Ero sivun ”Biometria (tilastotiede)” versioiden välillä
[katsottu versio] | [katsottu versio] |
Ei muokkausyhteenvetoa |
Anr (keskustelu | muokkaukset) fix |
||
Rivi 1: | Rivi 1: | ||
'''Biometria''' on [[tilastotiede|tilastotieteen]] ala, joka on keskittynyt biologisten alojen aineistojen analysointiin. Biometria kattaa biologisten kokeiden suunnittelun, aineiston keräämisen ja analysoinnin sekä tulosten tulkinnan. Varsinkin lääketieteessä biometriaa hyödynnetään paljon. |
|||
Biometria on tilastotieteen ala, joka on keskittynyt |
|||
biologisten alojen aineistojen analysointiin. Biometria kattaa biologisten |
|||
kokeiden suunnittelun, aineiston keräämisen ja analysoinnin sekä tulosten |
|||
tulkinnan. Varsinkin lääketieteessä biometriaa hyödynnetään paljon. |
|||
== Moderni biometria == |
== Moderni biometria == |
||
Viime vuosina kehittynyt teknologia ja sitä myötä tehokkaammaksi muotoutuneet laskentamenetelmät ovat lisänneet tietokonelähtöisten metodien käyttöä. Näihin menetelmiin lukeutuu muun muassa bootstrap-menetelmä. Lisäksi monet nykyaikaiset tuotteet, kuten mikrosirut, [[DNA|DNA:n]] [[sekvensointi]] ja [[massaspektrometri]] tuottavat valtavan määrän tietoa, jota voidaan analysoida vain biometrian avulla. Esimerkiksi mikrosirulla voidaan mitata kaikkia ihmisen geenejä samanaikaisesti, mutta vain pieni osa niistä pystytään luokittelemaan sairaaksi/terveeksi geeniksi. Tällöin esiintyy multikollineaarisuutta. Geenien välisen voimakkaan korreloinnin takia voi esimerkiksi vain 5 % geeneistä selittää yli 90 % vastemuuttujan vaihtelusta. Tässä tapauksessa voidaan soveltaa biometriaa, jotta saadaan vähennettyä dimensioita. Klassiset tilastolliset menetelmät, kuten [[Lineaarinen regressioanalyysi|lineaarinen]] tai [[logistinen regressio]], eivät toimi hyvin, jos dimensioiden määrä on suuri. Selitysasteeksi voidaan saada jotain suurta, vaikka tilastollinen malli ei olisi toimiva. Viime aikoina satunnaismetsä-menetelmä on kasvattanut suosiotaan. Tässä menetelmässä tuotetaan paljon satunnaisia päätöspuita, jotka luokitellaan. Etuna tässä menetelmässä on, että piirtäminen ja tulkitseminen on helppoa. GSEA on uusi analyysimenetelmä suurikapasiteettisia biologisia kokeita varten. Tässä menetelmässä tutkitaan yksittäisten geenien sijasta kokonaisia geeniryhmiä. Tämä on robustimpi menetelmä ja etuna tässä on, että se ei ole niin herkkä virhemittauksille. Lisäksi tässä lähestymistavassa voidaan hyödyntää tietoa biokemiallisista reiteistä. |
|||
Viime vuosina kehittynyt teknologia ja sitä myötä |
|||
tehokkaammaksi muotoutuneet laskentamenetelmät ovat lisänneet |
|||
tietokonelähtöisten metodien käyttöä. Näihin menetelmiin lukeutuu muun muassa |
|||
bootstrap-menetelmä. Lisäksi monet nykyaikaiset tuotteet, kuten mikrosirut, DNA:n |
|||
sekvensointi ja massaspektrometri tuottavat valtavan määrän tietoa, jota |
|||
voidaan analysoida vain biometrian avulla. Esimerkiksi mikrosirulla voidaan |
|||
mitata kaikkia ihmisen geenejä samanaikaisesti, mutta vain pieni osa niistä |
|||
pystytään luokittelemaan sairaaksi/terveeksi geeniksi. Tällöin esiintyy |
|||
multikollineaarisuutta. Geenien välisen voimakkaan korreloinnin takia voi |
|||
esimerkiksi vain 5% geeneistä selittää yli 90% vastemuuttujan vaihtelusta. |
|||
Tässä tapauksessa voidaan soveltaa biometriaa, jotta saadaan vähennettyä |
|||
dimensioita. Klassiset tilastolliset menetelmät, kuten lineaarinen tai |
|||
logistinen regressio, eivät toimi hyvin, jos dimensioiden määrä on suuri. |
|||
Selitysasteeksi voidaan saada jotain suurta, vaikka tilastollinen malli ei olisi |
|||
toimiva. Viime aikoina satunnaismetsä-menetelmä on kasvattanut suosiotaan. Tässä |
|||
menetelmässä tuotetaan paljon satunnaisia päätöspuita, jotka luokitellaan. |
|||
Etuna tässä menetelmässä on, että piirtäminen ja tulkitseminen on helppoa. GSEA |
|||
on uusi analyysimenetelmä suurikapasiteettisia biologisia kokeita varten. Tässä |
|||
menetelmässä tutkitaan yksittäisten geenien sijasta kokonaisia geeniryhmiä. |
|||
Tämä on robustimpi menetelmä ja etuna tässä on, että se ei ole niin herkkä |
|||
