Tıbbi Araştırmalarda İstatistiksel Analiz Teknikleri ve SPSS Uygulamaları
TIBBİ ARAŞTIRMALARDA İSTATİSTİKSEL ANALİZ TEKNİKLERİ VE SPSS UYGULAMALARI
1. GİRİŞ VE KAVRAMSAL ÇERÇEVE
Tıbbi araştırmalar, bilimsel ilerlemenin en temel araçlarından birini oluşturmaktadır. İnsan sağlığının geliştirilmesi, hastalıkların önlenmesi, tanı ve tedavi süreçlerinin iyileştirilmesi, yeni ilaç ve tedavi yöntemlerinin geliştirilmesi gibi pek çok hedef, ancak güvenilir bilimsel çalışmalarla mümkündür. Bu nedenle tıp alanında yapılan araştırmalarda, istatistiksel analiz teknikleri merkezi bir rol oynamaktadır (Altman, 1991).
İstatistiksel analiz, elde edilen verilerin anlamlı ve doğru bir şekilde değerlendirilmesini, araştırma sorularının yanıtlanmasını ve bilimsel hipotezlerin test edilmesini sağlar. Yanlış seçilmiş veya uygunsuz uygulanan analizler, bilimsel sonuçların güvenilirliğini zedeleyebilir ve tıbbi uygulamalarda yanlış yönlendirmelere yol açabilir (Motulsky, 2014). Son yıllarda tıbbi çalışmalarda sıklıkla kullanılan SPSS (Statistical Package for the Social Sciences), kullanıcılara geniş bir istatistiksel analiz yelpazesi sunmakta ve araştırmacıların veri analizi sürecini kolaylaştırmaktadır (Pallant, 2020).
Bu kapsamda, bu yazının amacı, tıbbi araştırmalarda kullanılan istatistiksel analiz tekniklerini teorik ve pratik boyutlarıyla detaylandırmak, SPSS programı ile örnek uygulamalar sunmak ve bilimsel çalışmalarda sık karşılaşılan istatistiksel hata türlerine, raporlamaya ve etik ilkelerine bütüncül bir bakış sunmaktır.
2. TIBBİ ARAŞTIRMALARDA İSTATİSTİĞİN ROLÜ
Tıbbi bilimlerde istatistik, verinin elde edilmesinden analizine, bulguların yorumlanmasından yayına kadar her aşamada kritik bir araçtır. İstatistik, tıbbi araştırmalarda örneklem seçimi, hipotez testi, tedavi etkinliğinin değerlendirilmesi, risk ve koruyucu faktörlerin belirlenmesi, epidemiyolojik incelemeler ve halk sağlığı analizleri gibi geniş bir yelpazede kullanılır (Pocock, 1983; Bland, 2015).
Modern tıpta kanıta dayalı tıp anlayışının gelişmesiyle, istatistiksel analizlerin doğruluğu ve raporlanma kalitesi büyük önem kazanmıştır. Araştırma bulgularının objektifliği, güvenilirliği ve tekrarlanabilirliği istatistiksel yöntemlerin uygunluğu ile doğrudan ilişkilidir (Sterne & Davey Smith, 2001). Nitelikli istatistiksel analizler, tedavi etkinliğinin değerlendirilmesi, risk faktörlerinin belirlenmesi ve epidemiyolojik araştırmalarda güvenilir sonuçların elde edilmesinde temel araçtır.
3. ARAŞTIRMA TÜRLERİ VE UYGUN İSTATİSTİKSEL YÖNTEM SEÇİMİ
3.1. Gözlemsel Araştırmalar
Gözlemsel araştırmalarda araştırmacı, herhangi bir müdahalede bulunmadan mevcut olayları inceler. Bu tür çalışmalar sıklıkla epidemiyolojide ve toplum sağlığı araştırmalarında tercih edilir. Kesitsel, vaka-kontrol ve kohort çalışmaları başlıca gözlemsel araştırma türleridir. Bu tasarımlarda, değişkenler arasındaki ilişkiler, risk ve koruyucu faktörler istatistiksel analizlerle değerlendirilir (Mann, 2003).
3.2. Deneysel Araştırmalar
Deneysel araştırmalarda, araştırmacı belirli bir müdahaleyi uygular ve sonuçlarını gözlemler. Randomize kontrollü çalışmalar (RCT), en güvenilir deneysel araştırma türlerinden biridir ve tıbbi tedavi etkinliği değerlendirmelerinde altın standart olarak kabul edilir. Deneysel araştırmalarda genellikle karşılaştırmalı analizler (örneğin, t-testi, ANOVA) uygulanır (Friedman et al., 2010).
