Hyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
|
|
- Daniel Østergaard
- 7 år siden
- Visninger:
Transkript
1 Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
2 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion Sammenligning af rater og proportioner Ætiologisk fraktion Associationsmål i case-kontrol undersøgelser
3 Incidens Incidens = antal nye tilfælde Incidens = I Incidere / indtræffe Kræftsygdomme I =
4 Incidens rate Incidens rate = antal nye tilfælde / risikotid Incidens rate = IR Risikotid Ved større populationer Risikotid = befolkning x observationstid (befolkningstallet midt i observationsperioden) Ved mindre populationer Individuel optælling af observationstid
5 Incidens rate Kræftsygdomme IR = antal nye tilfælde / risikotid IR = / ( x 1 år) IR = 477 / år
6 Kumuleret incidens proportion Den kumulerede incidens proportion er den andel af befolkningen, som rammes af den pågældende sygdom i løbet af en given tidsperiode Kumuleret incidens proportion = KIP KIP (t1, t2) = 1 exp (-KIR (t1, t2))
7 Kumuleret incidens proportion Kræftsygdomme KIP (0-15 år) Incidens (/år) 132 Befolkning IR (/ /år) 14 KIR (0-15 år) = 15 x 14 (/ år) 210 KIP (0-15 år) = 1 exp (- 210/ ) 0,2098 % (ved KIP < 0,1, KIP = IR x t) KIP (0-65 år) = 15,1 % KIP (0-75 år) = 27,9 %
8 Mortalitet Mortalitet = antal nye tilfælde af død Mortalitas / dødelighed Kræftsygdomme M =
9 Letalitet Letaliteten er den andel af de syge, som dør på grund af den sygdom, de har pådraget sig Letalitet = L L = MR / IR L = M / I Kræftsygdomme L = / L = 0,60
10 Prævalens proportion Den andel af en population, som på et givet tidspunkt besidder et givet karakteristikum for eksempel en sygdom Prævalens proportionen = PP Kræftsygdomme PP = /
11
12
13
14 Hyppighedsmål Horwitz et al: Necropsy diagnosis of endometrial cancer and detection bias in casecontrol studies. Lancet 1981; II: 66-8 Rate of endometrial cancer first detected at necropsy (per 10,000) was 22
15 Hyppighedsmål Horwitz et al: Necropsy diagnosis of endometrial cancer and detection bias in casecontrol studies. Lancet 1981; II: 66-8 Rate of endometrial cancer first detected at necropsy (per 10,000) was 22 Prævalens proportion Kumuleret incidens proportion
16 Hyppighedsmål The average annual rate of endometrial cancer for women forty-five or more is 4.7 per 10,000 between 1934 and 1974 Incidens rate The degree of detection-bias is substantial since the rate of detection at necropsy is about four times greater than the rate of detection during life
17 Hyppighedsmål IR = 4,7 per per år Gennemsnit for kvinder over 45 Gennemsnitsalderen ved død for kvinder, som levede fri for endometrie cancer til de blev 45 antages at være 80 år KIR (45-80 år) = 35 x 4,7/ = 0, 0165 KIP (45-80 år) = 1 - exp (- KIR) = 1 - exp (-0,0165) = 0, 0164 = 164 per
18 Studie design Eksponering Syge Raske I alt Observationstid + a b n+ t+ - c d n- t- I alt a+c b+d N T Sampling Tværsnits studie N Follow-up studie Eksponerede og ikke-eksponerede (n+ og n-) Case-kontrol studie Syge (cases) og?