virhemittauksille. Lisäksi tässä lähestymistavassa voidaan hyödyntää tietoa |
|||
biokemiallisista reiteistä. |
|||
== Sovellusaloja == |
== Sovellusaloja == |
||
* Kansanterveys |
* [[Kansanterveys]] |
||
* Lääketiede |
* [[Lääketiede]] |
||
* Systeemibiologia |
* [[Systeemibiologia]] |
||
* Ekologia |
* [[Ekologia]] |
||
* Genetiikka |
* [[Genetiikka]] |
||
== Biometria lääketieteessä == |
== Biometria lääketieteessä == |
||
Biometriasta on hyötyä lääketieteelle yleisesti sekä |
Biometriasta on hyötyä lääketieteelle yleisesti sekä yksittäisille lääkäreille ja kliinikoille. Yleisesti sitä voidaan hyödyntää esimerkiksi uusien lääkkeiden kehittämisessä ja lanseeraamisessa. Yksittäiset |
||
lääkärit puolestaan hyödyntävät biometrian avulla saatuja tuloksia esimerkiksi päättäessään yksittäisen potilaan hoidosta. Biometrian soveltamisen edellytyksenä on, että tuntee lääketieteen tutkimuskohteen sekä hallitsee tarvittavat tilastolliset menetelmät. |
|||
yksittäisille lääkäreille ja kliinikoille. Yleisesti sitä voidaan hyödyntää |
|||
esimerkiksi uusien lääkkeiden kehittämisessä ja lanseeraamisessa. Yksittäiset |
|||
lääkärit puolestaan hyödyntävät biometrian avulla saatuja tuloksia esimerkiksi |
|||
päättäessään yksittäisen potilaan hoidosta. Biometrian soveltamisen |
|||
edellytyksenä on, että tuntee lääketieteen tutkimuskohteen sekä hallitsee |
|||
tarvittavat tilastolliset menetelmät. |
|||
Kliinisessä tutkimuksessa, kuten esimerkiksi kahden erilaisen hoidon vertailussa, tulee tutkimuksen olla huolella suunniteltu ja toteutettu. Huonosti tehty tutkimus saattaa vääristää tuloksia ja näin ollen johtaa vääriin johtopäätöksiin. Kliinisillä kokeilla ei pystytä osoittamaan kaikkia lääketieteellisiä syy-seuraussuhteita, jolloin voidaan käyttää havainnoivaa tutkimusta, jonka näyttöarvo tosin on heikompi. Esimerkiksi tupakan aiheuttaman keuhkosyöpäriskin tutkimusta ei voida toteuttaa kliinisellä tutkimuksella. Havainnoivat tutkimukset jaetaan kahteen osaan: kontrolloimattomiin ja |
|||
Kliinisessä tutkimuksessa, kuten esimerkiksi kahden |
|||
⚫ | kontrolloituihin. Kontrolloimattomassa tutkimuksessa käytetty aineisto on esimerkiksi yhden sairaalan koko potilassarja, jolloin mukana on tutkittavan asian kannalta epäoleellista tietoa. Kontrolloidussa tutkimuksessa sen sijaan tietoa kerätään vain tutkimusta varten. Kontrolloitu tutkimus on yleensä joko tauti- tai altistuslähtöinen. |
||
erilaisen hoidon vertailussa, tulee tutkimuksen olla huolella suunniteltu ja toteutettu. |
|||
Huonosti tehty tutkimus saattaa vääristää tuloksia ja näin ollen johtaa vääriin |
|||
johtopäätöksiin. Kliinisillä kokeilla ei pystytä osoittamaan kaikkia |
|||
lääketieteellisiä syy-seuraussuhteita, jolloin voidaan käyttää havainnoivaa |
|||
tutkimusta, jonka näyttöarvo tosin on heikompi. Esimerkiksi tupakan aiheuttaman |
|||
keuhkosyöpäriskin tutkimusta ei voida toteuttaa kliinisellä tutkimuksella. |
|||
Havainnoivat tutkimukset jaetaan kahteen osaan: kontrolloimattomiin ja |
|||
kontrolloituihin. Kontrolloimattomassa tutkimuksessa käytetty aineisto on |
|||
⚫ | |||
== Katso myös == |
== Katso myös == |
||
* [[Bootstrap (tilastotiede)]] |
* [[Bootstrap (tilastotiede)]] |
||
* [[Kausaliteetti]] |
* [[Kausaliteetti]] |
||
* [[Lineaarinen regressioanalyysi]] |
|||
* [[Logistinen regressio]] |
|||
* [[Tilastollinen malli]] |
* [[Tilastollinen malli]] |
||
Rivi 65: | Rivi 26: | ||
* Biostatistiikan taskutieto, Matti Uhari, Duodecim, 1998 |
* Biostatistiikan taskutieto, Matti Uhari, Duodecim, 1998 |
||
* Epidemiologia ja biostatistiikka, Matti Uhari ja Pentti Nieminen, Duodecim, 2012 |
* Epidemiologia ja biostatistiikka, Matti Uhari ja Pentti Nieminen, Duodecim, 2012 |
||
{{tynkä/Matematiikka}} |
|||
[[Luokka:Tilastotiede]] |
[[Luokka:Tilastotiede]] |
Versio 4. syyskuuta 2019 kello 13.04
Biometria on tilastotieteen ala, joka on keskittynyt biologisten alojen aineistojen analysointiin. Biometria kattaa biologisten kokeiden suunnittelun, aineiston keräämisen ja analysoinnin sekä tulosten tulkinnan. Varsinkin lääketieteessä biometriaa hyödynnetään paljon.
