Confounding. Mål for dagens anstrengelser. Association. Epidemiologer. Kaposis sarcoma and poppers. Ph.D. kursus Københavns Universitet 8.
|
|
- Nicklas Nygaard
- 7 år siden
- Visninger:
Transkript
1 Related Articles, Links Mål for dagens anstrengelser Confounding Ph.D. kursus Københavns Universitet 8. Marts 2004 Definere confounding Vide, hvordan man kan kontrollere confounding i Studiedesign Analysefase Øvelser (måske) Association 982 Exposure Rygning Outcome Lungekræft Lancet. 982 May 5;(828): Related Articles, Links Risk factors for Kaposi's sarcoma in homosexual men. Marmor M, Friedman-Kien AE, Laubenstein L, Byrum RD, William DC, D'onofrio S, Dubin N. Er denne observation valid? Tilfældighed? Statistisk styrke/signifikans Bias? Systematisk skævhed Confounding? An investigation of 20 homosexual men with histologically confirmed Kaposi's sarcoma and 40 controls revealed significant associations between Kaposi's sarcoma and use of a number of drugs (amyl nitrite, ethyl chloride, cocaine, phencyclidine, methaqualone, and amphetamine), history of mononucleosis, and sexual activity in the year before onset of the disease. Patients with Kaposi's sarcoma also reported substantially higher rates of sexually transmitted infections than did controls. Multivariate analysis indicated independent significant associations for amyl nitrite and sexual activity and showed use of phencyclidine, methaqualone, and ethyl chloride to be non-significant. Evaluated at the median exposure for patients, the analysis yielded risk-ratio estimates of 2.3 for amyl nitrite (95% confidence limits 4.2, 35.8) and 2.0 for sexual activity (95% confidence limits.3, 3.). Kaposis sarcoma and poppers Epidemiologer Dermatol Clin. 995 Jul;3(3): Kaposi's sarcoma. How can epidemiology help find the cause? Seruminstituttets daværende direktør ved indvielsen af Center for Epidemiologisk Grundforskning: Drotman DP, Peterman TA, Friedman-Kien AE. Division of HIV/AIDS, Centers for Disease Control and Prevention, Atlanta, Georgia, USA. Kaposi's sarcoma (KS) remains the most commonly diagnosed cancer in AIDS patients. Neither the cause nor a cure for AIDS-related KS is known. KS serves as a striking example of how epidemiologists seek the cause of any disease. Epidemiologic analysis of reported KS cases is revealing but not definitive. The leading hypotheses for the cause of AIDS-related KS are an asyet-unidentified sexually transmitted infectious agent and exposure to inhalant alkyl nitrites, often called poppers. Epidemiology suggests that persons can reduce their risk of KS by avoiding nitrite inhalants and changing behavior to reduce the risk of sexually transmitted infections. Er I ikke bange for, at de unge mennesker (de kommende epidemiologer) bare finder en masse signifikante sammenhænge og publicerer dem Nej, for vi kender jo godt problemerne!
2 Confounding Lungekræft og risiko Sammenblanding af effekten af en exposure på et outcome med effekten af en tredje faktor Forekomsten af en faktor, der er prediktor for outcome og associeret med exposure Risiko for lungekræft blandt cafégæster 0/ Exposure Outcome Kaffe Tændstikker i lommen Confounder Rygning Rygning Hjertesygdom Lungekræft Risiko for lungekræft blandt bodegagæster 00/ Er værtshusbesøg en risikofaktor for lungekræft? Downs syndrom og søskenderækkefølge,8 Exposure Værtshusbesøg Confounder Aktiv rygning Passiv rygning Alder Køn Flere? Outcome Lungekræft,6,4 Affected,2 babies per 000 live 0,8 births 0,6 0,4 0, Birth order Confoundere? Forklaring? Downs syndrom og mors alder Hvilke er confoundere? Affected 6 babies per live 4 births < Mother's age Søskenderækkefølge Downs syndrom Mors alder Mors alder Downs syndrom Søskenderækkefølge
3 The solution Karakteristika ved confoundere Cases per 000 births Birth order < Mother's age. Behøver ikke at være årsagsfaktor 2. Skal være prediktor for outcome og uafhængigt heraf associeret med exposure 3. Må ikke være intermediært link mellem exposure og outcome ) Kausalitet 2) Relation til såvel exposure som outcome Drenge har flere luftvejsinfektioner end piger hvorfor? Hvis fysisk aktivitet nedsætter risiko for AMI, er væskeindtag så en confounder? Hvad ligger der i sygdomsrisiko blandt folk fra socialklasse 5? Nej, for væskeindtag i sig selv er ikke associeret med AMI Ikke nødvendigt med kausalitet, men confounderen kan korrelere med andre (kendte) årsager Man skal ikke justere for alverdens underlige faktorer, som alene associeret med exposure 3) Må ikke være mellemliggende variabel / led i årsagskæde Eksposure?Confounder Outcome Alkoholindtag HDL-niveau AMI Hvilke faktorer skal man overveje som mulige confoundere? Praktisk fremgangsmåde: I designfase få information om mulige confoundere Alle kendte risikofaktorer i tilstrækkelig detaljeringsgrad Køn og alder som minimum Alkoholindtag HDL-niveau AMI I analysefasen Bestem associationen mellem exposure og outcome Juster for den mulige confounder Hvis estimatet/associationen ændrer sig, er der tale om en confounder, man skal justere for