19 Hyppighedsmål - follow-up Eksponering Syge Raske I alt Observationstid + a b n+ t+ - c d n- t- I alt a+c b+d N T Incidens Antal nye tilfælde a og c Incidens proportion Andel som udvikler sygdom a/n+ og c/n- Komplet follow-up Incidens rate Den hastighed hvormed de nye tilfælde opstår a/t+ og c/t- Censureringer
20 Associationsmål - follow-up Eksponering Syge Raske I alt Observationstid t t- I alt T Relativ risiko - RR RR = a/n+ / c/n- RR = 20/1000 / 10/1000 RR = 2
21 Associationsmål - follow-up Eksponering Syge Raske I alt Observationstid t t- I alt T Risiko differens - RD RD = a/n+ - c/n- RD = 20/ /1000 RD = 10/1000
22 Associationsmål - follow-up, rygning og vuggedød Eksponering Døde Levende I alt Observationstid t t- I alt T Relativ risiko - RR RR = a/n+ / c/n- RR = 12/7.450 / 8/ RR = 3,53 (1,44-8,63) Risiko differens - RD RD = a/n+ - c/n- RD = 12/ / RD = 0,115 % (0,019-0,211 %)
23 Associationsmål - rygning og død af lungekræft eller hjertekarsygdom Eksponering Lungekræft Hjertekarsygdom Rygere Ikke-rygere MRR 14,0 1,6
24 Associationsmål - rygning og død af lungekræft eller hjertekarsygdom Eksponering Lungekræft Hjertekarsygdom Rygere Ikke-rygere MRD 150/ /år 256/ /år
25 Associationsmål - rygning og død af lungekræft eller hjertekarsygdom Eksponering Lungekræft Hjertekarsygdom Rygere Ikke-rygere MRR 14,0 1,6 MRD 150/ /år 256/ /år
26 Valg af associationsmål Relativt associationsmål fortæller, om der er en association mellem eksponering og udfald ingen umiddelbar tolkning Absolut associationsmål er et mål for den absolutte effekt af eksponeringen givet kausalitet et udtryk for den folkesundhedsmæssige betydning af eksponeringen
27 Ætiologisk fraktion Hvor stor en del af sygeligheden skyldes eksponeringen Ætiologisk fraktion blandt eksponerede Ætiologisk fraktion i befolkningen
28 Ætiologisk fraktion Ikke eksponeret Eksponeret I alt Syg ,400 Ikke syg I alt KIP 0,01 0,05 0,014 Ætiologisk fraktion blandt eksponerede ÆF = KIP eksponerede KIP ikke-eksponerede / KIP eksponerede = 0,05 0,01 / 0,05 = 0,80 Ætiologisk fraktion i befolkningen ÆF = (Pe x (RR -1)) / ((Pe x (RR 1)) + 1) = (0,1 x ((0,05/0,01) -1) / ((0,01 x (0,05/0,01)) + 1) = 0,286
29 Associationsmål - follow-up, OR Eksponering Syge Raske I alt Observationstid t t- I alt a+c b+d N T Relativ risiko - RR RR = a/n+ / c/n- RR = 20/1000 / 10/1000 RR = 2,00 Odds ratio - OR Forholdet mellem to odds a/b / c/d (sygdoms odds givet eksponering) OR = a/b / c/d OR = 20/980 / 10/990 OR = 2,02
30 Associationsmål - follow-up, OR Eksponering Syge Raske I alt Observationstid t t- I alt a+c b+d N T Relativ risiko - RR RR = a/n+ / c/n- RR = 200/1000 / 100/1000 RR = 2,00 Odds ratio OR OR = a/b / c/d OR = 200/800 / 100/900 OR = 2,25
31 Associationsmål - follow-up Eksponering Syge Raske I alt Observationstid t t- I alt a+c b+d N T OR et godt estimat af RR komplet follow-up sygdommen sjælden RR tæt på 1
32 Studie design Eksponering Syge Raske I alt Observationstid + a b n+ t+ - c d n- t- I alt a+c b+d N T Sampling Tværsnits studie N Follow-up studie Eksponerede og ikke-eksponerede (n+ og n-) Case-kontrol studie Syge (cases) og? Syge og raske case-non-case Syge og i alt case-cohort Syge og observationstid incidens density
33 OR = ad/cb OR = 20*990 /10*980 Associationsmål - case-kontrol (case non-case) Eksponering Syge Raske I alt Observationstid n+ t n- t- I alt N T Odds ratio OR OR = a/c / b/d (eksponerings odds givet sygdom) OR = 20/10 / 980/990 OR = 2,02 OR = a/b / c/d OR = 20/980 / 10/990 OR = 2,02
34 Associationsmål - case-kontrol (case non-case) Eksponering Syge Raske I alt Observationstid + 20 n ref * 980/ n ref * 990/1970 n+ t+ n- t- I alt 30 n ref N T Odds ratio - OR OR = a/b / c/d OR = (20/10) / (nref * 980/1970)/(nref * 990/1970) OR = 2,02 Forudsætninger Flere raske end cases større styrke
35 Associationsmål - case kontrol (komplet follow-up) Eksponering Syge Raske I alt Observationstid + a b n+ t+ - c d n- t- I alt a+c b+d N T Sampling kontrolpersoner Stikprøve af studiebasen personer i alt Case-base design Sampling kumuleret incidens proportion Associationsmål OR = RR Uafhængig af sygdomshyppighed Uafhængig af associationens styrke Estimerings- og vurderingsproblemer Cases i kontrolgruppen Statistiske metoder Referencegruppen kan bruges i flere forskellige undersøgelser med forskellige udfald
36 Associationsmål - case kontrol (inkomplet follow-up, censurering) Eksponering Syge Raske I alt Observationstid + a b n+ t+ - c d n- t- I alt a+c b+d N T Sampling kontrolpersoner Stikprøve af studiebasen observationstid Case-base design Incidens density sampling Associationsmål OR = IRR Uafhængig af sygdomshyppighed Uafhængig af associationens styrke Estimerings- og vurderingsproblemer Cases i kontrolgruppen Statistiske metoder Referencegruppen er specifik for den pågældende undersøgelse
3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)
EPIDEMIOLOGI CASE-KONTROL STUDIER September 2011 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse Case kontrol studie 3 typer Case-kohorte Nested case-kontrol Case-non case (klassisk
