To grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens

Størrelse: px
Starte visningen fra side:

Download "To grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens"

Transkript

1 EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål: prævalens og incidens Prævalens = refererer til dem, som har sygdommen på et givet tidspunkt (svarer på et øjebliksbillede) Incidens = refererer til dem, som i løbet af en given periode udvikler en sygdom, og som ved observationsstart er sygdomsfri og at risk Epidemiologiske designmuligheder PRÆVALENS: EKSEMPEL Den. januar 00 fandt man, at personer havde diabetes i en befolkning på.000 personer diabetikere Prævalens (P) = = personer =.% af populationen havde diabetes. januar 00 PRÆVALENS (P): = Proportionen af befolkningen, som lever med sygdommen på et givet tidspunkt. Antal personer som har sygdommen Samlet antal personer i gruppen PÅ ET GIVET TIDSPUNKT BEMÆRK Nævneren er den samlede befolkning. Nævneren består af både personer med sygdommen og personer uden sygdommen. På et givet tidspunkt". Tidspunktet må angives, når man rapporterer om prævalens. Kunne være kronologisk (. januar 00); livsbegivenhed (ved fødsel); eller livsperiode (i puberteten, efter pensionering). INCIDENS Incidens = henviser til dem, som i løbet af en given periode udvikler en sygdom, og som ved observationsstart er sygdomsfri og at risk for at få pågældende sydgom

2 TO HOVEDTYPER AF MÅL FOR INCIDENS KUMULERET INCIDENS PROPORTION (KIP) Kumuleret Incidens Proportion (KIP) Incidens Rate (IR) 0 KUMULERET INCIDENS PROPORTION: EKSEMPEL t=0 t=0 år 0 personer, alle sygdomsfri til t = 0 Alle fulgt fra t = 0 til hændelse eller t = 0 år udviklede udfaldet ( = ) /0 = 0% = kumuleret incidens over 0 år KUMULERET INCIDENS PROPORTION (KIP) Den proportion, som får sygdommen i løbet af en specificeret observationsperiode. KIP = Antal nye tilfælde udviklet over en given observationsperiode Samlet antal personer at risk BEMÆRK Nævneren er samlet antal personer at risk. Dvs. sygdomsfri ved start og at risk for at udvikle pågældende sygdom. Tælleren er antal individer. Tælleren relaterer sig til en "specificeret observationsperiode". KIP er ikke fortolkelig, hvis ikke tidsperioden er specificeret (fx. dag, år, 0 år, hele livet). Kumuleret Incidens Proportion (KIP) Kan antage værdierne: 0- eller 0-00%. Giver et estimat for risikoen (eller sandsynligheden) for, at et individ udvikler sygdommen inden for en given tidsramme. Forudsætter at alle følges i den samme observationsperiode.

3 INCIDENS RATE INCIDENS RATE: EKSEMPEL 0 t=0 t=0 yrs 0 personer, alle sygdomsfri til tiden t = 0 Fulgt i varierende tidsperioder: ind til hændelsen, til de er lost-to-followup (tabt af syne) eller til studiets afslutning udviklede udkommet ( = ) Vi kan ikke sige, at /0 udviklede sygdommen i løbet af 0 år, da ikke alle blev fulgt i alle de år Vi behøver mål både for antallet af personer, og for hvor lang tid hver enkelt person er blevet fulgt ESTIMERE PERSON-TID I EN ÅBEN POPULATION ESTIMERE PERSON-TID I EN ÅBEN POPULATION JAN ' 0 ' ' ' ' '0 0 JAN '0 ' ' ' ' ' ESTIMERE PERSON-TID ESTIMERE PERSON-TID JAN '0 ' ' ' ' '00 JAN '0 ' ' ' ' '00 0 Antal år fulgt Samlet antal år at risk 0 Antal år fulgt Samlet antal år at risk