3.3. Klinik Araştırmalar
Klinik araştırmalar, insan katılımcılar üzerinde yürütülen bilimsel çalışmalardır. Tedavi, tanı ve önleyici yöntemlerin etkililiği ve güvenliği bu tür çalışmalarla ortaya konur. Klinik araştırmalarda, uygun istatistiksel yöntemlerin seçimi çalışmanın iç ve dış geçerliliği açısından kritiktir (Hulley et al., 2013).
4. VERİ TÜRLERİ VE ÖLÇÜM DÜZEYLERİ
Veri tipleri, kullanılacak istatistiksel yöntemlerin belirlenmesinde temel kriterlerden biridir. Tıbbi araştırmalarda veri türleri genellikle nitel (kategorik) ve nicel (sayısal) olarak ikiye ayrılır.
4.1. Nitel ve Nicel Veriler
-
Nitel Veriler: Göz rengi, cinsiyet, hastalık var/yok gibi kategorik ifadeler.
-
Nicel Veriler: Boy, kilo, kan basıncı gibi ölçülebilen ve sayısal değer alan değişkenler.
4.2. Ölçek Türleri
-
Nominal Ölçek: Kategoriler arasında sıralama yoktur (ör. cinsiyet, kan grubu).
-
Ordinal Ölçek: Kategoriler sıralanabilir fakat aradaki mesafe ölçülemez (ör. ağrı şiddeti: hafif, orta, şiddetli).
-
Aralıklı Ölçek: Sıralama ve aralarındaki fark anlamlıdır, fakat mutlak sıfır yoktur (ör. sıcaklık).
-
Oransal Ölçek: Hem sıralama, hem farklar anlamlı, hem de mutlak sıfır vardır (ör. boy, kilo).
Bu farklı veri türleri, analizde kullanılacak istatistiksel testlerin seçimini belirler (Stevens, 1946).
5. İSTATİSTİKSEL ANALİZ SÜRECİ
5.1. Hipotez Oluşturma
Bilimsel araştırmalarda öncelikle bir araştırma hipotezi (H1) ve sıfır hipotezi (H0) kurulur. İstatistiksel analizler çoğunlukla H0’ın reddi üzerine temellenir.
5.2. İstatistiksel Hata Türleri
-
Tip I Hata (Alfa): Gerçekte doğru olan H0’ın yanlışlıkla reddedilmesi.
-
Tip II Hata (Beta): Gerçekte yanlış olan H0’ın reddedilememesi.
5.3. Güç Analizi ve Örneklem Büyüklüğü
Araştırma sonuçlarının güvenilirliği için yeterli örneklem büyüklüğü belirlenmelidir. Güç analizi (power analysis), çalışmanın istatistiksel anlamlılık gücünü hesaplamak için kullanılır. Tipik olarak çalışmanın gücü %80’in (0,80) üzerinde olmalıdır (Cohen, 1988).
6. TANIMLAYICI İSTATİSTİKLER VE TEMEL KAVRAMLAR
Tanımlayıcı istatistikler, veri setinin özetlenmesi ve temel özelliklerinin anlaşılması için kullanılır.
6.1. Merkezi Eğilim Ölçüleri
-
Ortalama (Mean): Tüm değerlerin toplamının gözlem sayısına bölünmesi.
-
Medyan (Median): Verilerin ortadaki değeri.
-
Mod (Mode): En sık tekrar eden değer.
6.2. Dağılım Ölçüleri
-
Standart Sapma: Verilerin ortalama etrafında ne kadar dağıldığını gösterir.
-
Varyans: Standart sapmanın karesidir.
-
Minimum, Maksimum, Çeyrekler: Verinin yayılımı ve uç değerleri.
6.3. Grafiksel Sunumlar
Histogram, kutu grafiği (box-plot), pasta grafiği, saçılım diyagramı (scatter plot) gibi görsel araçlar, verinin daha kolay anlaşılmasını sağlar.
7. KARŞILAŞTIRMALI İSTATİSTİKSEL ANALİZ YÖNTEMLERİ
7.1. Parametrik Testler
-
t-Testi: İki grup ortalaması karşılaştırılır (bağımsız veya eşleştirilmiş örneklemler).
-
ANOVA: Üç veya daha fazla grup ortalaması karşılaştırılır.
-
Paired t-Test: Aynı grubun müdahale öncesi ve sonrası verileri karşılaştırılır.
7.2. Nonparametrik Testler
Parametrik testlerin varsayımlarının karşılanmadığı durumlarda kullanılır:
-
Mann-Whitney U Testi: İki bağımsız grubun medyanları karşılaştırılır.
-
Kruskal-Wallis Testi: Üç veya daha fazla grubun medyanları karşılaştırılır.
-
Wilcoxon Testi: Eşleştirilmiş gruplar arası fark.
