Her er en oversikt over hva hvert verktøy i MeGuSta gjør og hvordan det beregner resultatene. Hvert verktøy er designet for å gi deg akkurat det du trenger – raskt, enkelt og lett forståelig.

​

Sammenheng

• Pearson’s r: Måler sammenhengen mellom to variabler (f.eks. høyde og vekt) når dataene er normalfordelte. Verdien går fra -1 (negativ sammenheng) til 1 (positiv sammenheng), og du får en p-verdi som viser om sammenhengen er statistisk signifikant (p < 0.05). Beregningen bruker formelen for Pearson-korrelasjon basert på avvik fra gjennomsnittet. Måler hvor mye to sett med tall følger hverandre ved å dele summen av deres avvik fra gjennomsnittet med spredningen i begge settene.

• Spearman’s rho: Gjør det samme som Pearson’s r, men for ikke-normalfordelte data. Den rangerer verdiene først og beregner korrelasjonen basert på rangforskjeller. Sammenligner rangeringen av to sett med tall og trekker fra forskjeller i rang for å finne sammenhengen.

• Lineær regresjon: Brukes til å forutsi en verdi basert på en annen (f.eks. predikere blodtrykk basert på alder). Du legger inn X- og Y-verdier, og verktøyet beregner regresjonslinjen (y = ax + b), samt gjennomsnitt og regresjonskoeffisient.
   

Forskjell

• Uavhengig T-test: Sammenligner gjennomsnittet til to uavhengige grupper (f.eks. menn vs. kvinner). Forutsetter normalfordeling. Gir en t-verdi og p-verdi basert på forskjellen i gjennomsnitt delt på variasjonen i dataene. Sammenligner gjennomsnittet av to grupper ved å dele forskjellen deres med hvor mye de varierer innad.

• Parret T-test: Sammenligner to målinger på samme gruppe (f.eks. før og etter en behandling). Finner gjennomsnittlig endring i parvis data og sjekker om den er forskjellig fra null i forhold til spredningen.

• 1-veis ANOVA: Sammenligner gjennomsnittet til tre eller flere grupper. Beregner variansen mellom gruppene og innad i gruppene for å gi en F-verdi og p-verdi. Du får også et boxplot for å se dataene visuelt.

• Repeterte målinger ANOVA: Sammenligner gjennomsnittet til den samme gruppen over flere repeterte måletidspunkt (for eksempel de samme menneskene før trening, etter 1 måned med trening og etter 3 måneder med trening). Linjediagram viser endring over tid og post-hoc test med Bonferroni-korreksjon forteller hvilke tidspunkt det er forskjell mellom ved signifikant resultat.
   

Ikke-parametriske tester

• Wilcoxon Signed-Rank: En ikke-parametrisk versjon av parret t-test. Rangerer forskjeller mellom par og tester om de er systematisk forskjellig fra 0.

• Mann-Whitney U: Sammenligner to uavhengige grupper uten å kreve normalfordeling. Rangerer alle verdier og beregner en U-verdi basert på rangsummene.

• Kruskal-Wallis: En ikke-parametrisk test for tre eller flere grupper. Rangerer alle data og tester om rangfordelingen er forskjellig mellom gruppene. Inkluderer et boxplot.

• Friedman's test: Ikke-.parametrisk alternativ til repeterte målinger ANOVA. Sammenligner samme gruppe over flere enn 2 måletidspunkt.
   

Effektstørrelser

• Cohen’s d (uavhengig): Måler hvor stor forskjellen mellom to uavhengige grupper er i forhold til spredningen. Kan beregnes fra rådata eller gjennomsnitt/SD.

• Cohen’s d (avhengig): Samme som over, men for parrede data (f.eks. før og etter). Bruker standardavviket til forskjellene.

• Hedge’s g: Ligner Cohen’s d, men korrigerer for små utvalg. Krever gjennomsnitt, SD og antall observasjoner hvis du bruker summerte data.

• Ikke-parametrisk ES: Gir en effektstørrelse (r) basert på Mann-Whitney U-testen, uten å anta normalfordeling.