4 0 ESTIMERE PERSON-TID JAN '0 ' ' ' ' IR = / person-år = per 000 p-å (person-years PY) '00 Antal år fulgt Samlet antal år at risk PERSON-TID Intuitivt vanskeligt, men absolut nødvendigt, når man skal tage højde for den varierende observationsstid for follow-up, som man tit finder i kohortestudier og i trials. En mærkværdighed er, at 000 person-år kan opnås ved at 00 personer følges over 0 år, 000 personer følges over år, 00 personer over år etc. INCIDENS RATE (IR) Den hastighed, hvormed nye cases opstår i en befolkning at risk for sygdommen. IR = Antal nye cases udviklet I observationsperioden Samlet mængde observeret person-tid BEMÆRK Tælleren relaterer sig til population at risk. Fra starten sygdomsfri for den sygdom, som studeres, og bidrager person-tid, så længe de er at risk. Nævneren er person-tid. IR er en rate (hastighed). Tiden er indbygget i målet (ligesom kilometer/time). Tiden kan være timer, dage, måneder, Har enheden /tid (antager værdierne : 0 - ). Udtrykker hastigheden for opståen af sygdomstilfælde i en befolkning, under hensyntagen til at observationstiden kan variere fra person til person. SAMMENHÆNGEN MELLEM PRÆVALENS OG INCIDENS? Incidens An analogi: En sø Prævalens Prævalensen svarer til søens vandstand Helbredt Døde

5 Incidens P = I x Varighed P = I x Varighed An analogi: En sø Prævalens når der er steady state Ikke epidemisk sygdomsforekomst, og ingen nye terapeutiske landvindinger. Prævalensen svarer til søens vandstand Helbredt Dvs. vi kan forudsige ændringen i det ene mål, hvis der sker ændringer i de andre to mål. Døde HVILKET AF DE TO MÅL SKAL VI BRUGE? Indførelse af nye behandlinger for AIDS forlænger overlevelse, men helbreder ikke medfører en forøget prævalens. Prævalensmålet er bedst til administrative formål. Incidensmålet er bedst til ætiologiske studier, afhænger ikke af faktorer, der påvirker overlevelsen. MÅL FOR SAMMENHÆNG Når vi nu har beskrevet vore data, er vort næste mål at se, om vi med et enkelt udtryk kan kvantificere sammenhængen mellem eksponeringen og udfaldet.

6 MÅL FOR SAMMENHÆNG. TRIN: OPSUMMERE DATA SYGDOM (UDFALD) Relativ Risiko Ja Ja a Nej b a + b Risiko Differens Exponering Nej c d c + d a + c b + d N CELLER: a = Antal exponerede, som har sygdommen b = Antal exponerede, som ikke har sygdommen c = Antal, som ikke er exponerede, men som har sygdommen d = Antal, som hverken er eksponerede eller har sygdommen Marginaler: a + b = Samlet antal eksponerede c + d = Samlet antal ikke-eksponerede a + c = Samlet antal med sygdom b + d = Samlet antal uden sygdom Samlet antal totalt: N = a + b + c + d To-gange-to (x) tabel. TRIN: BEREGNE SYGDOMSFOREKOMST Kohortestudie med individer i nævneren (tælledata): KIP e = # Exponerede Cases = a # Exponerede a + b KIP o = # Ikke-exponerede Cases = c # Ikke-exponerede c + d OPSUMMERE DATA KOHORTE STUDIE MED PERSON-TID NÆVNER SYGDOM (UDFALD) Ja Nej Exponering Ja a b a + b ja Sygdom nej PERSON-TID ENHEDER Nej c d c + d ja a PT e a + c b + d N Exponering CELLER: a = Antal exponerede, som har sygdommen b = Antal exponerede, som ikke har sygdommen c = Antal, som ikke er exponerede, men som har sygdommen d = Antal, som hverken er eksponerede eller har sygdommen nej c a + c PT o PT T = PT e + PT o

