Fejlkilder i epidemiologiske undersøgelser
|
|
- Kjeld Torp
- 8 år siden
- Visninger:
Transkript
1 Fejlkilder i epidemiologiske undersøgelser April 2004 Søren Friis
2
3 Nøjagtigheden (eng: accuracy) af et givent punktestimat afhænger af graden af tilfældig og systematisk variation i målingen af effekten
4 Variation Tilfældig variation præcision Systematisk variation intern validitet BIAS CONFOUNDING Generaliserbarhed - ekstern validitet
5 Fejlkilder i epidemiologiske undersøgelser TILFÆLDIGHED BIAS Statistisk usikkerhed vurderet via konfidensinterval CONFOUNDING
6 Tilfældig variation Ved at udvide antallet af undersøgelsesdeltagere kan man indsnævre denne variation og derved forbedre præcisionen Graden af tilfældig variation fremgår af konfidensintervallet omkring risikomålet Bredden af konfidensintervallet er omtrent omvendt proportionalt med kvadratroden af stikprøvestørrelsen
7 Eksempel 1 To forskellige undersøgelser af samme problemstilling Eksposition Syge Raske I alt KIP (%) Undersøgelse Undersøgelse Undersøgelse 1: RR = 2.0 p = Undersøgelse 2: RR = 2.0 p = % KI = % KI =
8 Teoretisk problemstilling Empirisk definition Målevariation
9 Uoverensstemmelse mellem teoretisk og empirisk definition Ex: vitamin-indtagelse/cancer passiv rygning/hjertesygdom acetylsalicylsyre/hjertesygdom Præcise kriterier for fastlæggelse af eksponering og udfald
10 Sand værdi af parameter Biologisk variation Sand værdi på måletidspunktet Bias og variation som knytter sig til det valgte måleinstrument Bias som knytter sig til de personer der bliver undersøgt Bias som knytter sig til de personer der foretager målingerne Oparbejdning og analyse Værdi af parameter i undersøgelse
11 Fejlkilder i epidemiologiske undersøgelser TILFÆLDIGHED BIAS CONFOUNDING
12 Eksempel 3 I en nylig dansk undersøgelse blev forbruget af svage analgetika blandt teenagere beskrevet Forbruget viste sig at være overraskende højt og fremkaldte de store overskrifter i aviserne Problemer? stikprøvestrategi deltagelsesprocent fastlæggelse af medicinforbrug grad af eksponering
13 Eksempel 4 I slutningen af 1970 erne ønskede man at undersøge eventuelle helbredsmæssige konsekvenser, særlig cancerrisiko, blandt personer der havde overværet atomprøvesprængninger i Nevada ørkenen i midten af 1950 erne Personer der havde overværet de pågældende atomprøvesprængninger blev via en storstilet annoncekampagne, bl.a. i aviser og fjernsyn, opfordret til at deltage i undersøgelsen Cancerforekomsten i undersøgelseskohorten var overraskende lav for nogle cancertyper, men for andre cancertyper meget høj, og for enkelte typer af samme størrelsesorden som hos japanske overlevere efter Hiroshima og Nagazaki! Problemer? Døde Deltagelse afhængig af sygdomsstatus Upræcise eksponeringsoplysninger Caldwell et al. Leukemia among participants in military maneuvers of a nuclear bombtest: a preliminary report. JAMA 1980; 244:
14 Eksempel 4 (b) Pearce et al * identificerede via personalearkivet for The Royal New Zealand Navy 500 personer som havde deltaget i lignende test af kernevåben i Stillehavet i perioden Som kontrolpersoner udvalgtes personer som havde været ansat i flåden i samme periode (på tre skibe) men som ikke havde deltaget i de pågældende test. Follow-up af index- og kontrolpersoner op til 1987, dvs for en 30-årig periode, blev udført via kobling til cancer- og dødsregister samt spørgeskemaer og var næsten komplet. Mortaliteten var stort set identisk i de to grupper, men der var en let øget forekomst af leukæmi blandt personerne som havde deltaget i test af kernevåben Udgangspunkt i eksponering uafhængig af senere sygdomsforekomst og høj follow-up procent Begrænsninger: manglende oplysninger om anden radioaktiv eksponering og eventuelle confoundere *Pearce et al. Follow-up of New Zealand participants in British atmospheric nuclear weapons tests in the Pacific. BMJ 1990, 300,
15 Eksempel 5 I en case-kontrol undersøgelse ønskede man at belyse sammenhængen mellem alkoholforbrug og leversygdom Cases og kontrolpersoner blev interviewet om deres forbrug af alkohol Problemer? Alkoholforbrug følsomt spørgsmål Særlig cases vil måske ikke oplyse det sande forbrug Interviewerens udspørgen og fortolkning afhængig af deltagernes status (case/kontrol) Alkoholforbrug varierer over tid, særlig hos cases