4 Retning af confounderen Confounderretning Kaffe Rygning AMI Positiv confounding giver mere ekstremt resultat (uanset associationens retning) end det justerede estimat Retning? Fysisk udfoldelse AMI Negativ confounding resulterer i et observeret estimat gående mod nulhypotesen (udvander associationen) Køn Retning? Eksempel confounderretning Confounderretning vigtigt at kende, når man ikke kan kontrollere for confounderen Confounderkontrol Princip: Sørg for at sammenligne mellem individer med samme niveau af confounding eller på en anden måde Sammenlign grupper, der kun adskiller sig fra hinanden m.h.t. den interessante variabel Kontrol i design og i analyse Kontrol i studiedesign Hvilke muligheder er der? Randomisering Stratifikation Matching ) Randomisering Lodtrækning! Kliniske forsøg, dyreforsøg Fordel: Justerer for kendte såvel som ukendte confoundere (sammenlign grupper bagefter for at se, om dette holder) Ulempe: Kræver en vis studiestørrelse
5 2) Restriktion Restriktion af studiegrupper til samme kategorier eller confounderkategorier Eksempler: Risikofaktorer for collum femoris-frakturer Alder, køn, etnicitet Sollys og risiko for maligne melanomer Alder, køn, etnicitet Risiko for pulmonal Pseudomonas aeruginosa-infektion Alder, køn, etnicitet, sygdomsstatus Restriktion fordele og ulemper Fordele: Simpelt, enkelt og billigt (cheap and dirty ) Næsten komplet confounderkontrol, hvis rækken af confoundere er overskuelig/snæver Ulemper: Kan reducere antallet af studiepersoner lille statistisk styrke Residualconfounding (?), hvis restriktion ikke snæver nok AMI blandt personer år, ever/never smokers Reducerer generaliserbarhed/effekt for forskellige niveauer af faktoren Forskel mellem mænd/kvinder for AMI-risiko Forskel mellem aboriginals og Brit-australians for melanomrisiko 3) Matching Matching ulemper Valg af identisk (!) kontrol for hver case, match på confounder Skal tages hensyn til i design og analyse Umiddelbart attraktivt og meget brugt, men en del ulemper Svært, dyrt og tidskrævende at finde kontroller Derfor hyppigst brugt i case-controlstudier, sjældent i kohortestudier (undtagelser?) Eksempel: Ved kontrol af alder (5 kategorier), køn og race (3 kategorier), hvor mange kombinationer? 30! Av Endda sværere ved 2:, 3: og 4: matching (hvorfor bruger man flere kontroller pr. case?) Styrke, hvis det er svært at finde cases Matching ulemper 2 Kontrollerer ikke i design for andre mulige confoundere end de matchede (undtagen korrelerede) og Man kan dårligt kontrollere for andre confoundere i analysefasen bl.a. p.gr.a. lav effektiv sample size (kun diskordante par bruges) Matching fordele? Ved komplekse nominale faktorer, f.eks. Neighbourhood Søskendeflok Tvillingestudier Når antallet af cases er meget lille Ikke tilstrækkelig sikkerhed for at cases og kontroller er ens m.h.t. basisvariable p.gr.a. tilfældig variation
6 Skal man så bruge matching? Ja, men kun efter nøje individuel overvejelse, bedre at bruge Stratifikation ved design og og kontrol i analysefase Analyse af matching Problem: Ved matching på sande confoundere er grupperne mere ens, end hvis to uafhængige case og kontrolserier var valgt Underestimation af association, hvis man ikke tager højde for maching i analysefasen Da cases og kontroller er udvalgt i par, skal man analysere i par, og kun de diskordante par indeholder information Krav til studiestørrelse derfor større end ved u-matchede analyser! Praktisk eksempel Sædvanlig 2x2 tabel (Odds ratio/relativ risiko) OR= ad/bc ~ P = Chi-square test Analyse af matchede data Parvis 2x2 tabel (Odds ratio/relativ risiko) OR= b/c ~ P = McNemars Chi-square test Disease Controls Cases Controls Exposed Nonexposed Exposure Yes No a c b d a + b c + d Cases Exposed Nonexposed a c b d a + b c + d a + c b + d a + b + c + d a + c b + d a + b + c + d Postmenopausal østrogen og endometriecancer 37 cases med endometricancer 37 kontroller med andre gynækologiske neoplasier Matchet på alder og diagnoseår Ved u-matchet analyse af data fra matchet design = ad/bc Disease Control Cases Controls Case Exposed Nonexposed Exposed 39 5 Nonexposed Exposure Exposed Nonexposed = 3/5 = 7,5 (4,72,92), p < 0, = 52*263/54*65 = 4,5
