Epidemiologiske associationsmål
|
|
|
- Gudrun Fog
- 10 år siden
- Visninger:
Transkript
1 Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 16. april 2015 l Dias nummer 1
2 Sidste gang Vi snakkede om Prævalens er forekomst af sygdom. Relevante hyppighedsmål: prævalens, prævalensproportion Incidens er fremkomst af sygdom. Relevante hyppighedsmål: kumuleret incidensproportion, incidensrate Opgørelse af risikotid: tid hvor personen er under risiko for udfaldet Udfald: den hændelse vi interesserer os for sker End of follow-up: forskeren beslutter at ende studiet Censurering: deltager udgår pga. andet end udfald (død, udvandring, eller personen vil ikke længere være med) Sammenligning af populationer kræver ofte at der standardiseres så de bliver sammenlignelige It og sundhed l 16. april 2015 l Dias nummer 2
3 Husk tilbage på første lektion Meget af den epidemiologiske forskning forsøger at belyse den kausale relation mellem It og sundhed l 16. april 2015 l Dias nummer 3
4 Hvad epidemiologer gør Tager udgangspunkt i en population: Opdeler den i eksponerede og ueksponerede: Epidemiologer sammenligner sygdomshyppigheden blandt eksponerede og ueksponerede It og sundhed l 16. april 2015 l Dias nummer 4
5 Relativ og absolut forskel Mål for sammenhæng Epidemiologiske hyppighedsmål bruges til at estimere associationer/kontraster/sammenhænge Relative mål Forholdet mellem sygdomshyppigheden blandt eksponerede og ueksponerede, betegnes relative mål Absolutte mål Forskellen mellem sygdomshyppigheden blandt eksponerede og ueksponerede, betegnes absolutte mål eller differensmål It og sundhed l 16. april 2015 l Dias nummer 5
6 Dikotome udfald Afhænger af studiedesignet Tværsnitsstudie: relativ prævalensproportion (prævalensproportionratio), prævalensproportionsdifference Kohortestudie: relativ risiko, risikodifference, incidensrateratio, incidensdifference Case-kontrolstudie: odds ratio, oddsdifference Nogle associationsmål kan beregnes for flere studiedesigns, f.eks. odds ratio. Nogle associationsmål bruges sjældent f.eks. oddsdifference og relativ prævalensproportion (pga. modellen) It og sundhed l 16. april 2015 l Dias nummer 6
7 Kontinuerte udfald Kontinuerte udfald Som f.eks. fødselsvægt eller lungefunktion Sammenligning af middelværdier i to eller flere grupper (t-test og variansanalyse) Lineær regression Korrelation It og sundhed l 16. april 2015 l Dias nummer 7
8 Associationsmål Associationer udtrykkes Relativt, som ratio, eller som difference mellem hyppighedsmål f.eks. Risiko Andel syge indenfor en given periode (lukket kohorte) Rate Syge per tidsenhed (åben kohorte) Proportion Andel syge ud af alle Odds Andel syge i forhold til ikke-syge It og sundhed l 16. april 2015 l Dias nummer 8
9 Opstil data i 2 x 2 tabel + udfald - udfald Total Risikotid + eksponering a b a + b t + - eksponering c d c + d t - Total a + c b + d n = a + b +c + d t + + t - It og sundhed l 16. april 2015 l Dias nummer 9
10 Hvad kan beregnes? Dagens afstemning på It og sundhed l 16. april 2015 l Dias nummer 10
11 Transport til skole og overvægt Den relative prævalensproportion = (a / (a + b)) / ( c / (c + d)) Hvad er dette mål blandt dem, der køres i forhold til dem der cykler? = (8 / 60) / (4 / 60) = 2,0 Overvægtig Ikke overvægtig Total Køres i bil Cykler Total Fortolkning Forekomsten af overvægt er dobbelt så høj blandt dem der køres til skole sammenlignet med dem der cykler It og sundhed l 16. april 2015 l Dias nummer 11
12 Transport til skole og overvægt Prævalensproportionsdifferencen = (a / (a + b)) - ( c / (c + d)) Hvad er dette mål blandt dem, der køres i forhold til dem der cykler? = (8 / 60) - (4 / 60) = 0,07 = 7 pr 100 skolebørn Overvægtig Ikke overvægtig Total Køres i bil Cykler Total Fortolkning For hver 100 skolebørn der køres i bil til skole vil 7 flere være overvægtige sammenlignet med børn der cykler It og sundhed l 16. april 2015 l Dias nummer 12
13 Sovestilling og vuggedød Forældrene til 2607 børn, blev da børnene var 1 måned gamle spurgt til barnets sædvanlige sovestilling. Alle børnene blev fulgt frem til deres 1-års fødselsdag. I alt 2607 børn indgik i undersøgelsen, hvoraf 15 døde af vuggedød. Fordelingen af børnenes sovestilling og vuggedød kan ses af 2x2 tabellen Sovestilling Død Ikke død Total Maven Ryggen Total It og sundhed l 16. april 2015 l Dias nummer 13
