Laboratuvar çalışmalarında yapılan deneyler, genellikle pahalı malzemelerle,
kalifiye insan gücü ve uzun süren bir
emeğin çalışmasıdır. Bu deneylerin tekrar sayısı arttıkça doğal olarak maliyeti
de artmaktadır. Üstelik kervan yolda düzülür mantığıyla yapılan çalışmalarda
deneyin amacı dışında gereksiz verilerin elde edilebilmesi için harcanan
çabanın eklenmesiyle birlikte maliyet iyice artmaktadır. En başta araştırmanın
amacına göre kurulan bir deney tasarımı ile yapılan çalışmalarda ise bu
maliyetin ağır yükünü azaltan bir kurtarıcı görevini görür. Deney tasarımı
sadece maliyeti azaltmakla kalmaz, deneyin doğruluğunu da arttırır. Özellikle maliyetinden dolayı tekrarlanma
frekansı çok az olan deneylerin sonucunun doğruluğu açısından çok önemlidir. (Önceki
yazılarımda örneklemin büyümesiyle çıkarım hatalarının azaldığından bahsetmiştim.)
Genomik çalışmalarda; mikrodizi deneylerinde verilerin toplanması çok
pahalıdır ve bu deneyler biyolojik, teknik ve ölçüm hatasından kaynaklı pek çok
varyasyona sahip olabilir. Bu istenmeyen varyasyonların yok edilmesi ya da en
azından minimize edilebilmesi istatistiksel deney tasarımı ile
mümkündür.
Deney tasarımı genel olarak üç aşamayla ifade edilir:
1-Deneyin planlanması
ve tasarımı
2-Deneyin yapılması ve
verilerin toplanması
3-Veri analizi ve
sonuçların yorumlanması
Her zaman üzerinde durduğum gibi burada bir kez daha bahsetmek istiyorum.
Özellikle veri toplanması gereken ve istatistiksel yorum yapılması gereken
deneylerde, çalışmanın en başından sonuna kadar uzman bir istatistikçi ile
çalışılması sürecin sağlığı açısından çok önemlidir.
Deney tasarımının olmazsa olmaz üç temel ilkesi vardır;
1-Bloklama: Deneysel hatanın azaltılması ve deneyin hassaslığının
arttırılması için deney birimleri kendi içinde homojen ve aralarında heterojen olacak biçimde blok
adı verilen gruplara bölünür. Örnek vermek gerekirse 3 farklı tedavi yönteminin
her biri tek bir hastalığa sahip 3 farklı hastalık türüne ait hastaların
tedavisinde etkili olup olmadığı araştırılmak istensin. Tedavi yöntemlerin
arasında anlamlı karşılaştırma yapabilmek için aynı hastalığa sahip olan
hastaların aynı blokta yer alması gerekir. Kendi aralarında homojen aralarında
heterojen olacak şekilde üç farklı blok oluşturulur.
2-Rasgeleleştirme: Deneme etkileri arasındaki farklar ile hatanın
varyansının tahmin değerlerinin yanlı olmaması için denemelerin birimlere rasgele
atanması gerekir. Böylelikle sistematik oluşacak hatalar kontrol altına alınmış
olur.
3-Tekrar: Deneysel hataların hesaplanabilmesi için deneyin en az birkaç kez
tekrarlanması gerekir. Tekrar sayısının artmasının istatistik teorisi açısından
istenilen bir durum olması ile birlikte maliyet göz önünde bulundurularak
yapılması faydalı olacaktır. Tekrar sayıları her bir deneme için aynı olmak
zorunda değildir. Deneme birimlerinin farklı sayıda olması sadece seçilen
istatistiksel deney tasarımını etkileyecektir.
Bu ilkeler doğrultusunda yapılan deney tasarımı ile birlikte doğru ve
güvenilir sonuca ulaşmak mümkündür. Aksi taktirde iyi tasarlanmamış bir deneyde
hatalar minimize olmadığı için sonuçların yanlı ve tutarsız olma olasılığı
yüksektir.
Sözün özü:
Deneyin planlanma aşamasından sonuna kadar uzman bir istatistikçi ile
yapılması verilerin toplanmasında hem maliyeti azaltacağı gibi hem de deney sonucunun
doğruluğunu arttıracaktır. Sağlıklı sonuçlar elde edilmesini sağlayacaktır.