7 Forskel på matchet og u-matchet estimat I dette eksempel ja (7,5 ~ 4,5) Hvis forskel på estimater er de matchede confoundere sande confoundere, kræver matchet analyse Hvis ens estimater (eksempel i bog 0,60 ~ 0,62) ikke behov for matchet analyse. Fordele? Øger statistisk styrke (3 + 5 par / 634 individer) Kontrol af andre confoundere kan nemmere laves i analysefase Kontrol i analysefase Hvilke muligheder er der? Stratificeret analyse Multivariat analyse Og det bagvedliggende princip? Bedømmelse af associationen indenfor homogene kategorier (strata) af confounderen ) Stratificeret analyse - princip Lav associationsberegning for hvert stratum af hver confounder og kombinér disse associationsmål til ét Antal strata: Køn 2 Køn, alder (3 grupper) 2 x 3 = 6 Køn, alder, etnisk gruppe (3 grupper) 2 x 3 x 3 = 8 Stratificeret analyse - eksempel HSV-2 infektion blandt gravide i Stockholm markør for antal seksualpartnere Er prævalensen af HSV-2 steget? <= <= Totalt Seropos Testede Pos (%) 6,6 7,5 20,5 23, 7,3 Seropos Testede Pos (%) 3,8 30, 39,0 3,3 33,0,92,72,90,35,9 HSV-2 prævalens er alder en confounder? Ja, gennemsnitsalder 4,4 år højere i 989 and i 969 Årstal Alder HSV2-smitte Hvad betyder så de,9 i (crude/rå estimat)? Justering for den mulige confounder alder Princip lav et vægtet estimat efter stratas størrelse (vi tror mere på estimater fra strata med mange individer end på strata med få individer, giver mindre statistisk usikkerhed) Alder <= <=,92,72,90,35 95% CI,50 2,7,20 2,46, 3,25 0,56 3,23
8 Mantel Haenszel ratio dannelse af justeret estimat Dan vægte for hvert stratums estimat, vægt de enkelte estimater og kombinér disse til ét justeret/adjusted estimat W = unexposed cases x (total exposed /total unexposed + total exposed ) W 2 = unexposed cases 2 x (total exposed 2 /total unexposed 2 + total exposed 2 )... MH = ( x W ) + ( 2 x W 2 ) + ( 3 x W 3 ) + ( 4 x 4 ) + ( 5 x W 5 ) W + W 2 + W 3 + W 4 + W 5 HSV-2 justeret <=25: W <=25 = 97 x 255 = 29, : W = 44 x 352 = 25, : W 3-35 = 6 x 259 = 2, <=: W 36<= = 6 x 34 = 5, MH = (,92 x 29,5) + (,72 x 25,6) + (9,0 x 2,3) + (,35 x 5,0) 29,5 + 25,6 + 2,3 + 5,0 MH =,82 (~ujusteret,92) Er der så tale om en fordobling i antallet af seksualpartnere ? Nope, ikke nødvendigvis Øget antal seksualpartnere, men Øget smitterisiko, da HVS-prævalens også må være øget blandt mænd (infektionsepidemiologi ) Bedømmelse af størrelse af confounding Forskel på råt og justeret estimat (,92 ~,82) Hvis ingen forskel på det rå og justerede estimat, justering ikke nødvendig (større styrke) Signifikanstests og konfidensintervaller vurderer, om det u-konfoundede estimat er foreneligt med nul-hypotesen, men indikerer ikke, om der er tale om confounding! Interaktion Interaktion Men hvad nu, hvis der ved stratifikation er store forskelle på estimaterne? Mortalitet blandt ammede vs. ikke-ammede børn i Brasilien 985 Diarré Luftvejsinfektion Andre infektioner Diarré Luftvejsinfektion Andre infektioner OR 4,2 3,6 2,5 <2 måneder 23,3 4,,9 2- måneder 5,3 3,4 2,0 Interaktion betegner det begreb, at effekten af en variabel på en sygdom modificeres af niveauer af en anden variabel Dette er biologi og skal forklares Rapporteres i tabeller (kan være lidt svært for læseren) Confounding betegner blot en skæv fordeling af confounderen blandt de sammenlignede grupper Dette er støj, der kan variere fra studie til studie, der blot skal elimineres
9 En faktor kan både være en confounder og en effektmodifikator Incidens af invasiv pneumokoksygdom i DK Antal pr Alder Kontrol og bedømmelse af confounding/ interaktion i stratificeret analyse Stratificér på faktoren Beregn stratumspecifikke Vurdér, om effekten er ens over strata. Hvis ja, lav Mantel-Haenszel ikke-confoundet fælles estimat Lav hypotesetestning med signifikanstests på det u- confoundede estimat Hvis der er effektmodifikation (effekten er ikke ens over strata) Rapporter stratumspecifikke estimater, resultater af signifikanstests og konfidensintervaller for hvert estimat Hvis ønsket, beregn et fælles u-confoundet estimat Fordele stratifikation Nemt at udføre Tillader evaluering af interaktion Nemt at forstå forhold mellem