Læs 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 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 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 merePræcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Læs mereEpidemiologiske 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 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 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 mereTo grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens
EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål:
Læs 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 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 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 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 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 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 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 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 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 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 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 mereDepartment of Public Health. Case-control design. Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine
Department of Public Health Case-control design Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine Case-control design Brief summary: Comparison of cases vs. controls with
Læs 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 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 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 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 mere1. februar Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud
Læs mereBrystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens?
Brystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens? Henrik Støvring stovring@ph.au.dk 1. December 2016 Institut for Folkesundhed, AU Institutseminar, Vingsted Screening forskningsområdet
Læs 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 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 mereResultater fra BagPack-projektet om tungt løftearbejde blandt bagageportører i Købehavns Lufthavn
Indsæt hjælpelinjer til placering af objekter 1. Højreklik uden for slidet og vælg Gitter og hjælpelinjer 2. Sæt kryds ved Vis tegnehjælpelinjer på skærmen 3. Vælg OK Indsætte Titel/beskrivelse og Navn
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 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 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 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 mereTillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi
Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi Universitet 2012 1 Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi marts 2012. Modulerne beskrevet i tillægget,
Læs 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 mereMorten 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.
Læs mereMorten 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
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 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 mereHVAD SKER DER MED SUNDHEDEN VED AKTIV MOBILITET?
HVAD SKER DER MED SUNDHEDEN VED AKTIV MOBILITET? Jens Troelsen Professor, forskningsleder for forskningsenheden Active Living Institut for Idræt og Biomekanik Syddansk Universitet jtroelsen@health.sdu.dk
Læs 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 mereHelbredsskader og partikelforurening i Københavns Lufthavn, Kastrup.
Populærvidenskabelig artikel, projekt nr. 22-2011-09 Helbredsskader og partikelforurening i Københavns Lufthavn, Kastrup. Charlotte Brauer 1, Karina Lauenborg Møller 2, Lau Caspar Thygesen 2, Sigurd Mikkelsen
Læs mereLøsning 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
Læs mereLægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning
Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning Opgave 1. Angiv studiets formål, design og hvilke associationsmål, der bruges. Beskriv hovedresultaterne
Læs 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 mereSocial ulighed i sundhed starter allerede i graviditeten
Social ulighed i sundhed starter allerede i graviditeten Hvad forstår vi egentlig ved social ulighed i sundhed, hvordan er den sociale ulighed tidligt i livet i Danmark, og hvad kan vi gøre ved den? Laust
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 mereAlarm symptomer på kræft i befolkningen
Alarm symptomer på kræft i befolkningen Forekomst og socioøkonomi Rikke Pilsgaard Svendsen, læge, ph.d. studerende Forskningsenheden for Almen praksis Syddansk universitet, Odense. rsvendsen@health.sdu.dk
Læs mereTre paradokser i den danske folkesundhed
SDU 50 år Tre paradokser i den danske folkesundhed Morten Grønbæk Statens Institut for Folkesundhed Syddansk Universitet 26. 8 oktober 2016 Tre paradokser i den danske folkesundhed Social ulighed Rygning
Læs mereEpidemiologi og Biostatistik. Mogens Erlandsen, Institut for Biostatistik Uge 1, tirsdag d. 5. februar 2002
Epidemiologi og Biostatistik Mogens Erlandsen, Institut for Biostatistik Uge 1, tirsdag d. 5. februar 2002 1 Statestik Det hedder det ikke! Statistik 2 Streptomycin til behandling af lunge-tuberkulose?
