Forelæsning ved Professor Elsebeth Lynge Velkommen til Epidemiologi
|
|
- Emilie Krog
- 8 år siden
- Visninger:
Transkript
1 slide Afdelingen for Epidemiologi Indhold slide1 slide2 slide3 slide4 slide5 slide6 slide7 slide8 slide9 slide10 slide11 slide12 slide13 slide14 slide15 slide16 slide17 slide18 slide19 slide20 slide21 slide22 slide23 Forelæsning ved Professor Elsebeth Lynge Velkommen til Epidemiologi tilbage [ :23:08]
2 [ :23:12]
3 [ :23:16]
4 [ :23:21]
5 (1 of 2) [ :23:24]
6 (2 of 2) [ :23:24]
7 [ :23:27]
8 [ :23:34]
9 [ :23:37]
10 (1 of 2) [ :23:41]
11 (2 of 2) [ :23:41]
12 (1 of 2) [ :23:45]
13 (2 of 2) [ :23:45]
14 [ :23:51]
15 [ :23:55]
16 (1 of 2) [ :24:02]
17 (2 of 2) [ :24:02]
18 [ :24:05]
19 (1 of 2) [ :24:08]
20 (2 of 2) [ :24:08]
21 [ :24:14]
22 [ :24:17]
23 [ :24:20]
24 [ :24:23]
25 [ :24:26]
26 [ :24:29]
27 [ :24:32]
28 [ :24:35]
29 EPIDEMIOLOGISKE ASSOCIATIONSMÅL 1
30 HVAD ER EPIDEMIOLOGISKE PROBLEMER HVOR MANGE? Døde Fødte Kræftpatienter HIV-smittede HVOR HYPPIGT? Fødes børn med hareskår? Får 40-årige kvinder brystkræft? Får ældre kvinder hoftebrud? 2
31 SAMMENLIGNINGER Er der flere trafikdræbte i Frankrig end i Danmark? Får rygere hyppigere lungekræft end ikke-rygere? Dør danskere før svenskere? ÅRSAGSFORHOLD Får man hovedpine af støj? Skyldes den øgede forekomst af modermærkekræft solskoldninger? Falder dødeligheden af hjertesygdomme, fordi vi dyrker motion? 3
32 I = incidens d = antal nye sygdomstilfælde PY = antal personår INCIDENS Eksponerede: Ikke-eksponerede: I e = d e /PY e I o = d o /PY o RELATIV RISIKO RR = I e /I o = (d e /PY e ) / (d o /PY o ) = (d e x PY o ) / (d o x PY e ) RISIKO DIFFERENS RD = I e I o = d e /PY e d o /PY o 4
33 OVARY CANCER INCIDENCE DENMARK Rate per 100,
34 OVARY CANCER INCIDENCE DENMARK Rate per 100,
35 7
36 8
37 OVARY CANCER INCIDENCE DENMARK Risk difference
38 10
39 SÆDKVALITET Relativ risiko: sædkvalitet hos mænd født sammenlignet med sædkvalitet hos mænd født : (41 mio/ml) / (63 mio/ml) = 0.65 Difference: sædkvalitet hos mænd født minus sædkvalitet hos mænd født : 63 mio/ml 41 mio/ml = 22 mio/ml 11
40 ANALYTISKE EPIDEMIOLOGISKE UNDERSØGELSER Kohorte undersøgelser - prospektive - historiske (retrospektive) Case-control undersøgelser 12
41 KOHORTE-UNDERSØGELSE Eksponeret Syg Personår Ja Nej Ja a PY e Nej b PY o Total a+b PY e +PY o I e = a/py e I o = b/py o RR = (a/py e ) / (b/py o ) = (a x PY o ) / (b x PY e ) RD = (a/py e ) - (b/py o ) 13
42 KOHORTE-UNDERSØGELSE Hormone Coronary Personår heart disease use Ja Nej Ja Nej Total Kilde: Stampfer et al, A prospective study of postmenopausal hormones and coronary heart disesse, 1985 Beregn: I e (30/54309) I o (60/51478) RR (30/54309) / (60/51478) = 0.47 RD (30/54309) - (60/51478) = -6.1*
43 UNDERSØGELSE CASE-CONTROL- Eksponeret Syg Total Ja Nej Ja a c a+c Nej b d b+d Total a+b c+d a+b+c+d Vi kan ikke beregne incidensrater, da vi ikke har personår. Derfor kan vi heller ikke beregne risiko differens. MEN vi kan beregne: Odds ratio ~ Relativ risiko OR = (a/c) / (b/d) = (a x d) / (b x c) 15
44 UNDERSØGELSE CASE-CONTROL- Eksponeret Syg Total Ja Nej Ja a c a+c Nej b d b+d Total a+b c+d a+b+c+d c og d udvælges således, at c/d = PY e /PY o Derfor bliver: OR = (a x d) / (b x c) ~ RR = (a x PY o ) / (b x PY e ) 16
45 CASE-CONTROL- UNDERSØGELSE Current Myocardial Total use of infarction OC Ja Nej Ja Nej Total Kilde: Rosenberg et al. Oral contraceptive use in relation to non-fatal myocardial infarction, Beregn: OR (23*2816) / (133*304) = 1.6 ~ RR 17
46 [ :19:14]
47 (1 of 2) [ :19:22]
48 (1 of 2) [ :19:29]
49 (2 of 2) [ :19:29]
50 (1 of 2) [ :19:33]
51 (2 of 2) [ :19:33]
52 [ :19:37]
53 [ :20:10]
54 [ :20:14]
55 (1 of 2) [ :20:17]
56 [ :20:20]
57 [ :20:23]
58 [ :20:26]
59 [ :20:33]
60 [ :20:37]
61 [ :20:39]
62 [ :20:42]
63 [ :20:46]
64 [ :20:52]
65 [ :20:56]
66 [ :20:59]
67 [ :21:02]
68 (1 of 2) [ :21:05]
69 (2 of 2) [ :21:05]
70 (1 of 2) [ :21:09]
71 (2 of 2) [ :21:09]
72 (1 of 2) [ :21:12]
73 (2 of 2) [ :21:12]
74 (1 of 2) [ :21:15]
75 [ :21:18]
76 Velkommen Epidemiologi Medicin semester Lektor Henrik Friis Afdeling for Epidemiologi, Institut for Folkesundhedsvidenskab h.friis@pubhealth.ku.dk
77 Disposition Introduktion Epidemiologi på 6. og 8. semester Hvad du finder på OSVAL II emner Epidemiologi: begreber og metoder Oversigt Confounding og effekt modifikation Randomised, controlled trials confounding og effekt modifikation
78 Epidemiologi på semester Indledende to-ugers kursus Epidemiologi begreber og metoder (2F) Hvad fejler danskerne? (1F+2H) Infektions/lungesygdomme Infektionsepidemiologi, incl Global infections (2F) Overvågning af smitsomme sygdomme (1F+2H) Endokrinologi/mammasygdomme Epidemiologisk transition fedme og diabetes (2F+3H) Hjertesygdomme Hjertesygdommenes epidemiologi (1F+2H) Afsluttende to-ugers kursus Forebyggelsesstrategier (2F)
