To grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens
|
|
- Gudrun Lauritsen
- 7 år siden
- Visninger:
Transkript
1 EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål: prævalens og incidens Prævalens = refererer til dem, som har sygdommen på et givet tidspunkt (svarer på et øjebliksbillede) Incidens = refererer til dem, som i løbet af en given periode udvikler en sygdom, og som ved observationsstart er sygdomsfri og at risk Epidemiologiske designmuligheder PRÆVALENS: EKSEMPEL Den. januar 00 fandt man, at personer havde diabetes i en befolkning på.000 personer diabetikere Prævalens (P) = = personer =.% af populationen havde diabetes. januar 00 PRÆVALENS (P): = Proportionen af befolkningen, som lever med sygdommen på et givet tidspunkt. Antal personer som har sygdommen Samlet antal personer i gruppen PÅ ET GIVET TIDSPUNKT BEMÆRK Nævneren er den samlede befolkning. Nævneren består af både personer med sygdommen og personer uden sygdommen. På et givet tidspunkt". Tidspunktet må angives, når man rapporterer om prævalens. Kunne være kronologisk (. januar 00); livsbegivenhed (ved fødsel); eller livsperiode (i puberteten, efter pensionering). INCIDENS Incidens = henviser til dem, som i løbet af en given periode udvikler en sygdom, og som ved observationsstart er sygdomsfri og at risk for at få pågældende sydgom
2 TO HOVEDTYPER AF MÅL FOR INCIDENS KUMULERET INCIDENS PROPORTION (KIP) Kumuleret Incidens Proportion (KIP) Incidens Rate (IR) 0 KUMULERET INCIDENS PROPORTION: EKSEMPEL t=0 t=0 år 0 personer, alle sygdomsfri til t = 0 Alle fulgt fra t = 0 til hændelse eller t = 0 år udviklede udfaldet ( = ) /0 = 0% = kumuleret incidens over 0 år KUMULERET INCIDENS PROPORTION (KIP) Den proportion, som får sygdommen i løbet af en specificeret observationsperiode. KIP = Antal nye tilfælde udviklet over en given observationsperiode Samlet antal personer at risk BEMÆRK Nævneren er samlet antal personer at risk. Dvs. sygdomsfri ved start og at risk for at udvikle pågældende sygdom. Tælleren er antal individer. Tælleren relaterer sig til en "specificeret observationsperiode". KIP er ikke fortolkelig, hvis ikke tidsperioden er specificeret (fx. dag, år, 0 år, hele livet). Kumuleret Incidens Proportion (KIP) Kan antage værdierne: 0- eller 0-00%. Giver et estimat for risikoen (eller sandsynligheden) for, at et individ udvikler sygdommen inden for en given tidsramme. Forudsætter at alle følges i den samme observationsperiode.
