Besvarelse af opgavesættet ved Reeksamen forår 2008

Størrelse: px
Starte visningen fra side:

Download "Besvarelse af opgavesættet ved Reeksamen forår 2008"

Transkript

1 Besvarelse af opgavesættet ved Reeksamen forår marts Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie er velvalgt. Svar: Undersøgelsens formål er at vurdere om en association mellem paradentose og risikoen for myokardieinfarkt gælder både mænd og kvinder. Endvidere at vurdere rygnings betydning for denne sammenhæng. Cases var personer i 35 til 69 års alderen der i tidsrummet september 1997 til december 2001 blev indlagt med myokardieinfarkt på et hospital i Erin og Niagara counties i Western New York. Cases med diagnosticeret cancer, tidligere koronar hjertesygdom, symptomatisk angina eller anden medicinsk eller kostbehandlet hjertekarsygdom blev ekskluderet. Potentielle kontroller i alderen 35 til 64 år blev tilfældig udvalgt fra kørekortsregisteret. Kontroller i alderen 65 til 69 år blev tilfældig udvalgt fra et sygesikringsregister (Health Care Financing Administration list). For kontrollerne gjaldt de samme eksklusionskriterier som for cases. Formålet med kontrolgruppen er at den skal repræsentere eksponeringshyppigheden i kildepopulationen som er ophav til cases. Ifølge forfatterne har 95 % af alle indbyggere i NewYork i alderen kørekort og næsten alle i alderen er registreret i sygesikringsregisteret. Det er derfor rimeligt at antage at kontrolgruppen repræsenterer kildepopulationen til cases. Man kunne have undersøgt hvor mange af cases, der var registreret i kørekortsregisteret eller sygesikringsregisteret. Hvis andelen af ikke-registreret er stor, vil det kunne medføre bias, hvis det også er associeret til hyppigheden af paradentose. 2. Brug oplysningerne i Table 1 til at beregne et 95% prædiktionsintervaller for alder, for BMI og for klinisk fæstetab (CAL) for mænd i kontrolgruppen under antagelse af at variationen kan beskrives ved en normalfordelinger. Diskuter rimeligheden af denne antagelse i lyset af de oplysninger der i øvrigt findes i artiklen. Svar: Tabellen indeholder oplysninger om gennemsnit og spredning og prædiktionsintervaller kan så beregnes v.h.a. den sædvanlige formel (mean +/ sd). Vi får mean sd lower upper Alder BMI CAL I metodeafsnittet nævnes at kontroller er tilfældigt udvalgt blandt personer med en alder mellem 35 og 69 år, så prædiktionsintervallet for alder er næppe velegnet. Artiklen indeholder ikke yderligere oplysninger om fordelingen af BMI, som muliggør en vurdering af 1

2 beregningen, men resultatet ser ikke urimeligt ud. For klinisk fæstetab ved vi fra Table 1 at 21% af de raske mænd har en værdi over 3 mm. Er fæstetabet normalfordelt vil 50% ligge over gennemsnittet på 2.6 mm og 16% ligge over gennemsnit plus én spredning = 3.5. Selvom disse oplysninger ikke strider mod hinanden, ville man nok have forventet flere over 3 mm, hvis normalfordelingen gav en dækkende beskrivelse. (Der er 33% chance for at et udfald fra denne normalfordeling vil være over 3 mm den studerende forventes ikke at lave denne udregning). 3. Estimér sandsynligheden for at en tilfældigt udvalgt mand i kontrolgruppen har et gennemsnitligt klinisk fæstetab på mindst 3 millimeter. Beregn tilhørende 95% sikkerhedsinterval. Hvad er fortolkningen af dette interval? Svar: Der er 385 raske mænd og 81 af dem har et klinisk fæstetab på mindst 3 mm. Det ønskede estimat bliver derfor 81/385 = , som det også fremgår af tabellen. Usikkerheden på dette estimat er , så sikkerhedsgrænserne bliver og Sikkerhedsintervallet angiver de værdier af den ukendte sandsynlighed som ikke kan afvises på grundlag de indsamlede oplysninger. Intervallet vil med 95% sikkerhed indeholde den sande værdi. 4. Beskriv bortfaldet i studiet på baggrund af Table 3 og vurder under hvilke omstændigheder det vil medføre bias. Svar: På baggrund af tallene i første række i Table 3 må 1075 ( ) cases være blevet kontaktet og 1818 ( ) kontroller. Det betyder at deltagelsesprocenten på baggrund af denne tabel er 59 % for cases og 51 % for kontroller. Den lave deltagelsesprocent behøver ikke at medføre bias. Spørgsmålet er om sammenhængen mellem paradentose og myokardie infarkt er den samme for de der deltager og de der ikke deltager. Hvis bortfaldet er dobbeltskævt, d.v.s at det både afhænger af eksponering og udfald vil det medføre bias af estimatet. I det aktuelle studier er bortfaldet størst blandt kontroller. Hvis andelen af personer med paradentose er større blandt de bortfaldne kontroller end blandt de kontroller, der deltager, vil vi overvurdere sammenhængen mellem paradentose og myokardieinfarkt. 5. Beskriv kort hvordan oplysninger om eksponering og udfald er indsamlet. I teksten angives at alvorlig paradentose defineres ved et gennemsnits klinisk fæstetab på mindst 3 mm. Udregn på baggrund af oplysninger i Table 1 en ukorrigeret odds ratio for sammenhængen mellem alvorlig paradentose og myokardieinfarkt for mænd. Vurdér om denne sammenhæng kan være behæftet med informationsproblemer og om disse vil medføre bias af resultatet. 2