7 KOHORTSTUDIE MED PERSON-TID NÆVNER. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? IR e = # Exponerede Cases = a Exponeret Person-tid PT e IR o = # Ikke-exponerede Cases = c Ikke-exponeret Person-tid PT o. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? Der findes flere forskellige mål for sammenhæng Relativ skala: Divider de to hyppighedsmål med hinanden Absolut skala: Subtraher de to mål fra hinanden RELATIV RISIKO (RR) RISIKO RATIO: Kumuleret Incidens Ratio (KIR) = KIP e / KIP o i kohortestudier med tælledata RATE RATIO: Incidens Rate Ratio (IRR) = IR e / IR o i kohortestudier med person-tid Rate Ratio Risiko Ratio = Relativ Risiko Er et mål for styrken af sammenhængen mellem en eksponering og en sygdom. Beregnes på forskellig vis afhængigt af studiedesignet. HVORDAN UDTRYKKER VI RR? Eksempel: Postmenopausale hormoner HVIS RR >: RR =.: kvinder, der bruger postmenopausale hormoner har. gange øget risiko (eller 0% øget risiko) for at få brystcancer sammenlignet med ikke-brugere RR =.: de har mere end en -fold øget risiko for at få endometriecancer. HVIS RR <: RR = 0.: kvinder, der bruger postmenopausale hormoner, har 0% af den risiko, som ikke-brugere har for osteoporose. Man kan også sige, at de har 0% lavere risiko.. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? Der findes flere forskellige mål for sammenhæng Relativ skala: Divider de to hyppighedsmål med hinanden Absolut skala: Subtraher de to mål fra hinanden

8 MÅL FOR OVERRISIKO ( ECESS RISK, ATTRIBUTABLE RISK ) Risikodifferens (eller attributable risk ) (for kohortestudier med tælledata) = KIP e -KIP o = a - c a + b c + d Ratedifferens (eller attributable rate ) (for kohortestudier med person-tid nævnere) = IR e - IR o - = a - c PT e PT o EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 Udtrykker den mængde af -sygdom i blandt eksponerede, som kan antages at henføres til eksponeringen, idet man jo har fratrukket sygdomsraten (risikoen) blandt de ikkeeksponerede. Forudsætter kausalitet. EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 MORTALITETSRATE PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 Spørgsmål: Er rygning en stærkere risikofaktor for lungecancer end CHD? Hvilke mål kan sige noget om sygdomsætiologi? Spørgsmål: Er rygning en stærkere risikofaktor for lungecancer end CHD? Hvilke mål kan sige noget om sygdomsætiologi? Hvis rygere ophørte med at ryge, ville vi så redde flest rygere fra lungecancer eller fra CVD? Hvilke mål kan sige noget om den folkesundedsmæssige indflydelse? MORTALITETSRATE PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR Hvad kan vi lære af dette: En beskeden RR kan være vigtig set fra et folkesundhedssynspunkt, hvis eksponeringen og sygdommen er hyppigt forekommende (fx., postmenopausale hormoner og brystcancer).

9 MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR Hvad kan vi lære af dette: En beskeden RR kan være vigtig set fra et folkesundhedssynspunkt, hvis eksponeringen og sygdommen er hyppigt forekommende (fx., postmenopausale hormoner og brystcancer). En stærk RR kan være vigtig for at forstå ætiologien bag en sygdom, men af begrænset betydning fra et folkesundhedssynspunkt, hvis sygdommen er sjælden. RELATIV RISIKO VS. RISIKO DIFFERENS Relativ Risko er et mål for styrken af sammenhængen mellem eksponering og sygdom. Målet benyttes til at vurdere den ætiologiske betydning af en given faktor. Risiko Differens er et mål for den absolutte effekt, som en given eksponering har på forekomsten af en given sygdom og benyttes til bestemme den folkesundhedsmæssige indflydelse af at fjerne eksponeringen under antagelse af at sammenhængen er kausal. Målene giver forskellig men komplementær information. Epidemiologiske Studie Design Epidemiologiske Studie Design Formålet med et godt studiedesign: At optimere validiteten samtidig med at man har færrest mulige omkostninger i forbindelse med at udføre undersøgelsen Epidemiologiske Studie Design Tre vigtige grundkarakteristika ved design:. Er undersøgelsesenheden individer eller grupper af individer?. Observerende eller interventionsstudie?. Prospektiv bestemmelse af eksponering? Epidemiologiske Studie Design Fem typiske studiedesign: Korrelations / økologiske studier Tværsnitsstudier Kohortestudier Case-control studier Eksperimentelle studier

