Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

Størrelse: px
Starte visningen fra side:

Download "Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser"

Transkript

1 Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann 23. september 2009 Vurdering af den interne validitet af en epidemiologisk undersøgelse: Informationsproblemer Selektionsproblemer Ikke-erkendt effektmodifikation Confounding 1 2 En model Eksempel: Alkohol og larynxcancer For meningsfuldt at kunne diskutere fejlkilder og fortolkningsproblemer må vi have en model for det, som vi diskuterer! Krav til modellen: Omfatter næsten alle de variable og begreber, som vi vil bruge Afspejler virkeligheden Simpel nok til at kunne forstås og fortolkes Alkohol Effekt Køn, rygning, socialgruppe Larynxcancer 3 4 En generel model: Eksponering Effekt Udfald Eksempel: Alkohol og larynxcancer Alkohol Effekt Larynxcancer Andre faktorer Køn, rygning, socialgruppe Mere præcist: Eksponeringsmål Effektmål Udfaldsmål Antal genstande pr. uge (selvrapporteret) Relativ risiko Larynxcancerdiagnose (Cancerregisteret) Mål for andre faktorer 5 Køn, antal cigaretter pr. dag (selvrapporteret), socialgruppe (Danmarks Statistik) 6 1

2 Fejl i fortolkningen af eksponeringens effekt på udfaldet kan skyldes bl.a. 1. Informationsproblemer (målefejl eller misklassifikation af variable) 2. Selektionsproblemer 3. Effektmodifikation (interaktion) 4. Confounding 1. Informationsproblemer Eksempler på målefejl A B C D I det følgende vil vi undersøge hvert af disse begreber. 7 8 Præcision (eng.: precision), sikkerhed, reproducerbarhed, ryster ikke på hånden (modsat måleusikkerhed). Korrekthed (eng.: trueness), nøjagtighed, korrekt indstillet (modsat målebias). Måleusikkerhed kan der ofte kompenseres for ved at foretage flere målinger. Målebias er en systematisk skævhed, som der ofte kan korrigeres for ved korrekt indstilling af måleinstrumentet. A C B D Eksempler på årsager til måleusikkerhed Dårligt apparatur Inter- og intraindividuel biologisk variation (fx blodtryk) Inter- og intraobservatørvariation (fx scoring af helbred eller diagnosticering) Eksempler på årsager til målebias Forkert kalibrering af måleinstrument (fx blodtryksmåling, klinisk-biokemisk analyse, spørgeskema) 9 10 Normalfordelte variable Sand fordeling Målt fordeling uden bias Målt fordeling med bias Måleusikkerhed bevirker, at De observerede værdier får større spredning (SD) end de faktiske værdier. Det betyder, at middelværdien bliver bestemt med større usikkerhed (bredere sikkerhedsinterval). Ved sammenligninger overser man derfor lettere en reel forskel (type 2 fejl). Måleusikkerhed svarer til støj eller tåge: Tåge slører kontraster, den skaber dem ikke

3 Målebias bevirker I beskrivende undersøgelser: Middelværdiestimatet bliver bias ed I sammenlignende undersøgelser: Det kommer an på... Dikotome variable Graden af misklassifikation kan karakteriseres ved: Sensitivitet: Evnen til at identificere de syge Specificitet: Evnen til at identificere de ikke-syge Børn af Sandt Målt Ikke-rygere 3500 g 3400 g Rygere 3350 g 3250 g Differens 150 g 150 g Klassificeret som Syg Ikke-syg Syg Sandt positiv Falsk negativ Sandheden Ikke-syg Falsk positiv Sandt negativ Eksempel: Estimation af sensitivitet og specificitet Sandheden Klassifikation Syg Ikke-syg Syg Ikke-syg 5 90 I alt Sensitivitet: 95% (95% CI: 89%; 98%) Specificitet: 90% (95% CI: 82%; 95%) Misklassifikation bevirker I beskrivende undersøgelser: Fejlagtigt hyppighedsestimat I sammenlignende undersøgelser: Det kommer an på... om misklassifikationen er differentieret Ikke-differentieret misklassifikation: Samme grad af misklassifikation af sygdomsstatus blandt eksponerede og ueksponerede Samme grad af misklassifikation af eksponering blandt syge og ikke-syge 17 Eksempel: Case-kontrol-undersøgelse: Ikkedifferentieret misklassifikation af eksponeringen Sand eksponeringsfordeling Målt eksponeringsfordeling Eksponeret Cases Kontroller Eksponeret Cases Kontroller Ja Ja Nej Nej I alt I alt OR = 2,8 OR = 2,0 Både i case- og kontrolgruppen har 50% af de eksponerede glemt eksponeringen Der er altså samme grad af misklassifikation i de to grupper (ikke-differentieret misklassifikation) Det fører til en undervurdering af associationen (risiko for type 2 fejl). 18 3