3 Svar: Udfald: Myokardieinfarkt. Oplysninger om myokardieinfarkt indhentes fra medicinske journaler. WHO s kriterier for myokardieinfarkt anvendes. Eksponering: Paradentose. Oplysninger om paradentose indsamles ved at måle den gennemsnitlige dybde af tandkødslommerne i hele munden. OR = (162*304)/(281*81) = 2.16; 95 % CI ( ). Det vil givetvis være en vis grad af usikkerhed i målingen af tandkødslommerne og dermed risiko for misklassifikation. Hvis denne usikkerhed er uafhængig af sygdomsstatus er der tale om ikke-differentieret misklassifikation, hvilket vil medføre bias mod nulhypotesen i det aktuelle studie vil estimatet blive undervurderet. Ikke differentieret misklassifikation kan altså ikke forklare sammenhængen. Hvis kendskab til sygdomsstatus påvirker målingen af tandkødslommerne, vil der være risiko for differentieret misklassifikation. Hvis man blinder personen, der måler tandkødslommerne, for patientens sygdomsstatus vil man reducere risikoen for differentieret misklassifikation. I artiklen er der ikke oplysninger om, at det var tilfældet, men det nævnes at examiners were trained and calibrated... (side 700 th), så man har(i det mindste) forsøgt at ensarte undersøgelserne. 6. Brug oplysningerne i Table 1 til at beregne en ukorrigeret odds ratio med tilhørende 95% sikkerhedsinterval for sammenhængen mellem alvorlig paradentose og myokardieinfarkt for kvinder. Er der statistisk signifikant forskel på styrken af denne association for mænd og kvinder? På grundlag af oplysningerne i Table 1 kan følgende 2x2 tabel opstilles kvinder CAL cases controls total over under I alt Vi får derfor OR lnor selnor lower upper For mændene fandt vi på tilsvarende vis OR lnor selnor lower upper