16 BIAS definition Deviation of results or inferences from the truth, or processes leading to such deviation. Any trend in the collection, analysis, interpretation, publication, or review of data that can lead to conclusions that are systematically different from the truth (Murphy)
17 BIAS definition (b) Enhver systematisk fejl i udvælgelse af undersøgelsesgrupper eller indhentning, rapportering, og fortolkning af information Konsekvens: Manglende sammenlignelighed
18 Bias - nomenclature Popularity bias, centripetal bias, referral filter bias, diagnostic access bias, diagnostic suspicion bias, unmasking bias, mimicry bias, previous opinion bias, wrong sample size bias, admission rate bias, prevalenceincidence bias, diagnostic vogue bias, diagnostic purity bias, procedure selection bias, missing clinical data bias, non-contemporaneous control bias, starting time bias, migrator bias, membership bias, non-respondent bias, volunteer bias, insensitive measure bias, underlying cause bias, end-digit preference bias, unacceptability bias, obsequiouness bias, expectation bias, substitution bias, family information bias, exposure suspicion bias, recall bias, attention bias, instrument bias (Sackett, 1979)
19 Bias - nomenclature (b) SELEKTIONSBIAS INFORMATIONSBIAS
20 Selektionsbias Udvælgelse til undersøgelsesgrupperne (på basis af eksponering eller udfald) er influeret af den anden undersøgelsesdimension (eksponering eller udfald) Selektiv rekruttering af personer med bestemte karakteristika for eksponering og sygdom dvs. relationen mellem eksponering og sygdom er forskellig mellem de som deltager i undersøgelsen og de som teoretisk kunne deltage, men som af forskellige årsager ikke gør det Bias som opstår uden for datamaterialet
21 Selektionsbias case-kontrol design Udvælgelse af cases og kontroller er baseret på forskellige kriterier, som samtidigt er relateret til eksponeringsstatus Ex: diagnostisk bias henvisning selv-selektion bortfald (non-respons) valg af kontrolgruppe ( protopathic bias )
22 Eksponering Cases Kontroller + a = fa b = gb - c = fc d = gd I alt a+c = f (A+C) b+d = g (B+D) f = stikprøvefraktion for cases = (a+c)/(a+c) g = stikprøvefraktion for kontroller = (b+d)/(b+d) Stikprøvefraktionerne f og g skal være identiske for eksponerede og ikke-eksponerede individer
23 Case-kontrol design Eksempel 6 + opløsningsmidler - opløsningsmidler + opløsningsmidler - opløsningsmidler malersyndrom kontrolperson Hvis sandsynligheden for at blive diagnosticeret afhænger af ekspositionen, er der risiko for selektionsbias i en casekontrol undersøgelse
24 Case-kontrol design Bortfald/eksempel 7 Den sande population Eksponering Case Kontrol I alt I alt OR = 2.2 Den undersøgte population Eksponering Case Kontrol I alt I alt OR = 2.7 Bortfaldshyppighed Eksponering Case Kontrol + 10% (11) 28% (54) - 28% (40) 28% (156) 20% (51) 28% (210)
25 Valg af kontrolgruppe case kontrol design Eksponeringshyppigheden i kontrolgruppen skal være et estimat af eksponeringshyppigheden i populationen der gav ophav til cases (studiebasen) Kontroller skal repræsentere personer, som ville have været valgbare som cases, hvis de var blevet diagnosticeret med den pågældende sygdom
26 Groft check Valg af kontrolgruppe case kontrol design (b) vil kontrolpersonerne blive cases i tilfælde af sygdom? er kontrolpersonerne raske eller syge? er eksponeringen associeret med sandsynligheden for at blive kontrol? Ex: En højt testosteronspejl som årsag til prostatacancer. Kontrollerne var personer med prostatahypertrofi Postmenopausale hormoner som årsag til endometriecancer. Kontrollerne var kvinder udredt for endometriecancer, men fundet ikke at have det Rygning som årsag til lungecancer. Kontrollerne var personer med andre lungesygdomme
27 Valg af kontrolgruppe case kontrol design (3) Hvorfor så overhovedet anvende patienter som kontroller? studiebasen kan ikke identificeres imødegå eventuelle selektionsmekanismer (visitationsvej, Berkson bias) reducere informationsbias reducere bortfald behov for blodprøver og andre invasive test logistiske hensyn