3 INCIDENS RATE INCIDENS RATE: EKSEMPEL 0 t=0 t=0 yrs 0 personer, alle sygdomsfri til tiden t = 0 Fulgt i varierende tidsperioder: ind til hændelsen, til de er lost-to-followup (tabt af syne) eller til studiets afslutning udviklede udkommet ( = ) Vi kan ikke sige, at /0 udviklede sygdommen i løbet af 0 år, da ikke alle blev fulgt i alle de år Vi behøver mål både for antallet af personer, og for hvor lang tid hver enkelt person er blevet fulgt ESTIMERE PERSON-TID I EN ÅBEN POPULATION ESTIMERE PERSON-TID I EN ÅBEN POPULATION JAN ' 0 ' ' ' ' '0 0 JAN '0 ' ' ' ' ' ESTIMERE PERSON-TID ESTIMERE PERSON-TID JAN '0 ' ' ' ' '00 JAN '0 ' ' ' ' '00 0 Antal år fulgt Samlet antal år at risk 0 Antal år fulgt Samlet antal år at risk
4 0 ESTIMERE PERSON-TID JAN '0 ' ' ' ' IR = / person-år = per 000 p-å (person-years PY) '00 Antal år fulgt Samlet antal år at risk PERSON-TID Intuitivt vanskeligt, men absolut nødvendigt, når man skal tage højde for den varierende observationsstid for follow-up, som man tit finder i kohortestudier og i trials. En mærkværdighed er, at 000 person-år kan opnås ved at 00 personer følges over 0 år, 000 personer følges over år, 00 personer over år etc. INCIDENS RATE (IR) Den hastighed, hvormed nye cases opstår i en befolkning at risk for sygdommen. IR = Antal nye cases udviklet I observationsperioden Samlet mængde observeret person-tid BEMÆRK Tælleren relaterer sig til population at risk. Fra starten sygdomsfri for den sygdom, som studeres, og bidrager person-tid, så længe de er at risk. Nævneren er person-tid. IR er en rate (hastighed). Tiden er indbygget i målet (ligesom kilometer/time). Tiden kan være timer, dage, måneder, Har enheden /tid (antager værdierne : 0 - ). Udtrykker hastigheden for opståen af sygdomstilfælde i en befolkning, under hensyntagen til at observationstiden kan variere fra person til person. SAMMENHÆNGEN MELLEM PRÆVALENS OG INCIDENS? Incidens An analogi: En sø Prævalens Prævalensen svarer til søens vandstand Helbredt Døde
5 Incidens P = I x Varighed P = I x Varighed An analogi: En sø Prævalens når der er steady state Ikke epidemisk sygdomsforekomst, og ingen nye terapeutiske landvindinger. Prævalensen svarer til søens vandstand Helbredt Dvs. vi kan forudsige ændringen i det ene mål, hvis der sker ændringer i de andre to mål. Døde HVILKET AF DE TO MÅL SKAL VI BRUGE? Indførelse af nye behandlinger for AIDS forlænger overlevelse, men helbreder ikke medfører en forøget prævalens. Prævalensmålet er bedst til administrative formål. Incidensmålet er bedst til ætiologiske studier, afhænger ikke af faktorer, der påvirker overlevelsen. MÅL FOR SAMMENHÆNG Når vi nu har beskrevet vore data, er vort næste mål at se, om vi med et enkelt udtryk kan kvantificere sammenhængen mellem eksponeringen og udfaldet.
6 MÅL FOR SAMMENHÆNG. TRIN: OPSUMMERE DATA SYGDOM (UDFALD) Relativ Risiko Ja Ja a Nej b a + b Risiko Differens Exponering Nej c d c + d a + c b + d N CELLER: a = Antal exponerede, som har sygdommen b = Antal exponerede, som ikke har sygdommen c = Antal, som ikke er exponerede, men som har sygdommen d = Antal, som hverken er eksponerede eller har sygdommen Marginaler: a + b = Samlet antal eksponerede c + d = Samlet antal ikke-eksponerede a + c = Samlet antal med sygdom b + d = Samlet antal uden sygdom Samlet antal totalt: N = a + b + c + d To-gange-to (x) tabel. TRIN: BEREGNE SYGDOMSFOREKOMST Kohortestudie med individer i nævneren (tælledata): KIP e = # Exponerede Cases = a # Exponerede a + b KIP o = # Ikke-exponerede Cases = c # Ikke-exponerede c + d OPSUMMERE DATA KOHORTE STUDIE MED PERSON-TID NÆVNER SYGDOM (UDFALD) Ja Nej Exponering Ja a b a + b ja Sygdom nej PERSON-TID ENHEDER Nej c d c + d ja a PT e a + c b + d N Exponering CELLER: a = Antal exponerede, som har sygdommen b = Antal exponerede, som ikke har sygdommen c = Antal, som ikke er exponerede, men som har sygdommen d = Antal, som hverken er eksponerede eller har sygdommen nej c a + c PT o PT T = PT e + PT o