4 Det ses at sikkerhedsintervallerne ikke overlapper (øvre grænse for mænd < nedre grænse for kvinder), så vi kan umiddelbart slutte, at der er signifikant forskel på associationen for mænd og for kvinder. Beregnes et test (ikke nødvendigt) fås z = / = , svarende til en p-værdi på Beskriv kort studiets resultater. Kan du ud fra oplysningerne i Table 2 s højre side umiddelbart afgøre om køn er en effektmodifikator for sammenhængen mellem paradentose (beskrevet ved klinisk fæstetab i millimeter) og myokardieinfarkt? Test hypotesen om at den korrigerede sammenhæng mellem klinisk fæstetab og myocardieinfarkt er den samme for mænd og kvinder. Hvad er fortolkningen af p-værdien? For mænd øges risikoen for MI for i takt med den gennemsnitlige målte CAL svarende til OR = 1,34 (1,15-1,57) per mm. Det samme gør sig gældende for kvinder hvor associationen er stærkere, OR=2,08 (1,47-2,94). Der findes også en sammenhæng mellem paradentose og myokardieinfarkt hos både ikke-rygere og rygere, OR henholdsvis 1,4 (1,06-1,86) og 1,49 (1,26-1,77). Ser man på OR for henholdsvis mænd og kvinder, ses det at punktestimaterne ikke ligger i hinandens konfidensintervaller. Konfidensintervallerne overlapper dog hinanden, så der skal laves en test for at afgøre om der er signifikant forskel på de to estimater. For at beregne testestørrelse, skal standard errors findes ud fra sikkerhedsintervallerne i artiklen: korrigeret OR lower upper lnor selnor mænd kvinder Vi får derfor z = / = , svarende til p = Der er således en signifikant forskel på associationen hos mænd og hos kvinder. Fortokning: P-værdien angiver, at i et studie som det aktuelle vil der omkring 2 ud af 100 gange optræde en forskel på de to estimerede odds ratioer mindst så stor som den fundne forskel, når associationen mellem CAL og myokardienfarkt er den samme for mænd og kvinder 8. Kan rygning i dette studie antages at være en confounder for associationen mellem klinisk fæstetab og myokardieinfarkt? I den første søjle i Table 2 anføres et estimat for den ukorrigerede sammenhæng mellem gennemsnitlig CAL og myokardieinfarkt for henholdsvis mænd og kvinder. Vurder om disse resultater er påvirket af den manglende korrektion for confoundere. Er confounderproblematikken løst ved at lave den korrigerede analyse, som forfatterne gør? 4

5 For at rygning kan være en confounder skal det være: 1) selvstændig risikofaktor for myokardieinfarkt, også blandt ikke-eksponerede, 2) være skævt fordelt mellem eksponerede og ikke eksponerede i kildepopulationen og 3) ikke være et led i årsagskæden. Ad 1)- der er rimelig evidens for at rygning er risikofaktor for myokardieinfarkt. Ad 2) ud fra tabellerne i artiklen har vi ikke mulighed for at se fordelingen af rygere blandt eksponerede og ikke eksponerede hos kontrollerne. Der er dog anført i introduktionen og diskussionsafsnittet at rygning er stærk associeret med paradentose. Ad 3) rygning er ikke led i årsagskæden fra paradentose til myokardieinfarkt. Vi mangler altså oplysninger om rygnings fordeling blandt eksponerede og ikke-eksponerede i kildepopulationen (kontrollerne), men hvis vi antager at forfatteren har ret i at det er associeret til eksponering, opfylder rygning kravene til en confounder. Ser man på 2. søjle kan man se at OR reduceres efter at have kontrolleret for de faktorer der står nævnt i fodnoten til tabellen. Reduktionen er mest udtalt for kvinder. Det tyder altså på at de ujusterede resultater har været confoundet. Der kan fortsat være confounding fra faktorer, der ikke er justeret for. Eksempelvis kan det ikke afvises at der kan være confounding ved socioøkonomiske faktorer, som der ikke er justeret for i dette studie. Ligeledes kan eventuelle informationsproblemer angående confoundere bevirke, at der er noget residual confounding. Endelig kan det ikke afvises at der er confounding fra ukendte faktorer i et observationelt studie 9. I Table 2 findes korrigerede odds ratio estimater for sammenhængen mellem klinisk fæstetab og myokardieinfarkt for rygere og for ikke-rygere. Beregn på grundlag af disse to estimater et vægtet, fælles odds ratio estimat for sammenhængen mellem klinisk fæstetab og myokardieinfarkt med tilhørende 95% sikkerhedsinterval. Hvad er fortolkningen af dette estimat? De indledende beregninger fremgår af følgende tabel: korrigeret OR lower upper lnor selnor nonsmoke smoke Den vægtede analyse kan nu gennemføres ved at udfylde regneskemaet. Man får korrigeret lnor selnor w w*estimat nonsmoke smoke