exposure, outcome, andre confoundere og effektmodifikatorer men Kan kun justere for et begrænset antal confoundere ad gangen (f.eks. 4 strata: 2 x 4 x 3 x 4 = 96 kombinationer) Eksempel: Luftvejsinfektioner hos børn i Grønland Question: Er der forskelle i den relative risiko for luftvejsinfektioner hos danske og grønlandske børn i Grønland? Hvilke confoundere skal (kan) man tænke på? Alder, køn, etnicitet, amning, crowding, sæson, institutionsbrug, rygning, forældres socioøkonomiske status, antal søskende, undersøger, tolk j/n. Hvordan tager man højde for så mange faktorer samtidigt? Svar Multivariat analyse! Estimerer effekter og kontrollerer for flere confoundere, også hvor stratifikation ikke er muligt Multipel lineær regression Hyppigste type Anvendes ved kontinuerte data Princip: Beskriv en variabel som en lineær funktion af en anden Y = a + bx Y = a + b X + b 2 X 2 + b n X n
10 Forudsætning for lineær regression Sammenhængen kan beskrives lineært Hvis ikke, må man transformere eller lave andre matematiske ændringer Er transformation OK? Pointe Eksemplet intuitivt ( man kan ikke transformere uden at ødelægge data ), men Transformation og andre teknikker gør data lidt mere besværlige at forstå, men er gode værktøjer i statistisk analyse, muliggør multivariat analyse Tolkning af multipel lineær regression Hver variabels koefficient (b) betegner den øgning/formindskelse af den afhængige variabel (Y), én enheds ændring af den uafhængige variabel medfører uafhængigt af de øvrige variable i modellen (og dermed renset for confounding) Y = a + b X + b 2 X 2 + b n X n b Andre typer multivariat analyse: Logistisk regression Når udfaldet er ja/nej-variabel (seropositiv/ seronegativ, 0-) Y = ln af odds for sygdom ( logit ) Cox regression / proportional hazards model Ved uens deltagertid for enkeltindivider Relationen af den uafhængige variabel til den naturlige logaritme af incidensraten snarere end odds for sygdom Ln Y = a + b X + + b n X n -Y Y = + e-(a + bx + + bnxn) OR kan direkte beregnes (~)
11 Tolkning af multivariat analyse Praktisk eksempel: Univariate analyser Molyneux et al. AJE, 2004; 59; RISK OF LOWER RESPIRATOR TRACT INFECTIONS IN GREENLANDIC CHILDREN Age Child care Ethnicity Home Day care Institution Greenlandic Mixed Danish Univariate 95% CI P-value <0.0 < Multivariate All variables adjusted for age, gender, calendar period, and interviewer (Greenlandic vs. Danish speaking). P-values test for homogeneity, if not stated otherwise % CI P-value <0.00 < Praktisk eksempel fortsat: Univariate og multivariate analyser RISK OF LOWER RESPIRATOR TRACT INFECTIONS IN GREENLANDIC CHILDREN Age Child care Ethnicity Home Day care Institution Greenlandic Mixed Danish Univariate 95% CI P-value <0.0 < Multivariate All variables adjusted for age, gender, calendar period, and interviewer (Greenlandic vs. Danish speaking). P-values test for homogeneity, if not stated otherwise % CI P-value <0.00 < Ulemper ved multivariat analyse Kan kun laves med statistikprogram Ikke indlysende, black box strategi Kan give et skævt estimat, hvis modellen ikke passer Det kan være vanskeligt at vurdere, om modellen er god Konklusioner take home messages Confounding er forekomsten af en faktor, der er prediktor for outcome og associeret med exposure Confounding skal altid overvejes som alternativ forklaring på studiefund Confounding kan kontrolleres i design (randomisering, restriktion, matching) og i analysefase (stratifikation, multivariat analyse) Alle metoder har sine fordele og ulemper, skal afvejes i det konkrete tilfælde
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 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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mantel-Haenszel analyser Mantel-Haenszel analyser Sidst lærte vi om stratificerede analyser. I dag kigger vi på et specialtilfælde: både exposure
Læs 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 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 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 mereBesvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Læs mereDesign af et kohorte studie
EPIDEMIOLOGI KOHORTE STUDIER II Marts 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Design af et kohorte studie Problemstilling defineres Vigtige overvejelser inden videre