79 Hvad du finder på Målsætning Skema Pensum Generelt Tema-specifikt Materiale husk at printe ud og medbring! Hand-outs forelæsningsnoter/power-point præsentation Materiale til holdtimer OSVAL II emner
80 Pensum - generelt Epidemiology for the Uninitiated, BMJ Artikler fra Lancets Epidemiology Series fra 2002 An overview of clinical research: the lay of the land Descriptive studies: what they can and cannot do Bias and causal associations in observational research Cohort studies: marching towards outcomes Case-control studies: research in reverse Generation of allocation sequences in randomised trials: chance, not choice Allocation concealment in randomised trials: defending against deciphering Blinding in randomised trials: hiding who got what Bemærk: den officielle pensumliste er på
81 Pensum tema-specifikt Hvad fejler danskerne? Sund hele livet - nationale mål og strategier for folkesundheden (K. 1) Status (K. 4-5) Sundhedspolitisk redegørelse (K. 5) Infektionsepidemiologi Fra Børnevaccinationsprogrammet, og EPI-NYT: Influenza: Uge 1-2/1998, 23/2001 og 39/2002; HIV: 21/2002 og 47/2002 Belshe R: Influenza as a zoonosis: how likely is a pandemic? Lancet, 1998;351:460 Johansen JD. HIV infektion påvist hos unge i Danmark UfL, 2001;163(42):5820. Glismann SO. Risiko for mæslingeepidemi i Danmark. UfL, 2002;164(49):5745. Madsen KM et al. MFR-vaccination og autisme et populationsbaseret followupstudie. UfL, 2002;164(49): Fedme og diabetes. Bemærk: den officielle pensumliste er på
82 OSVAL II emner Elsebeth Lynge, Cancer Screening Middellevetid Dan Meyrowitsch, Epidemiologisk transition fx ulykker i ulande Mandlig omskæring Parasitære sygdomme Henrik Friis, h.friis@pubhealth.ku.dk Den næste influenza pandemi Tuberkulosens epidemiologi Fedme og diabetes i ulande
83 Epidemiologi begreber og metoder Oversigt Epidemiologiske mål Hvad er epidemiologi? Hvad er en årsag? Processen i et epidemiologisk studie Er estimatet validt? Confounding Effekt modifikation - interaktion Randomiserede, kontrollerede trials Confounding og interaktion i RCT
84 Hvad er epidemiologi? Læren om sygdommes hyppighed, fordeling og årsager Sygdomme opstår ikke tilfældigt, men afhængigt af diverse faktorer - determinanter Disse determinanter kan identificeres, og viden herom bruges til at forbedre sundhedstilstanden Epidemiologiens objekt er populationer nødvendigt for at drage slutninger om årsagssammenhænge Uafhængige variable Afhængig variabel Exposure Disease Study factors Outcome Predictors Explanatory variables Risk factors Determinants
85 Hyppighedsmål Epidemiologiske mål Prævalens fx 2% har sygdommen Incidens Rate incidensrate, fx 2.2/ /år får sygdommen Proportion kumulativ incidensproportion, fx 5% får sygdommen på 5 år Associationsmål Relativ risiko Risikoen for sygdommen blandt eksponerede i forhold til ueksponerede Odds ratio Et mål for den relative risiko ifbm case-control studier
86 Hvad er en årsag? Hvad er en årsag a cause? An act, event or condition, that initiate a series of events leading to an effect alone or together with other causes Rothman, 1976 Sjældent én men kæder eller netværk af årsager Årsager på forskellige niveauer Miljø erhverv bolig familie ernæring livsstil Individet gener celle væv organ psyke Organisme
87 Processen i et epidemiologisk studie Source population 1. Sampling True, unknown population parameter π P (95% CI) Our estimate of π Study population P The estimate in our sample 2. Study conduct 3. Statistical analysis 4. Inference
88 Er estimatet validt? Kun muligt at drage slutninger om befolkningen udfra stikprøven, hvis der ikke er alternative forklaringer Alternative forklaringer kunne være: Bias En systematisk fejl - skyldes studiets design og gennemførelse Et validitetsproblem - kan ikke afhjælpes Confounding En systematisk fejl - skyldes en ydre faktor Et validitetsproblem - kan kontrolleres via design/analyse Tilfældigheder En tilfældig fejl - skyldes stikprøvevariationen Et præcisionproblem - kan beskrives kvantitativt
89 Forårsager en confounder confounding? Confounding En falsk association mellem exposure og disease, på grund af effekten af en confounder C + E - D - E + D + Confounder En risiko faktor for disease, som er associeret med exposure
90 Hvordan undgår vi confounding? En confounder er en risiko faktor for disease Det kan vi ikke ændre på! associeret med exposure Vi kan fordele confounderen ligeligt mellem exposure-grupperne! C + C + E - D - E + D + Hvordan kan vi gøre det?