Moderni biometria
Viime vuosina kehittynyt teknologia ja sitä myötä tehokkaammaksi muotoutuneet laskentamenetelmät ovat lisänneet tietokonelähtöisten metodien käyttöä. Näihin menetelmiin lukeutuu muun muassa bootstrap-menetelmä. Lisäksi monet nykyaikaiset tuotteet, kuten mikrosirut, DNA:n sekvensointi ja massaspektrometri tuottavat valtavan määrän tietoa, jota voidaan analysoida vain biometrian avulla. Esimerkiksi mikrosirulla voidaan mitata kaikkia ihmisen geenejä samanaikaisesti, mutta vain pieni osa niistä pystytään luokittelemaan sairaaksi/terveeksi geeniksi. Tällöin esiintyy multikollineaarisuutta. Geenien välisen voimakkaan korreloinnin takia voi esimerkiksi vain 5 % geeneistä selittää yli 90 % vastemuuttujan vaihtelusta. Tässä tapauksessa voidaan soveltaa biometriaa, jotta saadaan vähennettyä dimensioita. Klassiset tilastolliset menetelmät, kuten lineaarinen tai logistinen regressio, eivät toimi hyvin, jos dimensioiden määrä on suuri. Selitysasteeksi voidaan saada jotain suurta, vaikka tilastollinen malli ei olisi toimiva. Viime aikoina satunnaismetsä-menetelmä on kasvattanut suosiotaan. Tässä menetelmässä tuotetaan paljon satunnaisia päätöspuita, jotka luokitellaan. Etuna tässä menetelmässä on, että piirtäminen ja tulkitseminen on helppoa. GSEA on uusi analyysimenetelmä suurikapasiteettisia biologisia kokeita varten. Tässä menetelmässä tutkitaan yksittäisten geenien sijasta kokonaisia geeniryhmiä. Tämä on robustimpi menetelmä ja etuna tässä on, että se ei ole niin herkkä virhemittauksille. Lisäksi tässä lähestymistavassa voidaan hyödyntää tietoa biokemiallisista reiteistä.
Sovellusaloja
Biometria lääketieteessä
Biometriasta on hyötyä lääketieteelle yleisesti sekä yksittäisille lääkäreille ja kliinikoille. Yleisesti sitä voidaan hyödyntää esimerkiksi uusien lääkkeiden kehittämisessä ja lanseeraamisessa. Yksittäiset lääkärit puolestaan hyödyntävät biometrian avulla saatuja tuloksia esimerkiksi päättäessään yksittäisen potilaan hoidosta. Biometrian soveltamisen edellytyksenä on, että tuntee lääketieteen tutkimuskohteen sekä hallitsee tarvittavat tilastolliset menetelmät.
Kliinisessä tutkimuksessa, kuten esimerkiksi kahden erilaisen hoidon vertailussa, tulee tutkimuksen olla huolella suunniteltu ja toteutettu. Huonosti tehty tutkimus saattaa vääristää tuloksia ja näin ollen johtaa vääriin johtopäätöksiin. Kliinisillä kokeilla ei pystytä osoittamaan kaikkia lääketieteellisiä syy-seuraussuhteita, jolloin voidaan käyttää havainnoivaa tutkimusta, jonka näyttöarvo tosin on heikompi. Esimerkiksi tupakan aiheuttaman keuhkosyöpäriskin tutkimusta ei voida toteuttaa kliinisellä tutkimuksella. Havainnoivat tutkimukset jaetaan kahteen osaan: kontrolloimattomiin ja kontrolloituihin. Kontrolloimattomassa tutkimuksessa käytetty aineisto on esimerkiksi yhden sairaalan koko potilassarja, jolloin mukana on tutkittavan asian kannalta epäoleellista tietoa. Kontrolloidussa tutkimuksessa sen sijaan tietoa kerätään vain tutkimusta varten. Kontrolloitu tutkimus on yleensä joko tauti- tai altistuslähtöinen.
Katso myös
Aiheesta muualla
- Biostatistiikan taskutieto, Matti Uhari, Duodecim, 1998
- Epidemiologia ja biostatistiikka, Matti Uhari ja Pentti Nieminen, Duodecim, 2012