REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

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

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

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

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

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

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

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

SKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI Cand.Scient.San, 2. semester 20. februar 2015 (3 timer)

Effektmålsmodifikation

Vurdering af epidemiologiske undersøgelser igen

Studiedesigns: Kohorteundersøgelser

Effektmålsmodifikation

Studiedesigns: Kohorteundersøgelser

Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning

Besvarelse af opgavesættet ved Reeksamen forår 2008

Vurdering af epidemiologiske undersøgelser igen

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

Målsætning. Vurdering af epidemiologiske undersøgelser

Præcision og effektivitet (efficiency)?

Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard

Studiedesigns: Randomiserede kontrollerede undersøgelser

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

Analyse af binære responsvariable

Studiedesigns: Case-kontrolundersøgelser

Overlevelsesfunktion. Vi kalder S(t) for overlevelsesfunktionen.

Ved undervisningen i epidemiologi/statistik den 8. og 10. november 2011 vil vi lægge hovedvægten på en fælles diskussion af følgende fire artikler:

Epidemiologisk evidens og opsummering

Øvelse 7: Aktuar-tabeller, Kaplan-Meier kurver og log-rank test

Epidemiologiske associationsmål

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

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

Epidemiologiske hyppighedsmål

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

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

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Noter til SfR checkliste 3 Kohorteundersøgelser

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

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

Epidemiologiske mål Studiedesign

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

Dag 6: Interaktion. Overlevelsesanalyse

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

Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

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

Population attributable fraction

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

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

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

Noter til SfR checkliste 4 - Casekontrolundersøgelser

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

Skriftlig eksamen juni 2017

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

Epidemiologiske associationsmål

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

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

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

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

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2- test [ki-i-anden-test]

Anvendt Statistik Lektion 6. Kontingenstabeller χ 2 -test [ki-i-anden-test]

MPH Introduktionsmodul: Epidemiologi og Biostatistik

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

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

Regressionsanalyser. Hvad er det statistiske problem? Primære og sekundære problemer. Metodeproblemer.

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

Statistikøvelse Kandidatstudiet i Folkesundhedsvidenskab 28. September 2004

Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel

Vurdering af det Randomiserede kliniske forsøg RCT

a) Har måleresultaterne for de 2 laboranter samme varians? b) Tyder resultaterne på, at nogen af laboranterne måler med en systematisk fejl?

AMU-kurser løfter ufaglærtes løn med kr. året efter

Eksamen Bacheloruddannelsen i Medicin med industriel specialisering

Hypotesetest. Altså vores formodning eller påstand om tingens tilstand. Alternativ hypotese (hvis vores påstand er forkert) H a : 0

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

Kost og Hjerte- Kar-Sygdom. Jette Heberg cand.scient.san og stud.phd /Hjerteforeningen

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

Epidemiologiske metoder

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

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

Dokumentation af brugen af psykolog i Sygesikringsregisteret

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

HANDICAPREVISIONEN (HR) FORKLARET

8.2 Statistiske analyse af hver enkelt indikator

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE

Værktøjshjælp for TI-Nspire CAS Struktur for appendiks:

Kan analyser af surveydata sige noget om årsagssammenhænge? Eksempler fra arbejdsmiljøforskningen

Morten Frydenberg Biostatistik version dato:

BIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen

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

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Vejledende eksamensopgaver vedr. hypotesetest (stx B og stx A)

Transkript:

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 & Sundhed, 2. semester August 2011 (4 timer) Eksamensvejledning Der lægges vægt på, at besvarelsen er klart disponeret og sprogligt koncis, og at sprogbrugen er i overensstemmelse med fagets terminologi. Praktiske forhold Læs artiklen grundigt og svar derefter på alle opgaver. Under hver opgave står hvor mange point der maksimalt kan opnås for rigtig besvarelse af opgaven. Der gives i alt maksimum 100 point for tilfredsstillende besvarelse af alle spørgsmål. Eksamenssættet består af i alt 12 spørgsmål. Mobiltelefoner skal være slukkede og lagt væk under eksamen. Artikel Krijthe BP et al. Is Positive Affect Associated With Survival? A Population-based Study of Elderly Persons. American Journal of Epidemiology 2011;173(11):1298-1307. Artiklen er sendt via mail til de studerende 24 timer før eksamensstart.

1. Beskriv undersøgelsens eksponering, samt hvorledes den er målt og kategoriseret. Undersøgelsens eksponering er positiv affekt. Positiv affekt blev målt ved hjælp af selvrapportering af humør og følelser i løbet af den seneste uge med den såkaldte CES-D scale. Selvrapporteringen bestod af i alt 20 spørgsmål der hver blev scoret på en pointskala fra 0-3 point. Af de i alt 20 spørgsmål målte 4 positiv affekt. Den samlede positiv affekt score (0-12 point) blev kategoriseret som lav (0-7 point), medium (8-11 point), eller høj (12 point). 2. Beskriv undersøgelsens udfald, samt hvorledes den er målt og kategoriseret. Undersøgelsens udfald er død. Død blev målt gennem kontinuerlig monitorering af kommunale adressefiler og elektroniske rapporteringer fra praktiserende læger. et blev kategoriseret som død eller ikke død. 3. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse associationen mellem eksponeringen og udfaldet? Redegør for dit svar. Forfatterne anvendte et kohortedesign til at belyse sammenhængen mellem positiv affekt og død. Det er et kohortedesign fordi studiet tager udgangspunkt i eksponeringen (3 kategorier af positiv affekt), hvorefter deltagerne følges fremad i tid for udfaldet (død). 4. Hvilken statistisk model anvender forfatterne til at undersøge associationen mellem eksponeringen og udfaldet, og hvilket associationsmål estimeres i denne model? (7 point) Forfatterne anvender en Cox (proportional hazards) model til at undersøge sammenhængen mellem positiv affekt og død. I Cox modellen estimeres hazard ratios (HR) også kaldet incidence rate ratios, som er en approksimation af den relative risiko. 5. Forfatterne rapporterer en statistisk signifikant interaktion mellem positiv affekt og alder i den fuldt justerede model (p=0,02). Beskriv med dine egne ord hvad denne statistisk signifikante interaktion betyder. (7 point) Den statistisk signifikante interaktion betyder at associationen mellem positiv affekt og død med 95% sandsynlighed ikke er den samme i alle de forskellige strata som alder er inddelt i dette studie, efter justering for diverse faktorer. Således har positiv affekt ikke den samme positive effekt på død uanset hvilken alder deltageren har. Enten har vi observeret en sjælden hændelse under nulhypotesen, eller også er nulhypotesen falsk. Traditionelt vælger vi at tolke resultatet som den sidste mulighed.