28 Prothopathic bias Forveksling af årsag og virkning Eksponeringen, for typisk et lægemiddel, ændres som følge af en tidlig manifestation af sygdommen. Ex: Personer ophører med at anvende acetylsalicylsyre eller andre anti-inflammatoriske lægemidler (NSAIDs) pga. blod i afføring. Hvis disse symptomer er første tegn på coloncancer vil der findes en negativ association mellem aktuel forbrug af disse lægemidler og coloncancer Patienter med Crohn s sygdom tager NSAID for ledgener som opstår før et åbenbart udbrud af sygdommen. Derved tilskrives udbruddet at patienten har taget NSAID Personer lægger sine livsstils- og kostvaner om som følge af tidlige symptomer (fx. kvalme)
29 Selektionsbias kohorte design Udvælgelse til eksponeret/ikke-eksponeret gruppe er relateret til udfaldsstatus Ex: historisk kohorteundersøgelse healthy worker effekt unhealthy patient effect confounding by indication
30 Informationsbias Bias som opstår inden for datamaterialet - ofte som et resultat af utilstrækkelige eller dårlige oplysninger DIFFERENTIEL Forskelle mellem undersøgelsesgrupperne i indhentning, rapportering, eller fortolkning af information om den anden undersøgelsesdimension (eksponering eller udfald) TILFÆLDIG (ikke-differentiel) Misklassifikation af eksponering eller sygdom uafhængig af den anden dimension (eksponering eller sygdom)
31 Informationsbias case-kontrol design Kvaliteten af informationen omkring eksponering afhænger af sygdomsstatus Bestemmelsen af eksponeringsstatus er forskellig for case- og kontrolgruppen Ex: recall bias interviewer bias interviewer kan tendere til at være mere omhyggelig/ ihærdig eller evt. overfortolke ved interview af cases ( probing )
32 Informationsbias recall bias Rapporteringen af relevant tidligere eksponering er forskellig for cases og kontroller Ex: over- eller underrapportering afhængig af problemstilling egeninteresse i at finde forklaring stigmatiserende problemstilling Kvinder som har født misdannede børn vil være mere motiverede for at huske lægemiddelforbrug og anden eksponering under graviditeten Visse sygdomme er særlig følsomme over for recall bias (fx. hudkræft og soleksponering)
33 Informationsbias kohorte design Bestemmelsen af udfaldsstatus er forskellig for eksponerede og ikke-eksponerede grupper Ex: Diagnostisk bias Kvinder der tager p-piller vil oftere blive henvist til videre undersøgelse ved mistanke om venetrombose (og vil sandsynligvis også oftere søge læge for symptomer på og/eller bekymring for venetrombose) Rygere søger hyppigere læge og bliver oftere undersøgt for rygerelaterede sygdomme (hvem mistænker lungecancer hos en ikke-ryger hvis der ikke ligefrem er tale om hæmoptyse?) Bortfald
34 Kohorte design Bortfald/eksempel 8 Den sande population Eksponering Syg Rask I alt I alt RR = 1.7 Den undersøgte population Eksponering Syg Rask I alt I alt RR = 2.0 Bortfaldshyppighed Eksponering Syg Rask I alt + 10% (11) 28% (54) 22% (65) - 28% (40) 28% (156) 28% (196)
35 Informationsbias Tilfældig misklassifikation Misklassifikation af eksponering eller sygdom er uafhængig af den anden undersøgelsesdimension Hvis sandheden er kendt kan misklassifikationen udtrykkes ved sensitivitet og specificitet Oftest konservativ bias Ex: en undersøgelse af sammenhængen mellem alkoholforbrug og cancer tog udgangspunkt i forbruget over en meget kort periode lægemidler som ordineres til en person anvendes ikke eller tages tages af en anden person sygdomstilfælde identificeres via registre
36 Ikke-differentiel misklassifikation Teori vs. empiri ex: kost/coloncancer vigtige aspekter Latenstid ( induction time ) relevante eksponeringsvindue? ex: lægemidler/sygdom, rygning/ami, rygning/lungecancer Eksponering type mønster tidspunkt varighed ex: fedtindtagelse/ami Sygdom kriterier? cerebrovaskulart insult
37 Vurdering af bias i en given undersøgelse Vurdering af eksponering og udfald i forhold til den teoretiske problemstilling Design og størrelse af undersøgelsen Tidsdimension kalendertid i forhold til hypotese Selektion af undersøgelsespopulation repræsentativitet i forhold til studiebase? Fastlæggelse af eksponering og udfald instrument form viden om hypotese og den anden undersøgelsesdimension (sygdom/eksponering) subject undersøger Dataoparbejdning og analyse resultater afhængig af sygdomsgrad? dosis/respons? Teori vs. Empiri? Præcision? Selektionsbias? Informationsbias?
