Biyoistatistik: Tıp ve Sağlık Bilimlerinin İstatistiksel Anahtarı

Giriş

Sağlık alanında yürütülen çalışmaların neredeyse tamamında, istatistiksel yöntemler çok önemli bir rol oynar. Yeni bir ilaç geliştirmeden, bir hastalığın risk faktörlerini analiz etmeye, laboratuvar ölçüm cihazlarını karşılaştırmaktan geniş çaplı halk sağlığı çalışmalarına kadar tüm süreçlerde biyoistatistik yardımıyla verileri anlamlandırmak ve doğru kararlar almak mümkün olur.

Biyoistatistik, tıp ve biyolojik bilimlerde hem araştırma tasarımının oluşturulmasında hem de toplanan verilerin analiz edilip yorumlanmasında rehberlik eder. Bunun yanında, sağlık alanına özgü yeni istatistiksel yöntemlerin geliştirilmesinden de sorumludur. Bu yönüyle, sağlık bilimlerinde araştırma kalitesini belirleyen temel faktörlerden biridir.

1. Biyoistatistiğin Araştırma Sürecindeki Rolü

Bir bilimsel çalışmada, “Hangi tasarım uygundur?”, “Kaç katılımcı gerekir?”, “Veriler nasıl toplanmalı ve analiz edilmeli?” gibi sorular biyoistatistiğin cevapladığı temel konulardır.

1.1. Çalışmanın Planlanması ve Tasarımı

• Örneklem Büyüklüğü (Gözlem Sayısı)

  Çalışmanın güvenilir sonuçlar verebilmesi için belirli bir sayıda katılımcı veya gözleme ihtiyaç vardır. Bu sayı, “güç analizi” gibi istatistiksel yöntemlerle belirlenir.

• Çalışma Tasarımı

  Araştırmanın amacına ve eldeki kaynaklara göre farklı tasarımlara başvurulur:

  • Olgu serileri

  • Kesitsel (cross-sectional) çalışmalar

  • Kohort (izlem) çalışmaları

  • Randomize kontrollü deneyler (altın standart)

  • Meta analizler

• Örnekleme Yöntemleri

  Basit rastgele örnekleme, tabakalı örnekleme veya küme örnekleme gibi yöntemlerle geniş kitle içinden “temsil yeteneği” yüksek alt gruplar seçilir.

• Değişken Seçimi

  Araştırma sorusunu yanıtlayacak bağımlı ve bağımsız değişkenlerin seçimi yapılır. Hangi faktörlerin (yaş, cinsiyet, beslenme alışkanlığı vb.) etkili olduğu düşünülüyorsa, bu değişkenler veri toplama kapsamına alınır.

• Randomizasyon ve Körleme

  Özellikle klinik çalışmalarda, gruplara atama süreci ve çalışma ekiplerinin/hasta katılımcıların hangi gruba dahil olduğunu bilmemesi (körleme) sonuçlardaki önyargıyı (bias) önemli ölçüde azaltır.

1.2. Verilerin Analize Hazırlanması

• Veri Kalitesinin Kontrolü

  Eksik veya hatalı kayıtlar, araştırmanın sonuçlarını doğrudan etkiler. Bu nedenle, veri girişi ve doğrulama süreçleri titizlikle denetlenmelidir.

• Eksik (Kayıp) Gözlemler ve Aşırı Gözlemler (Outliers)

  Eksik veriler veya uç değerler (outlier) analiz sonuçlarını çarpıtabilir. Uygun istatistiksel yaklaşımlarla (örneğin, ilgili gözlemi dışlama, veriyi istatistiksel tahmin yöntemleriyle tamamlama vb.) bu sorunlar giderilir.

• Veri Dönüşümü

  Bazı durumlarda, verinin normal dağılım göstermemesi veya çok değişkenlik içermesi nedeniyle logaritmik veya başka tür dönüşümler uygulanabilir.

1.3. Verilerin İstatistiksel Analizi

• Tanımlayıcı İstatistikler (Descriptive Statistics)

  Ortalama, medyan, mod, standart sapma gibi özet ölçüler ve çeşitli grafikler (histogram, kutu grafiği, çubuk grafiği vb.) kullanılarak veri topluluğu hakkında genel bilgi sağlanır.

• Çıkarsamalı İstatistik (Inferential Statistics)

  Örneklemlerden elde edilen bulguların, daha geniş bir kitleye genellenmesi hedeflenir. Bu süreçte:

  • Kestirim ve güven aralıkları

  • Hipotez testleri (t-testleri, ANOVA, Ki-kare vb.)

  • Regresyon ve korelasyon analizleri uygulanarak veriden bilgi çıkarılır.

1.4. Bulguların Yorumlanması ve Raporlama

Çalışma sonunda elde edilen bulgular, p-değeri, etki büyüklüğü, güven aralıkları ve klinik önem üzerinden değerlendirilir. Ardından bu sonuçlar, makale, rapor veya bildirilerle bilim dünyasına ve ilgili paydaşlara sunulur.

2. Temel Kavramlar

2.1. Kitle (Population) ve Örneklem (Sample)

• Kitle: İncelenmek istenen tüm öğelerin, bireylerin veya ölçümlerin oluşturduğu topluluktur.

• Örneklem: Zaman, maliyet veya ulaşılabilirlik kısıtları nedeniyle, kitlenin içinden seçilen ve kitleyi temsil ettiği varsayılan alt gruptur.

Örneğin, Türkiye’de obezite oranını belirlemek için tüm nüfusu incelemek yerine, belirli istatistiksel yöntemlerle seçilen bir örneklem üzerinden analizler yapılır.