91 Hvordan undgår vi confounding? Hvordan kan vi fordele C ligeligt mellem eksponeringsgrupperne? C + C + E - D? E + D? I design-fasen Restriktion: vi inkluderer kun C - i studiet eller kun C + Randomisering: vi fordeler deltagerne tilfældigt til E - and E + I analyse-fasen Stratifikation: vi analyserer separat for C - og C + Multivariabel analyse: vi lader computeren klare det!
92 Confounding Risk RR stratum-c+ =1 RR crude =2 RR stratum-c- =1 0 1 Exposure
93 Confounding - positive Risk Rygere RR crude =2 Ikke-rygere Kvinder Mænd
94 Confounding - negative Risk Rygere RR crude =1 Ikke-rygere Kvinder Mænd
95 Confounder kontrol via stratifikation Crude Stratumspecific Ajd RR vægtet gennemsnit af de stratum-specifikke RR
96 Confounder kontrol via stratifikation Crude Stratumspecific Ajd RR - vægtet gennemsnit af de stratum-specifikke RR
97 Hvordan undersøger vi for confounding? Beregn et crude estimate for associationen Kontrollér for confounderen og beregn et adjusted estimate Statificér, og beregn stratum-specifikke estimater Beregn gennemsnittet af de stratum-specifikke estimater Sammenlign adjusted og crude estimates Hvis de er forskellige, så var crude estimate confounded Rapporter derfor adjusted (unconfounded) estimate Bemærk: Hvor forskellige de må være er en skønssag! Undersøgelse for confounding baseres IKKE på p-værdier!
98 Confoundere - confounding? Hvilke faktorer skal man tænke på? Altid alder og køn Sygdommens kendte risikofaktorer Hvordan undersøger man for confounding? Sammenlign adjusted estimate med crude estimate Hvis forskellige, så er crude estimate confounded Man kan ikke bruge signifikanstests!
99 Effekt modifikation - interaktion Risk RR stratum-em+ =4 RR crude =2 RR stratum-em- =1 0 1 Exposure
100 Effekt modifikation Crude Stratumspecific Hvis stratum-specifikke RR er forskellige effekt modifikation! Reporter de stratum-specifikke estimater
101 Hvad er effekt modifikation - interaktion? Effekten af en eksponering afhænger af en tredje faktor Skyldes en kompliceret årsagssammenhæng Skal beskrives ikke elimineres Man undersøger for effekt modifikation ved stratifikation Effekt modifikation vs confounding Begge skyldes samspil med en tredje faktor Begge undersøges ved stratifikation eller multivariabel analyse Confounding: stratum-specifikke estimater ens Effekt modifikation: stratum-specifikke estimater er forskellige Confounding skal elimineres - effekt modifikation skal beskrives
102
103 Interventionsstudie Som et kohortestudie: eksponering outcome Eksponering bestemmes af undersøgeren Effekten sammenlignes med ingen, anden eller placebo intervention Randomised, controlled trial - RCT Randomiseret eliminerer confounding Placebo-kontrolleret muliggør blinding Dobbelt-blindt reducerer bias Stærkeste design til at afgøre årsag-virkning sammenhæng
104 Interventionsstudie Randomisering Allokering bestemmes af undersøgeren ved tilfældighedsprincip Muliggør stor kontrast i eksponering Kun tilfældige forskelle mellem grupperne mht andre variable Forskellig eksponering i øvrigt sammenlignelige Den relative risiko bestemmes, som RR = Risikoen hvis eksponeret Risikoen hvis ikke eksponeret
105 Confounding ved RCT Randomisering vil ideelt føre til Ligelig fordeling af kendte og ukendte confoundere Dermed ingen confounding Randomisering kan svigte sjusk eller tilfældigheder Jo stærkere risiko faktor, jo mindre forskelle medfører confounding Hvordan vurderes om der kan være confounding? Undersøger for baseline equivalence Hvis der er forskelle så laves stratificeret eller multivariabel analyse undersøge og eventuelt kontrollere for confounding
106
107 Effekt modifikation ved RCT Er effekten større hos nogle end hos andre? Fx blandt kvinder, ældre, rygere, syge, etc Eks 1: Effekten af jerntilskud på hæmoglobin hos raske? Eks 2: Effekten af jerntilskud på hæmoglobin hos anæmiske?