Læs 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 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 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 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 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 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 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 mereInfektionsepidemiologi. Epidemiologiens fædre. Vandforsyning i London 1854. John Snow 1813-1858. Den medicinske professions indsats
Infektionsepidemiologi Epidemiologiens fædre Ph.D. kursus Anders Koch, SSI 13. April 2007 John Snow 1813 1858 Kolera i London 1849- Peter Ludwig Panum 1820 1885 Mæslinger på Færøerne 1846 Koleraepidemier
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 mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Eksamensopgave E05. Socialklasse og kronisk sygdom
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Eksamensopgave E05 Socialklasse og kronisk sygdom Data: Tværsnitsundersøgelse fra 1986 Datamaterialet indeholder: Køn, alder, Højest opnåede
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 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 merePrivatansatte mænd bliver desuden noget hurtigere chef end kvinderne og forholdsvis flere ender i en chefstilling.
Sammenligning af privatansatte kvinder og mænds løn Privatansatte kvindelige djøfere i stillinger uden ledelsesansvar har en løn der udgør ca. 96 procent af den løn deres mandlige kolleger får. I sammenligningen
Læs mereBasal statistik for sundhedsvidenskabelige forskere, forår 2015 Udleveret 3. marts, afleveres senest ved øvelserne i uge 13 (24.-25.
Hjemmeopgave Basal statistik for sundhedsvidenskabelige forskere, forår 2015 Udleveret 3. marts, afleveres senest ved øvelserne i uge 13 (24.-25. marts) En stikprøve bestående af 65 mænd og 65 kvinder
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 mereTrivsel og fravær i folkeskolen
Trivsel og fravær i folkeskolen Sammenfatning De årlige trivselsmålinger i folkeskolen måler elevernes trivsel på fire forskellige områder: faglig trivsel, social trivsel, støtte og inspiration og ro og
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 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 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 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 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 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 mereGode råd om læsning i 3. klasse på Løjtegårdsskolen
Gode råd om læsning i 3. klasse på Løjtegårdsskolen Udarbejdet af læsevejlederne september 2014. Kære forælder. Dit barn er på nuværende tidspunkt sikkert rigtig dygtig til at læse. De første skoleår er
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 mereTræningsaktiviteter dag 3
Træningsaktiviteter dag 3 I træningsaktiviteterne skal I arbejde videre med Framingham data og risikoen for hjertesygdom. I skal dels lave MH-analyser som vi gjorde i timerne og dels lave en multipel logistisk
Læs mereMultipel Lineær Regression. Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test
Multipel Lineær Regression Polynomiel regression Ikke-lineære modeller og transformation Multi-kolinearitet Auto-korrelation og Durbin-Watson test Multipel lineær regression x,x,,x k uafhængige variable
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 mereTillæg 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 mereMorten 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 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 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 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 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 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 mereLogistisk regression. Basal Statistik for medicinske PhD-studerende November 2008
Logistisk regression Basal Statistik for medicinske PhD-studerende November 2008 Bendix Carstensen Steno Diabetes Center, Gentofte & Biostatististisk afdeling, Københavns Universitet bxc@steno.dk www.biostat.ku.dk/~bxc
Læs mereForskning i fosterskader af alkoholindtagelse under graviditeten
Forskning i fosterskader af alkoholindtagelse under graviditeten Katrine Strandberg-Larsen Afdeling for social medicin, Institut for Folkesundhed E-mail: ksla@sund.ku.dk Alkohol kan skade barnet i mors
Læs mereLæsevejledning til resultater på regionsplan
Læsevejledning til resultater på regionsplan Indhold 1. Overblik... 2 2. Sammenligninger... 2 3. Hvad viser figuren?... 3 4. Hvad viser tabellerne?... 5 5. Eksempler på typiske spørgsmål til tabellerne...
