Kalkulator Percuma Editverse
Kalkulator Prevalens
Masukkan kiraan kes dan saiz populasi anda untuk mengira kelaziman titik atau tempoh dengan skor Wilson selang keyakinan 95% (dengan pembetulan kesinambungan, sebagai ujian prop R) untuk sampel rawak mudah. Panduan penuh adalah seperti di bawah.
Dalam Perkataan Mudah
Prevalens mengukur sejauh mana lazimnya sesuatu keadaan berlaku dalam populasi pada sesuatu titik atau tempoh tertentu — ia hanyalah bilangan kes sedia ada dibahagikan dengan jumlah populasi, tanpa mengira bila setiap kes mula berlaku. Tidak seperti kadar yang menjejaki peristiwa baharu dari semasa ke semasa, prevalens adalah gambaran ringkas: setiap orang yang kini menghidap keadaan tersebut dikira, sama ada didiagnosis semalam atau sepuluh tahun yang lalu.
Kalkulator ini menganggarkan perkadaran populasi dengan keadaan pada satu titik atau tempoh daripada kiraan kes dan saiz populasi yang anda masukkan, kemudian melaporkan skor Wilson selang keyakinan 95% dengan pembetulan kesinambungan, selang yang diberikan oleh prop.test() R, jadi coretan R menghasilkannya semula dengan tepat. Ia kekal dalam lingkungan 0% hingga 100% dan kekal boleh digunakan dengan beberapa atau sifar kes. Selang tersebut mengandaikan sampel rawak mudah: ia tidak menggunakan pemberat tinjauan, pengelompokan atau stratifikasi.
Bila Perlu Menggunakan Kalkulator Prevalens
Prevalens merupakan alat yang tepat apabila anda ingin menggambarkan betapa lazimnya sesuatu keadaan pada masa ini, atau dalam tempoh yang ditetapkan — contohnya, perkadaran responden tinjauan yang sedang hidup dengan sesuatu keadaan, atau bahagian pesakit klinik yang mempunyai diagnosis tertentu pada tarikh tertentu. Ia menjawab "berapa ramai orang yang sedang menghidapnya," bukan "berapa cepat kes baharu muncul."
Prevalens vs. kadar insiden: prevalens mencerminkan kekerapan sesuatu keadaan bermula (insiden) dan tempohnya (tempoh) — ia sendiri bukanlah ukuran kadar kes baharu. Keadaan yang biasa tetapi berjangka pendek boleh mempunyai prevalens yang rendah walaupun insidennya tinggi, manakala keadaan yang jarang berlaku tetapi seumur hidup boleh mempunyai prevalens yang tinggi walaupun insidennya rendah. Jika anda secara khusus perlu mengukur seberapa cepat kes baharu berlaku, gunakan kadar insiden sebaliknya (lihat Kalkulator Berkaitan di bawah).
Prevalens juga lazimnya dikelirukan dengan risiko (kejadian kumulatif) dalam data keratan rentas. Jika anda membandingkan perkadaran dua kumpulan untuk perbezaan statistik — dan bukannya hanya menganggarkan prevalens satu kumpulan — anda mungkin mahukan Ujian Khi-Kuasa Dua atau semak Pemilih Ujian kami jika anda tidak pasti perbandingan mana yang sesuai dengan data anda.
kes <- {kes}; pop <- {pop} prop.ujian(kes, pop)Panduan pengguna
Bila hendak digunakan. Anggarkan perkadaran populasi dengan sesuatu keadaan pada sesuatu titik atau tempoh.
Andaian. Kes dan populasi diukur dalam tempoh yang sama.
Kesilapan biasa. Prevalens mencerminkan kedua-dua insiden dan tempoh, bukan kadar kes baharu.
Contoh yang dikerjakan
Klik Muatkan data contoh di atas, kemudian Jalankan Analisis untuk melihat hasil yang diusahakan sepenuhnya dengan rajah, formula dan tafsiran untuk ujian ini.
Rujukan
- Rothman KJ, Greenland S, Lash TL. Epidemiologi Moden. Edisi ke-3. 2008.
Contoh Kerja
Contoh 1: Tinjauan — Kelaziman Titik
Satu tinjauan mendapati 150 kes dalam kalangan populasi seramai 2,000 orang. Membahagikan kes mengikut populasi memberikan 150 ÷ 2,000 = 0.075 , atau 7.5% mata prevalens — perkadaran populasi yang ditinjau dengan keadaan tersebut pada masa tinjauan.
Contoh 2: Data yang Sama, Dibingkaikan sebagai Nisbah
Keputusan yang sama berbunyi sebaliknya: 2,000 ÷ 150 ≈ 13.3 , bermakna kira-kira 1 daripada setiap 13 orang yang ditinjau mempunyai keadaan tersebut. Kalkulator ini juga mengembalikan selang keyakinan 95% sekitar anggaran 7.5% (6.4% hingga 8.8%), yang secara amnya lebih bermaklumat untuk dilaporkan bersama anggaran titik berbanding perkadaran sahaja.
Andaian untuk Disemak
Kes dan populasi diukur dalam tempoh yang sama. Kedua-dua pengangka (kes) dan penyebut (populasi) mesti mencerminkan titik masa yang sama atau tempoh yang sama — mencampurkan kiraan kes dari satu tarikh dengan angka populasi dari tarikh yang lain akan menyebabkan anggaran menjadi berat sebelah.