10 KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER. Vi har ikke eksponeringsdata og udkomdata på individniveau, kun på gruppeniveau Undersøgelsesenheden er grupper IHS og alkoholkonsum i forskellige lande: Korrelationsstudie / økologisk studie KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER Benyttes tit; let at fremstille hvis data er tilgængelige Correlations of age-adjusted coronary heart disease (CHD) mortality rates per 00,000 population with dietary items in. (MH Criqui and BL Ringel, Lancet ; :) Begrænsninger: Drejer sig om grupper, ikke individer Meget stor chance for confounding Gennemsnitlige eksponeringsdata for hver gruppe TVÆRSNITSSTUDIER (SURVEYS) EKSEMPEL: TVÆRSNITSSTUDIE Øjebliksbillede: informationer om eksponeringer og udfald bestemt samtidigt Prevalence of selected chronic conditions per,000 persons years of age and older, by family income. National Health Study,. Source: Adams (0).

11 TVÆRSNITSSTUDIER (SURVEYS) Tidsbesparende, data ofte tilgængelige og opdaterede Begrænsninger: Ingen tidsmæssig adskillelse, et problem i årsagssøgende studier. ANALYTISKE STUDIER. Observerende studier (eksponeringerne er typisk selv-valgte) Case-control Kohorte. Interventionsstudier (eksponeringerne er allokerede af forskerne) fx. randomized controlled trial FORSKNINGSSPØRGSMÅL: Tværsnitsstudie: Beskytter fysisk aktivitet (FA) imod hjertesygdom? Kan det at gå en halv time hver dag dage om ugen, nedsætte risikoen for iskæmisk hjertesygdom (IHD) sammenlignet med en siddende livsstil? Fys.akt.? IHD? Samtidig bestemmelse af eksponering og udfald Hvis vi vælger et tværsnitsdesign: STYRKER: Effektivt mht. tid og penge BEGRÆNSNINGER: Ikke en klar tidssekvens: det er meget muligt, at IHD symptomer ændrer personens fysiske aktivitetsniveau? Ikke velegnet til analytiske studier Case-Control:? Fysisk aktivitet IHD på et tidligere tidspunkt in 00 Udvælge en gruppe syge og en kontrolgruppe

12 Hvis vi vælger et case-control design: STYRKER: Effektivt mht. tid og penge, idet vi ikke skal vente ind til sygdommen opstår Kan takle lange latensperioder Kan samtidig undersøge effekt af mange risikofaktor ud over fysisk aktivitet CHD Kohortestudie:? Fysisk aktivitet IHD i år 0 i 00 BEGRÆNSNINGER: Vanskeligt at få præcis information for den rigtige tidsperiode ( år? år? 0 år?) Følge en gruppe eksponerede og en gruppe u-eksponerede over tid Hvis vi vælger kohortedesignet: STYRKER: Mere præcise exponeringsoplysninger Prospektivt indsamlede eksponeringsoplysninger - Kan belyse temporale sammenhænge (tidsanalyser) Kan se på multiple udfald udover IHD som funktion af fysisk aktivitet BEGRÆNSNINGER: Tager længere tid (latensperiode) og dyrere Behøver relevante data Behøver follow-up af deltagerne i længere tid Interventionsstudie: Eksponerede: Gang x uge Ikke-eksponerede: Siddende livsstil (allokeret af forsker)? IHD udfald Intervention over for en gruppe, som følges over tid, og sammenlignes med en kontrolgruppe, som også følges Hvis vi vælger interventionsstudiet: STYKER: Kontrol over exponeringen (fysisk aktivitet) Kan kontrollere confounding BEGRÆNSNINGER: Det dyrest design, mest resursekrævende Problemer med compliance til interventionen OPSUMMERING En given problemstilling kan tit belyses med flere forskellige epidemiologiske studiedesign Valget afhænger af spørgsmålet, samt af tilgængelige midler og resurser Hvert studie design har styrker og svagheder, som nøje må overvejes ved fortolkningen Derfor er en forståelse af studiedesignet kritisk for fortolkingen af resultaterne fra et enkelt studie, såvel som af den samlede evidens vedrørende en given problemstilling.