108 Effekt modifikation ved RCT ABSTRACT Iron supplements are often prescribed during infancy but their benefits and risks have not been well documented. We examined whether iron supplements affect growth or morbidity of breastfed infants. Full-term infants in Sweden (n 101) and Honduras (n 131) were randomly assigned to three groups at 4 mo of age: 1) placebo from 4 to 9 mo; 2) placebo from 4 to 6 mo and iron supplements [1 mg/(kg d)] from 6 to 9 mo; or 3) iron supplements from 4 to 9 mo. All infants were exclusively or nearly exclusively breast-fed to 6 mo and continued to be breast-fed to at least 9 mo. Growth was measured monthly and morbidity data were collected every 2 wk. Among the Swedish infants, gains in length and head circumference were significantly lower in those who received iron than in those given placebo from 4 to 9 mo. The same effect on length was seen in Honduras, but only at 4 6 mo among those with initial hemoglobin (Hb) >110 g/l. There was no significant main effect of iron supplementation on morbidity, nor any significant interaction between iron supplementation and site, but for diarrhea (with both sites combined), there was an interaction between iron supplementation and initial Hb. Among infants with Hb <110 g/l at 4 mo, diarrhea was less common among those given iron than in those given placebo from 4 9 mo, whereas the opposite was true among those with Hb >=110 g/l (P 0.05). We conclude that routine iron supplementation of breast-fed infants may benefit those with low Hb but may present risks for those with normal Hb. J. Nutr. 132: , 2002.
109 Effekt modifikation ved RCT Dewey KG, 2002
110 RCT confounding og effekt modifikation Nedsætter aspirin risikoen for hjerte-kar dødelighed? Hvilken rolle kunne køn spille? Confounder? Effekt modifier? Aspirin + - Køn m f
111 RCT - two-by-two factorial design To interventioner/hypoteser undersøges i samme studie Aspirin nedsætter risikoen for hjerte-kar dødelighed β-caroten nedsætter risikoen for lungekræft Effekterne forudsættes uafhængige, ie. ingen interaktion Effekten af hver intervention estimeres uden hensyn til den anden Vi sammenligner aspirin (n=11 000) med ingen aspirin (n=11 000) Aspirin + - PHSRG, NEJM, 1989 β-caroten
112 RCT - two-by-two factorial design To interventioner mod samme sygdom: α-tocopherol nedsætter risikoen for lungekræft β-caroten nedsætter risikoen for lungekræft Tillader undersøgelse for interaktion Interaktion estimér effekten separat for hvert niveau af den anden intervention Ingen interaktion større styrke til at bestemme effekter α-tocopherol + - ATBC-CPSG, NEJM, 1994 β-caroten
113 Resumé Årsagssammenhænge er komplekse Sygdomme har flere årsager ikke nødvendigvis uafhængige Exposure-disease sammenhæng påvirkes af andre faktorer Stratifikation afdækker confounding og effekt modifikation Confounding skal elimineres Effekt modifikation skal beskrives Ved randomiserede, kontrollerede trials Confounding mulig check for baseline equivalence og justér Effekt modifikation sandsynlig er vigtig og skal beskrives
114 Hvad fejler Danskerne? Del 1
115 Hvad fejler Danskerne Middellevetid Dødsårsager
116 Middellevetid Det gennemsnitlige antal år, en person kan forvente at leve i, hvis personens dødelighed fremover svarer til det, der gælder for nuet.
117 Middellevetid Middellevetid er en prognose for hvor lang tid man vil leve, baseret på alle aldersklassers dødelighed. Et index det anvendes internationalt til vurdering af landes sundhedstilstand
118 Kohorte vs. periode ALDER KALENDERTID
119 Overlevelseskurver Overlevende af DK 1900 DK 2000 S ALDER (ÅR)
120 Pressen skrev
121 Middellevetid over tid
122 Middellevetid over tid
123 Middellevetidsudvalget Nedsat af sundhedsministeren i 1992 Undersøge, hvilke forhold der kunne påvises at have betydning for udviklingen af middellevetiden i Danmark
124
125 Beskrivelse af ændringen Middellevetid over tid
126 KVINDER Middellevetid-2001 MÆND 28 26
127 Øjebliksbillede
128 Middellevetidsudvalgets første forklaring Udviklingen i de danske kvinders overdødelighed bidrager relativt meget til stagnationen i middellevetiden. Midaldrende kvinder bærer den største del af overdødeligheden