14 Sovestilling og vuggedød Relativ risiko RR = KIP + /KIP - = (9/846)/(6/1761) = 3,12 Sovestilling Død Ikke død Total Maven Ryggen Fortolkning Total I løbet af de 11 måneder fra alder 1-11 måneder er (nye) tilfælde af vuggedød 3,12 gange højere blandt børn der sover på maven, sammenlignet med børn der sover på ryggen It og sundhed l 16. april 2015 l Dias nummer 14
15 Sovestilling og vuggedød Risikodifferens RD = KIP + - KIP - = (9/846) -(6/1761) = 7,2 pr 1000 Sovestilling Død Ikke død Total Maven Ryggen Fortolkning Total For hver 1000 børn der sover på maven vil 7,2 flere børn dø af vuggedød i løbet af de 11 måneder fra alder 1-11 måneder, sammenlignet med børn der sover på ryggen It og sundhed l 16. april 2015 l Dias nummer 15
16 Odds Odds er et udtryk for proportioner Odds = p/(1-p) og p = odds/(odds+1) Eksempel Der er 20 mænd og 27 kvinder tilmeldt kurset P Mand = 20/47= 0,43 Odds Mand = 20/27 = 0,74 Der er 2 der hedder Cecilie og 45 der hedder noget andet P Cecilie = 2/47= 0,04 Odds Cecilie = 2/45 = 0,04 Odds bliver et godt estimat af sandsynligheden hvis udfaldet er sjældent fordi odds=p/(1-p), aka The rare disease assumption It og sundhed l 16. april 2015 l Dias nummer 16
17 RR versus OR Relativ risiko RR = KIP + /KIP - = (9/846)/(6/1761) = 3,12 Sovestilling Død Ikke død Total Maven Ryggen Odds ratio OR = (a/c)/(b/d) = ad/bc = (9x1755)/(837x6) = 3,15 Total Vuggedød er et sjældent udfald (15/2607=0,6%) derfor er RR og OR næsten ens It og sundhed l 16. april 2015 l Dias nummer 17
18 Konfidensinterval for OR ln (OR) LN (3,15) = 1,15 SE (ln OR) (1/a+1/b+1/c+1/d) = 0,53 Sovestilling Død Ikke død Total Maven Ryggen Total Konfidensinterval Exp(ln OR±1,96*SE(ln OR)) = 1,12-8,87 It og sundhed l 16. april 2015 l Dias nummer 18
19 Tolkning af associationsmål RELATIVE MÅL DIFFERENSMÅL Relativ risiko - Hvis 1: ingen forskel Risikodifferens - Hvis 0: ingen forskel Incidensrateratio - Hvis 1: Ingen forskel Incidensratedifferens - Hvis 0: Ingen forskel Odds ratio - Hvis 1: Ingen forskel It og sundhed l 16. april 2015 l Dias nummer 19
20 Konklusionen kan afhænge af målet Relativt mål Angiver hvor mange gange større eller mindre associationsmålet er blandt de eksponerede i forhold til ueksponerede Differensmål Angiver den absolutte forskel Tabel. Relativt og absolut mål for død af rygning, fordelt på dødsårsager It og sundhed l 16. april 2015 l Dias nummer 20
21 Næste gang Skal I lære om effektmålsmodifikation Dvs. at associationen mellem eksponering og udfald kan variere over værdierne af en tredje variabel It og sundhed l 16. april 2015 l Dias nummer 21
Epidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2016 l Dias nummer 1 Sidste gang
Epidemiologiske hyppighedsmål
Epidemiologiske hyppighedsmål Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 14. april 2015 l Dias nummer 1 Sidste gang
Effektmålsmodifikation
Effektmålsmodifikation Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2015 l Dias nummer 1 Sidste gang Vi snakkede
Epidemiologiske mål Studiedesign
Epidemiologiske mål Studiedesign Svend Juul Pludselig uventet spædbarnsdød Sudden Infant Death Syndrome, SIDS Uventet dødsfald hos et rask spædbarn. Obduktion o.a. giver ingen forklaring. Hyppigheden -doblet
Kursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul
Kursus i Epidemiologi og Biostatistik Epidemiologiske mål Studiedesign Svend Juul 1 Pludselig uventet spædbarnsdød (vuggedød, Sudden Infant Death Syndrome, SIDS) Uventet dødsfald hos et rask spædbarn (8
Effektmålsmodifikation
Effektmålsmodifikation Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 25. april 2017 l Dias nummer 1 Sidste gang
Studiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. april 2015 l Dias nummer 1 Sidste
Studiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 3. maj 2016 l Dias nummer 1 Sidste gang
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
Eks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,
Statistik noter Indhold Datatyper... 2 Middelværdi og standardafvigelse... 2 Normalfordelingen og en stikprøve... 2 prædiktionsinteval... 3 Beregne andel mellem 2 værdier, eller over og unden en værdi