13 Slut

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

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

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

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

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

Studiedesigns: Kohorteundersøgelser

Studiedesigns: 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 mere

Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi.

Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi. Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab Introduktionsmodul definition/ EPIDEMIOLOGI - epi (ved, omkring) - demos (folket) - logos (læren om..) Den videnskabelige disciplin som omhandler

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

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

Studiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard

Studiedesign. 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 mere

Studiedesigns: Kohorteundersøgelser

Studiedesigns: 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 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

Epidemiologiske hyppighedsmål

Epidemiologiske 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 mere

Epidemiologi. Sjurdur F. Olsen. Epidemiologi: Introduktion. Epidemiologi: Introduktion. Epidemiologi: Eksempel. 1. Introduktion om epidemiologi

Epidemiologi. Sjurdur F. Olsen. Epidemiologi: Introduktion. Epidemiologi: Introduktion. Epidemiologi: Eksempel. 1. Introduktion om epidemiologi Epidemiologi Sjurdur F Olsen 1 Introduktion om epidemiologi 2 Om kursets indhold 3 Epidemiologiske mål 4 Epidemiologiske studiedesign Hvad er epidemiologi? Hvad er epidemiologi? Eksempler Epidemiologi:

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

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

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

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

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

Studiedesigns: Alternative designs

Studiedesigns: 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 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

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

Epidemiologisk evidens og opsummering

Epidemiologisk evidens og opsummering Epidemiologisk evidens og opsummering Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. juni 2014 l Dias nummer 1 Sidste

Læs mere

Besvarelse af opgavesættet ved Reeksamen forår 2008

Besvarelse 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 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

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

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

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

Årsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev

Årsager. 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 mere

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

Mads 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 mere

Follow up = kohorteundersøgelse. Dagens program. Årsagssøgning. Follow-up studiet design og risikomål. Mandag repetition 1. Mandag repetition 3

Follow up = kohorteundersøgelse. Dagens program. Årsagssøgning. Follow-up studiet design og risikomål. Mandag repetition 1. Mandag repetition 3 Mndg repetition 1 Årsgssøgning Followup studiet design og risikomål Introduktionsmodul 23090323 Antl observtioner/observtionsmængde Inidens: ntllet f nye tilfælde over en speifieret tidsperiode indenfor

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

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

Hvorfor 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? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Hvorfor er forskning væsentlig? Nødvendig for at forstå sygdom Forudsætning for mere rationel diagnostik

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

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

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

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

Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel

Epidemiologi. 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 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

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

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

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

Noter til SfR checkliste 4 - Casekontrolundersøgelser

Noter 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 mere

Kohorte. Algorithm for classification of study. Kohorte og interventionsstudier

Kohorte. 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

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

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

Benchmarking af mortalitet: Metodologiske udfordringer

Benchmarking af mortalitet: Metodologiske udfordringer Benchmarking af mortalitet: Metodologiske udfordringer Anders Green, professor, overlæge, dr.med. Odense Universitetshospital og Syddansk Universitetk Institute of Applied Economics and Health Research,

Læs mere

Hvordan påvirkes det fysiske aktivitetsniveau ved en højrisikostrategi? Resultater fra Inter99

Hvordan påvirkes det fysiske aktivitetsniveau ved en højrisikostrategi? Resultater fra Inter99 Hvordan påvirkes det fysiske aktivitetsniveau ved en højrisikostrategi? Resultater fra Inter99 Hjertekonference - om forskning i fysisk aktivitet og hjertesundhed Torsdag 28. oktober 2008, Store auditorium,

Læs mere

Epidemiologiske metoder

Epidemiologiske metoder Bacheloruddannelsen i IT og Sundhed Københavns Universitet Epidemiologiske metoder 2. semester Forårssemesteret 2014 Kursusleder Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for

Læs mere

Region Hovedstaden. Forskningscenter for Forebyggelse og Sundhed. Salt og Sundhed. Ulla Toft Forskningscenter for Forebyggelse og Sundhed

Region Hovedstaden. Forskningscenter for Forebyggelse og Sundhed. Salt og Sundhed. Ulla Toft Forskningscenter for Forebyggelse og Sundhed Salt og Sundhed Ulla Toft 1 Salt Salt består af grundstofferne natrium og klor (NaCL). Salt er livsnødvendigt opretholder kroppens væskebalance Men for meget salt er livsfarligt Kroppen har brug for ca.

