Epidemiologiske associationsmål

Relaterede dokumenter
Epidemiologiske associationsmål

Epidemiologiske mål Studiedesign

Effektmålsmodifikation

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

Studiedesigns: Kohorteundersøgelser

Epidemiologiske hyppighedsmål

Studiedesigns: Case-kontrolundersøgelser

Effektmålsmodifikation

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

3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)

Studiedesigns: Kohorteundersøgelser

Studiedesigns: Randomiserede kontrollerede undersøgelser

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

Præcision og effektivitet (efficiency)?

Population attributable fraction

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

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

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

Analyse af binære responsvariable

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

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

Studiedesigns: Alternative designs

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

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

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

Introduktion til epidemiologi

MPH Introduktionsmodul: Epidemiologi og Biostatistik

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

Introduktion til epidemiologi

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

1. februar Lungefunktions data fra tirsdags Gennemsnit l/min

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

Epidemiologisk evidens og opsummering

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

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

Lineær og logistisk regression

Sammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.

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

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mantel-Haenszel analyser

Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel

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

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

Vurdering af epidemiologiske undersøgelser igen

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

Fejlkilder. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011

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

Morten Frydenberg Biostatistik version dato:

Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

Kohorte studier. Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen

Hvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev

Morten Frydenberg Biostatistik version dato:

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

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

Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard

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

Studiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard

Besvarelse af opgavesættet ved Reeksamen forår 2008

Reeksamen Bacheloruddannelsen i Medicin med industriel specialisering. Eksamensdato: Tid: kl

Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

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

Logistisk regression

REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

Resultater. Formål. Results. Results. Må ikke indeholde. At fåf. kendskab til rapportering af resultater. beskrivelse

Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.

OBSERVERENDE UNDERSØGELSER. Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002

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

Det randomiserede kontrollerede forsøg og evidens-baseret medicin

Hver anden vil benytte øget åbningstid i dagtilbud

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Eksamensopgave E05. Socialklasse og kronisk sygdom

Department of Public Health. Case-control design. Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine

Morten Frydenberg 26. april 2004

Kritisk læsning af kohorte studie Oversat efter: Critical Appraisal skills Programme (CASP) Making sense of evidence

OR stiger eksponentielt med forskellen i BMI komplicet model svær at forstå og analysere simpel model

Morten Frydenberg 14. marts 2006

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Statikstik II 2. Lektion. Lidt sandsynlighedsregning Lidt mere om signifikanstest Logistisk regression

Social ulighed i kronisk sygdom, selvvurderet helbred og funktionsevne

Eksamen ved. Københavns Universitet i. Kvantitative forskningsmetoder. Det Samfundsvidenskabelige Fakultet

Morten Frydenberg 25. april 2006

Statistik Lektion 2. Betinget sandsynlighed Bayes regel Diskrete stokastiske variable Middelværdi og varians for diskret SV Binomialfordelingen

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

Mikro-kursus i statistik 1. del Mikrokursus i biostatistik 1

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)

Risikofaktorudviklingen i Danmark fremskrevet til 2020

Landslægeembedets årsberetning 2016

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

REGION HOVEDSTADEN Multisygdom definition: 3 eller flere samtidige kroniske sygdomme

INTRO TIL EPIDEMIOLOGI FERTILITET

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

Statistik II 4. Lektion. Logistisk regression

Workshop 6 Sundhedsprofilen metode og muligheder. Anne Helms Andreasen, Forskningscenter for Forebyggelse og Sundhed

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

Målsætning. Vurdering af epidemiologiske undersøgelser

Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi

Test nr. 5 af centrale elementer 02402

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

Epidemiologiprojekt. Ann-Louise, Jennifer, Matilda og Elif 408

Transkript:

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 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 21. april 2016 l Dias nummer 2

Hyppighed og association Sidste gang beregnede vi hyppighedsmål (KIP og IR) i én gruppe dvs. vi sammenlignede ikke forskellige grupper I dag skal vi sammenligne hyppighedsmål mellem forskellige grupper Når hyppighedsmål sammenlignes mellem forskellige grupper kaldes det associationsmål It og sundhed l 21. april 2016 l Dias nummer 3

Sammenligning af hyppighedsmål Opdeles i eksponerede og ueksponerede Vi epidemiologer bruger meget krudt på at sammenligne sygdomshyppigheden blandt eksponerede og ueksponerede dvs. vi beregner associationsmål It og sundhed l 21. april 2016 l Dias nummer 4