38 Bias approach case kontrol design Design Rekrutter patienten ved kilden Veldefinerede sygdomskriterier Udvælg eventuelt kun sværere tilfælde som uundgåeligt vil blive diagnosticeret Incidente cases Blinding af diagnosticerende læge mht eksponeringsstatus Brug eventuelt registre Repræsentativ kontrolgruppe
39 Bias approach case kontrol design (2) Dataindsamling Struktureret og standardiseret instrument for dataindsamling Kvalitetskontrol/validering af instrument Blinding indsamling af eksponeringsoplysninger før endelig diagnose cases mht. hypotese interviewer mht. hypotese/sygdomsstatus Detaljerede oplysninger om eksponering Validering af eksponeringsoplysninger Vær opmærksom på tidsdimensionen; relevant eksponering før første tegn på sygdom
40 Bias approach case kontrol design (3) Analyse Bortfaldsanalyser Følsomhedsanalyser udregne estimater for forskellige antagelser af eksponering blandt bortfaldne (fx. halvt henholdsvis dobbelt så hyppig som i den undersøgte population) Udregn risikoestimater for forskellige niveauer af sygdom Udregn risikoestimater for variable der vides ikke at være risikofaktorer for det studerede udfald Udregn risikoestimater for forskellige eksponeringsvinduer hvis oplysninger haves Eventuelt justering af risikoestimat for tilfældig misklassifikation
41 Bias approach kohorte design Design Fastlæggelse af undersøgelsespopulation uafhængig af udfaldsstatus og/eller follow-up (retrospektiv undersøgelse) Vurder risiko for confounding by indication og forsøg at tage højde for det i valg af kontrolgruppe
42 Dataindsamling Bias approach kohorte design (2) Struktureret og standardiseret instrument for dataindsamling Blinding af undersøger mht. hypotese og/eller eksponeringsstatus Checke detaljeringsgrad omkring diagnosen i forhold til eksponering Præcise kriterier for udfald Diagnostik uafhængig af eksponering Brug eventuelt registre Validering af eksponering og udfald
43 Bias approach kohorte design (3) Analyse Bortfaldsanalyse/følsomhedsanalyse Stratificer på sværhedsgrad af sygdom Udregn risikoestimater for udfald som vides ikke at være associeret med eksponering Udregn risikoestimater for forskellige eksponeringsvinduer Eventuelt justering af risikoestimat for tilfældig misklassifikation
44 Fejlkilder i epidemiologiske undersøgelser Vigtige aspekter Vær omhyggelig med den første undersøgelse vanskeligt at afkræfte hypoteser Grundprincipper: sammenlignelighed validitet komplethed
Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning
Vurdering af epidemiologiske undersøgelser Epidemiologisk forskning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet mv@soci.au.dk At belyse en videnskabelig hypotese ved
Læs mereEPIDEMIOLOGI MODUL 7. April Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM
EPIDEMIOLOGI MODUL 7 April 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM Selektionsbias et par udvalgte emner Confounding by indication Immortal time bias
Læs mereSelektionsbias. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Selektionsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om Præcision:
Læs mereMads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 19. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om
Læs mereFejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard
Fejlkilder Ulrik Schiøler Kesmodel Rikke Guldberg Øjvind Lidegaard Fejlkilder 1. Selektionsproblemer 2. Informationsproblemer 3. Confounding Generelle overvejelser I Det estimat for hyppighed, som vi måler
Læs mereMålsætning. Vurdering af epidemiologiske undersøgelser
Vurdering af epidemiologiske undersøgelser Målsætning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet At belyse en videnskabelig problemstilling ved at indsamle, analysere
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann. februar 00 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser. Traditionelt
Læs mereMads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 18. maj 2017 l Dias nummer 1 Sidste gang Vi snakkede
Læs merePræcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Læs mereBIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
BIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Hvad er bias? Studiets resultat det sande resultat En systematisk over- eller undervurdering af en sammenhæng Pga. en systematisk
Læs mereMåleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version
Måleproblemer A B Fejlkilder og tolkningsproblemer Svend Juul, 19. september 2007 C D 1 2 Usikkerhed og bias De vigtigste kilder til usikkerhed og bias Præcision, sikkerhed, reproducerbarhed, ryster ikke
Læs mereStudiedesigns: Case-kontrolundersøgelser
Studiedesigns: Case-kontrolundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. maj 2016 l Dias nummer 1 Sidste
Læs mereBesvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Læs mereEksperimenter. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations
Læs mereIntern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser
Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann 23. september 2009 Vurdering af den interne validitet af en epidemiologisk undersøgelse: Informationsproblemer
Læs mereNoter til SfR checkliste 3 Kohorteundersøgelser
Noter til SfR checkliste 3 Kohorteundersøgelser Denne checkliste anvendes til undersøgelser som er designet til at besvare spørgsmål af typen hvad er effekten af denne eksponering?. Den relaterer sig til
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann 6. februar 2006 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser.