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

Epidemiologiske metoder

Epidemiologiske metoder Bacheloruddannelsen i IT og Sundhed Københavns Universitet Epidemiologiske metoder 2. semester Forårssemesteret 2016 Kursusleder Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut 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

Kobling af survey og registre i sundhedsforskning

Kobling af survey og registre i sundhedsforskning Kobling af survey og registre i sundhedsforskning Selskab for Surveyforskning Seminar 5. marts 2014 Henrik Brønnum-Hansen Afdeling for social medicin Afdeling for social medicin Hvorfor koble surveys og

Læs mere

KAPITEL 5. Analytisk. Poul Suadicani. epidemiologi

KAPITEL 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 mere

Hyppighed Risikofaktorer Behandlingseffekt Prognose

Hyppighed Risikofaktorer Behandlingseffekt Prognose Hvad laver kliniske epidemiologer? Fastlæggelse af: Hyppighed Risikofaktorer Behandlingseffekt Prognose for klinisk definerede patientgrupper (fx. cancer, diabetes, lungebetændelse, ) Epidemiologiske begreber

Læs mere

Årsagsteori. 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 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 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

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

Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark

Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark Forskning i støj -historisk 1970 støj i arbejdsmiljøet (epidemiologi) 1980 trafikstøj (epidemiologi)

Læs mere

DANISH COLORECTAL CANCER GROUP EKSTERNE RISIKOFAKTORER

DANISH COLORECTAL CANCER GROUP EKSTERNE RISIKOFAKTORER DANISH COLORECTAL CANCER GROUP EKSTERNE RISIKOFAKTORER 16 EKSTERNE RISIKOFAKTORER Epidemiologiske undersøgelser baseret på forskellige studiedesign som f.eks. immigrationsstudier og korrelationsstudier

Læs mere

INTRO TIL EPIDEMIOLOGI FERTILITET

INTRO TIL EPIDEMIOLOGI FERTILITET INTRO TIL EPIDEMIOLOGI FERTILITET JULIE LYNGSØ, LÆGE, PH.D.-STUDERENDE TORSDAG D. 03.02.2016 VELKOMMEN TIL EN SUPER AFTEN! 3 DISPOSITION EPI WORKSHOP - Kort præsentation af mig selv - Hvad er epidemiologi?

Læs mere

Sundhedsadfærdens betydning for sygdomsbyrde og ulighed

Sundhedsadfærdens betydning for sygdomsbyrde og ulighed Finn Diderichsen Sundhedsadfærdens betydning for sygdomsbyrde og ulighed Michael 2006; 3:Suppl 3: 32 9. Der er stor forskel på folkesundheden i Danmark og Norge, og det er ikke noget nyt fænomen. Allerede

Læs mere

Epidemiologiske metoder

Epidemiologiske metoder Bacheloruddannelsen i IT og Sundhed Københavns Universitet Epidemiologiske metoder 2. semester Forårssemesteret 2014 Kursusleder Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for

Læs mere

ARBEJDSFASTHOLDELSE HVAD VED VI, OG HVOR SKAL VI HEN. Institut for Sundhedsfaglig og Teknologisk Efter- og Videreuddannelse

ARBEJDSFASTHOLDELSE HVAD VED VI, OG HVOR SKAL VI HEN. Institut for Sundhedsfaglig og Teknologisk Efter- og Videreuddannelse ARBEJDSFASTHOLDELSE HVAD VED VI, OG HVOR SKAL VI HEN Institut for Sundhedsfaglig og Teknologisk Efter- og Videreuddannelse Hvad ved vi Omkring 200.000 danskere lever med iskæmisk hjertesygdom, og omkring

Læs mere

Testeksperiment EVAluering. CEEH Interessentforum. 26. november 2007. Et testeksperiment med EVA-systemet. Tobaksrygning

