Jadi saya memasuki data yang dilaporkan dalam terbaru (dipublikasikan secara online Maret 2012) penelitian yang mengamati hubungan antara konsumsi daging merah dan kematian menjadi WarpPLS untuk melakukan beberapa analisis eksplorasi. Saya membahas studi di posting saya sebelumnya; itu dilakukan oleh Pan et al. (Frank B. Hu adalah penulis senior) dan dipublikasikan di Archives of Internal Medicine bergengsi (baca juga belajar ilmu pelet wanita ampuh). Data yang saya digunakan adalah dari Tabel 1 dari artikel; angka laporan pada beberapa variabel sepanjang 5 kuintil, berdasarkan analisis terpisah dari dua sampel, disebut Profesional Kesehatan dan Perawat sampel Kesehatan. Kesehatan Profesional sampel laki-laki terdiri; sampel Nurses Health, wanita.
Di bawah ini adalah model eksplorasi yang menarik, dengan hasil. Ini mencakup sejumlah hipotesis, yang diwakili oleh anak panah, yang tampaknya masuk akal. Hal ini bermanfaat, karena model menggabungkan hipotesis yang masuk akal memungkinkan untuk memudahkan identifikasi hasil omong kosong, dan dengan demikian penolakan terhadap model atau data. (Refutability adalah salah satu karakteristik yang penting dari model teoritis yang baik.) Perlu diingat bahwa ukuran sampel di sini sangat kecil (N = 10), sebagai penulis studi melaporkan data sepanjang 5 kuintil untuk sampel Profesional Kesehatan, bersama-sama dengan 5 kuintil untuk sampel Nurses Health. Dalam arti, ini agak membantu, karena sampel kecil cenderung tidak stabil, hasil omong kosong terkemuka dan tanda-tanda lain dari masalah yang muncul dengan mudah satu contoh akan koefisien multivariat asosiasi (koefisien beta dilaporkan dekat panah) lebih besar dari 1 karena collinearity ().
Jadi apa model di atas memberitahu kita? Ini memberitahu kita bahwa merokok (smokng) dikaitkan dengan aktivitas fisik berkurang (PhysAct); beta = -0,92. Ini memberitahu kita bahwa merokok (smokng) dikaitkan dengan mengurangi asupan makanan (FoodInt); beta = -0,36. Ini memberitahu kita bahwa aktivitas fisik (PhysAct) dikaitkan dengan kejadian penurunan diabetes (Diabetes); beta = -0,25. Ini memberitahu kita bahwa peningkatan asupan makanan (FoodInt) berhubungan dengan peningkatan kejadian diabetes (Diabetes); beta = 0,93. Ini memberitahu kita bahwa peningkatan asupan makanan (FoodInt) berhubungan dengan peningkatan konsumsi daging merah (RedMeat); beta = 0.60. Ini memberitahu kita bahwa peningkatan insiden diabetes (Diabetes) dikaitkan dengan peningkatan mortalitas (Mort); beta = 0.61. Ini memberitahu kita bahwa menjadi perempuan (SexM1F2) dikaitkan dengan penurunan mortalitas (Mort); beta = -0,67.
Beberapa beta ini sedikit terlalu tinggi (misalnya, 0.93), karena tingkat collinearity disebabkan oleh seperti contoh kecil. Karena menjadi cukup tinggi, mereka secara statistik signifikan bahkan dalam sampel kecil. Beta lebih besar dari 0,20 cenderung menjadi signifikan secara statistik ketika ukuran sampel adalah 100 atau lebih besar; sehingga semua koefisien di atas akan signifikan secara statistik dengan ukuran sampel yang lebih besar. Apa denominator umum dari semua asosiasi di atas? Denominator umum adalah bahwa mereka semua masuk akal, secara kualitatif berbicara; tidak ada satu kasus di mana tanda adalah kebalikan dari apa yang kita harapkan. Ada satu asosiasi yang ditampilkan pada grafik dan yang hilang dari ringkasan saya asosiasi di atas; dan itu juga masuk akal, setidaknya untuk saya. Model ini juga memberitahu kita bahwa peningkatan asupan daging merah (RedMeat) dikaitkan dengan penurunan mortalitas (Mort); beta = -0,25. Lebih teknis, ia memberitahu kita bahwa, ketika kita mengendalikan untuk seks biologis (SexM1F2) dan insiden diabetes (Diabetes), peningkatan konsumsi daging merah (RedMeat) dikaitkan dengan penurunan mortalitas (Mort).