6. Forfatterne skriver at studier som tidligere har undersøgt den studerede association har nået modsatrettede konklusioner, og at dette kan skyldes confounding fra bl.a. sundhedsstatus. Hvordan kan confounding reduceres i henholdsvis design- og analysefasen af et epidemiologisk studie? I designfasen: Randomisering (RCT), matching (case-kontrol og kohorte) I analysefasen: Standardisering, stratificerede analyser, multivariable analyser 7. Confounding fra sundhedsstatus i studier der tidligere har undersøgt den studerede association kan forekomme som følge af umålt confounding eller residual confounding. Beskriv hvad begrebet residual confounding dækker over, og hvordan residual confounding kan være opstået i studier der tidligere har undersøgt den studerede association. Residual confounding dækker over at en faktor er inddelt for groft og at information om faktoren derfor er upræcis. Residual confounding fra sundhedsstatus kan være opstået i tidligere studier hvis sundhedsstatus har været inddelt i for grove kategorier f.eks. syg vs. ikke syg. Dermed fanges nuancerne (f.eks. om sygdommen er kureret eller alvorligheden af sygdommen) ikke. Residual confounding betyder at det ikke er lykkedes at få risikoen for udfaldet til at være konstant indenfor alle strata af determinant og confoundere. 8. Skitsér måden hvorpå information om prævalent sygdom er indhentet i dette studie, og diskutér hvilke ulemper det kan medføre. (10 point) Oplysninger om prævalent sygdom er indhentet via den praktiserende læge og vurderet af to forskere. Ved uenighed brugtes en specialist. Variablen blev kodet med 0 hvis deltageren aldrig havde haft sygdommen, og 1 hvis deltageren havde haft eller havde sygdommen ved baseline. Ulemper: den praktiserende læges journal indeholder ikke nødvendigvis oplysning om alle sygdommene selv om deltageren har dem, mange skifter læge så tidligere sygdom kan være dårligt beskrevet, sværhedsgraden af sygdom overses ved dikotomisering, det er usandsynligt at de forskellige sygdomme påvirker sammenhængen mellem positiv affekt og overlevelse på samme måde, der medtages ikke oplysninger om psykisk sygdom. 9. Hvor stor en andel af deltagerne havde prævalent sygdom ved baseline? Af tabel 2 kan det ses at et sted mellem 512 og i alt 1385 (512+261+196+172+244) personer havde prævalent sygdom. De to yderpunkter svarer til at alle som har en eller flere prævalente sygdomme også har den hyppigste prævalente sygdom (512) eller at alle som har en prævalent sygdom har nøjagtig én prævalent sygdom (1385). I procent svarer den nedre grænse til 11,6% og den øvre grænse svarer til 31,4% ((1385/4411)*100).Hvis man summerer procenterne i tabel 2 fås 31,3%. 10. Forfatterne diskuterer om hvorvidt de har overjusteret for happiness. Med dette mener de, om de har justeret for happiness, selvom happiness måske snarere er en inter-mediær faktor end en confounder. Færdiggør nedenstående diagrammer ved at indtegne pilehoveder på alle linjerne. Tegn ét diagram hvor happiness er en confounder, og ét diagram hvor happiness er en inter-mediær faktor. (9 point)

Confounder Inter-mediær faktor Confounder Inter-mediær faktor 11. Forfatterne rapporterer det totale antal dødsfald, det gennemsnitlige antal personår under risiko, og det samlede antal deltagere. Benyt disse oplysninger til at beregne den overordnede incidensrate for udfaldet per 1000 personår under risiko. (9 point) I alt 1287 dødsfald I alt 4411 personer * 7,19 personår under risiko = 31715,1 personår under risiko IR = (1287/31715,1)*1000 = 40,6 dødsfald per 1000 personår under risiko 12. Antag at eksponeringen bliver målt med en vis usikkerhed. Nævn de to typer af informationsproblemer dette kan medføre, hvad disse to typer af informationsproblemer afhænger af, og hvilken indflydelse disse typer af informationsproblemer vil have i dette studie. (10 point)

Hvis positiv affekt er målt med lige stor usikkerhed for alle deltagere taler vi om non-differentiel misklassifikation. Non-differentiel misklassifikation vil i dette studie gøre at den gavnlige effekt af positiv affekt på død underestimeres. Hvis positiv affekt er målt med større usikkerhed i nogen eksponeringsgrupper end i andre taler vi om differentiel misklassifikation. Differentiel misklassifikation kan i dette studie vende op og ned på konklusionen alt efter hvor mange der misklassificeres.