7 KOHORTSTUDIE MED PERSON-TID NÆVNER. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? IR e = # Exponerede Cases = a Exponeret Person-tid PT e IR o = # Ikke-exponerede Cases = c Ikke-exponeret Person-tid PT o. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? Der findes flere forskellige mål for sammenhæng Relativ skala: Divider de to hyppighedsmål med hinanden Absolut skala: Subtraher de to mål fra hinanden RELATIV RISIKO (RR) RISIKO RATIO: Kumuleret Incidens Ratio (KIR) = KIP e / KIP o i kohortestudier med tælledata RATE RATIO: Incidens Rate Ratio (IRR) = IR e / IR o i kohortestudier med person-tid Rate Ratio Risiko Ratio = Relativ Risiko Er et mål for styrken af sammenhængen mellem en eksponering og en sygdom. Beregnes på forskellig vis afhængigt af studiedesignet. HVORDAN UDTRYKKER VI RR? Eksempel: Postmenopausale hormoner HVIS RR >: RR =.: kvinder, der bruger postmenopausale hormoner har. gange øget risiko (eller 0% øget risiko) for at få brystcancer sammenlignet med ikke-brugere RR =.: de har mere end en -fold øget risiko for at få endometriecancer. HVIS RR <: RR = 0.: kvinder, der bruger postmenopausale hormoner, har 0% af den risiko, som ikke-brugere har for osteoporose. Man kan også sige, at de har 0% lavere risiko.. TRIN: ER DER EN SAMMENHÆNG OG HVOR STÆRK ER DEN? Der findes flere forskellige mål for sammenhæng Relativ skala: Divider de to hyppighedsmål med hinanden Absolut skala: Subtraher de to mål fra hinanden
8 MÅL FOR OVERRISIKO ( ECESS RISK, ATTRIBUTABLE RISK ) Risikodifferens (eller attributable risk ) (for kohortestudier med tælledata) = KIP e -KIP o = a - c a + b c + d Ratedifferens (eller attributable rate ) (for kohortestudier med person-tid nævnere) = IR e - IR o - = a - c PT e PT o EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 Udtrykker den mængde af -sygdom i blandt eksponerede, som kan antages at henføres til eksponeringen, idet man jo har fratrukket sygdomsraten (risikoen) blandt de ikkeeksponerede. Forudsætter kausalitet. EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) EKSEMPEL: Data fra the British Doctors Study : rygning, lungecancer og koronarsygdom (CHD) MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 MORTALITETSRATE PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 Spørgsmål: Er rygning en stærkere risikofaktor for lungecancer end CHD? Hvilke mål kan sige noget om sygdomsætiologi? Spørgsmål: Er rygning en stærkere risikofaktor for lungecancer end CHD? Hvilke mål kan sige noget om sygdomsætiologi? Hvis rygere ophørte med at ryge, ville vi så redde flest rygere fra lungecancer eller fra CVD? Hvilke mål kan sige noget om den folkesundedsmæssige indflydelse? MORTALITETSRATE PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR Hvad kan vi lære af dette: En beskeden RR kan være vigtig set fra et folkesundhedssynspunkt, hvis eksponeringen og sygdommen er hyppigt forekommende (fx., postmenopausale hormoner og brystcancer).