129 Hvad er en dødsårsag
130
131 Dødsårsager Tilgrundliggende lidelse Klassificeres ved ICD koder (ICD-10) Sundhedsstyrelsen
132 Hvilke dødsårsager?
133 Hjertesygdomme - kvinder
134 Levercirrose - kvinder
135 Brystkræft - kvinder
136 Kræft i tyk- og endetarm - kvinder
137 Selvmord - kvinder
138 Ulykker - kvinder
139 KOL - Kvinder
140 Lungekræft - kvinder
141 Dødsårsager der bidrager til stigning Kræft i mund og svælg (K+M) Lungekræft (K) Andre kræftformer (M) Hjertesygdomme (M+K) Kronisk Obstruktiv Lungesygdom (K) Andre sygdomme (M+K) Ulykker (M)
142 Lungekræft og rygning
143
144 Middellevetidsudvalgets konklusion Tobaksrygning er en væsentlig faktor bag overdødeligheden. Tobaksrygning, Alkohol og stofmisbrug er de livsstilsfaktorer der bidrager mest til tab af levetid
145 2,5 2,2
146 Hvad fejler Danskerne? Del 2
147 Generationsperspektivet - en anden historie...
148 The Queen in the Lancet By Dan Meyrowith and Rune Jacobsen
149 It s all the Queen s fault!! (Hugo Kesteloot, The Lancet, March 2001)
150 It s all the Queen s fault!! (Hugo Kesteloot, The Lancet, March 2001) All-cause mortality in women is declining in all western European countries, apart from in Danish women. Many Danish women are smokers. Halting of the decline in mortality occurred 5 years after the ascension to the throne of Denmark by the Queen Margrethe II... The queen is very popular in Denmark and a known cigarette smoker. As a role model for the women, the Queen s example could offer an explanation for the unusual mortality in Danish women.
151 It s all the Queen s fault!! Kesteloot has pooled individuals from all age-groups years! (Hugo Kesteloot, The Lancet, March 2001)
152 The Danes hit back!
153 The Danes hit back! Jacobsen et al., letter in The Lancet, July 2001: The age-specific mortality for Danish women from 1900 to 1995, however, shows that the increase in mortality actually started before (our) curves show an apparent increase in mortality with increasing age. The rise in mortality therefore comes from a certain generation of women. The women with the increase in mortality are the first generation of frequent smokers.. and the generations entering the workforce during the 1960s.
154 It s not the Queen s fault! (Politiken, )
155 Forklaring på tidsforløb Middellevetid Sweden Denmark År
156 ALDER KALENDERTID Alder = periode + fødselskohorte <=> Fødselskohorte = periode - alder
157 Overdødelighed Alder = periode + fødselskohorte <=> Fødselskohorte = periode - alder
158
159 Konklusion Grunden til den lave middellevetid skyldes hovedsageligt en overdødelighed blandt kvinder født imellem de to verdenskrige. Årsagerne (risikofaktorerne) til den lave middellevetid for kvinder skal findes hos generationer født mellem de to verdenskrige.
160 Er rygning årsagen? Risiko for at dø Risiko for at dø af lungekræft Fødselskohorte
161 Konklusion Tobak kan ikke alene forklare stagnationen i middellevetiden Andre årsager må have indflydelse
3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)
EPIDEMIOLOGI CASE-KONTROL STUDIER September 2011 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Case kontrol studie 3 typer Case-kohorte Nested case-kontrol Case-non case (klassisk
Læs mereHyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion
Læs merePræcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 16. april 2015 l Dias nummer 1 Sidste gang
Læs mereEffektmålsmodifikation
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 mereEPIDEMIOLOGI MODUL 7. April Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM
EPIDEMIOLOGI MODUL 7 April 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM Selektionsbias et par udvalgte emner Confounding by indication Immortal time bias
Læs mereStudiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard
Studiedesign Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard Studiedesign Økologiske studier Tværsnitsstudier Case-kontrolstudier Kohortestudier Randomiserede studier Hvorfor er det vigtigt at
Læs mereStudiedesigns: Case-kontrolundersøgelser
Studiedesigns: Case-kontrolundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. maj 2016 l Dias nummer 1 Sidste
Læs mereÅrsagsteori. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet April 2011
Årsagsteori Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet April 2011 Årsager The cause of a disease event is an event, condition or characteristic that preceeded the
Læs mereapplies equally to HRT and tibolone this should be made clear by replacing HRT with HRT or tibolone in the tibolone SmPC.
Annex I English wording to be implemented SmPC The texts of the 3 rd revision of the Core SPC for HRT products, as published on the CMD(h) website, should be included in the SmPC. Where a statement in
Læs mereOBSERVERENDE UNDERSØGELSER. Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002
OBSERVERENDE UNDERSØGELSER Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002 Epidemiologisk design Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer
Læs mereStatistik for MPH: 7
Statistik for MPH: 7 3. november 2011 www.biostat.ku.dk/~pka/mph11 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereEpidemiologiske 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 mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. april 2015 l Dias nummer 1 Sidste
Læs mereKursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul
Kursus i Epidemiologi og Biostatistik Epidemiologiske mål Studiedesign Svend Juul 1 Pludselig uventet spædbarnsdød (vuggedød, Sudden Infant Death Syndrome, SIDS) Uventet dødsfald hos et rask spædbarn (8
Læs mereFejlkilder. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation
Læs mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 3. maj 2016 l Dias nummer 1 Sidste gang
Læs mereEffektmålsmodifikation
Effektmålsmodifikation Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 25. april 2017 l Dias nummer 1 Sidste gang
Læs mereREEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N REEKSAMEN I EPIDEMIOLOGISKE METODER IT
Læs mereStatistik for MPH: oktober Attributable risk, bestemmelse af stikprøvestørrelse (Silva: , )
Statistik for MPH: 7 29. oktober 2015 www.biostat.ku.dk/~pka/mph15 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereVurdering 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 mereEpidemiologiske mål Studiedesign
Epidemiologiske mål Studiedesign Svend Juul Pludselig uventet spædbarnsdød Sudden Infant Death Syndrome, SIDS Uventet dødsfald hos et rask spædbarn. Obduktion o.a. giver ingen forklaring. Hyppigheden -doblet
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2016 l Dias nummer 1 Sidste gang
Læs mereMantel-Haenszel analyser. Stratificerede epidemiologiske analyser
Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.
