Effektmålsmodifikation



Relaterede dokumenter
Effektmålsmodifikation

Epidemiologiske associationsmål

Epidemiologiske associationsmål

Population attributable fraction

Analyse af binære responsvariable

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

Studiedesigns: Randomiserede kontrollerede undersøgelser

Epidemiologisk evidens og opsummering

Studiedesigns: Case-kontrolundersøgelser

Vurdering af epidemiologiske undersøgelser igen

Introduktion til epidemiologi

Studiedesigns: Kohorteundersøgelser

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

Studiedesigns: Kohorteundersøgelser

REEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester

Studiedesigns: Alternative designs

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

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

Vurdering af epidemiologiske undersøgelser igen

Epidemiologiske hyppighedsmål

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

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

Introduktion til epidemiologi

Vurdering af epidemiologiske undersøgelser. Epidemiologisk forskning

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser

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

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

Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser

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

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

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

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

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

Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel

Præcision og effektivitet (efficiency)?

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

Epidemiologiske mål Studiedesign

Mantel-Haenszel analyser. Stratificerede epidemiologiske analyser

Det randomiserede kontrollerede forsøg og evidens-baseret medicin

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

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

Træningsaktiviteter dag 3

Besvarelse af opgavesættet ved Reeksamen forår 2008

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

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

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

Epidemiologiske metoder

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

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

Social ulighed i kronisk sygdom, selvvurderet helbred og funktionsevne

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

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

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

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

Fejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard

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

Skriftlig eksamen i samfundsfag

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

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

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

Statistik II Lektion 3. Logistisk Regression Kategoriske og Kontinuerte Forklarende Variable

Magnetfelter og børnekræft - er der en sammenhæng?

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

INTRO TIL EPIDEMIOLOGI FERTILITET

Sommereksamen Bacheloruddannelsen i Medicin/Medicin med industriel specialisering

Noter til SfR checkliste 4 - Casekontrolundersøgelser

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

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

DANSK RESUMÉ. Forhøjet blodtryk er i stigende grad almindeligt i afrikanske lande syd for Sahara.

EFFEKTMÅLING AF SOCIALE INDSATSER

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

Lineær og logistisk regression

Forskelle i behandlingskvalitet på sygehusene: Rigsrevisionens beretning

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

Social position og kirurgi for tidlig-stadie ikke-småcellet lungekræft: en registerbaseret undersøgelse

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

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

Morten Frydenberg Biostatistik version dato:

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

Et psykisk belastende arbejde har store konsekvenser for helbredet

Morten Frydenberg 14. marts 2006

Øvelser til basalkursus, 2. uge

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

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

Eksamen i Statistik og skalavalidering

MPH Introduktionsmodul: Epidemiologi og Biostatistik

Målsætning. Vurdering af epidemiologiske undersøgelser

Opgavebesvarelse, Basalkursus, uge 3

Statistik II 1. Lektion. Analyse af kontingenstabeller

Studiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard

Synopsis til eksamen i Statistik

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet

CENTER FOR KLINISKE RETNINGSLINJER - CLEARINGHOUSE

ALTERNATIVER TIL RANDOMISEREDE KONTROLLEREDE FORSØG: Mikro-økonometriske metoder. Jan Høgelund

Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Introduktion

Metode Artikeludvælgelse 4 trins metode

SO Dalton, BL Frederiksen, E Jakobsen, M Steding-Jessen, K Østerlind, J Schüz, M Osler, Johansen C.

Landmålingens fejlteori - Sandsynlighedsregning - Lektion 1

Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi

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

Transkript:

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 om Absolut mål = forskel mellem grupperne Relativt mål = forhold mellem grupperne Associationsmål afhænger af studiedesignet Opstil gerne i 2x2 tabel Odds ratio er en god approksimation til RR når udfaldet er sjældent Tolkning af absolutte mål: 0 = ingen forskel Tolkning af relative mål: 1 = ingen forskel It og sundhed l 21. april 2015 l Dias nummer 2

Hvorfor effektmålsmodifikation? Effektmålsmodifikation er At associationen mellem eksponering og udfald varierer i forskellige strata, når der stratificeres (opdeles) på en tredje variabel Virkeligheden er At de færreste eksponeringer er monokausale dvs. at de virker i samspil med andre faktorer Derfor er det interessant At undersøge om nogle grupper er særligt sårbare. Det kan målrette interventioner. Undersøgelse af effektmålsmodifikation kan øge indsigten i sygdommens årsager It og sundhed l 21. april 2015 l Dias nummer 3

Vitamin A og dødelighed Både drenge og piger Konklusion: formentlig ingen forskel, måske lidt skadeligt It og sundhed l 21. april 2015 l Dias nummer 4

Vitamin A og dødelighed Kønsopdelt Konklusion: Godt for drenge og skidt for piger Køn er en effektmålsmodifikator af associationen mellem vitamin A tilskud og dødelighed It og sundhed l 21. april 2015 l Dias nummer 5

