Hyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011

Størrelse: px
Starte visningen fra side:

Download "Hyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011"

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.)

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 mere

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 OBSERVERENDE UNDERSØGELSER Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002 Epidemiologisk design Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer

Læs mere

Kursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul

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

Læs mere

Epidemiologiske associationsmål

Epidemiologiske 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 mere

Epidemiologiske associationsmål

Epidemiologiske 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 mere

Præcision og effektivitet (efficiency)?

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

Læs mere

Epidemiologiske mål Studiedesign

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

Læs mere

Studiedesigns: Case-kontrolundersøgelser

Studiedesigns: 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 mere

Eks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,

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

Læs mere

To grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens

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:

Læs mere

Effektmålsmodifikation

Effektmålsmodifikation 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 mere

Effektmålsmodifikation

Effektmålsmodifikation 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 mere

Hvorfor 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? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Hvorfor er forskning væsentlig? Nødvendig for at forstå sygdom Forudsætning for mere rationel diagnostik

Læs mere

Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel

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

Læs mere

Epidemiologiske hyppighedsmål

Epidemiologiske 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 mere

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mål for sammenhæng mellem to variable

Statistik 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 mere

Årsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev

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

Læs mere

EPIDEMIOLOGI MODUL 7. April Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM

EPIDEMIOLOGI 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 mere

Studiedesigns: Alternative designs

Studiedesigns: 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 mere

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts

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

Læs mere

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 Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation

Læs mere

Department 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 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 mere

Analyse af binære responsvariable

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

Læs mere

Morten Frydenberg Biostatistik version dato:

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

Læs mere

4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min

4. 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 mere

Studiedesigns: Kohorteundersøgelser

Studiedesigns: 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 mere

1. februar Lungefunktions data fra tirsdags Gennemsnit l/min

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

Læs mere

Brystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens?

Brystkræftscreening 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 mere

Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard

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

Læs mere

Studiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard

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

Læs mere

Kohorte studier. Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen

Kohorte 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 mere

Årsagsteori. 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 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 mere

En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl

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

Læs mere

Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi.

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

Læs mere

MPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003

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

Læs mere

Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning

Vurdering 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 mere

Population attributable fraction

Population 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 mere

Epidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering II

Epidemiologisk 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 mere

Vurdering af epidemiologiske undersøgelser igen

Vurdering 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 mere

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. 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 mere

Besvarelse af opgavesættet ved Reeksamen forår 2008

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

Læs mere

Målsætning. Vurdering af epidemiologiske undersøgelser

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

Læs mere

25. april Probability of Developing Coronary Heart Disease in 6 years. Women (Aged 35-70) 160 No Yes

25. 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 mere

Epidemiologi. Sjurdur F. Olsen. Epidemiologi: Introduktion. Epidemiologi: Introduktion. Epidemiologi: Eksempel. 1. Introduktion om epidemiologi

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:

Læs mere

Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

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

Læs mere

9. Chi-i-anden test, case-control data, logistisk regression.

9. 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 mere

En teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl

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.

Læs mere

Eksperimenter. 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 Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations

Læs mere

Måleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version

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

Læs mere

Studiedesigns: Kohorteundersøgelser

Studiedesigns: 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 mere

Resultater fra BagPack-projektet om tungt løftearbejde blandt bagageportører i Købehavns Lufthavn

Resultater 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 mere

REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

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

Læs mere

Epidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.

Epidemiologisk 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 mere

Selektionsbias. 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 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 mere

Statistik for MPH: 7

Statistik 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 mere

Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi

Tillæg 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 mere

Social ulighed i dødelighed i Danmark gennem 25 år

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

Læs mere

Morten Frydenberg 26. april 2004

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.

Læs mere

Morten Frydenberg 14. marts 2006

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

Læs mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

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

Læs mere

Morten Frydenberg 25. april 2006

Morten 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 mere

HVAD SKER DER MED SUNDHEDEN VED AKTIV MOBILITET?

HVAD 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 mere

Tillæg til Studieordning for Folkesundhedsvidenskab

Tillæg 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 mere

Helbredsskader og partikelforurening i Københavns Lufthavn, Kastrup.

Helbredsskader 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 mere

Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)

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

Læs mere

Lægevidenskabelig Embedseksamen, 6. semester Forår 2009 Epidemiologi og Biostatistik Rettevejledning

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

Læs mere

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

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

Læs mere

Social ulighed i sundhed starter allerede i graviditeten

Social 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 mere

Introduktion til epidemiologi

Introduktion 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 mere

Alarm symptomer på kræft i befolkningen

Alarm 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 mere

Tre paradokser i den danske folkesundhed

Tre 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 mere

Epidemiologi 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 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 mere

Confounding. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab

Confounding. 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 mere

Landmålingens fejlteori - Sandsynlighedsregning - Lektion 1

Landmålingens 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 mere

PPV skemaer (udskriftsvenlig)

PPV 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 mere

Studiedesigns: Randomiserede kontrollerede undersøgelser

Studiedesigns: 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 mere

2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)

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.

Læs mere

Morten Frydenberg Biostatistik version dato:

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,

Læs mere

ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

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

Læs mere

Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab

Mads 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 mere

Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 7: 23. marts

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

Læs mere

OR stiger eksponentielt med forskellen i BMI. kompliceret model svær at forstå og analysere

OR 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 mere

Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab

Mads 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 mere

RE-EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

RE-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 mere

BIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen

BIAS 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

Vurdering af epidemiologiske undersøgelser igen

Vurdering af epidemiologiske undersøgelser igen Vurdering af epidemiologiske undersøgelser igen kob Grove 12. september, 2005 Program Confounding og effektmodifikation Hvad er confounding Hvad er effektmodifikation Er der confounding eller effektmodifikation

Læs mere

PPV skemaer (udskriftsvenlig)

PPV 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 mere

Det randomiserede kontrollerede forsøg og evidens-baseret medicin

Det 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 mere

Øvelser i epidemiologi og biostatistik, 12. april 2010 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse

Øvelser 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 mere

Sammenligning af risikoen ved stråling og cigaretrygning

Sammenligning 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 mere

Resumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se

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

Læs mere

INTRO TIL EPIDEMIOLOGI FERTILITET

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?

Læs mere

Logistisk regression

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

Læs mere

Screening i arbejdsmedicin Mulige gavnlige og skadelige virkninger. Karsten Juhl Jørgensen Det Nordiske Cochrane Center

Screening 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 mere

Epidemiologisk evidens og opsummering

Epidemiologisk 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 mere

Confounding. Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab

Confounding. 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 mere

Er hospitalernes indsats overfor patienter med alkoholproblemer tilstrækkelig?

Er 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 mere

Statistik kommandoer i Stata opdateret 16/3 2009 Erik Parner

Statistik 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 mere

Erik Parner Sektion for Biostatistik. Biostatistisk metode et par eksempler

Erik 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 mere

Follow up = kohorteundersøgelse. Dagens program. Årsagssøgning. Follow-up studiet design og risikomål. Mandag repetition 1. Mandag repetition 3

Follow 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