Studiedesigns: Case-kontrolundersøgelser
Studiedesigns: Case-kontrolundersøgelser Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. maj 2016 l Dias nummer 1 Sidste
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
Population attributable fraction
Population attributable fraction Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 2. juni 2015 l Dias nummer 1 Sidste gang
Selektionsbias. Mads Kamper-Jørgensen, lektor, [email protected]. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Selektionsbias Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om Præcision:
Præcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Analyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi.
Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab Introduktionsmodul definition/ EPIDEMIOLOGI - epi (ved, omkring) - demos (folket) - logos (læren om..) Den videnskabelige disciplin som omhandler
Confounding. Mads Kamper-Jørgensen, lektor, [email protected]. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. maj 2015 l Dias nummer 1 Sidste
Studiedesigns: Randomiserede kontrollerede undersøgelser
Studiedesigns: Randomiserede kontrollerede undersøgelser Mads Kamper-Jørgensen, lektor, [email protected], Institut for Folkesundhedsvidenskab Sundhed og informatik l 27. april 2017 l Dias nummer 1 Sidste
ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Introduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet It og sundhed l 9. april 2015 l Dias
To 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:
Mads Kamper-Jørgensen, lektor, [email protected]. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 19. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om
MPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003
Opgave 1 (mandag) Figuren nedenfor viser tilfælde af mononukleose i en lille population bestående af 20 personer. Start og slut på en sygdoms periode er angivet med. 20 15 person number 10 5 1 July 1970
Epidemiologisk evidens og opsummering
Epidemiologisk evidens og opsummering Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. juni 2014 l Dias nummer 1 Sidste
Studiedesigns: Alternative designs
Studiedesigns: Alternative designs Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 20. maj 2014 l Dias nummer 1 Sidste gang
Confounding. Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, [email protected], Institut for Folkesundhedsvidenskab Sundhed og informatik l 6. juni 2017 l Dias nummer 1 Sidste gang Vi snakkede
Epidemiologi. Sjurdur F. Olsen. Epidemiologi: Introduktion. Epidemiologi: Introduktion. Epidemiologi: Eksempel. 1. Introduktion om epidemiologi
Epidemiologi Sjurdur F Olsen 1 Introduktion om epidemiologi 2 Om kursets indhold 3 Epidemiologiske mål 4 Epidemiologiske studiedesign Hvad er epidemiologi? Hvad er epidemiologi? Eksempler Epidemiologi:
Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts
Århus 27. februar 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts Epibasic er nu opdateret til version 2.02 (obs. der er ikke ændret ved arket C-risk) Start med
9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU [email protected], 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
1. februar Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud
Lineær og logistisk regression
Faculty of Health Sciences Lineær og logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet [email protected] Dagens program Lineær regression
Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Informationsbias Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 18. maj 2017 l Dias nummer 1 Sidste gang Vi snakkede
Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel
Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel Rigshospitalet Århus Sygehus Epidemiologi. Hvad er det? Definition Læren om sygdommes udbredelse og årsager Indhold To hovedopgaver: Deskriptiv
En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann. februar 00 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser. Traditionelt
2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)
Eksamensopgave i Epidemiologiske metoder, IT & Sundhed forår 2011 Læs artiklen grundigt og svar derefter på alle spørgsmål. Under hver opgave står hvor mange point der maksimalt kan opnås for opgaven.