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 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 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 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 mereLUP læsevejledning til regionsrapporter
Indhold 1. Overblik... 2 2. Sammenligninger... 2 3. Hvad viser figuren?... 3 4. Hvad viser tabellerne?... 5 5. Eksempler på typiske spørgsmål til tabellerne... 6 Øvrigt materiale Baggrund og metode for
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 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 mereLineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet sr@biostat.ku.dk Dagens program Lineær regression
Læs mereEpiduralbedøvelse som smertelindring til vaginale fødsler. Master of Public Health uddannelsen i Århus 2006
Epiduralbedøvelse som smertelindring til vaginale fødsler Master of Public Health uddannelsen i Århus 2006 Oversigt over fremlæggelse Udvikling i epiduralbedøvelse blandt fødende på fødegangen Aalborg
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 mereStatistik 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 mereMatematik B. Højere handelseksamen
Matematik B Højere handelseksamen hh121-mat/b-04062012 Mandag den 4. juni 2012 kl. 9.00-13.00 Prøven består af to delprøver. Delprøven uden hjælpemidler består af opgave 1 til 5 med i alt 5 spørgsmål.
Læs mereDag 6: Interaktion. Overlevelsesanalyse
Dag 6: Interaktion. Overlevelsesanalyse How does CHD depend on gender and hypertension? Males: hypertension chd01 Females: Frequency Row Pct 0 1 Total ---------+--------+--------+ 0 352 95 447 78.75 21.25
Læs mere4. 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 mereØkonomisk Analyse. Konkurser i dansk erhvervsliv
Økonomisk Analyse Konkurser i dansk erhvervsliv NR. 4 28. juni 211 2 Konkurser i dansk erhvervsliv Under den økonomiske krise steg antallet af konkurser markant. I 29 gik 5.71 virksomheder konkurs mod
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 mereEpidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi.
Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab Introduktionsmodul definition/ EPIDEMIOLOGI - epi (ved, omkring) - demos (folket) - logos (læren om..) Den videnskabelige disciplin som omhandler
Læs 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 mereSkoleudvalget i Fredensborg Kommune har besluttet at ca. 10-12% lønmidlerne skal fordeles på baggrund af sociale indikatorer
Notat om fordeling af midlerne mellem Fredensborgs skoler med udgangspunkt i elevernes sociale baggrund Venturelli Consulting Oktober 2006 1 Indholdsfortegnelse 1. Resume...3 2. Baggrund...3 3. Den grundlæggende
Læs mereHvem kender ÅOP? en empirisk undersøgelse
N O T A T Hvem kender ÅOP? en empirisk undersøgelse 16. januar 2008 I forbindelse med julen 2007 blev der af Finansrådet udarbejdet en analyse af lån til forbrug. Analysen indeholdt blandt andet en forbrugerundersøgelse
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 mereHelbred og sygefravær
8. juli 2016 Helbred og sygefravær Langt størstedelen af FOAs medlemmer vurderer, at deres helbred er godt eller nogenlunde godt. Til gengæld forventer hvert femte medlem ikke at kunne arbejde, til de
Læs mereRE-EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N RE-EKSAMEN I EPIDEMIOLOGISKE METODER IT
Læs 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 mereLektion 01 - Mig og mine vaner DIALOGKORT. Hvor synes du, at grænsen går for, hvornår en vane er sund eller usund?