Testeksperiment EVAluering. CEEH Interessentforum. 26. november 2007. Et testeksperiment med EVA-systemet. Tobaksrygning CEEH Interessentforum 26. november 2007 Et testeksperiment med EVA-systemet Tobaksrygning Henrik Brønnum-Hansen November 2007 Henrik Brønnum-Hansen Side 1 Health effects - analytical frame Climatic conditions

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

Den Nationale Arbejdsmiljøkohorte - design og resultater. Hermann Burr

Den Nationale Arbejdsmiljøkohorte - design og resultater. Hermann Burr Den Nationale Arbejdsmiljøkohorte - design og resultater Hermann Burr Indhold Formål Den Nationale Arbejdsmiljøkohorte (NAK) Design Resultater Overvågning Ætiologi Perspektiver Den nationale arbejdsmiljøkohortes

Læs mere

Epidemiologi Begreber og metoder

Epidemiologi Begreber og metoder Epidemiologi Begreber og metoder Marianne Lindahl, fysioterapeut, MPH, Carsten Bogh Juhl, fysioterapeut, MPH Fysioterapeutuddannelsen CVU Syd, Næstved Lindahl M, Juhl CB 2005, 25. februar) Epidemiologi

Læs mere

Epidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.

Epidemiologisk 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 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

13 års forskel i Ålborg

13 års forskel i Ålborg MÆNDS SUNDHED Program Nanna Ahlmark: Mænd i København: peer-til-peer som metode til at mindske ulighed i sundhed. Dag Ellingsen: Men Only et norsk projekt om mænd i rehabilitering. Annette Pedersen: Tidlig

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

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

Social ulighed i sundhed starter allerede i graviditeten

Social ulighed i sundhed starter allerede i graviditeten Social ulighed i sundhed starter allerede i graviditeten Hvad forstår vi egentlig ved social ulighed i sundhed, hvordan er den sociale ulighed tidligt i livet i Danmark, og hvad kan vi gøre ved den? Laust

Læs mere

Fysiske arbejdskrav og fitness

Fysiske arbejdskrav og fitness Fysiske arbejdskrav og fitness Betydning for hjertesygdom og dødelighed AMFF årskonference 2014 Andreas Holtermann Overordnede forskningsspørgsmål Øger høje fysiske krav i arbejde risiko for hjertesygdom

Læs mere

Psykosocial arbejdsmiljø og depression

Psykosocial arbejdsmiljø og depression Psykosocial arbejdsmiljø og depression Finn Diderichsen professor dr.med Københavns Universitet Depression som folkesundhedsproblem Måler man sygdomsbyrde som antal år som går tabt i for tidlig død, og

Læs mere

Social ulighed i dødelighed i Danmark gennem 25 år

Social ulighed i dødelighed i Danmark gennem 25 år Social ulighed i dødelighed i Danmark gennem 25 år Betydningen af rygning og alkohol Knud Juel & Mette Bjerrum Koch Statens Institut for Folkesundhed, Syddansk Universitet, marts 213 2 Indledning Siden

Læs mere

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

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

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

Mette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel. Statens Institut for Folkesundhed. Hjertekarsygdomme. i 2011

Mette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel. Statens Institut for Folkesundhed. Hjertekarsygdomme. i 2011 Mette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel Statens Institut for Folkesundhed Hjertekarsygdomme i 211 Incidens, prævalens og dødelighed samt udviklingen siden 22 Hjertekarsygdomme i

Læs mere

SOCIAL ULIGHED I OVERLEVELSEN EFTER BRYSTKRÆFT. Signe Benzon Larsen

SOCIAL ULIGHED I OVERLEVELSEN EFTER BRYSTKRÆFT. Signe Benzon Larsen SOCIAL ULIGHED I OVERLEVELSEN EFTER BRYSTKRÆFT Signe Benzon Larsen Disposition Social position Social position og brystkræft Årsager til sociale forskelle Livsstil og overlevelse Social position Social

Læs mere

Formidlingsmøde om hårdt fysisk arbejde og hjertekarsygdom

Formidlingsmøde om hårdt fysisk arbejde og hjertekarsygdom Formidlingsmøde om hårdt fysisk arbejde og hjertekarsygdom Det Nationale Forskningscenter for Arbejdsmiljø Andreas Holtermann & Mette Korshøj Dagens program Velkomst og kort introduktion Hvad ved vi om