Eksperimentelle undersøgelser Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer regional variation migrationsundersøgelser korrelationsundersøgelser tidsrækker
Læs mereDepartment of Public Health. Case-control design. Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine
Department of Public Health Case-control design Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine Case-control design Brief summary: Comparison of cases vs. controls with
Læs mereX M Y. What is mediation? Mediation analysis an introduction. Definition
What is mediation? an introduction Ulla Hvidtfeldt Section of Social Medicine - Investigate underlying mechanisms of an association Opening the black box - Strengthen/support the main effect hypothesis
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering II
Eksperimentelle undersøgelser Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Efterår 2001 Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden
Læs mereEpidemiologiske 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 mereFejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard
Fejlkilder Ulrik Schiøler Kesmodel Rikke Guldberg Øjvind Lidegaard Fejlkilder 1. Selektionsproblemer 2. Informationsproblemer 3. Confounding Generelle overvejelser I Det estimat for hyppighed, som vi måler
Læs mereEpidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel
Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel Rigshospitalet Århus Sygehus Epidemiologi. Hvad er det? Definition Læren om sygdommes udbredelse og årsager Indhold To hovedopgaver: Deskriptiv
Læs mere9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU kach@biostat.ku.dk, 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
Læs mereMålsætning. Vurdering af epidemiologiske undersøgelser
Vurdering af epidemiologiske undersøgelser Målsætning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet At belyse en videnskabelig problemstilling ved at indsamle, analysere
Læs mereAnalyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Læs mereEksperimenter. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations
Læs mereBrystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens?
Brystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens? Henrik Støvring stovring@ph.au.dk 1. December 2016 Institut for Folkesundhed, AU Institutseminar, Vingsted Screening forskningsområdet
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann. februar 00 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser. Traditionelt
Læs mereEpidemiologiske hyppighedsmål
Epidemiologiske hyppighedsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 14. april 2015 l Dias nummer 1 Sidste gang
Læs mereEpidemiologi. 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 mereHvor mange har egentlig kræft?
Hvor mange har egentlig kræft? John Brodersen Professor, speciallæge i almen medicin, ph.d. Center for Forskning & Uddannelse i Almen Medicin, IFSV, KU Forskningsenheden for Almen Praksis, Region Sjælland
Læs mereStudiedesigns: Randomiserede kontrollerede undersøgelser
Studiedesigns: Randomiserede kontrollerede undersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 27. april 2017 l Dias nummer 1 Sidste
Læs mereTo grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens
EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål:
Læs mereVed undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler:
Kære MPH-studerende Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler: 1. E.A. Mitchell et al. Ethnic differences
Læs mereUlighed i sundhed - set i et livsforløb
Ulighed i sundhed - set i et livsforløb Finn Diderichsen Speciallæge i socialmedicin Professor dr.med. Institut for Folkesundhedsvidenskab Københavns Universitet Dias 1 Voksende ulighed i middellevetid
Læs mereKost og Hjerte- Kar-Sygdom. Jette Heberg cand.scient.san og stud.phd /Hjerteforeningen
Kost og Hjerte- Kar-Sygdom Jette Heberg cand.scient.san og stud.phd /Hjerteforeningen 1 ud af 3 dør af hjerte-kar-sygdom Hjerte-kar-sygdom Iskæmisk hjertesygdom den hyppigst forekomne dødsårsag i Danmark
Læs mereKommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.
Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993. 1. Det anføres, at OR for maorier vs. ikke-maorier er 3.81.
Læs mereHvordan får vi bugt med det fedmefremmende samfund?
Hvordan får vi bugt med det fedmefremmende samfund? Forebyggelse af overvægt og fedme hos børn hvad ved vi fra kontrollerede randomiserede undersøgelser? Berit L Heitmann, Professor PhD Enheden for Epidemiologisk
Læs mereFrugt, grøntsager og fuldkorn Beskyttelse mod kræft? - Set med en epidemiologs øjne. Anja Olsen Institut for Epidemiologisk Kræftforskning
Frugt, grøntsager og fuldkorn Beskyttelse mod kræft? - Set med en epidemiologs øjne Anja Olsen Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Frugt og grønt: Historisk Lang interesse (epidemiologiske
Læs mereKohorte. Algorithm for classification of study. Kohorte og interventionsstudier
Kohorte og interventionsstudier MPH-specialmodul, 17.maj 2010 MPH-uddannelsen1.semester 23.09.2008 Algorithm for classification of study Did investigator assign exposure? Yes: Experimental study Random
Læs mereSelektionsbias. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Selektionsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om Præcision:
Læs mereDet randomiserede kontrollerede forsøg og evidens-baseret medicin
Det randomiserede kontrollerede forsøg og evidens-baseret medicin Laust Hvas Mortensen Institut for Folkesundhedsvidenskab E-mail: lamo@sund.ku.dk Epi forelæsning 2 Dias 1 Hvordan ved vi om behandlingen
Læs mereLogistisk regression
Logistisk regression http://biostat.ku.dk/ kach/css2 Thomas A Gerds & Karl B Christensen 1 / 18 Logistisk regression I dag 1 Binær outcome variable død : i live syg : rask gravid : ikke gravid etc 1 prædiktor
Læs mereHvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Hvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Hvorfor er forskning væsentlig? Nødvendig for at forstå sygdom Forudsætning for mere rationel diagnostik
Læs mereEpidemiologisk 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 mereStudiedesigns: Alternative designs
Studiedesigns: Alternative designs Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 20. maj 2014 l Dias nummer 1 Sidste gang
Læs merePopulation attributable fraction
Population attributable fraction Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 2. juni 2015 l Dias nummer 1 Sidste gang
Læs mere06/11/12. Livsstilssygdomme, velfærdssygdomme eller kroniske sygdomme. Antagelser knyttet til begrebet livsstilssygdomme.