Læs mereFejlkilder. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereNoter til SfR checkliste 4 - Casekontrolundersøgelser
Noter til SfR checkliste 4 - Casekontrolundersøgelser Denne checkliste anvendes til undersøgelser, som er designet til at besvare spørgsmål af typen hvilke faktorer forårsagede denne hændelse?, og inddrager
Læs mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. april 2015 l Dias nummer 1 Sidste
Læs mereIdeel undersøgelse af kausal effekt
EPIDEMIOLOGI KOHORTE STUDIER I Marts 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse While the individual man is an insuluble puzzle, in the aggregate he becomes a mathematical
Læs mereUdarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning
Udarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning Anden del: systematisk og kritisk læsning DMCG-PAL, 8. april 2010 Annette de Thurah Sygeplejerske, MPH, ph.d. Århus Universitetshospital
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. maj 2015 l Dias nummer 1 Sidste
Læs mereOvervejelser vedr. outcomes i (farmako)epidemiologiske studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
Overvejelser vedr. outcomes i (farmako)epidemiologiske studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Outcome/event/udfald Den sygdomstilstand vi ønsker at undersøge I et kohortestudie:
Læs mereVurdering af epidemiologiske undersøgelser igen
Vurdering af epidemiologiske undersøgelser igen kob Grove 13. februar, 2006 Program Confounding og effektmodifikation Hvad er confounding Hvad er effektmodifikation Er der confounding eller effektmodifikation
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 6. juni 2017 l Dias nummer 1 Sidste gang Vi snakkede
Læs mereStudiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard
Studiedesign Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard Studiedesign Økologiske studier Tværsnitsstudier Case-kontrolstudier Kohortestudier Randomiserede studier Hvorfor er det vigtigt at
Læs mere3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)
EPIDEMIOLOGI CASE-KONTROL STUDIER September 2011 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Case kontrol studie 3 typer Case-kohorte Nested case-kontrol Case-non case (klassisk
Læs mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 3. maj 2016 l Dias nummer 1 Sidste gang
Læs mereKommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.
Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993. 1. Det anføres, at OR for maorier vs. ikke-maorier er 3.81.
Læs mereEpidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel
Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel Rigshospitalet Århus Sygehus Epidemiologi. Hvad er det? Definition Læren om sygdommes udbredelse og årsager Indhold To hovedopgaver: Deskriptiv
Læs mere2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)
Eksamensopgave i Epidemiologiske metoder, IT & Sundhed forår 2011 Læs artiklen grundigt og svar derefter på alle spørgsmål. Under hver opgave står hvor mange point der maksimalt kan opnås for opgaven.