7.3. Kategorik Verilerde Analiz
-
Ki-Kare Testi (χ2): Kategorik veriler arasındaki ilişkiyi test eder.
-
Fisher’s Exact Test: Küçük örneklemli kategorik veri analizlerinde tercih edilir.
8. İLİŞKİ VE KORELASYON ANALİZLERİ
8.1. Korelasyon Katsayıları
-
Pearson Korelasyonu: İki sürekli değişken arasındaki doğrusal ilişkiyi ölçer.
-
Spearman Korelasyonu: Sıralı (ordinal) değişkenler arasındaki ilişkiyi değerlendirir.
8.2. Regresyon Analizleri
-
Doğrusal Regresyon: Bir bağımlı değişkenin bir veya daha fazla bağımsız değişken tarafından tahmin edilmesini sağlar.
-
Lojistik Regresyon: Bağımlı değişkenin kategorik olduğu durumlarda kullanılır (ör. hastalık var/yok).
9. ÇOKLU DEĞİŞKENLİ İSTATİSTİKSEL YÖNTEMLER
9.1. Çoklu Regresyon
Birden fazla bağımsız değişkenin, bir sürekli bağımlı değişken üzerindeki etkisini analiz eder.
9.2. Faktör Analizi
Birçok değişkeni bir arada ele alarak gizli yapıları ortaya çıkarmayı hedefler.
9.3. Kümeleme Analizi
Verilerin benzerliklerine göre gruplara ayrılması sürecidir (Clustering).
10. HAYATTA KALMA ANALİZLERİ VE KLİNİK UYGULAMALAR
10.1. Kaplan-Meier ve Log-Rank Testi
Hayatta kalma analizlerinde, bir olayın (ör. ölüm, hastalık nüksü) zamana göre dağılımını gösterir.
10.2. Cox Regresyonu
Hayatta kalma verilerinde çoklu değişkenli analiz sağlar.
11. SPSS YAZILIMI İLE UYGULAMALAR
11.1. SPSS’e Veri Girişi
SPSS’in arayüzünde veri girişi; değişken tanımlama (Variable View) ve veri değerlerinin girilmesi (Data View) aşamalarından oluşur. Her değişkene uygun ölçüm düzeyi atanmalıdır.
11.2. Tanımlayıcı İstatistikler Uygulamaları
SPSS’de “Analyze > Descriptive Statistics > Frequencies/Descriptives” sekmesi kullanılarak, merkezi eğilim ve dağılım ölçüleri kolayca hesaplanabilir.
11.3. Hipotez Testleri Uygulamaları
İki grup ortalaması karşılaştırmak için “Analyze > Compare Means > Independent-Samples T Test” veya parametrik olmayan testler için “Nonparametric Tests” menüsü kullanılır. SPSS, sonuçları tablo ve grafiklerle raporlar.
11.4. Regresyon ve Korelasyon Uygulamaları
“Analyze > Correlate > Bivariate” menüsü ile korelasyon katsayıları; “Analyze > Regression” ile doğrusal ve lojistik regresyon analizleri yapılır.
11.5. İleri Seviye Analizler
Faktör analizi, kümeleme analizi ve hayatta kalma analizleri için SPSS’in “Dimension Reduction”, “Classify” ve “Survival” menüleri kullanılabilir.
12. SPSS SONUÇLARININ YORUMLANMASI VE RAPORLANMASI
SPSS analizlerinden elde edilen sonuçların bilimsel bir makale formatında yorumlanması gerekir. Raporlama sırasında, p-değerleri, güven aralıkları, etki büyüklükleri ve tablolar açık ve anlaşılır biçimde sunulmalıdır. Sonuçların istatistiksel anlamlılığı yanında, klinik/pratik anlamlılığı da mutlaka tartışılmalıdır (Lang & Altman, 2013).
13. TIBBİ ARAŞTIRMALARDA İSTATİSTİKSEL HATALAR VE DOĞRU YORUMLAMA
Sık yapılan istatistiksel hatalar arasında; yanlış test seçimi, örneklem büyüklüğünün yetersizliği, veri dönüşümlerinin ihmal edilmesi, çoklu test düzeltmelerinin yapılmaması ve p-değerinin yanlış yorumlanması yer almaktadır (Ioannidis, 2005). Bu hatalardan kaçınmak için her aşamada danışmanlık almak ve güncel kılavuzları takip etmek gerekir.
14. ETİK İLKELER VE YAYINLARDA İSTATİSTİKSEL DOĞRULUK
Tıbbi araştırmalarda etik ilkeler; veri manipülasyonu, sonuçların abartılması ve intihal gibi bilimsel sahtekârlıkların önlenmesi açısından vazgeçilmezdir. Raporlanan tüm analizler ve sonuçlar şeffaf olmalı, tekrarlanabilirlik ilkesine uygun şekilde paylaşılmalıdır (World Medical Association, 2013).