Statistik 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
Introduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, [email protected] Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet Sundhed og informatik l 11. april 2017
Fejlkilder. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation
Morten Frydenberg Biostatistik version dato:
Tye og Tye 2 fejl Statistisk styrke Biostatistik uge 2 mandag Morten Frydenberg, Afdeling for Biostatistik Styrkeovervejelser i lanlægning af et studie Logistisk regression Præterm fødsel, rygning, alder,
Årsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Årsager Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Årsager Hvad er en årsag? Flere typer af årsager Hvad kendetegner en årsag? Hvorfor er årsager interessante? Identifikation af
Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning
Vurdering af epidemiologiske undersøgelser Epidemiologisk forskning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet [email protected] At belyse en videnskabelig hypotese ved
Studiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard
Studiedesign Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard Studiedesign Økologiske studier Tværsnitsstudier Case-kontrolstudier Kohortestudier Randomiserede studier Hvorfor er det vigtigt at
Sommereksamen 2015. Bacheloruddannelsen i Medicin/Medicin med industriel specialisering
Sommereksamen 2015 Titel på kursus: Uddannelse: Semester: Statistik og evidensbaseret medicin Bacheloruddannelsen i Medicin/Medicin med industriel specialisering 2. semester Eksamensdato: 16-06-2015 Tid:
En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann 6. februar 2006 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser.
Mantel-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
ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Morten Frydenberg Biostatistik version dato:
Caerphilly studiet Design og Data Biostatistik uge 14 mandag Morten Frydenberg, Afdeling for Biostatistik Poisson regression En primær tidsakse og ikke stykkevise konstante rater Cox proportional hazard
ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2200 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N REEKSAMEN I EPIDEMIOLOGISKE METODER IT
Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser
Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann 23. september 2009 Vurdering af den interne validitet af en epidemiologisk undersøgelse: Informationsproblemer
Resumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se
Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller
Besvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning
Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning Opgave 1. Angiv studiets formål, design og hvilke associationsmål, der bruges. Beskriv hovedresultaterne
Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression
Statikstik II 2. Lektion Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression Sandsynlighedsregningsrepetition Antag at Svar kan være Ja og Nej. Sandsynligheden for at Svar Ja skrives
Logistisk 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
Kritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence
Kritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence Public Health Resource Unit 2002 http://www.phru.nhs.uk/casp/critical_appraisal_tools.htm
Måleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version
Måleproblemer A B Fejlkilder og tolkningsproblemer Svend Juul, 19. september 2007 C D 1 2 Usikkerhed og bias De vigtigste kilder til usikkerhed og bias Præcision, sikkerhed, reproducerbarhed, ryster ikke
Statistik II 4. Lektion. Logistisk regression
Statistik II 4. Lektion Logistisk regression Logistisk regression: Motivation Generelt setup: Dikotom(binær) afhængig variabel Kontinuerte og kategoriske forklarende variable (som i lineær reg.) Eksempel:
OBSERVERENDE 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
Susanne Ditlevsen Institut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susanne
Statistik og Sandsynlighedsregning 1 Indledning til statistik, kap 2 i STAT Susanne Ditlevsen Institut for Matematiske Fag Email: [email protected] http://math.ku.dk/ susanne 5. undervisningsuge, onsdag
Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable
Statistik II Lektion 3 Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable Setup: To binære variable X og Y. Statistisk model: Konsekvens: Logistisk regression: 2 binære var. e e X Y P
Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts
Århus 19. marts 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts Epibasic er nu opdateret til version 2.04 med arkene Str any og weighted Alle tabeller og tegninger
Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler:
Kære MPH-studerende Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler: 1. E.A. Mitchell et al. Ethnic differences
Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard
Fejlkilder Ulrik Schiøler Kesmodel Rikke Guldberg Øjvind Lidegaard Fejlkilder 1. Selektionsproblemer 2. Informationsproblemer 3. Confounding Generelle overvejelser I Det estimat for hyppighed, som vi måler
Morten Frydenberg 26. april 2004
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik RESUME: 2 2. gang: 2002 Institut for Biostatistik, Århus Universitet MPH. studieår Specialmodul 4 Cand. San. uddannelsen.
