Calcolatrice gratuita Editverse
Calcolatrice del test di McNemar
Confronta due proporzioni appaiate (gli stessi soggetti misurati due volte) con la statistica del test, il valore p e il comando R riproducibile. Leggi la guida completa all'interpretazione qui sotto. Validato rispetto a R 4.3.3.
In parole semplici
Il test di McNemar confronta due misurazioni sì/no correlate sugli stessi soggetti, ad esempio un sintomo presente prima e dopo il trattamento, oppure due test eseguiti su ogni paziente. Poiché le due misurazioni sono accoppiate, un normale test del chi-quadrato non è valido; il test di McNemar si concentra solo sui soggetti che hanno mostrato un cambiamento.
Il test di McNemar analizza le due celle "discordanti" di una tabella 2×2 a coppie: quelle che inizialmente erano positive e in seguito negative, e quelle che hanno invertito la tendenza. Se il cambiamento avviene in egual misura in entrambe le direzioni, non si osserva alcun effetto reale; il test di McNemar rileva invece un forte squilibrio tra le due celle discordanti.
Quando utilizzare il test di McNemar
Utilizzalo per dati binari appaiati : misurazioni prima e dopo sulle stesse persone, coppie caso-controllo appaiate o due test diagnostici applicati a ciascun soggetto. La domanda è se la proporzione di risultati positivi sia cambiata, tenendo conto del fatto che le due misurazioni provengono dagli stessi individui.
Se i due gruppi sono indipendenti anziché appaiati, utilizzare il test del chi-quadrato o, per campioni di piccole dimensioni, il test esatto di Fisher . Quando il numero di coppie discordanti è ridotto, utilizzare la versione binomiale esatta del test di McNemar anziché l'approssimazione del chi-quadrato. Riportare le proporzioni che cambiano in ciascuna direzione insieme al valore p. Non siete sicuri che il vostro disegno sperimentale sia appaiato? Il nostro strumento interattivo di selezione dei test può aiutarvi.
tab <- matrix(c({a}, {c}, {b}, {d}), nrow = 2) # righe: prima +/-, colonne: dopo +/- mcnemar.test(tab) binom.test({b}, {b} + {c}) # valore p esattoGuida utente
Quando utilizzarlo. Confrontare risultati binari appaiati (gli stessi soggetti prima/dopo, o coppie caso-controllo appaiate).
Presupposti. Le coppie sono indipendenti l'una dall'altra; l'esito è dicotomico in entrambi i momenti; solo le coppie discordanti veicolano informazioni.
Errori comuni. Non utilizzare per gruppi indipendenti (utilizzare il test del chi-quadrato o il test di Fisher). Con meno di circa 25 coppie discordanti, preferire il valore p esatto.
Esempio pratico
Fai clic su "Carica dati di esempio" qui sopra, quindi su "Esegui analisi" per visualizzare un risultato completo con grafico, formula e interpretazione per questo test.
Referenze
- McNemar Q. Nota sull'errore di campionamento della differenza tra proporzioni correlate. Psychometrika. 1947;12(2):153-157.
- Fagerland MW, Lydersen S, Laake P. Il test McNemar per dati di coppie binarie abbinate. Metodo BMC Med Res. 2013;13:91.
Esempi lavorati
Esempio 1 — Prima e dopo il trattamento
Supponiamo che 40 pazienti vengano classificati come positivi o negativi per un sintomo prima e dopo la terapia. Il test di McNemar ignora coloro che sono rimasti invariati e confronta il numero di coloro che sono migliorati (da positivo a negativo) con il numero di coloro che sono peggiorati (da negativo a positivo). Un forte squilibrio tra questi due conteggi segnala un cambiamento reale.
Esempio 2 — Poche coppie discordanti
Se solo pochi soggetti hanno cambiato valore, la forma del test del chi-quadrato risulta inaffidabile. La versione binomiale esatta calcola la probabilità direttamente e dovrebbe essere riportata al suo posto, proprio come il test esatto di Fisher sostituisce il chi-quadrato per le tabelle sparse non appaiate.
Presupposti da verificare
Osservazioni appaiate. Le due misurazioni devono provenire dagli stessi soggetti (o da coppie appaiate). Per gruppi indipendenti, il test di McNemar non è adatto.
Risultato binario. Ogni misurazione appartiene a una delle due categorie. Per dati appaiati con più di due categorie, è necessaria un'estensione come il test di Stuart-Maxwell.
Conteggi discordanti adeguati. L'approssimazione del chi-quadrato richiede un numero ragionevole di coppie discordanti; quando tale numero è piccolo, si passa al test binomiale esatto.
Errori comuni
Utilizzo del test del chi-quadrato su dati appaiati
Un normale test del chi-quadrato presuppone gruppi indipendenti e non è valido per misurazioni ripetute sugli stessi soggetti. Il test di McNemar è il test appaiato corretto.
Incluse le cellule concordanti
I soggetti che hanno dato la stessa risposta entrambe le volte non possiedono alcuna informazione sul cambiamento. Il test di McNemar utilizza deliberatamente solo le due celle discordanti.
Utilizzando l'approssimazione con poche discordanze
Quando il totale dei valori discordanti è piccolo, la versione del test del chi-quadrato non è accurata. Utilizzare invece il test binomiale esatto di McNemar.
Riportare solo il valore p
Indica quanti soggetti hanno cambiato direzione e in quale proporzione, in modo che i lettori possano comprendere la direzione e l'entità del cambiamento, non solo la sua rilevanza.
Domande frequenti
In che cosa si differenzia il test di McNemar dal test del chi-quadrato?
Il test del chi-quadrato confronta due gruppi indipendenti; il test di McNemar confronta due misurazioni appaiate sugli stessi soggetti e utilizza solo le coppie discordanti.
Quando devo utilizzare la versione esatta?
Quando il numero di coppie discordanti è piccolo (circa inferiore a 25), il test binomiale esatto è più affidabile dell'approssimazione del chi-quadrato.
Il test di McNemar è in grado di gestire più di due categorie?
Non direttamente. Per dati appaiati con più categorie, utilizzare un'estensione come il test di Stuart-Maxwell o il test di Bhapkar.
Il risultato corrisponde a quello ottenuto con SPSS, R e Stata?
Sì. La calcolatrice utilizza il calcolo standard di McNemar come software standard e mostra il comando R esatto in modo che tu possa riprodurlo.
Calcolatori correlati
Referenze
- Hazra A, Gogtay N. Modulo 4 della serie di biostatistica: confronto tra gruppi - variabili categoriali. Indian J Dermatol2016;61(4):385–392. PMID 27512183.
- Roldán-Nofuentes JA. Compbdt: un programma R per confrontare due test diagnostici binari soggetti a un disegno sperimentale appaiato. BMC Med Res Methodol. 2020;20(1):143. PMID 32503431.
- McNemar Q. Nota sull'errore di campionamento della differenza tra proporzioni o percentuali correlate. Psychometrika. 1947;12(2):153–157.
Hai bisogno di questa analisi per il tuo manoscritto?
I nostri biostatistici con dottorato di ricerca analizzano i vostri dati categorici appaiati, scelgono il test esatto o approssimato e forniscono tabelle pronte per la pubblicazione con output R riproducibile.