6 lnorw ORw selnorw lower upper Det ses at det fælles, vægtede estimat bliver OR = med et 95% sikkerhedsinterval på Estimatet angiver den forøgede risiko, udtrykt ved en OR, som en person med et fæstetab på x+1 mm har i forhold til en person med samme rygestatus og et fæstetab på x mm. 10. En logistisk regressionsanalyse af data fra en tilsvarende undersøgelse af sammenhængen mellem klinisk fæstetab og myokardieinfarkt gav følgende indbyrdes korrigerede estimater Køn OR Kvinde (reference) 1 Mand 3.12 Ryger aldrig (reference) 1 tidligere 1.25 nuværende 1.39 Hypertension nej (reference) 1 ja 2.32 Kolesterol normalt (reference) 1 forhøjet 3.21 Klinisk fæstetab (mm) for kvinder 1.29 for mænd 2.35 Brug disse estimater til at sammenligne følgende tre personers risiko for at få myokardieinfarkt: Person A: En mand, som aldrig har røget, ikke har hypertension eller forhøjet kolesteroltal, og som har et klinisk fæstetab på 4 mm. Person B: En kvinde, som tidligere har røget. Hun har ikke hypertension, men et forhøjet kolesteroltal og et klinisk fæstetab på 2 mm. Person C. En mand, som ryger og har hypertension, men normalt kolesteroltal og et fæstetab på 1 mm. Hvem har størst risiko og hvem har mindst risiko for myokardieinfarkt? Begrund svaret. 6

7 For hver person beregner vi en odds ratio relativt til en referenceperson, som er en kvinde, som aldrig har røget, uden hypertension, med normalt kolesteroltal og med et klinisk fæstetab på 0 mm. Person A (relativt til reference): OR = 3.12*1*1*1* = 3.12*30.50 = Person B (relativt til reference): OR = 1*1.25*1*3.21* = = 6,68 Person C (relativt til reference): OR = 3.12*1.39*2.32*1* = 23.6 Person A har størst odds ratio og derfor også størst risiko, mens person B har mindst risiko. 11. Kan man på baggrund af dette studie udtale sig om en kausal sammenhæng mellem paradentose og myokardieinfarkt? Nævn et andet studiedesign, der kan bruges til at belyse sammenhængen mellem paradentose og myokardieinfarkt og nævn kort hvilke fordele og ulemper, der vil være ved det. I dette studie måles eksponeringen først efter sygdommen er opstået. Et af Bradford Hills kriterier i vurdering af evidens for årsagssammenhænge er at årsager kommer før konsekvens. Det kan være svært at afgøre i dette studie om cases havde paradentose inden de udviklede myokardieinfarkt. Forfatterne har ikke angivet hvor lang tid, der er gået fra diagnosen af myokardieinfarkt til tidspunkt for undersøgelse. Hvis patienterne er undersøgt forholdsvis kort tid efter indlæggelsen, er det nok usandsynligt, at paradentosen er opstået efter indlæggelsen, da paradentose udvikler sig over længere tid. Men er patienterne først undersøgt f. eks. et år efter indlæggelsen kan vi ikke ud fra dette studie afgøre om paradentose er årsag til MI eller MI er årsag til paradentose. Det kan heller ikke afvises at resultatet kan skyldes confounding fra blandt andet socioøkonomiske faktorer eller andre. Tiltroen til fundene svækkes også hvis/når der er mistanke om residual confounding. Da mænd og kvinders rygevaner er forskellige vil en ufuldstændig korrektion af rygning kunne introducere en forskel associationen for mænd og for kvinder. Et follow up studie hvor der tages udgangspunkt i eksponeringen (paradentose) ville kunne løse problemet angående den tidsmæssige relation. Ulempen er at man vil være nødt til at undersøge rigtig mange for paradentose og så følge dem nogle år for at se om de udvikler myokardieinfarkt. Det vil blive meget dyrt og tidskrævende. Endvidere vil der i follow up studiet fortsat være problemer med confounding (residual eller fra ukendte faktorer). 7

Vurdering af epidemiologiske undersøgelser igen

Vurdering 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 mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

ORDINÆR 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 mere

En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl

En 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 mere

Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning

Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning Opgave 1. Angiv studiets formål, design og hvilke associationsmål, der bruges. Beskriv hovedresultaterne

Læs mere

SKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI Cand.Scient.San, 2. semester 20. februar 2015 (3 timer)

SKRIFTLIG 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 mere

MPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003

MPH 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 mere

Vurdering af epidemiologiske undersøgelser igen

Vurdering 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 mere

Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard

Fejlkilder. 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 mere

Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning

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 mere

En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl

En 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 mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