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 mereLandmålingens fejlteori - Sandsynlighedsregning - Lektion 1
Landmålingens fejlteori Sandsynlighedsregning Lektion 1 - kkb@math.aau.dk http://people.math.aau.dk/ kkb/undervisning/lf10 Institut for Matematiske Fag Aalborg Universitet 23. april 2009 1/28 Landmålingens
Læs merePPV skemaer (udskriftsvenlig)
Introduktion til PPV-skema i almen praksis Et PPV(positiv prædiktiv værdi)-skema for en specifik kræftsygdom omhandler sandsynligheden for, at patienten har sygdommen, når patienten præsenterer symptomet
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 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 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 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 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 mereEpidemiologi 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
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 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 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 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 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 merePPV skemaer (udskriftsvenlig)
Introduktion til PPV-skema i almen praksis Et PPV(positiv prædiktiv værdi)-skema for en specifik kræftsygdom omhandler sandsynligheden for, at patienten har sygdommen, når patienten præsenterer symptomet
Læs mereDet randomiserede kontrollerede forsøg og evidens-baseret medicin
Det randomiserede kontrollerede forsøg og evidens-baseret medicin Laust Hvas Mortensen Institut for Folkesundhedsvidenskab E-mail: lamo@sund.ku.dk Epi forelæsning 2 Dias 1 Hvordan ved vi om behandlingen
Læs mereØvelser i epidemiologi og biostatistik, 12. april 2010 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse
Øvelser i epidemiologi og biostatistik, 12. april 21 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse 1. Belys ud fra data ved 5 års follow-up den fordom, at der er flere
Læs mereSammenligning af risikoen ved stråling og cigaretrygning
Sammenligning af risikoen ved stråling og cigaretrygning PER HEDEMANN JENSEN 1 Risiko Risiko er et udtryk for sandsynlighed for en uønsket hændelse. Sandsynligheden eller hyppigheden udtrykkes ved antallet
Læs mereResumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se
Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller
Læs 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 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 mereScreening i arbejdsmedicin Mulige gavnlige og skadelige virkninger. Karsten Juhl Jørgensen Det Nordiske Cochrane Center
Screening i arbejdsmedicin Mulige gavnlige og skadelige virkninger 1 Karsten Juhl Jørgensen Det Nordiske Cochrane Center Hvad er screening? Systematisk undersøgelse af en gruppe raske, symptomfrie individer
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 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 mereEr hospitalernes indsats overfor patienter med alkoholproblemer tilstrækkelig?
Er hospitalernes indsats overfor patienter med alkoholproblemer tilstrækkelig? Hospitalsindlæggelser og dødelighed hos danskere, der har været på hospitalet med et alkoholproblem. GRO ASKGAARD, LÆGE OG
Læs mereStatistik kommandoer i Stata opdateret 16/3 2009 Erik Parner
Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner Indledning... 1 Hukommelse... 1 Simple beskrivelser... 1 Data manipulation... 2 Estimation af proportioner... 2 Estimation af rater... 2 Estimation
Læs mereErik Parner Sektion for Biostatistik. Biostatistisk metode et par eksempler
Erik Parner Sektion for Biostatistik Biostatistisk metode et par eksempler 1 Percent Kvantitativ data 60 50 40 30 20 10 1960 1970 1980 1990 2000 Year Er der en trend i proportionerne? 2 Mere informations
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 mere