4 Eksempel: Case-kontrol-undersøgelse: Differentieret misklassifikation af eksponeringen Sand eksponeringsfordeling Rapporteret eksponeringsfordeling Eksponeret Cases Kontroller Eksponeret Cases Kontroller Ja Ja Nej Nej I alt I alt OR = 1,0 OR = 2,2 50% af kontrollerne havde glemt eksponeringen Det førte til en overvurdering af associationsestimatet Differentieret (dobbelt-skæv) misklassifikation fører til bias. 19 Ikke differentieret misklassifikation svækker mulighederne for at se associationer (fx OR). Det fører altså altid til bias af associationsestimater i en bestemt retning (ind mod den neutrale værdi). Differentieret misklassifikation kan føre til bias af associationsestimater i begge retninger. 20 Eksempel: Kostoplysninger Kostoplysninger er meget usikre. Det betyder, at det er svært at studere effekten af kosten; vi kommer til at undervurdere effekten - med mindre der er tale om differentieret målefejl: At dem, der blev syge, rapporterer anderledes end dem, der forblev raske. Læseren må forsøge at vurdere, hvad der kan være sket. 21 Målpopulation: Udvalgte: Studiepopulation: 2. Selektionsproblemer Eksempel: Sundheds- og sygdomsundersøgelsen 2000 Danske statsborgere 16 år N = Inviterede N = (100%) Interview gennemført N = (74%) Tilfældig, stratificeret stikprøve (0,52%) Deltagelse afvist. N = Sygdom mv. N= Eksempel: Danskernes vægtfordeling Hvis vi vil udtale os om danskernes vægtfordeling, er det billigere at undersøge en stikprøve end at undersøge alle danskerne. En tilfældig stikprøve er det ideelle. Det forudsætter en liste over alle danskere (CPRregisteret). Estimatet ud fra stikprøven af danskernes vægtfordeling er behæftet med usikkerhed. Denne usikkerhed er veldefineret og kan kvantificeres (SE, 95% CI). Hvis ikke alle udvalgte medvirker, er der et bortfald. Bortfaldet kan medføre bias i vores estimat af danskernes vægtfordeling. Som læser: Er der gjort klart rede for stikprøvetagning, deltagelse og bortfald? Sensitivitetsanalyse: Hvad er den sande prævalens af fedme, hvis ikke-deltagerne: har halvt så stor prævalens som deltagerne? har dobbelt så stor prævalens som deltagerne?

5 Studiepopulationen skal være repræsentativ for målpopulationen med hensyn til det, vi vil undersøge. Repræsentativiteten kan trues af: forkert stikprøve skævt bortfald En selektionsbias kan ikke korrigeres med statistiske metoder. En selektionsbias konsekvenser kan vurderes ved en sensitivitetsanalyse. I sammenlignende undersøgelser: Et bortfald uden sammenhæng med eksponering eller udfald medfører ikke bias i associationsmålet. Et bortfald, som kun hænger sammen med eksponeringen, medfører ikke bias i associationsmålet. Et bortfald, som hænger sammen med både eksponering og udfald (dobbelt-skævt), medfører bias Eksempel: Case-kontrol undersøgelse. Bortfald associeret med eksponeringen, men ikke med udfaldet. Eksempel: Case-kontrol undersøgelse. Bortfald associeret med både eksponeringen og udfaldet. Udvalgte Deltagere Eksponering Cases Kontroller Eksponering Cases Kontroller I alt I alt OR = 2,8 OR = 2,8 Udvalgte Deltagere Eksponering Case Kontrol Eksponering Case Kontrol I alt I alt OR = 2,8 OR = 1, Effektmodifikation Eksempel: Lægemiddel A påvirker effekten af lægemiddel B. Vi taler om effektmodifikation (interaktion). Eksponeringsmål (B) Effektmål Effektmålsmodifikator (A) Mål for udfald Bemærk, at effektmodifikationen afhænger af de valgte mål. Derfor er effektmålsmodifikation et bedre udtryk. 29 Effektmodifikation er det fænomen, at en eksponering eller behandling ikke virker ens på alle. Eksempler på faktorer, som kan modificere effekten af eksponeringen: køn arvelige faktorer livsstilsfaktorer Hvis vi kan identificere grupper, som er særligt modtagelige, er det nyttig viden: planlægning af forebyggelse differentieret behandling 30 5