Læs mere

Epidemiologi og biostatistik, forår 2003 Epidemiologi, uge 2. Øvelser til mandag/torsdag

Epidemiologi og biostatistik, forår 2003 Epidemiologi, uge 2. Øvelser til mandag/torsdag Epidemiologi og biostatistik, forår 2003 Epidemiologi, uge 2 Øvelser til mandag/torsdag Opgave 1 Ved indgang i en amerikansk kohorteundersøgelse udfyldte deltagerne et spørgeskema, som blandt andet vedrørte

Læs mere

Hvorfor dør de mindst syge?

Hvorfor dør de mindst syge? Hvorfor dør de mindst syge? Torsten Lauritzen Professor, dr.med., Institut for Folkesundhed, Aarhus Universitet Faglig chefrådgiver, Diabetesforeningen Diabetes-udviklingen En ssucces: Faldende risiko

Læs mere

Kan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen

Kan 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 mere

Epidemiologi. Kursus forår 2004 Kohortestudier del 2 Interventionsstudier

Epidemiologi. Kursus forår 2004 Kohortestudier del 2 Interventionsstudier Epidemiologi Kursus forår 2004 Kohortestudier del 2 Interventionsstudier Deskriptiv epidemiologi Fordele Billigt & nemt Ofte udgangspunkt i eksisterende data indsamlet til andet formål Hurtigt Ofte simple

Læs mere

Hvordan sikrer vi indeklimaet?

Hvordan sikrer vi indeklimaet? Hvordan sikrer vi indeklimaet? Torben Center f indeklima og sundhed i boliger, Realdania ATV Indeklima temadag, Vingsted 2011. Dødelighed DK 2005 Hele landet Kvinder Mænd Alle % Iskæmiske hjertesygdomme

Læs mere

Social ulighed i Sundhed: Empiri og årsager

Social ulighed i Sundhed: Empiri og årsager Social ulighed i Sundhed: Empiri og årsager Faglig Dag Esbjerg 10. september 2008 Jacob Nielsen Arendt, Lektor Sundhedsøkonomi Syddansk Universitet Kort oversigt Baggrund Ulighed i Sundhed i Danmark Forklaringsmodeller

Læs mere

Hypoteser om sygdomsårsager og behandlingseffekter. Evidens. Bør HRT frarådes, gives forebyggende eller vurderes neutral?

Hypoteser om sygdomsårsager og behandlingseffekter. Evidens. Bør HRT frarådes, gives forebyggende eller vurderes neutral? Kursus i Epidemiologi og Biostatistik, forår 2003 Hypoteser om sygdomsårsager og behandlingseffekter. Evidens. Anne Vingård Olesen, 24.02.2003 Institut for Epidemiologi og Socialmedicin Hormonkomb. behandling

Læs mere

Tidlig opsporing Hvor og hvornår er der evidens for tidlig opsporing?

Tidlig opsporing Hvor og hvornår er der evidens for tidlig opsporing? Region Hovedstaden Forskningscenter for Forebyggelse og Sundhed Tidlig opsporing Hvor og hvornår er der evidens for tidlig opsporing? Torben Jørgensen, dr.med. Enhedschef Forskningscenter for Forebyggelse

Læs mere

Design af et kohorte studie

Design 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 mere

Komorbiditet og operation for tarmkræft

Komorbiditet og operation for tarmkræft Komorbiditet og operation for tarmkræft Mette Nørgaard, Klinisk Epidemiologisk Afdeling Aarhus Universitetshospital Danmark E-mail: m.noergaard@rn.dk Hvad er komorbiditet? Komorbiditet: Sygdom(me), som

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

Alzheimers sygdom - hvad sker der i hjernen og hvornår starter sygdommen?

Alzheimers sygdom - hvad sker der i hjernen og hvornår starter sygdommen? Nationalt Videnscenter for Demens Alzheimers sygdom - hvad sker der i hjernen og hvornår starter sygdommen? Steen G. Hasselbalch, professor, overlæge, dr.med. Nationalt Videnscenter for Demens, Neurologisk

Læs mere