9 MORTALITET PER PER ÅR LUNGECANCER CHD RYGERE 0 IKKE-RYGERE 0 RELATIV RISIKO.0. RISIKO DIFFERENS 0 / O /ÅR / 0 / ÅR Hvad kan vi lære af dette: En beskeden RR kan være vigtig set fra et folkesundhedssynspunkt, hvis eksponeringen og sygdommen er hyppigt forekommende (fx., postmenopausale hormoner og brystcancer). En stærk RR kan være vigtig for at forstå ætiologien bag en sygdom, men af begrænset betydning fra et folkesundhedssynspunkt, hvis sygdommen er sjælden. RELATIV RISIKO VS. RISIKO DIFFERENS Relativ Risko er et mål for styrken af sammenhængen mellem eksponering og sygdom. Målet benyttes til at vurdere den ætiologiske betydning af en given faktor. Risiko Differens er et mål for den absolutte effekt, som en given eksponering har på forekomsten af en given sygdom og benyttes til bestemme den folkesundhedsmæssige indflydelse af at fjerne eksponeringen under antagelse af at sammenhængen er kausal. Målene giver forskellig men komplementær information. Epidemiologiske Studie Design Epidemiologiske Studie Design Formålet med et godt studiedesign: At optimere validiteten samtidig med at man har færrest mulige omkostninger i forbindelse med at udføre undersøgelsen Epidemiologiske Studie Design Tre vigtige grundkarakteristika ved design:. Er undersøgelsesenheden individer eller grupper af individer?. Observerende eller interventionsstudie?. Prospektiv bestemmelse af eksponering? Epidemiologiske Studie Design Fem typiske studiedesign: Korrelations / økologiske studier Tværsnitsstudier Kohortestudier Case-control studier Eksperimentelle studier
10 KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER. Vi har ikke eksponeringsdata og udkomdata på individniveau, kun på gruppeniveau Undersøgelsesenheden er grupper IHS og alkoholkonsum i forskellige lande: Korrelationsstudie / økologisk studie KORRELATIONSSTUDIER ELLER ØKOLOGISKE STUDIER Benyttes tit; let at fremstille hvis data er tilgængelige Correlations of age-adjusted coronary heart disease (CHD) mortality rates per 00,000 population with dietary items in. (MH Criqui and BL Ringel, Lancet ; :) Begrænsninger: Drejer sig om grupper, ikke individer Meget stor chance for confounding Gennemsnitlige eksponeringsdata for hver gruppe TVÆRSNITSSTUDIER (SURVEYS) EKSEMPEL: TVÆRSNITSSTUDIE Øjebliksbillede: informationer om eksponeringer og udfald bestemt samtidigt Prevalence of selected chronic conditions per,000 persons years of age and older, by family income. National Health Study,. Source: Adams (0).
11 TVÆRSNITSSTUDIER (SURVEYS) Tidsbesparende, data ofte tilgængelige og opdaterede Begrænsninger: Ingen tidsmæssig adskillelse, et problem i årsagssøgende studier. ANALYTISKE STUDIER. Observerende studier (eksponeringerne er typisk selv-valgte) Case-control Kohorte. Interventionsstudier (eksponeringerne er allokerede af forskerne) fx. randomized controlled trial FORSKNINGSSPØRGSMÅL: Tværsnitsstudie: Beskytter fysisk aktivitet (FA) imod hjertesygdom? Kan det at gå en halv time hver dag dage om ugen, nedsætte risikoen for iskæmisk hjertesygdom (IHD) sammenlignet med en siddende livsstil? Fys.akt.? IHD? Samtidig bestemmelse af eksponering og udfald Hvis vi vælger et tværsnitsdesign: STYRKER: Effektivt mht. tid og penge BEGRÆNSNINGER: Ikke en klar tidssekvens: det er meget muligt, at IHD symptomer ændrer personens fysiske aktivitetsniveau? Ikke velegnet til analytiske studier Case-Control:? Fysisk aktivitet IHD på et tidligere tidspunkt in 00 Udvælge en gruppe syge og en kontrolgruppe
12 Hvis vi vælger et case-control design: STYRKER: Effektivt mht. tid og penge, idet vi ikke skal vente ind til sygdommen opstår Kan takle lange latensperioder Kan samtidig undersøge effekt af mange risikofaktor ud over fysisk aktivitet CHD Kohortestudie:? Fysisk aktivitet IHD i år 0 i 00 BEGRÆNSNINGER: Vanskeligt at få præcis information for den rigtige tidsperiode ( år? år? 0 år?) Følge en gruppe eksponerede og en gruppe u-eksponerede over tid Hvis vi vælger kohortedesignet: STYRKER: Mere præcise exponeringsoplysninger Prospektivt indsamlede eksponeringsoplysninger - Kan belyse temporale sammenhænge (tidsanalyser) Kan se på multiple udfald udover IHD som funktion af fysisk aktivitet BEGRÆNSNINGER: Tager længere tid (latensperiode) og dyrere Behøver relevante data Behøver follow-up af deltagerne i længere tid Interventionsstudie: Eksponerede: Gang x uge Ikke-eksponerede: Siddende livsstil (allokeret af forsker)? IHD udfald Intervention over for en gruppe, som følges over tid, og sammenlignes med en kontrolgruppe, som også følges Hvis vi vælger interventionsstudiet: STYKER: Kontrol over exponeringen (fysisk aktivitet) Kan kontrollere confounding BEGRÆNSNINGER: Det dyrest design, mest resursekrævende Problemer med compliance til interventionen OPSUMMERING En given problemstilling kan tit belyses med flere forskellige epidemiologiske studiedesign Valget afhænger af spørgsmålet, samt af tilgængelige midler og resurser Hvert studie design har styrker og svagheder, som nøje må overvejes ved fortolkningen Derfor er en forståelse af studiedesignet kritisk for fortolkingen af resultaterne fra et enkelt studie, såvel som af den samlede evidens vedrørende en given problemstilling.