Relativ og absolut forskel Relative mål Forholdet mellem sygdomshyppigheden blandt eksponerede og ueksponerede, betegnes relative mål dvs. Hyppighedsmål Hyppighedsmål Absolutte mål Forskellen mellem sygdomshyppigheden blandt eksponerede og ueksponerede, betegnes absolutte mål eller differensmål dvs. Hyppighedsmål - Hyppighedsmål It og sundhed l 21. april 2016 l Dias nummer 5

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 21. april 2016 l Dias nummer 6

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 21. april 2016 l Dias nummer 7

Associationsmål Relativ risiko /risikodifference (KIP) Andel syge indenfor en given periode (lukket kohorte) Incidensrateratio/differens (IR) Syge per tidsenhed (åben kohorte) Prævalensproportionsratio/difference (PP) Andel syge ud af alle Odds ratio/difference (Odds) Andel syge i forhold til ikke-syge It og sundhed l 21. april 2016 l Dias nummer 8

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 21. april 2016 l Dias nummer 9

Hvad kan beregnes? Dagens afstemning på www.madskamper.dk/afstemning It og sundhed l 21. april 2016 l Dias nummer 10

Transport til skole og overvægt Prævalensproportionratio = (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 8 52 60 Cykler 4 56 60 Total 12 108 120 Fortolkning Forekomsten af overvægt er dobbelt så høj blandt dem der køres til skole sammenlignet med dem der cykler It og sundhed l 21. april 2016 l Dias nummer 11

Transport til skole og overvægt Prævalensproportionsdifference = (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 8 52 60 Cykler 4 56 60 Total 12 108 120 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 21. april 2016 l Dias nummer 12

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 9 837 846 Ryggen 6 1755 1761 Total 15 2592 2607 It og sundhed l 21. april 2016 l Dias nummer 13

Sovestilling og vuggedød Relativ risiko = KIP + /KIP - = (9/846)/(6/1761) = 3,12 Sovestilling Død Ikke død Total Maven 9 837 846 Ryggen 6 1755 1761 Fortolkning Total 15 2592 2607 I løbet af de 11 måneder fra alder 1-11 måneder var risikoen for vuggedød 3,12 gange så høj blandt børn der sover på maven, sammenlignet med børn der sover på ryggen It og sundhed l 21. april 2016 l Dias nummer 14

Sovestilling og vuggedød Risikodifference = KIP + - KIP - = (9/846) -(6/1761) = 7,2 pr 1000 Sovestilling Død Ikke død Total Maven 9 837 846 Ryggen 6 1755 1761 Fortolkning Total 15 2592 2607 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 21. april 2016 l Dias nummer 15

Odds Odds er et udtryk for proportioner Odds = p/(1-p) og p = odds/(odds+1) Eksempel Der er 26 mænd og 23 kvinder tilmeldt kurset P Mand = 26/49= 0,53 Odds Mand = 26/23 = 1,13 Der er 2 der hedder Andreas og 47 der hedder noget andet P Andreas = 2/49= 0,04 Odds Andreas = 2/47 = 0,04 Odds bliver et godt estimat af risikoen hvis udfaldet er sjældent fordi odds=p/(1-p), aka The rare disease assumption It og sundhed l 21. april 2016 l Dias nummer 16

RR versus OR Relativ risiko (RR) = (9/846)/(6/1761) = 3,12 Sovestilling Død Ikke død Total Maven 9 837 846 Odds ratio (OR) = (a/c)/(b/d) = ad/bc = (9x1755)/(837x6) = 3,15 Ryggen 6 1755 1761 Total 15 2592 2607 Vuggedød er et sjældent udfald (15/2607=0,6%) derfor er RR og OR næsten ens It og sundhed l 21. april 2016 l Dias nummer 17

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 9 837 846 Ryggen 6 1755 1761 Total 15 2592 2607 Konfidensinterval Exp(ln OR±1,96*SE(ln OR)) = 1,12-8,87 It og sundhed l 21. april 2016 l Dias nummer 18

Tolkning af associationsmål RELATIVE MÅL ABSOLUTTE MÅL Relativ risiko - Hvis 1: ingen forskel Risikodifference - Hvis 0: ingen forskel Incidensrateratio - Hvis 1: Ingen forskel Incidensratedifference - Hvis 0: Ingen forskel Odds ratio - Hvis 1: Ingen forskel It og sundhed l 21. april 2016 l Dias nummer 19

Konklusionen kan afhænge af målet Relativt mål Angiver hvor mange gange større associationsmålet er blandt de eksponerede i forhold til ueksponerede Absolut mål Angiver den absolutte forskel mellem de eksponerede og de ueksponerede Tabel. Relativt og absolut mål for død af rygning, fordelt på dødsårsager It og sundhed l 21. april 2016 l Dias nummer 20

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 21. april 2016 l Dias nummer 21