• Odds Ratio (OR): Brukes ofte i medisinsk og klinisk forskning for å sammenligne sannsynligheten for et utfall mellom to grupper. Du fyller inn antall suksesser og feil i to grupper, og verktøyet beregner forholdet mellom odds. OR > 1 betyr økt risiko, OR < 1 betyr redusert risiko.

• Relativ Risiko (RR): Ligner odds ratio, men i stedet for odds bruker den sannsynlighet (risiko) direkte. Sammenligner sannsynligheten for et utfall i en eksponert gruppe med en kontrollgruppe. Enkelt forklart: hvor mye større eller mindre risiko den eksponerte gruppen har.
   

Grunnleggende statistikk

• Gjennomsnitt og SD: Regner ut gjennomsnitt (M) og standardavvik (SD) for opptil to kolonner. Enkel og rask måte å beskrive dataene dine på.

• Prosentkalkulator: Hjelper deg med fire typer prosentberegninger (f.eks. "hvor mange % er A av B?"). Skriv inn to tall og velg type.

• Z-score-kalkulator: Gir deg z-score for én verdi sammenlignet med et datasett. Du limer inn dataene og velger en verdi, og verktøyet regner ut hvor mange standardavvik denne verdien er fra gjennomsnittet. Alternativt kan du beregne z-score for forskjellen mellom to kolonner med data.
   

Reliabilitet

• ICC Kalkulator: Måler hvor konsistente målinger er (f.eks. mellom ratere eller gjentatte tester). Tilbyr tre typer ICC (1,1; 2,1; 3,1) basert på varians mellom rader og kolonner.

• CV Kalkulator: Beregner koeffisienten av variasjon (CV = SD / M * 100) for opptil tre kolonner. Viser hvor mye dataene varierer relativt til gjennomsnittet.

• Cronbach’s Alpha: Måler intern konsistens – altså hvor godt et sett av spørsmål henger sammen som en skala. Du legger inn svarene i kolonner, og verktøyet beregner alpha basert på varians i og mellom kolonnene. Verdier nær 1 indikerer høy pålitelighet.
   

Normalitetstester

• Kolmogorov-Smirnov Test: Sjekker om dataene dine følger en normalfordeling ved å sammenligne dem med en teoretisk fordeling. Gir en D-verdi og kritisk verdi. Merk at denne ikke er nøyaktig, men den kan brukes som en indikator. For å være helt sikker på resultatene må du benytte statistiske verktøy. Å gjøre en visuell vurdering av histogrammene kan også være et godt alternativ.

• Skjevhetstest: Måler om dataene er skjeve (asymmetriske). Gir en skewness-verdi og tester om den er signifikant forskjellig fra 0. Jo nærmere null, jo mindre skjevfordelte. Verdier under -1 eller over 1 vil indikere at dataene sannsyligvis er skjevfordelte.
   

Visualisering

• Histogram Generator: Lager et histogram fra én kolonne med data. Du kan justere antall søyler og laste ned figuren.

• Scatter Plot Generator: Viser sammenhengen mellom to variabler som et scatter plot. Inkluderer Pearson’s r og R², og du kan tilpasse tittel, akser og farge.

• Bland-Altman-plot: Brukes for å sammenligne to målinger (f.eks. to ulike målemetoder). Viser forskjellen mellom dem opp mot gjennomsnittet. Plotter gjennomsnittsforskjell og grensene for avtale (Limits of Agreement; LoA) for å visualisere hvor godt metodene stemmer overens.

​

Konvertering

• Meta-analyse konvertering: Et samlet verktøy for å konvertere mellom ulike effektstørrelser og mål som SE, SD og CI. Støtter blant annet konvertering mellom Cohen’s d, Hedges’ g, korrelasjon (r), SD ↔ SE ↔ CI, og lar deg regne ut 95% konfidensintervall basert på standardavvik.

• Deskriptiv konvertering: Lar deg konvertere mellom median/IQR og gjennomsnitt/SD – i begge retninger. Perfekt hvis du har oppsummert data (som median og kvartiler) og vil estimere snitt og standardavvik, eller motsatt.