13 Slut
Hyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion
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 16. april 2015 l Dias nummer 1 Sidste gang
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 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 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 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 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 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 mereEks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,
Statistik noter Indhold Datatyper... 2 Middelværdi og standardafvigelse... 2 Normalfordelingen og en stikprøve... 2 prædiktionsinteval... 3 Beregne andel mellem 2 værdier, eller over og unden en værdi
Læs 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 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 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 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 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 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 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 mereEpidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts
Århus 27. februar 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts Epibasic er nu opdateret til version 2.02 (obs. der er ikke ændret ved arket C-risk) Start med
Læs 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 mereKritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence
Kritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence Public Health Resource Unit 2002 http://www.phru.nhs.uk/casp/critical_appraisal_tools.htm
Læs 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 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 mereMPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003
Opgave 1 (mandag) Figuren nedenfor viser tilfælde af mononukleose i en lille population bestående af 20 personer. Start og slut på en sygdoms periode er angivet med. 20 15 person number 10 5 1 July 1970
Læs 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 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 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 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 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 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 mereNoter til SfR checkliste 3 Kohorteundersøgelser
Noter til SfR checkliste 3 Kohorteundersøgelser Denne checkliste anvendes til undersøgelser som er designet til at besvare spørgsmål af typen hvad er effekten af denne eksponering?. Den relaterer sig til
Læs 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 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 mereFollow up = kohorteundersøgelse. Dagens program. Årsagssøgning. Follow-up studiet design og risikomål. Mandag repetition 1. Mandag repetition 3
Mndg repetition 1 Årsgssøgning Followup studiet design og risikomål Introduktionsmodul 23090323 Antl observtioner/observtionsmængde Inidens: ntllet f nye tilfælde over en speifieret tidsperiode indenfor
Læs 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 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 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 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 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 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 mereSKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI Cand.Scient.San, 2. semester 20. februar 2015 (3 timer)
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N SKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI
Læs mereMads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 19. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om
Læs 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 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 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 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 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 mereIntroduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet Sundhed og informatik l 11. april 2017
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 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 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 mereNoter til SfR checkliste 4 - Casekontrolundersøgelser
Noter til SfR checkliste 4 - Casekontrolundersøgelser Denne checkliste anvendes til undersøgelser, som er designet til at besvare spørgsmål af typen hvilke faktorer forårsagede denne hændelse?, og inddrager
Læs mereMads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 18. maj 2017 l Dias nummer 1 Sidste gang Vi snakkede
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 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 mereRegion Hovedstaden. Forskningscenter for Forebyggelse og Sundhed. Salt og Sundhed. Ulla Toft Forskningscenter for Forebyggelse og Sundhed
Salt og Sundhed Ulla Toft 1 Salt Salt består af grundstofferne natrium og klor (NaCL). Salt er livsnødvendigt opretholder kroppens væskebalance Men for meget salt er livsfarligt Kroppen har brug for ca.
