De Mann-Whitney toets is een non-parametrische toets. Deze toets wordt gebruikt om een verschil te kunnen aantonen van één afhankelijke variabele tussen twee onafhankelijke steekproeven. In de presentatie wordt het voorbeeld gebruikt van mean arterial pressure als afhankelijke variabele, en de subgroepen pre-eclampsie mild en pre-eclampsie severe.
De Man-Whitney toets kan altijd worden gebruikt, maar bij grote steekproeven (n≤100) en na controle van de normaliteit van de verdeling, kan ook gebruik worden gemaakt van de Student T-toets. Deze is in dat geval nauwkeuriger dan de Mann-Whitney toets om het gemiddelde van een afhankelijke variabele te kunnen toetsen tussen twee subgroepen.

Een 95%-CI geeft het interval waarbinnen de werkelijke waarde met 95% waarschijnlijkheid ligt. De breedte van een betrouwbaarheidsinterval zegt iets over de nauwkeurigheid van het daadwerkelijke effect van de interventie (of een exposure). Anders gezegd: bij een smalle CI is het daadwerkelijke effect van de interventie met meer precisie aan te geven.
In de presentatie vergelijken we de voorbeelden met een 95%-CI bij de OR en een 95%-CI bij de uitwerking van een Students t-toets.

Als voorbeeld van een T-toets pairs analyse gebruiken we de subgroep high dose edoxaban van 60 mg in de ENGAGE-AF studie. Je wil het verschil weten in de pharmacokinetiek (PK) voor de start van één dosis edoxaban van 60mg en 2 dagen na de start. In dit geval zou je een T-toets pairs analyse gebruiken, omdat de subgroep meer dan 7000 patiënten omvat en je een steekproef doet met 2 variabelen (een voor- en nameting).
Dit is te onthouden als je denkt aan het feit dat je een ‘delta change’ (een verschil) wilt bestuderen tussen twee variabelen van één steekproef (of subgroep).

Een p-waarde bij een HR wordt niet altijd gegeven, omdat dit een stijlkeuze is van een journal. Het valt wel op dat in figuren (de Kaplan-Meier curves) vaak zowel de HR, 95%-CI of 97.5%-CI en de p-waarde worden weergegeven.

Een HR zal vaak niet in het midden staan van een horizontale errorbar, omdat de HR met een 95% zekerheid zich binnen een interval kan bevinden. De kans dat een HR wel ongeveer in het midden ligt is afhankelijk van de grootte van een CI. Hoe breder een CI (wat samengaat met minder waarnemingen van patienten “at risk”), hoe minder de kans er is dat een HR in het midden zich zal bevinden. Dit zie je ook terug in de forest plots in de presentatie.