6 Eksempel 8-1: Mæslingevaccine En ny mæslingevaccine var forbundet med øget generel dødelighed i forhold til den hidtidige: MRR = 1,33 (95% CI: 1,02; 1,73) Imidlertid var der stor forskel på effekten hos drenge og piger: Drenge: MRR = 0,91 (95% CI: 0,61; 1,35) Piger: MRR = 1,86 (95% CI: 1,28; 2,70) Fundet er interessant, men mekanismen endnu ikke forstået. Eksempel: Forskellig sammenhæng mellem højde og lungefunktion hos mænd og kvinder FVC, ml Højde, cm Mænd Kvinder Confounding FVC, liter Eksempel: Lungefunktion og højde (andre data) Højde, cm FVC, liter Mænd Kvinder Højde, cm 33 Confounding betyder sammenblanding eller forveksling Confounding er en fortolkningsfejl Risiko for confounding: Hvis en anden årsag er associeret med den årsag, vi studerer. Confoundertrekanten : Hypotese Eksponering Udfald Confounder 34 Eksempel: Case-control undersøgelse af alkohol og larynxkræft Alkohol Cases Kontroller Ja Nej I alt OR = 1,49 (1,15; 1,93) Rygere Alkohol Cases Kontroller Ja Nej I alt OR = 0,98 (0,72; 1,33) Ikke-rygere Alkohol Cases Kontroller Ja Nej I alt OR = 1,12 (0,61; 2,05) 35 En faktor, som er et led i årsagskæden fra eksponering til udfald, er ikke en confounder: Eksponering Faktor Udfald F.eks.: Kost S-kolesterol Åreforkalkning 36 6

7 Forebyggelse af confounding: restriktion Hvis vi kun ser på sammenhængen mellem alkoholindtagelse og larynxcancer blandt ikkerygere, kan der ikke opstå confounding på grund af rygning. Til gengæld ved vi ikke noget om sammenhængen blandt rygere. 37 Forebyggelse af confounding: matchning I follow-up undersøgelser: For hver eksponeret, rygende, 50-årige fraskilte mand kunne man finde en ueksponeret, rygende, 50-årig fraskilt mand til den ueksponerede kontrolgruppe. Det kræver en stor, velkarakteriseret gruppe at trække kontrollerne fra. I case-control undersøgelser: Man kan ikke studere effekten af det, der er matchet på. Man komplicerer den statistiske analyse (betinget logistisk regression). 38 Forebyggelse af confounding: randomisering I behandlingsforsøg kan man ved lodtrækning fordele patienterne tilfældigt til de behandlinger, hvis effekt skal sammenlignes. Herved sikres en ligelig fordeling af kendte og ukendte confoundere mellem grupperne. Det kan ikke anvendes ved potentielt skadelige eksponeringer. Forebyggelse af confounding: Stratificeret analyse Ved restriktion kan man undersøge associationen (alkohol/cancer), dels hos rygere, dels hos ikke-rygere. Er associationen (alkohol/cancer) væsentligt forskellig hos rygere og ikke rygere, er der effektmodifikation. Der må laves to beskrivelser, en for rygere og en for ikkerygere. Er associationerne ikke væsentligt forskellige, beregnes et fornuftigt vægtet gennemsnit Eksempel: Stratificeret analyse alkohol/larynxkræft. Ujusteret og justeret estimat Ujusteret Rygere Ikke-rygere Justeret,5 1 1,5 2 Odds ratio 41 Ved regressionsanalyse kan man undersøge den samtidige effekt af flere faktorer, f.eks. alkohol, rygning, køn m.m. Eksponering OR 95% CI Alkohol 1,00 0,76; 1,32 Rygning 4,08 3,01; 5,53 Køn osv. 42 7

8 Effektmodifikation vs. confounding Effektmodifikation er noget virkeligt: Den skal erkendes og beskrives; den kan være værdifuld viden af betydning for differentieret forebyggelse og behandling. Confounding (forveksling af årsager) er en fejltolkning, som man skal søge at undgå. 43 8

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Kursus i Epidemiologi og Biostatistik, forår 2003. Epidemiologiske mål. Studiedesign. Svend Juul, 3.2.2003. manan.dk

Kursus i Epidemiologi og Biostatistik, forår 2003. Epidemiologiske mål. Studiedesign. Svend Juul, 3.2.2003. manan.dk Kursus i Epidemiologi og Biostatistik, forår 2003. Epidemiologiske mål Studiedesign Svend Juul, 3.2.2003 1 Pludselig uventet spædbarnsdød (vuggedød, Sudden Infant Death Syndrome, SIDS) Uventet dødsfald