ORDINÆR 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 mere

Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

Intern 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 mere

Måleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version

Måleproblemer. 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 mere

4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min

4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra

Læs mere

Målsætning. Vurdering af epidemiologiske undersøgelser

Målsætning. 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 mere

9. Chi-i-anden test, case-control data, logistisk regression.

9. 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 mere

Fejlkilder. 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 Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation

Læs mere

REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

REEKSAMEN 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 mere

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts Århus 27. februar 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts Epibasic er nu opdateret til version 2.02 (obs. der er ikke ændret ved arket C-risk) Start med

Læs mere

RE-EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

RE-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 mere

Analyse af binære responsvariable

Analyse 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 mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

ORDINÆR 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 mere

Præcision og effektivitet (efficiency)?

Præcision 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 mere

Confounding. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab

Confounding. 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 mere

Noter til SfR checkliste 3 Kohorteundersøgelser

Noter 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 mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Stratificerede analyser Dødsstraf-eksempel Betyder morderens farve noget for risikoen for dødsstraf? 1 Dødsstraf-eksempel: data Variable: Dødsstraf

Læs mere

Selektionsbias. 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 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 mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

ORDINÆR 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 mere

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006

PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 PhD-kursus i Basal Biostatistik, efterår 2006 Dag 2, onsdag den 13. september 2006 I dag: To stikprøver fra en normalfordeling, ikke-parametriske metoder og beregning af stikprøvestørrelse Eksempel: Fiskeolie

Læs mere

2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)

2. 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 mere

Sammenhængsanalyser. 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. 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 mere

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse

12. september Epidemiologi og biostatistik. Forelæsning 4 Uge 3, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Regressionsanalyse . september 5 Epidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression

Læs mere

Epidemiologi og Biostatistik

Epidemiologi 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 mere

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Institut for Biostatistik. Regressionsanalyse Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Institut for Biostatistik. Lineær regressionsanalyse - Simpel lineær regression - Multipel lineær regression Regressionsanalyse Regressionsanalyser

Læs mere

Epidemiologi og Biostatistik (version 19.09.2008)

Epidemiologi 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 mere

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk

Epidemiologi og biostatistik. Uge 3, torsdag. Erik Parner, Afdeling for Biostatistik. Eksempel: Systolisk blodtryk Eksempel: Systolisk blodtryk Udgangspunkt: Vi ønsker at prædiktere det systoliske blodtryk hos en gruppe af personer. Epidemiologi og biostatistik. Uge, torsdag. Erik Parner, Afdeling for Biostatistik.

Læs mere

Mikro-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 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 mere

Effektmålsmodifikation

Effektmålsmodifikation Effektmålsmodifikation Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2015 l Dias nummer 1 Sidste gang Vi snakkede

Læs mere

CENTER FOR KLINISKE RETNINGSLINJER

CENTER 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 mere

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff

Kursus 02402 Introduktion til Statistik. Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff Kursus 02402 Introduktion til Statistik Forelæsning 7: Kapitel 7 og 8: Statistik for to gennemsnit, (7.7-7.8,8.1-8.5) Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220 Danmarks

Læs mere

Population attributable fraction

Population 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 mere

1. februar Lungefunktions data fra tirsdags Gennemsnit l/min

1. februar Lungefunktions data fra tirsdags Gennemsnit l/min Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud

Læs mere

Konfidensintervaller og Hypotesetest

Konfidensintervaller og Hypotesetest Konfidensintervaller og Hypotesetest Konfidensinterval for andele χ -fordelingen og konfidensinterval for variansen Hypoteseteori Hypotesetest af middelværdi, varians og andele Repetition fra sidst: Konfidensintervaller

Læs mere

En intro til radiologisk statistik

En 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 mere

Kursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul

Kursus 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 mere

Hvor megen gavn får patienten af den medicinske behandling?