2.2. Parametre ve İstatistik

• Parametre: Kitleyi tanımlayan ölçüdür (örneğin, kitle ortalaması μ\muμ veya kitle oranı π\piπ).

• İstatistik: Örnekleme ait özet ölçüdür (örneğin, örneklem ortalaması Xˉ\bar{X}Xˉ).

Amaç, örneklemden elde edilen istatistiklerle kitle parametresi hakkında mümkün olduğunca doğru tahminlerde bulunmaktır.

2.3. Değişkenler (Variables)

• Bağımlı Değişken: Etkisi incelenen veya araştırmaya konu olan asıl değişkendir. (Örn. Hastanın kan basıncı seviyesi)

• Bağımsız Değişken(ler): Bağımlı değişkeni etkilediği düşünülen faktör(ler). (Örn. İlaç dozu, yaş, yaşam tarzı vb.)

2.3.1. Değişken Türleri

1. Nitel (Qualitative) Değişkenler

   • İsimsel (Nominal): Kategoriler arasında sıralama yoktur (örn. kan grubu: A, B, AB, 0).

   • Sıralı (Ordinal): Kategoriler sıralanabilir (örn. gelir durumu: düşük < orta < yüksek).

2. Nicel (Quantitative) Değişkenler

   • Kesikli (Discrete): Sayma ile elde edilen, yalnızca tam sayı değerler (örn. çocuk sayısı, ameliyat sayısı).

   • Sürekli (Continuous): Ölçümle elde edilen, ondalıklı değer alabilen değişkenler (örn. boy, kilo, kolesterol değeri).

3. Örnek Bir Araştırma: İki Kan Ölçüm Yönteminin Karşılaştırılması

Diyelim ki bir araştırma ekibi, dijital ve manuel yöntemlerle ölçülen kan basıncı değerleri arasında fark olup olmadığını merak ediyor. Biyoistatistiksel yaklaşım şu şekilde ilerler:

1. Amaç ve Hipotez

   • Amaç: Dijital tansiyon aletlerinin sonuçları, manuel (civa veya aneroid) aletlerle karşılaştırıldığında anlamlı bir farklılık gösteriyor mu?

   • Hipotez: “Dijital ve manuel ölçümlerin ortalamaları arasında fark vardır.”

2. Örneklem Büyüklüğü: Ekip, güç analizi sonucu 150 katılımcı üzerinde yapılacak ölçümlerin sonuçları yorumlamak için yeterli olacağına karar verir.

3. Ölçüm Tasarımı

   • Katılımcıların önce dijital aletle, ardından manuel aletle ölçümleri alınacaktır.

   • Ölçüm sırasının önyargı oluşturmaması için hangi aletin önce kullanılacağına rastgele karar verilir.

4. Veri Toplama

   • Ölçümler, katılımcıların yaş, cinsiyet, kilo gibi potansiyel karıştırıcı faktörlerini not alarak gerçekleştirilir.

   • Eksik/hatalı değerleri önlemek için her ölçüm iki kez tekrarlanır ve ortalaması alınır.

5. Veri Analizi

   • Elde edilen tansiyon değerlerinin ortalamaları, Tanımlayıcı İstatistikler ile sunulur (ortalama, standart sapma).

   • İki ölçüm yöntemi arasındaki farkı test etmek için (verilerin dağılım özelliklerine göre) bağımlı örneklem t-testi veya eşlenik test kullanılır.

   • P < 0,05 ise “ölçüm yöntemleri arasında istatistiksel olarak anlamlı fark vardır” sonucuna ulaşılır.

6. Sonuç ve Yorum: Analiz sonucunda dijital cihazların manuel ölçümlere göre ortalama 5 mmHg daha yüksek değer verdiği tespit edilmiş olsun. P-değeri 0,04 çıkarak istatistiksel olarak anlamlı bir fark olduğunu gösteriyorsa, araştırma ekibi bu farkın klinik açıdan ne kadar önemli olduğunu da tartışır. Çünkü istatistiksel anlamlılık, her zaman klinik olarak kritik bir sonuca işaret etmeyebilir.

4. Biyoistatistikte Sık Kullanılan Yazılımlar

Biyoistatistiksel analizlerde pek çok yazılım kullanılır. SPSS, R, SAS, Stata, Minitab gibi programlar, çeşitli türlerdeki verileri analiz etmek, grafikler üretmek ve sonuçları raporlamak için yaygın tercih edilen araçlardır.

Hangi yazılımın kullanılacağı, araştırmanın türüne, analiz çeşitliliğine ve kullanıcının deneyimine göre değişebilir. Özellikle R ve Python gibi açık kaynak kodlu diller, özgürce geliştirilebilen paketleri sayesinde giderek daha popüler hale gelmektedir.

5. Sonuç

Biyoistatistik, sağlık bilimlerinde araştırma kalitesini doğrudan etkileyen ve istatistiksel yorumun merkezinde yer alan bir disiplindir. Doğru tasarlanmış bir çalışmada, verilerin toplanması, analizi ve yorumlanması biyoistatistik ilkeler çerçevesinde yapılırsa, şu avantajlar sağlanır:

• Bilimsel Güvenirlik: Araştırmada önyargı ve hata payı en aza indirilir.

• Geçerlilik: Sonuçların hem istatistiksel hem de klinik açıdan anlamlı olma ihtimali artar.

• Etik: Kaynakların ve zamanın en verimli şekilde kullanılması sağlanarak, gereksiz denek kullanımı veya hata kaynaklı riskler azaltılır.

Sağlık alanındaki her araştırmacı ve klinisyen için, biyoistatistik kavramlarına hakim olmak, literatürü okurken veya kendi çalışmalarını tasarlarken daha sağlıklı ve daha doğru yorumlar yapmalarına imkân tanır.