Læs mereVurdering af epidemiologiske undersøgelser igen
Vurdering af epidemiologiske undersøgelser igen kob Grove 12. september, 2005 Program Confounding og effektmodifikation Hvad er confounding Hvad er effektmodifikation Er der confounding eller effektmodifikation
Læs mereStudiedesigns: Alternative designs
Studiedesigns: Alternative designs Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 20. maj 2014 l Dias nummer 1 Sidste gang
Læs mereCENTER FOR KLINISKE RETNINGSLINJER
BILAG 6 Bilag SfR Checkliste kilde 5. SfR Checkliste 3: Kohorteundersøgelser Forfatter, titel: Naffe A, Iype M, Easo M, McLeroy SD, Pinaga K, Vish N,Wheelan K, Franklin J, Adams J. Appropriateness of sling
Læs mereVurdering af det Randomiserede kliniske forsøg RCT
Vurdering af det Randomiserede kliniske forsøg RCT Evidensbaseret Praksis DF Region Nord Marts 2011 Jane Andreasen, udviklingsterapeut og forskningsansvarlig, MLP. Ergoterapi- og fysioterapiafdelingen,
Læs mereAnalyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Læs mereEpidemiologiske mål Studiedesign
Epidemiologiske mål Studiedesign Svend Juul Pludselig uventet spædbarnsdød Sudden Infant Death Syndrome, SIDS Uventet dødsfald hos et rask spædbarn. Obduktion o.a. giver ingen forklaring. Hyppigheden -doblet
Læs mereHyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering II
Eksperimentelle undersøgelser Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Efterår 2001 Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden
Læs mereREEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N REEKSAMEN I EPIDEMIOLOGISKE METODER IT
Læs mereKursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul
Kursus i Epidemiologi og Biostatistik Epidemiologiske mål Studiedesign Svend Juul 1 Pludselig uventet spædbarnsdød (vuggedød, Sudden Infant Death Syndrome, SIDS) Uventet dødsfald hos et rask spædbarn (8
Læs mereVed undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler:
Kære MPH-studerende Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler: 1. E.A. Mitchell et al. Ethnic differences
Læs mereÅrsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Årsager Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Årsager Hvad er en årsag? Flere typer af årsager Hvad kendetegner en årsag? Hvorfor er årsager interessante? Identifikation af
Læs mereKritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence
Kritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence Public Health Resource Unit 2002 http://www.phru.nhs.uk/casp/critical_appraisal_tools.htm
Læs mereEks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,
Statistik noter Indhold Datatyper... 2 Middelværdi og standardafvigelse... 2 Normalfordelingen og en stikprøve... 2 prædiktionsinteval... 3 Beregne andel mellem 2 værdier, eller over og unden en værdi
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.
Eksperimentelle undersøgelser Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer regional variation migrationsundersøgelser korrelationsundersøgelser tidsrækker
Læs mereHvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Hvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Hvorfor er forskning væsentlig? Nødvendig for at forstå sygdom Forudsætning for mere rationel diagnostik
Læs mereEpidemiologi og biostatistik. Diagnostik og screening. Forelæsning, uge 5, Svend Juul. Hvordan stiller man en diagnose? Diagnostiske kriterier
Epidemiologi og biostatistik Diagnostik og screening Forelæsning, uge 5, Svend Juul Hvordan stiller man en diagnose? Symptomer - passive: patientens spontane rapport - aktive: svar på målrettede spørgsmål
Læs mereDet randomiserede kontrollerede forsøg og evidens-baseret medicin
Det randomiserede kontrollerede forsøg og evidens-baseret medicin Laust Hvas Mortensen Institut for Folkesundhedsvidenskab E-mail: lamo@sund.ku.dk Epi forelæsning 2 Dias 1 Hvordan ved vi om behandlingen
Læs mereCENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE
Bilag 6: Checkliste Maastrup 2014a SfR Checkliste 3: Kohorteundersøgelser Maastrup R., Hansen B.M., Kronborg H., Bojesen S.N., Hallum K., Frandsen A., Kyhnaeb A., Svarer I., Hallstrom I. Factors associated
Læs mereMPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003
Opgave 1 (mandag) Figuren nedenfor viser tilfælde af mononukleose i en lille population bestående af 20 personer. Start og slut på en sygdoms periode er angivet med. 20 15 person number 10 5 1 July 1970
Læs mereKohorte studier. Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
Kohorte studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Kohorte En konkret persongruppe Kohortedesign Giver eksponering X og outcome Y? Kohortedesign Giver eksponering X og outcome
Læs mereSKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI Cand.Scient.San, 2. semester 20. februar 2015 (3 timer)
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N SKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs merePopulation attributable fraction
Population attributable fraction Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 2. juni 2015 l Dias nummer 1 Sidste gang
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 16. april 2015 l Dias nummer 1 Sidste gang
Læs mereCENTER FOR KLINISKE RETNINGSLINJER
BILAG 5 - CLEARINGHOUSE Bilag 5. SfR Checkliste kilde 18. SfR Checkliste 3: Kohorteundersøgelser Forfatter, titel: Deuling J, Smit M, Maass A, Van den Heuvel A, Nieuwland W, Zijlstra F, Gelder I. The Value
Læs mereCENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE
Bilag 5: Checkliste Kronborg et al. 20 SfR Checkliste 3: Kohorteundersøgelser Kronborg, H., Foverskov, E., Nilsson, I., & Maastrup, R. (2. jan 20). Why do mother use nipple shield and how does it influence
Læs mereEn intro til radiologisk statistik. Erik Morre Pedersen
En intro til radiologisk statistik Erik Morre Pedersen Hypoteser og testning Statistisk signifikans 2 x 2 tabellen og lidt om ROC Inter- og intraobserver statistik Styrkeberegning Konklusion Litteratur
Læs mereEpidemiologi og Biostatistik (version 19.09.2008)
En model Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann. september 008 For meningsfuldt at kunne diskutere fejlkilder og fortolkningsproblemer må vi have en model for det,
Læs mereEpidemiologi og Biostatistik. Mogens Erlandsen, Institut for Biostatistik Uge 1, tirsdag d. 5. februar 2002
Epidemiologi og Biostatistik Mogens Erlandsen, Institut for Biostatistik Uge 1, tirsdag d. 5. februar 2002 1 Statestik Det hedder det ikke! Statistik 2 Streptomycin til behandling af lunge-tuberkulose?