Hvor megen gavn får patienten af den medicinske behandling? Klaus Johansen RATIONEL FARMAKOTERAPI 1105 Hvor megen gavn får patienten af den medicinske behandling? Man kan fremover ikke nøjes med at meddele patienten, at kolesteroltallet er for højt, udskrive en

Læs mere

Resumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se

Resumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller

Læs mere

Eksperimenter. 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 Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations

Læs mere

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6

Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik og Dataanalyse Bygning 324, Rum 220

Læs mere

Eks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,

Eks. 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 mere

Vurdering af det Randomiserede kliniske forsøg RCT

Vurdering 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 mere

Morten Frydenberg 25. april 2006

Morten Frydenberg 25. april 2006 . gang: Introduktion til Logistisk Regression Morten Frydenberg 26 Afdeling for Biostatistik, Århus Universitet MPH. studieår specialmodul 4 Cand. San. uddannelsen. studieår Hvorfor logistisk regression

Læs mere

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl? Module 6: Exercises 6.1 To laboranter....................... 2 6.2 Nicotamid i piller..................... 3 6.3 Karakterer......................... 5 6.4 Blodtryk hos kvinder................... 6 6.5

Læs mere

Mikro-kursus i statistik 2. del Mikrokursus i biostatistik 1

Mikro-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 mere

25. april Probability of Developing Coronary Heart Disease in 6 years. Women (Aged 35-70) 160 No Yes

25. april Probability of Developing Coronary Heart Disease in 6 years. Women (Aged 35-70) 160 No Yes 25. april 2. gang: Introduktion til Logistisk Regression Morten Frydenberg 22 Institut for Biostatistik, Århus Universitet MPH. studieår specialmodul Cand. San. uddannelsen. studieår Hvorfor logistisk

Læs mere

Epidemiologiske mål Studiedesign

Epidemiologiske 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 mere

Note til styrkefunktionen

Note til styrkefunktionen Teoretisk Statistik. årsprøve Note til styrkefunktionen Først er det vigtigt at gøre sig klart, at når man laver statistiske test, så kan man begå to forskellige typer af fejl: Type fejl: At forkaste H

Læs mere

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Caerphilly studiet Design og Data Biostatistik uge 14 mandag Morten Frydenberg, Afdeling for Biostatistik Poisson regression En primær tidsakse og ikke stykkevise konstante rater Cox proportional hazard

Læs mere

Morten Frydenberg Biostatistik version dato:

Morten Frydenberg Biostatistik version dato: Tye og Tye 2 fejl Statistisk styrke Biostatistik uge 2 mandag Morten Frydenberg, Afdeling for Biostatistik Styrkeovervejelser i lanlægning af et studie Logistisk regression Præterm fødsel, rygning, alder,

Læs mere

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts Århus 19. marts 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts Epibasic er nu opdateret til version 2.04 med arkene Str any og weighted Alle tabeller og tegninger

Læs mere

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79.

Generelt er korrelationen mellem elevens samlede vurdering i forsøg 1 og forsøg 2 på 0,79. Olof Palmes Allé 38 8200 Aarhus N Tlf.nr.: 35 87 88 89 E-mail: stil@stil.dk www.stil.dk CVR-nr.: 13223459 Undersøgelse af de nationale tests reliabilitet 26.02.2016 Sammenfatning I efteråret 2014 blev

Læs mere

Resultater. Formål. Results. Results. Må ikke indeholde. At fåf. kendskab til rapportering af resultater. beskrivelse

Resultater. Formål. Results. Results. Må ikke indeholde. At fåf. kendskab til rapportering af resultater. beskrivelse Formål Resultater kendskab til rapportering af resultater Andreas H. Lundh Infektionsmedicinsk Afdeling, Hvidovre Hospital Anders W. JørgensenJ Øre-næse-halsafdeling, Århus Universitetshospital Mål At

Læs mere

Løsning til eksaminen d. 14. december 2009

Løsning til eksaminen d. 14. december 2009 DTU Informatik 02402 Introduktion til Statistik 200-2-0 LFF/lff Løsning til eksaminen d. 4. december 2009 Referencer til Probability and Statistics for Engineers er angivet i rækkefølgen [8th edition,

Læs mere

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Århus 8. april 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 10: 13. april Opgave 1 ( gruppe 1: sp 1-4, gruppe 5: sp 5-9 og gruppe 6: 10-14) I denne opgaveser vi på et

Læs mere

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2.