15. SONUÇ VE ÖNERİLER
Tıbbi araştırmalarda güvenilir ve anlamlı sonuçlara ulaşmanın yolu, uygun istatistiksel yöntemlerin seçimi, titiz veri yönetimi ve doğru yorumlamadan geçmektedir. SPSS gibi profesyonel yazılımlar, araştırmacıların işini kolaylaştırırken, temel istatistik bilgisi olmadan bu araçların doğru kullanılması mümkün değildir. Bilimsel araştırmalarda, gerektiğinde uzman istatistikçi ve metodoloji danışmanlarından destek almak büyük önem taşımaktadır.
16. KAYNAKÇA
-
Altman DG. Practical statistics for medical research. Chapman and Hall/CRC; 1991.
-
Motulsky H. Intuitive Biostatistics: A Nonmathematical Guide to Statistical Thinking. 4th ed. Oxford University Press; 2014.
-
Pallant J. SPSS Survival Manual. 7th Edition. McGraw Hill; 2020.
-
Field A. Discovering Statistics Using IBM SPSS Statistics. 5th Edition. Sage; 2018.
-
Pocock SJ. Clinical trials: A practical approach. John Wiley & Sons; 1983.
-
Bland M. An Introduction to Medical Statistics. Oxford University Press; 2015.
-
Sterne JA, Davey Smith G. Sifting the evidence—what’s wrong with significance tests? BMJ. 2001;322(7280):226-31.
-
Mann CJ. Observational research methods. Research design II: cohort, cross sectional, and case-control studies. Emerg Med J. 2003;20(1):54-60.
-
Friedman LM, Furberg CD, DeMets DL. Fundamentals of clinical trials. 4th Edition. Springer; 2010.
-
Hulley SB, Cummings SR, Browner WS, Grady D, Newman TB. Designing clinical research. 4th Edition. Lippincott Williams & Wilkins; 2013.
-
Stevens SS. On the theory of scales of measurement. Science. 1946;103(2684):677-80.
-
Cohen J. Statistical power analysis for the behavioral sciences. 2nd Edition. Lawrence Erlbaum Associates; 1988.
-
Lang TA, Altman DG. Basic statistical reporting for articles published in biomedical journals: the “statistical analyses and methods in the published literature” or the SAMPL guidelines. Int J Nurs Stud. 2013;50(10):1416-22.
-
Ioannidis JP. Why most published research findings are false. PLoS Med. 2005;2(8):e124.
-
World Medical Association. Declaration of Helsinki: ethical principles for medical research involving human subjects. JAMA. 2013;310(20):2191-4.
tıbbi araştırma, istatistiksel analiz, SPSS, tıbbi istatistik, veri analizi, klinik araştırma, epidemiyoloji, parametrik test, nonparametrik test, hipotez testi, tanımlayıcı istatistik, merkezi eğilim, dağılım ölçüleri, veri türleri, örneklem büyüklüğü, güç analizi, p-değeri, güven aralığı, t-testi, ANOVA, Mann-Whitney U, Kruskal-Wallis, Ki-kare testi, Fisher’s exact test, korelasyon, Pearson korelasyonu, Spearman korelasyonu, regresyon analizi, doğrusal regresyon, lojistik regresyon, çoklu regresyon, faktör analizi, kümeleme analizi, hayatta kalma analizi, Kaplan-Meier, Log-Rank testi, Cox regresyonu, bilimsel raporlama, klinik uygulama, veri girişi, grafiksel sunum, etik ilkeler, istatistiksel hata, Tip I hata, Tip II hata, veri yönetimi, randomize kontrollü çalışma, gözlemsel araştırma, nominal ölçek, ordinal ölçek, aralıklı ölçek, oransal ölçek, bağımsız örneklem, eşleştirilmiş örneklem, değişken tanımlama, bilimsel yayın, meta-analiz, metodoloji, klinik etkinlik, risk faktörü, epidemiyolojik inceleme, araştırma hipotezi, sonuçların yorumlanması, örneklem seçimi, bilimsel makale, intihal, bilimsel doğruluk, istatistiksel danışmanlık, etik kurallar, veri dönüşümü, çoklu test düzeltmesi, istatistiksel anlamlılık, klinik anlamlılık, güvenilirlik, şeffaflık, tekrarlanabilirlik, veri seti, kutu grafiği, histogram, pasta grafiği, saçılım diyagramı, bilimsel yöntem, bilimsel çalışma, veri analizi süreci, bilimsel sonuç, istatistiksel yöntem, veri tipi, bilimsel bulgu, raporlama, araştırma tasarımı, yayın etiği, veri toplama, bilimsel katkı





