Statistik FSV 4. semester 2014 Øvelser Uge 2: 11. februar

Transkript

1 Århus 6. februar 2014 Morten Frydenberg Statistik FSV 4. semester 2014 Øvelser Uge 2: 11. februar Til disse øvelser har I brug for fishoil1.dta, der indeholder data fra det fiskeolie forsøg vi så på ved 3. biostatistik forelæsning på Epidemiologi og Biostatistik. Vi vil dels fortsætte med at lære Stata at kende og dels se hvordan man kan lave nogle af de statistiske analyser i lærte sidste år i Stata. Udgangspunktet for alt hvad I laver i Stata er, at I ved hvor I vil arbejde på computeren, dvs. hvad er jeres Arbejdsfolder samt, at I starter alle do-filer med at skifte til denne folder. Husk også at alle do-filer skal generere en log-fil, der indeholder resultaterne af kørsel af do-filen. Undervejs i kurset vil vi forsøge at give jer nogle gode arbejdsrutiner, når I arbejder med data. Nogle af disse rutiner kan virke tunge (til at starte med) men al erfaringer viser at det er besværet værd, da rutinerne vil sikre, at det man laver er dokumenteret samt gøre det meget lettere at finde og rette fejl. Det kan anbefales at I i løbet af kurset læser ISHR Chap. 10 Taking good care of your data. Et godt råd: Undgå danske bogstaver i navne på filer og variable i Stata! Opgave 1 Her vil vi se lidt på data uden at skrive en do-fil, men blot ved at skrive nogle kommandoer i Command vinduet. Start med at åbne data filen. Brug codebook og summarize til at finde svar på følgende: Hvor mange deltagere er der i forsøget? Hvordan er randomiseringsgrupperne angivet i group? Er alle blevet randomiseret til en af de to grupper? Hvor mange er der i hver af de to grupper? Hvor mange har fået målt ændring i systolisk blodtryk? Hvor mange har fået målt ændring i diastolisk blodtryk? Hvad er middelændringen i diastolisk blodtryk? I Stata kan man tælle antal observationer vha. count. Kør count if diastol <= 0 og count if diastol > 0 og brug dette til at svare på. Hvor mange gravide oplevede ikke en stigning i diastolisk blodtryk? Hvor mange gravide oplevede en stigning i diastolisk blodtryk? Hvad er summen af disse to tal? Hvordan passer det med hvor mange der har fået målt en ændring? Vi så først, at der kun var 430 med oplysning om diastolisk blodtryk, men alligevel var der 171 med en værdi 0 og 262 >0, dvs. i alt 433. Dette skyldes, at en manglende værdi bliver gemt som et uendelig stort tal i Stata (se ISHR p48-50). Vi kommer derfor til at tælle de tre manglende værdier med i blandt diastol>0. Vi kan løse dette ved at tilføje &!missing(diastol) til kommandoen så den nu bliver count if diastol > 0 &!missing(diastol). 1

2 På dansk skal det læses tæl hvis diastol>0 og diastol ikke er missing, da missing() angiver hvorvidt en givne variabel er missing og! negerer udsagnet. En manglende værdi bliver angivet i datasættet ved et. (eller.a,.b, se ISHR). Kør list if missing(diastol) og list if pid > 50 & pid < 65. Stata kan også bruges som regnemaskine. Skriv display 2+2 hvad var svaret? Regner Stata rigtigt? Prøv (og forstå!): display 3^2 display log(2.3) display ln(2.3) display log10(2.3) display *8.365 display *8.365 display invnorm(0.975) display invnorm(0.975)* display *8.365/sqrt(217) display *8.365/sqrt(217) Vi vil nu til føje nogle nye variable til fishoil1.dta. Opgave 2 Vi vil nu lave en do-file ved navn Gen_fishoil2.do, der tilføjer 2 nye variable (se nedenfor) til fishoil1.dta og gemmer dette nye data under navnet fishoil2.dta. Først skal der tilføjes en ny variabel, der angiver hvorvidt diastolisk blodtryk er steget. Dette kan gøres ved. generate DiaIncr=(diastol>0) if!missing(diastol) Vi sikrer os med det samme, at vi senere kan se hvad variablen betyder label var DiaIncr "Diastolic BP increased" label define NoYes 0 No 1 Yes label value DiaIncr NoYes Vi tjekker også at vi ikke sammenlign med opgave 1. tabstat diastol, by(diaincr) stat(count min max) Tilføj endnu en variable, der angiver hvorvidt systolisk er steget og gem den nye data fil. Kør hele do-filen, gem den til dokumentation og så I evt. senere kan tilføje flere variable til fishoil2.dta 2