C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b2. C) Perspektiv jeres kommunes resultater vha. jeres svar på spørgsmål b1 og b. 5.000 4.800 4.600 4.400 4.00 4.000 3.800 3.600 3.400 3.00 3.000 1.19% 14.9% 7.38% 40.48% 53.57% 66.67% 79.76% 9.86% 010 011

Læs mere

Frase til indledende samtale Indledende samtale om hjerterehabilitering:

Frase til indledende samtale Indledende samtale om hjerterehabilitering: Frase til indledende samtale Indledende samtale om hjerterehabilitering: Baggrund for rehabiliteringsforløb: Akut myokardieinfarkt Koronar bypassoperation eller ballonudvidelse Anden dokumenteret iskæmisk

Læs mere

Sammenligning af to sæt observationer p-værdier og sikkerhedsgrænser

Sammenligning af to sæt observationer p-værdier og sikkerhedsgrænser 9 STATISTIK Sammenligning af to sæt observationer p-værdier og sikkerhedsgrænser Klaus Johansen Hvad er p-værdier og sikkerhedsgrænser, og hvad kan disse udfaldsmål bruges til? Artiklen rummer nyttig repetition

Læs mere

Allan C. Malmberg. Terningkast

Allan C. Malmberg. Terningkast Allan C. Malmberg Terningkast INFA 2008 Programmet Terning Terning er et INFA-program tilrettelagt med henblik på elever i 8. - 10. klasse som har særlig interesse i at arbejde med situationer af chancemæssig

Læs mere

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P

Læs mere

OMKOSTNINGER FORBUNDET MED

OMKOSTNINGER FORBUNDET MED OMKOSTNINGER FORBUNDET MED HJERTEKARSYGDOM HOS PATIENTER MED- OG UDEN KENDT SYGDOMSHISTORIK UDARBEJDET AF: EMPIRISK APS FOR AMGEN AB MAJ 215 Indhold Sammenfatning... 2 Metode og data... 4 Omkostningsanalyse...

Læs mere

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE Bilag 7: Checkliste Campbell et.al. SfR Checkliste 2: Randomiserede kontrollerede undersøgelser Forfatter, titel: E J Campbell, M D Baker. Subjective effects of humidification of oxygen for delivery by

Læs mere

Epidemiologiske associationsmål

Epidemiologiske 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 mere

Modul 5: Test for én stikprøve

Modul 5: Test for én stikprøve Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen Modul 5: Test for én stikprøve 5.1 Test for middelværdi................................. 1 5.1.1 t-fordelingen.................................

Læs mere

Kvaliteten i behandlingen af patienter. med KOL

Kvaliteten i behandlingen af patienter. med KOL Kvaliteten i behandlingen af patienter med KOL Region Syddanmark Sundhedsfaglig delrapport til den nationale sundhedsfaglige rapport januar 2010 december 2010 - 2 - Indholdsfortegnelse Indholdsfortegnelse...

Læs mere

Hyppigheds- 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 Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion

Læs mere

Magnetfelter og børnekræft - er der en sammenhæng?

Magnetfelter og børnekræft - er der en sammenhæng? NOTAT NP92-961b JKJ/BT-DGR 4. december 1997 Magnetfelter og børnekræft - er der en sammenhæng? Revideret januar 1993 NOTAT NP92-961b 2 1. Om børnekræft I perioden fra 1945 og frem til i dag har udviklingen

Læs mere

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE Bilag 5: Checkliste Andres et.al. SfR Checkliste 2: Randomiserede kontrollerede undersøgelser Forfatter, titel: Andres D et al.: Randomized double-blind trial of the effects of humidified compared with

Læs mere

Beregning af usikkerhed på emissionsfaktorer. Arne Oxbøl

Beregning af usikkerhed på emissionsfaktorer. Arne Oxbøl Beregning af usikkerhed på emissionsfaktorer Arne Oxbøl Fremgangsmåde for hver parameter (stof) Vurdering af metodeusikkerhed Datamaterialet er indsamlede enkeltmålinger fra de enkelte anlæg inden for

Læs mere

Sommereksamen 2015. Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Sommereksamen 2015. Bacheloruddannelsen i Medicin/Medicin med industriel specialisering Sommereksamen 2015 Titel på kursus: Uddannelse: Semester: Statistik og evidensbaseret medicin Bacheloruddannelsen i Medicin/Medicin med industriel specialisering 2. semester Eksamensdato: 16-06-2015 Tid:

Læs mere

Korrelation Pearson korrelationen

Korrelation Pearson korrelationen -9- Eidemiologi og biostatistik. Forelæsning Uge, torsdag. Niels Trolle Andersen, Afdelingen for Biostatistik. Korrelation Kliniske målinger - Kliniske målinger og variationskilder - Estimation af størrelsen

Læs mere

Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese

Ensidet eller tosidet alternativ. Hypoteser. tosidet alternativ. nul hypotese testes mod en alternativ hypotese Kursus 02402 Introduktion til Statistik Forelæsning 6: Kapitel 7: Hypotesetest for gennemsnit (one-sample setup). 7.4-7.6 Per Bruun Brockhoff DTU Compute, Statistik Bygning 305/324 Danmarks Tekniske Universitet

Læs mere

En intro til radiologisk statistik. Erik Morre Pedersen

En 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 mere

EPIDEMIOLOGI MODUL 7. April Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM

EPIDEMIOLOGI 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 mere

Statistik II 4. Lektion. Logistisk regression

Statistik II 4. Lektion. Logistisk regression Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:

Læs mere

Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler:

Ved 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 mere

Epidemiologiske associationsmål

Epidemiologiske 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 mere

Introduktion til epidemiologi

Introduktion 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 mere

Studiedesigns: Case-kontrolundersøgelser

Studiedesigns: 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 mere

Program. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration

Program. Modelkontrol og prædiktion. Multiple sammenligninger. Opgave 5.2: fosforkoncentration Faculty of Life Sciences Program Modelkontrol og prædiktion Claus Ekstrøm E-mail: ekstrom@life.ku.dk Test af hypotese i ensidet variansanalyse F -tests og F -fordelingen. Multiple sammenligninger. Bonferroni-korrektion

Læs mere

Udarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning

Udarbejdelse 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 mere

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Uafhængighedstestet Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev

Læs mere

Notat om midler mod Alzheimers sygdom i Danmark

Notat om midler mod Alzheimers sygdom i Danmark Notat om midler mod Alzheimers sygdom i Danmark En kortlægning af forbruget af demensmidler i perioden 1997-2003 9. oktober, 2003 Indhold Resumé Baggrund Datamateriale og metode Resultater Omsætning og

Læs mere

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X.

Vi kalder nu antal prøverør blandt de 20, hvor der ikke ses vækst for X. Opgave I I en undersøgelse af et potentielt antibiotikum har man dyrket en kultur af en bestemt mikroorganisme og tilført prøver af organismen til 20 prøverør med et vækstmedium og samtidig har man tilført

Læs mere

Kritisk 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 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 mere

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression

Logistisk Regression. Repetition Fortolkning af odds Test i logistisk regression Logistisk Regression Repetition Fortolkning af odds Test i logistisk regression Logisitks Regression: Repetition Y {0,} binær afhængig variabel X skala forklarende variabel π P( Y X x) Odds(Y X x) π /(-π

Læs mere

Ulighed i sundhed kroniske og langvarige sygdomme. Ministeriet for Sundhed og Forebyggelse

Ulighed i sundhed kroniske og langvarige sygdomme. Ministeriet for Sundhed og Forebyggelse Ulighed i sundhed kroniske og langvarige sygdomme Ministeriet for Sundhed og Forebyggelse Ulighed i sundhed kroniske og langvarige sygdomme Udarbejdet af: Ministeriet for Forebyggelse og Sundhed, Statens

Læs mere

Konfidensinterval for µ (σ kendt)

Konfidensinterval for µ (σ kendt) Program 1. Repetition: konfidens-intervaller. 2. Hypotese test 3. Type I og type II fejl, p-værdi 4. En og to-sidede tests 5. Test for middelværdi (kendt varians) 6. Test for middelværdi (ukendt varians)

Læs mere

Epidemiologi og Biostatistik

Epidemiologi og Biostatistik Epidemiologi og Biostatistik Kliniske målinger (Kapitel. +.1 + 11.-11 + 1.1-) Introduktion til skilder (varianskomponenter) måleusikkerhed sammenligning af målemetoder Mogens Erlandsen, Institut for Biostatistik

Læs mere

Statistiske principper

Statistiske principper Statistiske principper 1) Likelihood princippet - Maximum likelihood estimater - Likelihood ratio tests - Deviance 2) Modelbegrebet - Modelkontrol 3) Sufficient datareduktion 4) Likelihood inferens i praksis

Læs mere