Læs mereBenchmarking af mortalitet: Metodologiske udfordringer
Benchmarking af mortalitet: Metodologiske udfordringer Anders Green, professor, overlæge, dr.med. Odense Universitetshospital og Syddansk Universitetk Institute of Applied Economics and Health Research,
Læs 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 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 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 mereHvordan påvirkes det fysiske aktivitetsniveau ved en højrisikostrategi? Resultater fra Inter99
Hvordan påvirkes det fysiske aktivitetsniveau ved en højrisikostrategi? Resultater fra Inter99 Hjertekonference - om forskning i fysisk aktivitet og hjertesundhed Torsdag 28. oktober 2008, Store auditorium,
Læs 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 mereINTRO TIL EPIDEMIOLOGI FERTILITET
INTRO TIL EPIDEMIOLOGI FERTILITET JULIE LYNGSØ, LÆGE, PH.D.-STUDERENDE TORSDAG D. 03.02.2016 VELKOMMEN TIL EN SUPER AFTEN! 3 DISPOSITION EPI WORKSHOP - Kort præsentation af mig selv - Hvad er epidemiologi?
Læs 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 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 mereSommereksamen 2015. Bacheloruddannelsen i Medicin/Medicin med industriel specialisering
Sommereksamen 2015 Titel på kursus: Uddannelse: Semester: Statistik og evidensbaseret medicin Bacheloruddannelsen i Medicin/Medicin med industriel specialisering 2. semester Eksamensdato: 16-06-2015 Tid:
Læs 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 mereHjertekarsygdomme i 2011
Mette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel Statens Institut for Folkesundhed Hjertekarsygdomme i 211 Incidens, prævalens og dødelighed samt udviklingen siden 22 Hjertekarsygdomme i
Læs mereBliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark
Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark Forskning i støj -historisk 1970 støj i arbejdsmiljøet (epidemiologi) 1980 trafikstøj (epidemiologi)
Læs mereKobling af survey og registre i sundhedsforskning
Kobling af survey og registre i sundhedsforskning Selskab for Surveyforskning Seminar 5. marts 2014 Henrik Brønnum-Hansen Afdeling for social medicin Afdeling for social medicin Hvorfor koble surveys og
Læs mereMåleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version
Måleproblemer A B Fejlkilder og tolkningsproblemer Svend Juul, 19. september 2007 C D 1 2 Usikkerhed og bias De vigtigste kilder til usikkerhed og bias Præcision, sikkerhed, reproducerbarhed, ryster ikke
Læs mereARBEJDSFASTHOLDELSE HVAD VED VI, OG HVOR SKAL VI HEN. Institut for Sundhedsfaglig og Teknologisk Efter- og Videreuddannelse
ARBEJDSFASTHOLDELSE HVAD VED VI, OG HVOR SKAL VI HEN Institut for Sundhedsfaglig og Teknologisk Efter- og Videreuddannelse Hvad ved vi Omkring 200.000 danskere lever med iskæmisk hjertesygdom, og omkring
Læs mereDANISH COLORECTAL CANCER GROUP EKSTERNE RISIKOFAKTORER
DANISH COLORECTAL CANCER GROUP EKSTERNE RISIKOFAKTORER 16 EKSTERNE RISIKOFAKTORER Epidemiologiske undersøgelser baseret på forskellige studiedesign som f.eks. immigrationsstudier og korrelationsstudier
Læs 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 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 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 mere13 års forskel i Ålborg
MÆNDS SUNDHED Program Nanna Ahlmark: Mænd i København: peer-til-peer som metode til at mindske ulighed i sundhed. Dag Ellingsen: Men Only et norsk projekt om mænd i rehabilitering. Annette Pedersen: Tidlig
Læs 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 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 mereKan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen
Kan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen Hermann Burr * BAuA, Fagområde 3, Arbejde og Sundhed burr.hermann@baua.bund.de Sandsynliggørelse af årsagssammenhænge
Læs mereREGION HOVEDSTADEN Multisygdom definition: 3 eller flere samtidige kroniske sygdomme
Skema med data fra Sundhedsprofil 2017 Kronisk sygdom Prævalens og Incidens begrebsafklaringer relateret til Sundhedsprofilen 2017 - kronisk sygdom Prævalens Forekomst af kronisk sygdom. Samlet antal borgere
Læs mereMette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel. Statens Institut for Folkesundhed. Hjertekarsygdomme. i 2011
Mette Bjerrum Koch Nina Føns Johnsen Michael Davidsen Knud Juel Statens Institut for Folkesundhed Hjertekarsygdomme i 211 Incidens, prævalens og dødelighed samt udviklingen siden 22 Hjertekarsygdomme i
Læs 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 mereHyppighed Risikofaktorer Behandlingseffekt Prognose
Hvad laver kliniske epidemiologer? Fastlæggelse af: Hyppighed Risikofaktorer Behandlingseffekt Prognose for klinisk definerede patientgrupper (fx. cancer, diabetes, lungebetændelse, ) Epidemiologiske begreber
Læs mereVurdering 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 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 mereBliver man syg af trafikstøj?
Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Professor Institut for Naturvidenskab og Miljø Roskilde Universitet Bradford Hill kriterierne for kausalitet
Læs mereKAPITEL 5. Analytisk. Poul Suadicani. epidemiologi
KAPITEL 5 Analytisk Poul Suadicani epidemiologi 128 Epidemiologi er læren om sygdommes og sygdomsdeterminanters udbredelse i populationen og anvendelse af viden herom til kontrol af disse. Ordet kommer
Læs 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 2200 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereSOCIAL ULIGHED I OVERLEVELSEN EFTER BRYSTKRÆFT. Signe Benzon Larsen
SOCIAL ULIGHED I OVERLEVELSEN EFTER BRYSTKRÆFT Signe Benzon Larsen Disposition Social position Social position og brystkræft Årsager til sociale forskelle Livsstil og overlevelse Social position Social
Læs mereTesteksperiment EVAluering. CEEH Interessentforum. 26. november 2007. Et testeksperiment med EVA-systemet. Tobaksrygning
CEEH Interessentforum 26. november 2007 Et testeksperiment med EVA-systemet Tobaksrygning Henrik Brønnum-Hansen November 2007 Henrik Brønnum-Hansen Side 1 Health effects - analytical frame Climatic conditions
Læs mereFormidlingsmøde om hårdt fysisk arbejde og hjertekarsygdom
Formidlingsmøde om hårdt fysisk arbejde og hjertekarsygdom Det Nationale Forskningscenter for Arbejdsmiljø Andreas Holtermann & Mette Korshøj Dagens program Velkomst og kort introduktion Hvad ved vi om
Læs 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 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 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 mereSundhedsadfærdens betydning for sygdomsbyrde og ulighed
Finn Diderichsen Sundhedsadfærdens betydning for sygdomsbyrde og ulighed Michael 2006; 3:Suppl 3: 32 9. Der er stor forskel på folkesundheden i Danmark og Norge, og det er ikke noget nyt fænomen. Allerede
Læs mereFraktur efter brystkræft
DBCG s 40 års jubilæumsmøde 18. 19. januar 2018 Hotel Marselis, Aarhus Bent Kristensen Klinisk fysiologisk afd. Z, Herlev Hospital Cancer-relateret knogletab og fraktur Mekanismer: Hypogonadisme fremkaldt
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 mereBIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
BIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Hvad er bias? Studiets resultat det sande resultat En systematisk over- eller undervurdering af en sammenhæng Pga. en systematisk
Læs mere