Nya statistiska metoder kan ge säkrare forskningsresultat

Hur mycket går det egentligen att lita på en mätning? Och hur mycket data behöver forskare samla in för att kunna dra slutsatser vi kan lita på? Mohammad Reza Seydi vid Umeå universitet har utvecklat och testat nya statistiska metoder för att ge bättre svar på de frågorna.

När forskare jämför hur människor rör sig räcker det inte alltid att veta om det finns en skillnad mellan två grupper. Det kan också vara viktigt att upptäcka när under rörelsen skillnaden uppstår.

Seydi föreslår ett nytt sätt att räkna ut hur många mätningar som behövs för att kunna upptäcka just de skillnader som forskaren är intresserad av. Beräkningen kan till exempel riktas mot den del av en rörelse som är viktigast att undersöka. På så sätt kan forskaren redan när studien planeras anpassa mängden data efter det man faktiskt vill kunna upptäcka.

När en mätning blir en hel kurva

För att förstå varför det behövs kan man tänka på vad som händer när en forskare mäter en rörelse. När ett knä böjs under ett hopp förändras vinkeln från ögonblick till ögonblick. Resultatet blir därför inte ett enda mätvärde, utan en hel kurva.

– Föreställ dig att du mäter hur ditt knä böjs under ett hopp, eller hur vinkeln i en sprinters höft rör sig fram och tillbaka för varje steg. Mätningen är inte ett enda tal, utan en hel kurva, eller en kontinuerlig funktion, som förändras från ögonblick till ögonblick under hela rörelsen, säger Mohammad Reza Seydi.

Den här typen av mätningar kallas funktionella data och används bland annat inom biomekanik och medicin. För traditionella data finns sedan länge väl beprövade statistiska metoder, men metoderna för funktionella data är inte lika väl utvecklade och testade.

Seydis forskning visar också att möjligheten att upptäcka skillnader i sådana data påverkas av hur forskaren bestämmer vad som ska räknas som en upptäckt skillnad. Det är bakgrunden till det nya sättet att beräkna hur mycket data en studie behöver.

Hur mycket går det att lita på mätningen?

En annan del av forskningen handlar om hur forskare kan avgöra om upprepade mätningar går att lita på. Seydi har utvecklat och testat metoder för att bedöma hur tillförlitliga mätningarna är och hur stor osäkerheten i den bedömningen är.

Han har också med hjälp av simuleringar tagit fram rekommendationer för hur forskare kan beräkna hur stort underlag som behövs när det som mäts är en kurva eller funktion.

Metoderna kan användas inom biomekanik och medicin, men också inom andra forskningsområden där det som mäts förändras över tid. De är tänkta att kunna användas genom hela forskningsprocessen, från planeringen av en studie till analysen och redovisningen av resultaten.

– Sammantaget ger dessa resultat de forskare, inte bara inom biomekanik utan egentligen inom alla områden som arbetar med kurvdata eller funktionella data, validerade verktyg för statistisk analys, från planeringen av studien till redovisningen av resultaten, säger Mohammad Reza Seydi.