Livsstilssygdomme, velfærdssygdomme eller kroniske sygdomme Hvorfor er livsstilssygdomme en misvisende betegnelse? Signild Vallgårda Afdeling for Sundhedstjenesteforskning Institut for Folkesundhedsvidenskab
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. maj 2015 l Dias nummer 1 Sidste
Læs mereHVAD SKER DER MED SUNDHEDEN VED AKTIV MOBILITET?
HVAD SKER DER MED SUNDHEDEN VED AKTIV MOBILITET? Jens Troelsen Professor, forskningsleder for forskningsenheden Active Living Institut for Idræt og Biomekanik Syddansk Universitet jtroelsen@health.sdu.dk
Læs mereIntroduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet It og sundhed l 9. april 2015 l Dias
Læs mereReexam questions in Statistics and Evidence-based medicine, august sem. Medis/Medicin, Modul 2.4.
Reexam questions in Statistics and Evidence-based medicine, august 2013 2. sem. Medis/Medicin, Modul 2.4. Statistics : ESSAY-TYPE QUESTION 1. Intelligence tests are constructed such that the average score
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereMäns hälsa och sjukdomar Mænds sundhed og sygdomme
Mäns hälsa och sjukdomar Mænds sundhed og sygdomme Svend Aage Madsen Chefpsykolog, Rigshospitalet København, Danmark 1 Mænd er et problem over alt Krig Voldtægt Tyveri Blufærdighedskrænkelse Misbrug af
Læs mereOvl. Hans Mørch Jensen Prof. L. V. Kessing. Prof. Ø. Lidegaard Prof. P. K. Andersen PhD, MD, L. H. Pedersen Biostatistiker Randi Grøn
Ovl. Hans Mørch Jensen Prof. L. V. Kessing. Prof. Ø. Lidegaard Prof. P. K. Andersen PhD, MD, L. H. Pedersen Biostatistiker Randi Grøn Disposition: Flere fødselskomplikationer hos kvinder der har anvendt
Læs mereMål. Kritisk vurdering af litteraturen. Vurdering af evidensen. Typer af fejlkilder. Fire muligheder. Fejlkilder og studie størrelse
Mål Kritisk vurdering af litteraturen Andreas H. Lundh nfektionsmedicinsk Afdeling, Hvidovre Hospital Anders W. Jørgensen Øre-Næse-Halsafdeling H, Aarhus Universitets Hospital - kunne skelne mellem systematiske
Læs mereSyddansk Universitet. Notat om Diabetes i Danmark Juel, Knud. Publication date: 2007. Document Version Også kaldet Forlagets PDF. Link to publication
Syddansk Universitet Notat om Diabetes i Danmark Juel, Knud Publication date: 27 Document Version Også kaldet Forlagets PDF Link to publication Citation for pulished version (APA): Juel, K., (27). Notat
Læs mereÅrsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Årsager Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Årsager Hvad er en årsag? Flere typer af årsager Hvad kendetegner en årsag? Hvorfor er årsager interessante? Identifikation af
Læs mereConfounding for viderekommende. Laust H Mortensen, Department of Social Medicine University of Copenhagen
Confounding for viderekommende Laust H Mortensen, LAMO@SUND.KU.DK Department of Social Medicine University of Copenhagen Bias i empiriske studier Er det målte interesseparameter (fx OR, HR, RR, RD, mv)
Læs mereSocial 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 mereKohorte studier. Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
Kohorte studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Kohorte En konkret persongruppe Kohortedesign Giver eksponering X og outcome Y? Kohortedesign Giver eksponering X og outcome
Læs mereSociale relationers betydning for helbred
Sociale relationers betydning for helbred Rikke Lund, lektor, cand.med. ph.d. Dias 1 Hvad er sociale relationer? Typer roller (familie, venner, bekendte, naboer, professionelle (lægen fx) osv.) Struktur
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mål for sammenhæng mellem to variable
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mål for sammenhæng mellem to variable Estimation Stikprøve Data Population Teori relativ hyppighed parameter estimat sandsynlighed parameter
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 6. juni 2017 l Dias nummer 1 Sidste gang Vi snakkede
Læs mereEpidemiologiske 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 mereConfounding og stratificeret analyse
Faculty of Health Sciences Confounding og stratificeret analyse Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Kursets form Seks fredage
Læs mereEksperimentelle undersøgelser. Svend Juul Forår 2003
Eksperimentelle undersøgelser Svend Juul Forår 2003 1 Observationelle studier: $ Studier af forekomst (incidens, prævalens) $ Studier af sammenhænge eller kontraster "i naturen" Eksperiment, forsøg: $
Læs mereSkriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM528)
Skriftlig Eksamen Kombinatorik, Sandsynlighed og Randomiserede Algoritmer (DM58) Institut for Matematik og Datalogi Syddansk Universitet, Odense Torsdag den 1. januar 01 kl. 9 13 Alle sædvanlige hjælpemidler