Læs mereKAPITEL 5. Analytisk. Poul Suadicani. epidemiologi
KAPITEL 5 Analytisk Poul Suadicani epidemiologi 128 Epidemiologi er læren om sygdommes og sygdomsdeterminanters udbredelse i populationen og anvendelse af viden herom til kontrol af disse. Ordet kommer
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2200 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure
Læs mereMantel-Haenszel analyser. Stratificerede epidemiologiske analyser
Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp
Læs mereRE-EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N RE-EKSAMEN I EPIDEMIOLOGISKE METODER IT
Læs mere9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU kach@biostat.ku.dk, 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
Læs mereStudiedesigns: Randomiserede kontrollerede undersøgelser
Studiedesigns: Randomiserede kontrollerede undersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 27. april 2017 l Dias nummer 1 Sidste
Læs mereMikro-kursus i statistik 2. del Mikrokursus i biostatistik 1
Mikro-kursus i statistik 2. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er hypotesetestning? I sundhedsvidenskab:! Hypotesetestning = Test af nulhypotesen Hypotese-testning anvendes til at vurdere,
Læs mereRisikofaktorudviklingen i Danmark fremskrevet til 2020
23. marts 9 Arbejdsnotat Risikofaktorudviklingen i Danmark fremskrevet til Udarbejdet af Knud Juel og Michael Davidsen Baseret på data fra Sundheds- og sygelighedsundersøgelserne er der ud fra køns- og
Læs mereDepartment of Public Health. Case-control design. Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine
Department of Public Health Case-control design Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine Case-control design Brief summary: Comparison of cases vs. controls with
Læs mereIntroduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet It og sundhed l 9. april 2015 l Dias
Læs mereÅrsagsteori. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet April 2011
Årsagsteori Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet April 2011 Årsager The cause of a disease event is an event, condition or characteristic that preceeded the
Læs mereScreening. Definition. Formål med screening. Eksempler. Sygdommen. Eksempler. Ulrik Kesmodel Institut for Folkesundhed Afdeling for Epidemiologi
Definition Screening Ulrik Kesmodel Institut for Folkesundhed Afdeling for Epidemiologi Systematisk undersøgelse af asymptomatiske befolkningsgrupper for en eller flere sygdomme mhp. at vurdere om (det
Læs mereOBSERVERENDE UNDERSØGELSER. Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002
OBSERVERENDE UNDERSØGELSER Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002 Epidemiologisk design Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer
Læs mereDesign af et kohorte studie
EPIDEMIOLOGI KOHORTE STUDIER II Marts 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Design af et kohorte studie Problemstilling defineres Vigtige overvejelser inden videre
Læs mereEpidemiologiske hyppighedsmål
Epidemiologiske hyppighedsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 14. april 2015 l Dias nummer 1 Sidste gang
Læs mereInterviewereffekter på spørgsmål om sort arbejde. Rockwool Fondens Forskningsenhed Oktober 2008
Interviewereffekter på spørgsmål om sort arbejde Rockwool Fondens Forskningsenhed Oktober 2008 Tak til Rockwool Fondens Forskningsenhed Danmarks Statistiks Interviewservice, specielt til Isak Isaksen,
Læs mere1 Hb SS Hb Sβ Hb SC = , (s = )
PhD-kursus i Basal Biostatistik, efterår 2006 Dag 6, onsdag den 11. oktober 2006 Eksempel 9.1: Hæmoglobin-niveau og seglcellesygdom Data: Hæmoglobin-niveau (g/dl) for 41 patienter med en af tre typer seglcellesygdom.