Lektion 01 - Mig og mine vaner DIALOGKORT 01 Hvor synes du, at grænsen går for, hvornår en vane er sund eller usund? Lektion 01 Mig og mine vaner fakta Hænderne er den mest almindelige smittevej for almindelige
Læs mereOR stiger eksponentielt med forskellen i BMI. kompliceret model svær at forstå og analysere
Epidemiologi og biostatistik. Uge 5, torsdag 5. september 003 Morten Frydenberg, Institut for Biostatistik. 1 Analyse af overlevelsesdata (ventetidsdata) Censurering (højre + andet) Kaplan-Meyer kurver
Læs mereDet siger FOAs medlemmer om mobning på arbejdspladsen
FOA Kampagne og Analyse 28. februar 2011 Det siger FOAs medlemmer om mobning på arbejdspladsen FOA undersøgte i januar 2011 medlemmernes oplevelser med mobning på arbejdspladsen. Undersøgelsen belyser,
Læs mereChi-i-anden Test. Repetition Goodness of Fit Uafhængighed i Kontingenstabeller
Chi-i-anden Test Repetition Goodness of Fit Uafhængighed i Kontingenstabeller Chi-i-anden Test Chi-i-anden test omhandler data, der har form af antal eller frekvenser. Antag, at n observationer kan inddeles
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 mereAppendiks 2 Beregneren - progression i de nationale læsetest - Vejledning til brug af beregner af læseudvikling
Appendiks 2: Analyse af en elevs testforløb i 4. og 6. klasse I de nationale test baseres resultaterne på et ret begrænset antal opgaver (normalt 15-25 items pr. profilområde 1 ). Hensynet ved design af
Læs mereOR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model
Epidemiologi og biostatistik. Uge 5, torsdag. marts 1 Morten Frydenberg, Institut for Biostatistik. 1 Analyse af overlevelsesdata (ventetidsdata) Censurering (højre + andet) Kaplan-Meyer kurver Det statistiske
Læs mere3.7 Bornholms Regionskommune
3.7 Bornholms Regionskommune På grund af Bornholms særlige geografiske forhold, indgår Bornholms Regionskommune ikke i ét af de fire planlægningsområder i Region Hovedstaden. I denne rapport beskrives
Læs merePiger er bedst til at bryde den sociale arv
Piger er bedst til at bryde den sociale arv Piger er bedre end drenge til at bryde den sociale arv. Mens næsten hver fjerde pige fra ufaglærte hjem får en videregående uddannelse, så er det kun omkring
Læs mereEnsidet variansanalyse
Ensidet variansanalyse Sammenligning af grupper Helle Sørensen E-mail: helle@math.ku.dk StatBK (Uge 47, mandag) Ensidet ANOVA 1 / 18 Program I dag: Sammenligning af middelværdier Sammenligning af spredninger
Læs mereBehandling af kvantitativ data 28.10.2013
Behandling af kvantitativ data 28.10.2013 I dag skal vi snakke om Kvantitativ metode i kort form Hvordan man kvalitetssikrer stikprøven Hvordan man kan kode og indtaste data Data på forskellig måleniveau
Læs mereProgram. Ensidet variansanalyse Sammenligning af grupper. Statistisk model og hypotese. Eksempel: Aldersfordeling i hjertestudie
Program Ensidet variansanalyse Sammenligning af grupper Helle Sørensen E-mail: helle@math.ku.dk I dag: Sammenligning af middelværdier Sammenligning af spredninger Parvise sammenligninger To eksempler:
Læs mereSocial ulighed i indlæggelser
Social ulighed i indlæggelser Michael Davidsen Mette Bjerrum Koch Knud Juel Statens Institut for Folkesundhed, Syddansk Universitet, oktober 2013 UDARBEJDET FOR SUNDHEDSSTYRELSEN 2 3 Sammenfatning I nærværende
Læs mereAalborg Universitet. Økonomisk ulighed og selvværd Hansen, Claus Dalsgaard. Publication date: 2011
Aalborg Universitet Økonomisk ulighed og selvværd Hansen, Claus Dalsgaard Publication date: 2011 Document Version Tidlig version også kaldet pre-print Link to publication from Aalborg University Citation
Læs mereEFFEKTMÅLING AF SOCIALE INDSATSER
EFFEKTMÅLING AF SOCIALE INDSATSER MAIKEN PONTOPPIDAN SFI DET NATIONALE FORSKNINGSCENTER FOR VELFÆRD MEGET BRUGTE ORD Effekt Evidens Dokumentation Krav om effekt og dokumentation fylder meget i kommuner,
Læs mereKapitel 6. SMITSOMME SYGDOMME
Kapitel 6. SMITSOMME SYGDOMME Dette kapitel dækker anmeldte tilfælde af smitsomme sygdomme år 2014 og 2015. Botulisme Der blev i 2014 anmeldt 1 tilfælde af botulisme. I dette tilfælde kom bakterierne fra
Læs mereRISIKOEN FOR DEPRESSION VED UDSÆTTELSE FOR MOBNING I ARBEJDSLIVET
Bispebjerg RISIKOEN FOR DEPRESSION VED UDSÆTTELSE FOR MOBNING I ARBEJDSLIVET Jens Peter Bonde Arbejds- og Miljømedicinsk afdeling Bispebjerg Hospital Dias 1 MODENA projektet 2010-2014 AMK Bispebjerg: Maria
Læs mereL: Præsenterer og spørger om han har nogle spørgsmål inden de går i gang. Det har han ikke.