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

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

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

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 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

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

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

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

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

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

Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi

Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi Universitet 2012 1 Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi marts 2012. Modulerne beskrevet i tillægget,

Læs 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

S4-S5 statistik Facitliste til opgaver

S4-S5 statistik Facitliste til opgaver S4-S5 statistik Facitliste til opgaver Opgave 1 Middelværdien angiver det bedste bud på serummets sande værdi, mens spredningen angiver analyseusikkerheden. 95%-Konfidensinterval = Ja Standardafvigelsen

Læs mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Introduktion 1 Formelt Lærere: Esben Budtz-Jørgensen Jørgen Holm Petersen Øvelseslærere: Berivan+Kathrine, Amalie+Annabell Databehandling: SPSS

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

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

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

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

Module 1: Data og Statistik

Module 1: Data og Statistik Forskningsenheden for Statistik ST01: Elementær Statistik Bent Jørgensen og Hans Chr. Petersen Module 1: Data og Statistik 1.1 Hvad er statistik?................................... 1 1.2 Datatyper.......................................

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

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

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

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

Interviewereffekter på spørgsmål om sort arbejde. Rockwool Fondens Forskningsenhed Oktober 2008

Interviewereffekter på spørgsmål om sort arbejde. Rockwool Fondens Forskningsenhed Oktober 2008 Interviewereffekter på spørgsmål om sort arbejde Rockwool Fondens Forskningsenhed Oktober 2008 Tak til Rockwool Fondens Forskningsenhed Danmarks Statistiks Interviewservice, specielt til Isak Isaksen,

Læs 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

Epidemiologi og biostatistik. Diagnostik og screening. Forelæsning, uge 5, Svend Juul. Hvordan stiller man en diagnose? Diagnostiske kriterier

Epidemiologi og biostatistik. Diagnostik og screening. Forelæsning, uge 5, Svend Juul. Hvordan stiller man en diagnose? Diagnostiske kriterier Epidemiologi og biostatistik Diagnostik og screening Forelæsning, uge 5, Svend Juul Hvordan stiller man en diagnose? Symptomer - passive: patientens spontane rapport - aktive: svar på målrettede spørgsmål

Læs mere

Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed

Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Workshop 6 Sundhedsprofilen metode og muligheder Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Metode og muligheder Design Beskrivelse af deltagere og ikke-deltagere Vægtning for design

Læs mere

Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner

Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner Indledning... 1 Hukommelse... 1 Simple beskrivelser... 1 Data manipulation... 2 Estimation af proportioner... 2 Estimation af rater... 2 Estimation

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

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

Resultater vedrørende risikofaktorer for hjertekarsygdom og dødelighed i relation til social ulighed - 15 års opfølgning i Sundhedsprojekt Ebeltoft

Resultater vedrørende risikofaktorer for hjertekarsygdom og dødelighed i relation til social ulighed - 15 års opfølgning i Sundhedsprojekt Ebeltoft Resultater vedrørende risikofaktorer for hjertekarsygdom og dødelighed i relation til social ulighed - 15 års opfølgning i Sundhedsprojekt Ebeltoft Fordeling af risikofaktorer i data fra 15-års-opfølgningen

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

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

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

Program. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data

Program. t-test Hypoteser, teststørrelser og p-værdier. Hormonkonc.: statistisk model og konfidensinterval. Hormonkoncentration: data Faculty of Life Sciences Program t-test Hypoteser, teststørrelser og p-værdier Claus Ekstrøm E-mail: ekstrom@life.ku.dk Resumé og hængepartier fra sidst. Eksempel: effekt af foder på hormonkoncentration

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

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

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

Et fysisk hårdt arbejdsliv har store konsekvenser for helbred og tilbagetrækning

Et fysisk hårdt arbejdsliv har store konsekvenser for helbred og tilbagetrækning Flere gode år på arbejdsmarkedet 5. maj 2017 Et fysisk hårdt arbejdsliv har store konsekvenser for helbred og tilbagetrækning Et hårdt arbejdsliv har store konsekvenser for helbredet og tilknytningen til

Læs mere

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.

Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik. Epidemiologi og biostatistik. Uge, tirsdag. Erik Parner, Institut for Biostatistik. Generelt om statistik Dataanalysen - Deskriptiv statistik - Statistisk inferens Sammenligning af to grupper med kontinuerte

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

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

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

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele

Anvendt Statistik Lektion 5. Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Anvendt Statistik Lektion 5 Sammenligning af to grupper * Sammenligning af middelværdier * Sammenligning af andele Motiverende eksempel Antal minutter brugt på rengøring/madlavning: Rengøring/Madlavning

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

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

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

8.2 Statistiske analyse af hver enkelt indikator

8.2 Statistiske analyse af hver enkelt indikator 8.2 Statistiske analyse af hver enkelt indikator Basale ideer De avancerede statistiske metoder, som anvendes i denne rapport, fokuserer primært på vurdering af eventuel geografisk heterogenitet på regions-,

Læs mere

Epidemiologi Mål for association

Epidemiologi Mål for association Epidemiologi Mål for association Carsten Bogh Juhl, fysioterapeut, MPH, Marianne Lindahl, fysioterapeut, MPH, Fysioterapeutuddannelsen CVU Syd, Næstved Juhl CB, Lindahl M, (2005, 25. februar) 2. udg. revideret

Læs mere

1 Multipel lineær regression

1 Multipel lineær regression 1 Multipel lineær regression Regression med 2 eksponeringsvariable Fortolkning og estimation AnovaTabel og multipel R 2 Ensidet variansanalyse: Dummy kodning Kovariansanalyse og effektmodifikation Tosidet

Læs mere

Statistik II 1. Lektion. Analyse af kontingenstabeller

Statistik II 1. Lektion. Analyse af kontingenstabeller Statistik II 1. Lektion Analyse af kontingenstabeller Kursusbeskrivelse Omfang 5 kursusgange (forelæsning + opgaveregning) 5 kursusgange (mini-projekt) Emner Analyse af kontingenstabeller Logistisk regression

Læs mere

Dokumentation og evaluering i en kommunal hverdag. eller hvordan vi bruger projekter og data til at blive klogere

Dokumentation og evaluering i en kommunal hverdag. eller hvordan vi bruger projekter og data til at blive klogere Dokumentation og evaluering i en kommunal hverdag eller hvordan vi bruger projekter og data til at blive klogere To spørgsmål 1. Hvad er effekten af vores indsatser? 2. Kan vi bruge data til at målrette

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

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. 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

Tillæg til Studieordning for Folkesundhedsvidenskab

Tillæg til Studieordning for Folkesundhedsvidenskab Tillæg til Studieordning for Folkesundhedsvidenskab Det Sundhedsvidenskabelige Fakultet Aalborg Universitet 2015 Tillæg til studieordningen for kandidatuddannelsen i Folkesundhedsvidenskab - 2013 Modulerne

Læs mere

Et psykisk belastende arbejde har store konsekvenser for helbredet

Et psykisk belastende arbejde har store konsekvenser for helbredet Flere gode år på arbejdsmarkedet 5. maj 2017 Et psykisk belastende arbejde har store konsekvenser for helbredet Risikoen for at have et dårligt psykisk helbred mere end fordobles for personer med et belastende

Læs mere

MPH specialmodul Epidemiologi og Biostatistik

MPH specialmodul Epidemiologi og Biostatistik MPH specialmodul Epidemiologi og Biostatistik Kvantitative udfaldsvariable 23. maj 2011 www.biostat.ku.dk/~sr/mphspec11 Susanne Rosthøj (Per Kragh Andersen) 1 Kapitelhenvisninger Andersen & Skovgaard:

Læs mere

Normalfordelingen og Stikprøvefordelinger

Normalfordelingen og Stikprøvefordelinger Normalfordelingen og Stikprøvefordelinger Normalfordelingen Standard Normal Fordelingen Sandsynligheder for Normalfordelingen Transformation af Normalfordelte Stok.Var. Stikprøver og Stikprøvefordelinger

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

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

1 Multipel lineær regression

1 Multipel lineær regression Indhold 1 Multipel lineær regression 2 1.1 Regression med 2 eksponeringsvariable......................... 2 1.2 Fortolkning og estimation................................ 3 1.3 AnovaTabel og multipel R

Læs mere

Udvikling af den danske HSMR model. DSKS årsmøde den 15. januar 2010 Malene Cramer Engebjerg

Udvikling af den danske HSMR model. DSKS årsmøde den 15. januar 2010 Malene Cramer Engebjerg Udvikling af den danske HSMR model DSKS årsmøde den 5. januar Malene Cramer Engebjerg Program Konstruktion af datasæt Prediktionsmodellen Validering af prediktionsmodel Udregning af HSMR med prediktionsmodel

Læs mere

Effektmåling 1. Mere attraktive almene boliger?

Effektmåling 1. Mere attraktive almene boliger? Effektmåling 1 Mere attraktive almene boliger? Effektevaluering af Omprioriteringsloven 2000 Effektmålinger Formål med pjecerne Der er i dag et stigende fokus på effekterne af de offentlige indsatser,

Læs mere