Læs mereEpidemiologiprojekt. Ann-Louise, Jennifer, Matilda og Elif 408
+ Epidemiologiprojekt Ann-Louise, Jennifer, Matilda og Elif 408 + Problemformulering Er der nogen sammenhæng mellem alkohol og rygning under graviditet og spædbarnsdødelighed samt alkohol og rygning under
Læs mereSammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
Læs mereOverdødeligheden blandt psykisk syge: Danmark har et alvorligt sundhedsproblem
Overdødeligheden blandt psykisk syge: Danmark har et alvorligt sundhedsproblem Jan Mainz Professor, vicedirektør, Ph.D. Aalborg Universitetshospital - Psykiatrien Case En 64-årig kvinde indlægges akut
Læs mereAnne Illemann Christensen Seniorrådgiver Region Syddanmark
Anne Illemann Christensen Seniorrådgiver anch@sdu.dk Region Syddanmark Lidt om undersøgelsen Hvordan har du det, 2017 Deltagere Alder: 16 år eller derover 58.800 inviteret i Region Syddanmark (312.349
Læs mereEpidemiologi og Biostatistik
Kapitel 1, Kliniske målinger Epidemiologi og Biostatistik Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik Uge, torsdag
Læs mereHyppighed Risikofaktorer Behandlingseffekt Prognose
Hvad laver kliniske epidemiologer? Fastlæggelse af: Hyppighed Risikofaktorer Behandlingseffekt Prognose for klinisk definerede patientgrupper (fx. cancer, diabetes, lungebetændelse, ) Epidemiologiske begreber
Læs mereMetode 31-03-2010. Artikeludvælgelse 4 trins metode
Occupational COPD - Correlations between Chronic Obstructive Pulmonary Disease and various types of physical and chemical exposures at work A scientific reference document on behalf of The Danish Working
Læs mereTo grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens
EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål:
Læs mereKvantitative metoder, teori og praksis
Kvantitative metoder, teori og praksis Kvantitative metoder Målet med de kvantitative metoder Forskellige typer kvantitative metoder Styrker og svagheder Repræsentativitet og udtræksperioder Det gode spørgeskema
Læs mereEt oplæg til dokumentation og evaluering
Et oplæg til dokumentation og evaluering Grundlæggende teori Side 1 af 11 Teoretisk grundlag for metode og dokumentation: )...3 Indsamling af data:...4 Forskellige måder at angribe undersøgelsen på:...6
Læs mereFraktur efter brystkræft
DBCG s 40 års jubilæumsmøde 18. 19. januar 2018 Hotel Marselis, Aarhus Bent Kristensen Klinisk fysiologisk afd. Z, Herlev Hospital Cancer-relateret knogletab og fraktur Mekanismer: Hypogonadisme fremkaldt
Læs mereEn intro til radiologisk statistik
En intro til radiologisk statistik Erik Morre Pedersen Hypoteser og testning Statistisk signifikans 2 x 2 tabellen og lidt om ROC Inter- og intraobserver statistik Styrkeberegning Konklusion Litteratur
Læs mereDANSK RESUMÉ. Forhøjet blodtryk er i stigende grad almindeligt i afrikanske lande syd for Sahara.
DANSK RESUMÉ Introduktion Forhøjet blodtryk er i stigende grad almindeligt i afrikanske lande syd for Sahara. Epidemiologien bag denne epidemi, og måderne hvorpå den relaterer sig til sundhedssystemer
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2016 l Dias nummer 1 Sidste gang
Læs mereKan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen
Kan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen Hermann Burr * BAuA, Fagområde 3, Arbejde og Sundhed burr.hermann@baua.bund.de Sandsynliggørelse af årsagssammenhænge
Læs mereTillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi
Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi Universitet 2012 1 Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi marts 2012. Modulerne beskrevet i tillægget,
Læs mereMikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Læs mereKohorte. Algorithm for classification of study. Kohorte og interventionsstudier
Kohorte og interventionsstudier MPH-specialmodul, 17.maj 2010 MPH-uddannelsen1.semester 23.09.2008 Algorithm for classification of study Did investigator assign exposure? Yes: Experimental study Random
Læs mere