Bilag 4 Transskription af Per Interviewere: Louise og Katariina L: Louise K: Katariina L: Præsenterer og spørger om han har nogle spørgsmål inden de går i gang. Det har han ikke. L: Vi vil gerne høre lidt
Læs mereBILAG A SPØRGESKEMA. I denne At-vejledning præsenteres et kort spørgeskema med i alt 44 spørgsmål fordelt på otte skalaer.
16 BILAG A SPØRGESKEMA I denne At-vejledning præsenteres et kort spørgeskema med i alt 44 spørgsmål fordelt på otte skalaer. Skalaernes spørgsmål indgår i et større spørgeskema, der omfatter i alt 26 skalaer
Læs mereElevfravær, karakterer og overgang til/status på ungdomsuddannelsen
Elevfravær, karakterer og overgang til/status på ungdomsuddannelsen Af Kontor for Analyse og Administration Elevernes fravær i 9. klasse har betydning for deres opnåede karakterer ved de bundne 9.- klasseprøver.
Læs mereAnvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]
Anvendt Statistik Lektion 6 Kontingenstabeller χ 2 -test [ki-i-anden-test] 1 Kontingenstabel Formål: Illustrere/finde sammenhænge mellem to kategoriske variable Opbygning: En celle for hver kombination
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 mereDanmarks samlede resultater i PISA 2006
s samlede resultater i PISA 2006 PISA har på skift ét af fagene læsning, matematik og naturfag som hovedområde. I 2000 var hovedområdet læsning, i 2003 var hovedområdet matematik, og i 2006 var hovedområdet
Læs mereSammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
Læs mere3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)
EPIDEMIOLOGI CASE-KONTROL STUDIER September 2011 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Case kontrol studie 3 typer Case-kohorte Nested case-kontrol Case-non case (klassisk
Læs mereBIOLOGISKE EFFEKTER AF VANDINDVINDING PÅ VANDLØB
AARHUS UNIVERSITET BIOLOGISKE EFFEKTER AF VANDINDVINDING PÅ VANDLØB Peter Wiberg-Larsen, Daniel Graeber m.fl. 5. NOVEMBER 2015 FOKUS PÅ INDVINDING AF GRUNDVAND VANDFØRING OG LEVESTEDER Vegetation Vandføring
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 mereArbejdstempo og stress
14. januar 2016 Arbejdstempo og stress Hvert femte FOA-medlem føler sig i høj eller meget høj grad stresset. Andelen har været stigende de sidste år. Det viser en undersøgelse, som FOA har foretaget blandt
Læs mereKvant Eksamen December 2010 3 timer med hjælpemidler. 1 Hvad er en continuous variable? Giv 2 illustrationer.
Kvant Eksamen December 2010 3 timer med hjælpemidler 1 Hvad er en continuous variable? Giv 2 illustrationer. What is a continuous variable? Give two illustrations. 2 Hvorfor kan man bedre drage konklusioner
Læs mereRegneregler for middelværdier M(X+Y) = M X +M Y. Spredning varians og standardafvigelse. 1 n VAR(X) Y = a + bx VAR(Y) = VAR(a+bX) = b²var(x)
Formelsamlingen 1 Regneregler for middelværdier M(a + bx) a + bm X M(X+Y) M X +M Y Spredning varians og standardafvigelse VAR(X) 1 n n i1 ( X i - M x ) 2 Y a + bx VAR(Y) VAR(a+bX) b²var(x) 2 Kovariansen
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 mere