichen und erhalten Sie Angebote innerhalb von 24 Stunden.