Bagaimana kita kira-kira memperkirakan efek ini dalam hal jumlah daging merah yang dikonsumsi? -0,25 Berarti bahwa, untuk setiap deviasi standar dalam jumlah daging merah yang dikonsumsi, ada yang sesuai 0,25 pengurangan standar deviasi kematian. (Penafsiran ini mungkin karena saya menggunakan WarpPLS algoritma analisis linear;. Algoritma nonlinear akan menyebabkan interpretasi yang lebih kompleks) Deviasi standar untuk konsumsi daging merah adalah 0,897 porsi. Setiap porsi memiliki sekitar 84 g. Dan jumlah tertinggi porsi dalam dataset adalah 3,1 porsi, atau 260 g / d (dihitung sebagai: 3.1 * 84). Untuk tinggal sedikit malu ekstrim ini, mari kita perhatikan jumlah asupan sedikit lebih rendah, yaitu 3,1 standar deviasi, atau 234 / g d (dihitung sebagai: 3.1 * 0,897 * 84). Karena standar deviasi untuk kematian adalah 0,3 poin persentase, kita dapat menyimpulkan bahwa tambahan 234 g daging merah per hari dikaitkan dengan penurunan angka kematian sekitar 23 persen (dihitung sebagai: 3.1 * 0.25 * 0.3).
Saya ulangi untuk penekanan: data yang dilaporkan oleh penulis menunjukkan bahwa, ketika kita mengendalikan untuk seks biologis dan insiden diabetes, tambahan 234 g daging merah per hari dikaitkan dengan penurunan angka kematian sekitar 23 persen. Ini justru sebaliknya, secara kualitatif berbicara, dari apa yang dilaporkan oleh penulis dalam artikel. Saya harus mencatat bahwa ini juga merupakan efek menit, seperti efek yang dilaporkan oleh penulis. (Angka kematian dalam artikel dinyatakan sebagai persentase, dengan yang terendah sekitar 1 persen. Jadi 23 persen ini adalah persentase persentase.) Jika Anda membandingkan sekelompok 100 orang yang makan daging merah kecil dengan kelompok lain dengan ukuran yang sama yang makan 234 g lebih daging merah setiap hari, selama periode lebih dari 20 tahun, Anda tidak akan menemukan kematian tambahan tunggal pada kedua kelompok. Jika Anda adalah untuk membandingkan kelompok dicocokkan dari 1.000 individu, Anda akan menemukan hanya 2 kematian tambahan di antara orang-orang yang makan daging merah kecil.
Pada saat yang sama, kita juga dapat melihat bahwa asupan makanan yang berlebihan dikaitkan dengan peningkatan mortalitas melalui efeknya pada diabetes. Koefisien produk beta untuk efek FoodInt dimediasi -> Diabetes -> Mort adalah 0.57. Ini berarti bahwa, untuk setiap deviasi standar dari asupan makanan dalam gram, ada 0.57 kenaikan standar deviasi yang sesuai pada kematian, melalui peningkatan kejadian diabetes. Hal ini sangat mungkin pada tingkat konsumsi makanan di mana secara signifikan lebih banyak kalori yang dikonsumsi daripada menghabiskan, akhirnya menyebabkan banyak orang menjadi gemuk. Standar deviasi untuk asupan makanan 355 kalori. Tertinggi harian kuintil asupan makanan dilaporkan dalam artikel ini adalah 2,396 kalori, yang kebetulan berhubungan dengan kematian tertinggi (dan mungkin meremehkan); terendah adalah 1.202 (juga mungkin diremehkan).
Jadi, dalam ringkasan, data menunjukkan bahwa, untuk sampel tertentu yang diteliti (terdiri dari dua Subsamples): (a) konsumsi daging merah pelindung dalam hal mortalitas secara keseluruhan, melalui efek langsung; dan (b) efek merusak dari makan berlebihan pada kematian lebih kuat dari efek perlindungan dari konsumsi daging merah. Kesimpulan ini konsisten dengan posting saya sebelumnya tentang penelitian yang sama (). Perbedaannya adalah bahwa posting sebelumnya menyarankan efek perlindungan moderat mungkin; posting ini menunjukkan efek perlindungan langsung mungkin. Kedua efek kecil, seperti efek negatif yang dilaporkan oleh penulis penelitian. Baik secara statistik signifikan, karena keterbatasan ukuran sampel (data sekunder dari sebuah artikel; N = 10). Dan semua ini didasarkan pada studi yang dikategorikan berbagai jenis daging olahan daging merah, dan yang tidak membedakan rumput-makan dari daging non-rumput diberi makan.
By the way, dalam diskusi daging merah intake berpengaruh pada kesehatan, sering iron overload disebutkan. Apa yang banyak orang dont tampaknya menyadari bahwa kelebihan zat besi disebabkan terutama oleh hemokromatosis herediter. Penyebab lain adalah doping darah untuk meningkatkan kinerja atletik (). Hemokromatosis herediter adalah kelainan genetik yang sangat langka; cukup langka secara statistik terlihat dalam studi yang tidak secara khusus menargetkan orang-orang dengan gangguan ini.
Dapatkan Sample GRATIS Produk sponsor di bawah ini, KLIK dan lihat caranya