Læs mereKomorbiditet og hoved-hals cancer
Kræft og komorbidtet alle skal have del i de gode resultater Komorbiditet og hoved-hals cancer Charlotte Rotbøl Bøje Afdelingen for Eksperimentel Klinisk Onkologi Århus Universitetshospital Hoved-hals
Læs mereVurdering af epidemiologiske undersøgelser igen
Vurdering af epidemiologiske undersøgelser igen kob Grove 13. februar, 2006 Program Confounding og effektmodifikation Hvad er confounding Hvad er effektmodifikation Er der confounding eller effektmodifikation
Læs mereHÅNDTERING AF RISIKOFAKTORER FOR SYGDOM Medicinforbrug og selvvurderet helbred
HÅNDTERING AF RISIKOFAKTORER FOR SYGDOM Medicinforbrug og selvvurderet helbred Kandidatuddannelsen i Folkesundhedsvidenskab Aalborg Universitet 1. Semester projekt Gruppe nummer: 755 Vejleder: Henrik Bøggild
Læs mereUniversity of Southern Denmark. Notat om Diabetes i Danmark. Juel, Knud. Publication date: Document version Forlagets udgivne version
University of Southern Denmark Notat om Diabetes i Danmark Juel, Knud Publication date: 7 Document version Forlagets udgivne version Citation for pulished version (APA): Juel, K., (7). Notat om Diabetes
Læs mereStatistik 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 mereFysiske 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 mereMænd og lungekræft. Svend Aage Madsen Rigshospitalet. Svend Aage Madsen. Forekomst og dødelighed. Dødelighed: Svend Aage Madsen
Rigshospitalet Forekomst og dødelighed Forekomst: M/K 1,18 Dødelighed: M/K 1,26 Tlf: +45 35454767 - E-mail: svaam@rh.dk & svendaage@madsen.mail.dk 1 Lungekræft-uligheden Mænd i DK har 18 procent større
Læs mereStatistik 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 mereIntern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser
Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann 23. september 2009 Vurdering af den interne validitet af en epidemiologisk undersøgelse: Informationsproblemer
Læs mereEpidemiologiprojekt. Ann-Louise, Jennifer, Matilda og Elif 408
+ Epidemiologiprojekt Ann-Louise, Jennifer, Matilda og Elif 408 + Problemformulering Er der nogen sammenhæng mellem alkohol og rygning under graviditet og spædbarnsdødelighed samt alkohol og rygning under
Læs mere25. 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 mere2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)
Eksamensopgave i Epidemiologiske metoder, IT & Sundhed forår 2011 Læs artiklen grundigt og svar derefter på alle spørgsmål. Under hver opgave står hvor mange point der maksimalt kan opnås for opgaven.
Læs mereResultater. 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 mereSvend Aage Madsen. Chefpsykolog, Rigshospitalet SVEND AAGE MADSEN
Kan det lade sig gøre? Svend Aage Madsen Chefpsykolog, Rigshospitalet Og hvad er så fordelen? Levetid i Colombia: Mænd: 72 år Kvinder: 79 år Kilde: WHO 1 Global udvikling i middelevtid 1980 2015 1980 2015
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann 6. februar 2006 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser.
Læs mereMorten 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 mereKomorbiditet 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 mereVina Nguyen HSSP July 13, 2008
Vina Nguyen HSSP July 13, 2008 1 What does it mean if sets A, B, C are a partition of set D? 2 How do you calculate P(A B) using the formula for conditional probability? 3 What is the difference between
Læs mereMorten 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 mereVurdering af det Randomiserede kliniske forsøg RCT
Vurdering af det Randomiserede kliniske forsøg RCT Evidensbaseret Praksis DF Region Nord Marts 2011 Jane Andreasen, udviklingsterapeut og forskningsansvarlig, MLP. Ergoterapi- og fysioterapiafdelingen,
Læs mereSociale relationer, helbred og aldring
Sociale relationer, helbred og aldring Rikke Lund læge, ph.d., lektor Afdeling for Social Medicin Institut for Folkesundhedsvidenskab Dias 1 Hvad er sociale relationer? Typer roller (familie, venner, bekendte,
Læs mereLivsstilssygdomme skyldes ikke kun adfærd
Livsstilssygdomme skyldes ikke kun adfærd Signild Vallgårda Afdeling for Sundhedstjenesteforskning Institut for Folkesundhedsvidenskab Dias 1 Hvilke er livsstilssygdommene? Dias 2 Livsstilssygdomme, velfærdssygdomme
Læs mereBasic statistics for experimental medical researchers
Basic statistics for experimental medical researchers Sample size calculations September 15th 2016 Christian Pipper Department of public health (IFSV) Faculty of Health and Medicinal Science (SUND) E-mail:
Læs mere