3 Opgave 3 Her vil vi se på hyppigheden af stigning i diastolisk blodtryk og hvordan det afhænger af fiskeolie, på basis af fishoil2.dta. Det gør I ved at lave en ny do-fil med et fornuftigt navn. Kommandoen tab2 laver en antalstabel for to (kategoriske) variable. Vi vil her se på group og DiaIncr dvs. bruge kommandoen: tab2 group DiaIncr. Prøv options missing, row, column og chi2 et af gangen (til en start). Besvar følgende derefter (uden sikkerheds intervaller): Hvor mange kvinder mangler information om diastol i de to grupper (control/fishoil)? Og blandt de, hvor vi har informationer om ændring i diastolisk blodtryk: Hvor mange kvinder oplever en stigning i hver af de to grupper? Hvor stor en andel oplever en stigning i hver af de to grupper? Hvor stor en andel af dem, der oplever en stigning, findes i kontrolgruppen? Beregn risiko differens, relativ risiko og odds ratio, der sammenligner fiskeoliegruppen med kontrolgruppen (brug Stata som regnemaskine). Er der en statistisk signifikant sammenhæng mellem randomiseringsgruppe og hyppighed af stigning i diastolisk blodtryk? Estimer hyppigheden af stigning i hver af grupper ved brug af ci med option binomial. Man kan beregne RD, RR og OR på flere forskellige måder i Stata. En hurtig oversigt få man ved den noget kryptiske kommando xi: cs DiaIncr i.group, or, prøv dette. Læs og forstå tabellen øverst og find RD, RR og OR(med sikkerhedsinterval) under tabellen. Hvis fokus er på RD kan man bruge, prtest DiaIncr, by(group). Prøv dette og genfind resultaterne fra før. Som sagt er der mange måder at lave de samme analyser i Stata. Prøv binreg DiaIncr b1.group, rd binreg DiaIncr b1.group, rr binreg DiaIncr b1.group, or Genfinde RD, RR og OR fra før. Vi vil senere på kurset forklare disse tre kommandoer, men kort fortalt betyder b1. foran group, at gruppe 1 (dvs. kontrol) sættes til at være reference (base). Til slut: Skriv en konklusion angående fiskeolies betydning for hvorvidt diastolisk blodtryk stiger under graviditeten. Da jeres analyser bygger på at binomialmodellen er opfyldt indenfor hver gruppe, så bør I også diskutere denne antagelse. 3

4 Opgave 4 Her vil vi se på ændringen i diastolisk blodtryk og hvordan det afhænger af fiskeolie, på basis af fishoil2.dta. Det gør I ved at lave en ny do-fil med et fornuftigt navn. Ændringen i diastolisk blodtryk, diastol, er en kontinuert variabel, som PEFR fra øvelse 4 sidste tirsdag. Brug det I lærte i den øvelse til at besvare (under antagelse af to uafhængige normalfordelte stikprøver): Hvad er middelstigninger i diastolisk blodtryk i hver af de to grupper? Hvad er forskellen i middelstigning i fiskeoliegruppen sammenlignet kontrolgruppen? Er der en statistisk signifikant effekt af fiskeolie? Er der (på basis af det I ved om blodtryk) en klinisk relevant effekt af fiskeolie? Lav histogrammer for stigningen i hver gruppe med normalfordelingskurver indtegnet og gem denne figur som en png fil (se øvelse 8 fra sidste gang). I Stata laver man QQ-plots vha. qnorm. I denne kommando kan man ikke bruge option by, så man er skal lave to tegninger og derefter klister dem sammen til en samlet figur. qnorm diastol if group == 1, title( kontrol ) name(p1,replace) qnorm diastol if group == 2, title( fiskeolie ) name(p2,replace) graph combine p1 p2, name(qnorms,replace) Gem denne figur på harddisken, som en png fil. Bemærk: Vi med title kan skrive en titel på grafen og at vi med name kan navngive grafen, så vi dels kan have flere grafvinduer på engang og dels kan henvise til den i graph combine. Hvis man synes at det er lidt omstændeligt at lave disse grafer, så kan man downloade qplot fra nettet, ved : net install gr42_6 Med qplot kan man lave det hele med en kommando ( det er nødvendig med det kryptiske trscale(invnorm(@)) option qplot diastol, by(group) trscale(invnorm(@)) name(qplot, replace) Diskuter på basis af ovenstående tegninger antagelse om normalitet inden for hver af de grupper. Der er et par andre nyttige plot til illustration af data, dotplots og boxplots. Prøv dotplot diastol if group==1 dotplot diastol if group==1, center dotplot diastol, over(group) center graph box diastol if group==1 graph box diastol, over(group) graph box diastol, by(group) Bemærk, at options by og over har lidt forskellig virkning. Vi kan bruge data i kontrolgruppen til at besvare nogle spørgsmål om ændringen i diastolisk blodtryk generelt. Hvad er 95% prædiktionsintervallet for stigningen i diastoliske blodtryk (brug Stata som en regnemaskine)? Test hypotesen om ingen ændring i middel diastolisk blodtryk. (se evt help ttest)? 4

5 I kontrolgruppen var der 213 kvinder (212 frihedsgrader) og en observeret spredning på Find et 95% sikkerhedsinterval for spredning (se forelæsningsnoterne fra i fredags) Til slut: Skriv en konklusion angående fiskeolies betydning for ændringer i diastolisk blodtryk under graviditeten. Da jeres analyser bygger på at normalfordelingsmodellen er opfyldt indenfor hver gruppe, så bør I også diskutere denne antagelse. Skriv også en konklusion angående ændringen i diastolisk blodtryk for kvinder med normal diæt. Opgave 5 Vi vil igen bruge fishoil2.dta, men I behøver ikke at lave en do-fil. I får brug for resultaterne fra sidste opgaver. Dem kan I finde ved at åbne den log-fil I har fået lavet! I næste uge vil vi begynde at se på regressionsmodeller. Disse kan bruges til meget! Prøv følgende regress diastol if group=1 regress diastol if group=2 Se om I kan finde antal, gennemsnit med CI og spredning (uden CI) for de to grupper. regress diastol b1.group her burde I genfinde gennemsnit i kontrolgruppen og forskellen mellem fiskeolie og kontrol. regress diastol b2.group her burde I genfinde gennemsnit i fiskeoliegruppen og forskellen mellem kontrol og fiskeolie. Bemærk at nogle af sikkerhedsintervallerne er lidt anderledes. Det snakker vi lidt om. 5