Penentuan kes adalah lengkap dan konsisten. Setiap kes sedia ada dalam populasi pada masa itu harus dikira, menggunakan definisi kes yang konsisten — kriteria diagnostik yang tidak konsisten atau penemuan kes yang tidak lengkap akan merendahkan atau melebih-lebihkan prevalens.
Penyebutnya ialah populasi berisiko yang betul. Angka populasi harus mewakili semua orang yang mungkin mempunyai keadaan tersebut, tidak termasuk sesiapa yang tidak layak secara struktur jika itu terpakai pada persekitaran anda.
Prevalens titik vs. haid dinyatakan dengan jelas. Prevalens titik merangkumi kes pada satu ketika; prevalens haid merangkumi sesiapa sahaja yang menghidap keadaan tersebut pada bila-bila masa dalam selang masa yang ditetapkan. Nyatakan yang mana satu yang anda laporkan.
Kesalahan biasa
Merawat Prevalens sebagai Kadar Kes Baharu
Prevalens mencerminkan kedua-dua insiden dan tempoh — ia bukanlah kadar kes baharu. Prevalens yang tinggi boleh berlaku akibat banyak kes baharu, tempoh kes yang panjang, atau kedua-duanya, jadi prevalens sahaja tidak dapat memberitahu anda sama ada sesuatu keadaan menjadi lebih biasa atau hanya berlarutan lebih lama. Gunakan kadar insiden jika anda perlu mengukur kekerapan kes baharu secara khusus.
Rangka Masa Pengangka dan Penyebut Tidak Padan
Menggunakan kiraan kes dari satu tahun dan anggaran populasi dari tahun yang berbeza — atau sempadan geografi yang berbeza — menghasilkan anggaran prevalens yang tidak sepadan dengan mana-mana populasi sebenar pada bila-bila masa sebenar.
Titik dan Kelaziman Haid yang Mengelirukan
Prevalens titik (kes pada satu ketika) dan prevalens tempoh (kes pada bila-bila masa dalam tempoh tertentu) akan berbeza, kadangkala dengan ketara, untuk keadaan yang sama. Melaporkan satu tanpa menyatakan yang mana telah diukur menjadikan anggaran tersebut mustahil untuk dibandingkan dengan kajian lain.
Mengabaikan Selang Keyakinan
Anggaran prevalens daripada sampel membawa ketidakpastian persampelan, terutamanya dengan populasi yang kecil atau beberapa kes. Hanya melaporkan anggaran titik (cth., “7.5%”) tanpa selang keyakinannya akan melebih-lebihkan ketepatan dapatan.
Soalan Lazim
Apakah perbezaan antara kelaziman titik dan kelaziman haid?
Prevalens titik ialah perkadaran populasi dengan sesuatu keadaan pada satu ketika. Prevalens tempoh ialah perkadaran yang menghidap keadaan tersebut pada bila-bila masa semasa selang masa yang ditetapkan (contohnya, setahun), dan sentiasa sama atau lebih besar daripada prevalens titik untuk populasi yang sama kerana ia juga merangkumi kes yang diselesaikan atau bermula pada pertengahan tempoh tersebut.
Selang keyakinan yang manakah digunakan oleh kalkulator itu?
Selang skor Wilson dengan pembetulan kesinambungan, selang yang sama seperti yang dilaporkan oleh prop.test() R, untuk sampel rawak mudah. Ia tidak melaraskan pemberat tinjauan, pengelompokan atau stratifikasi, jadi tinjauan sampel kompleks memerlukan perisian berasaskan reka bentuk seperti pakej tinjauan R. Ia kekal sah dengan beberapa kes, dan dengan kes sifar ia berjalan dari 0% hingga had atas positif (0 daripada 50 memberikan 0.0% hingga 8.9%). Bagi 150 kes dalam 2,000 orang ia memberikan 6.4% hingga 8.8%; selang Clopper-Pearson yang tepat daripada binom.test() memberikan 6.4% hingga 8.7%.
Bagaimanakah kelaziman berbeza daripada risiko?
Risiko (insiden kumulatif) ialah perkadaran kohort yang pada mulanya bebas penyakit yang menghidap sesuatu keadaan sepanjang tempoh susulan yang ditetapkan — ia hanya mengira kes baharu dalam kalangan orang yang bermula tanpa keadaan tersebut. Prevalens mengira semua orang yang menghidap keadaan tersebut pada satu ketika atau tempoh, tanpa mengira bila ia bermula, dalam populasi penuh.
Bolehkah prevalens dibandingkan secara langsung merentasi dua populasi?
Hanya dengan berhati-hati. Perbezaan dalam struktur umur, kaedah penentuan kes atau tempoh masa yang diukur semuanya boleh mewujudkan perbezaan ketara dalam prevalens yang tidak mencerminkan perbezaan sebenar dalam beban penyakit. Penyeragaman umur atau metodologi yang sepadan sering diperlukan untuk perbandingan yang adil.
Kalkulator Berkaitan
Rujukan
- Rothman KJ, Greenland S, Lash TL. Epidemiologi Moden. Edisi ke-3. Philadelphia: Lippincott Williams & Wilkins; 2008.
- Szklo M, Nieto FJ. Epidemiologi: Melangkaui Asas. Edisi ke-4. Burlington, MA: Pembelajaran Jones & Bartlett; 2019.
Perlu Analisis Ini Dilakukan untuk Manuskrip Anda?
Ahli biostatistik PhD kami mengira kelaziman titik dan tempoh dengan selang keyakinan yang tepat untuk data keratan rentas dan tinjauan — jadual sedia penerbitan dengan output R yang boleh dihasilkan semula.