Målsætning. Vurdering af epidemiologiske undersøgelser
Vurdering af epidemiologiske undersøgelser Målsætning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet At belyse en videnskabelig problemstilling ved at indsamle, analysere
Mikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved
Matematisk Modellering 1 (reeksamen) Side 1 Opgave 1 Betragt to diskrete stokastiske variable X og Y. Antag at sandsynlighedsfunktionen p X for X er givet ved { 1 hvis x {1, 2, 3}, p X (x) = 3 0 ellers,
Introduktion til overlevelsesanalyse
Faculty of Health Sciences Introduktion til overlevelsesanalyse Kaplan-Meier estimatoren Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet [email protected]
Morten Frydenberg 14. marts 2006
Introduktion til Logistisk Regression Morten Frydenberg, Inst. f. Biostatistik 1 RESUME: 2 2. gang: 2006 Institut for Biostatistik, Århus Universitet MPH 1. studieår Specialmodul 4 Cand. San. uddannelsen
Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet
Eksamen ved Københavns Universitet i Kvantitative forskningsmetoder Det Samfundsvidenskabelige Fakultet 14. december 2011 Eksamensnummer: 5 14. december 2011 Side 1 af 6 1) Af boxplottet kan man aflæse,
Overlevelsesfunktion. Vi kalder S(t) for overlevelsesfunktionen.
1 Levetidsanalyse Overlevelsesfunktionen Censurering Kaplan-Meier estimatoren Hazard funktionen Proportionale hazards Multipel regression PSE (I17) FSV1 Statistik - 5. lektion 1 / 19 Overlevelsesfunktionen
Statistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen
Statistik Lektion etinget sandsynlighed ayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV inomialfordelingen Repetition Udfaldsrum S Hændelse S Simpel hændelse O i 1, 3 4,
Eksempel: PEFR. Epidemiologi og biostatistik. Uge 1, tirsdag. Erik Parner, Institut for Biostatistik.
Epidemiologi og biostatistik. Uge, tirsdag. Erik Parner, Institut for Biostatistik. Generelt om statistik Dataanalysen - Deskriptiv statistik - Statistisk inferens Sammenligning af to grupper med kontinuerte
Det randomiserede kontrollerede forsøg og evidens-baseret medicin
Det randomiserede kontrollerede forsøg og evidens-baseret medicin Laust Hvas Mortensen Institut for Folkesundhedsvidenskab E-mail: [email protected] Epi forelæsning 2 Dias 1 Hvordan ved vi om behandlingen
OR 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
Statistisk modellering og regressionsanalyse
Statistisk modellering og regressionsanalyse Claus Thorn Ekstrøm KU Biostatistik [email protected] Oktober 25, 2018 Slides @ biostatistics.dk/talks/ 1 2 Hvad er statistik? Statistics is a science, not
Risikofaktorudviklingen i Danmark fremskrevet til 2020
23. marts 9 Arbejdsnotat Risikofaktorudviklingen i Danmark fremskrevet til Udarbejdet af Knud Juel og Michael Davidsen Baseret på data fra Sundheds- og sygelighedsundersøgelserne er der ud fra køns- og
Social ulighed i dødelighed i Danmark gennem 25 år
Social ulighed i dødelighed i Danmark gennem 25 år Betydningen af rygning og alkohol Knud Juel & Mette Bjerrum Koch Statens Institut for Folkesundhed, Syddansk Universitet, marts 213 2 Indledning Siden
Regneregler 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
Logistisk regression
Logistisk regression Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet [email protected] Kursushjemmeside: www.biostat.ku.dk/~sr/forskningsaar/regression2012/
Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)
Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up
INTRO TIL EPIDEMIOLOGI FERTILITET
INTRO TIL EPIDEMIOLOGI FERTILITET JULIE LYNGSØ, LÆGE, PH.D.-STUDERENDE TORSDAG D. 03.02.2016 VELKOMMEN TIL EN SUPER AFTEN! 3 DISPOSITION EPI WORKSHOP - Kort præsentation af mig selv - Hvad er epidemiologi?
06/11/12. 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
Tandstatus hos søskende
Tandstatus hos søskende Af Bodil Helbech Kleist, [email protected] Formålet med dette analysenotat er at undersøge forskelle i tandsundheden mellem søskende, herunder betydningen af hvilket nummer i børneflokken,
Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed
Workshop 6 Sundhedsprofilen metode og muligheder Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed Metode og muligheder Design Beskrivelse af deltagere og ikke-deltagere Vægtning for design