Er asbest en effekmålsmodifikator? Det kommer an på hvilken association man studerer Rygning kan give lungekræft Asbest kan give lungekræft Virker rygning og asbest i samspil i udviklingen af lungekræft? Hvis asbest (A) modificerer effekten af rygning (B) på lungekræft ville vi f.eks. forvente at Risiko øget mere/mindre end man skulle forvente Risiko øget Risiko øget Reference B A U A U B U U It og sundhed l 21. april 2015 l Dias nummer 6

Er asbest en effekmålsmodifikator? + Lungekræft - Lungekræft Total + Rygning 19 1001 1020 - Rygning 8 3192 3200 RR=7,5 Total 27 4193 4220 Eksponeret for asbest Ikke eksponeret for asbest + Lungekræft - Lungekræft Total + Lungekræft - Lungekræft Total + Rygning 11 209 220 - Rygning 6 1194 1200 Total 17 1403 1420 + Rygning 8 792 800 - Rygning 2 1998 2000 Total 10 2790 2800 RR = (11/220)/(6/1200) = 0,05/0,005 = 10 RD = (11/220)-(6/1200) = 50-5 = 45/1000 RR = (8/800)/(2/2000) = 0,01/0,001 = 10 RD = (8/800)-(2/2000) = 10-1 = 9/1000 Simpson s paradox: 7,5 vs. hhv. 10 og 10. Associationen mellem to variable kan omvendes ved inklusion af en tredje variabel It og sundhed l 21. april 2015 l Dias nummer 7

Hvad kan vi udlede? Ens association på det relative mål, dvs. forholdet (ratioen) Uens association på differensmålet, dvs. forskellen (absolutte tal) Eksponeret for asbest Ikke eksponeret for asbest + Lungekræft - Lungekræft Total + Lungekræft - Lungekræft Total + Rygning 11 209 220 - Rygning 6 1194 1200 Total 17 1403 1420 + Rygning 8 792 800 - Rygning 2 1998 2000 Total 10 2790 2800 RR = (11/220)/(6/1200) = 0,05/0,005 = 10 RD = (11/220)-(6/1200) = 50-5 = 45/1000 RR = (8/800)/(2/2000) = 0,01/0,001 = 10 RD = (8/800)-(2/2000) = 10-1 = 9/1000 It og sundhed l 21. april 2015 l Dias nummer 8

Er asbest en effektmålsmodifikator i associationen mellem rygning of lungekræft? Asbest ER og ER IKKE en effektmålsmodifikator for rygnings effekt på lungekræft Effektmålsmodifikation afhænger af skalaen, dvs. om sammenhængen undersøges med et relativt eller et absolut mål Der er ikke statistisk interaktion mellem asbest og rygning Der er biologisk interaktion mellem asbest og rygning It og sundhed l 21. april 2015 l Dias nummer 9

Er køn en effektmålsmodifikator? Dagens afstemning på www.madskamper.dk/afstemning It og sundhed l 21. april 2015 l Dias nummer 10

Biologisk interaktion Tilstrækkelige årsagsmekanismer til lungekræft A = Rygning, B = Asbest og U = Ukendte årsager B A U A U B U U + Asbest - Asbest + Rygning R AB R A - Rygning R B R U It og sundhed l 21. april 2015 l Dias nummer 11

Biologisk interaktion Risikoen pr. 1000 var Rygning Asbest + Kræft Population Risiko + Asbest - Asbest + + 11 220 50 + - 8 800 10 - + 6 1200 5 - - 2 2000 1 + Rygning 50 (R AB ) - Rygning 5 (R B ) 10 (R A ) 1 (R U ) Hvad er baggrundsrisikoen (R U )? R U = 1 pr. 1000 Hvad er merrisikoen ved rygning uden eksponering for asbest? R A - R U = 10-1 = 9 pr. 1000 Hvad er merrisikoen ved asbest uden rygning? R B - R U = 5-1 = 4 pr. 1000 It og sundhed l 21. april 2015 l Dias nummer 12

Biologisk interaktion De separate effekter for rygning, asbest og mekanismer, hvor disse to årsagskomponenter ikke indgår kan redegøre for 14 (9+4+1) pr. 1000 Vi vil derfor forvente en risiko på 14 pr. 1000 blandt dem der er eksponeret for både rygning og asbest, hvis disse to ikke interagerer i en årsagsmekanisme Vi observerer en risiko på 50 pr. 1000. Derfor er der biologisk interaktion It og sundhed l 21. april 2015 l Dias nummer 13

Statistisk interaktion + Asbest - Asbest + Rygning 50 (RR AB ) - Rygning 5 (RR B ) 10 (RR A ) 1 (RR U ) Vi observerer en RR på 5 blandt ikke-rygere eksponeret for asbest Vi observerer en RR på 10 blandt rygere der ikke er eksponeret for asbest Vi ville forvente en RR på 50 (5x10x1) blandt rygere der er eksponeret for asbest Vi observerer en RR på 50. Derfor er der ikke statistisk interaktion It og sundhed l 21. april 2015 l Dias nummer 14

Alternativ terminologi Biologisk interaktion kaldes også Kausal interaktion Synergisme/antagonisme Fælles effekt Kausal afhængighed Additiv interaktion Betinget kausalitet Statistisk interaktion kaldes også Effektmodifikation Heterogenitet Multiplikativ interaktion It og sundhed l 21. april 2015 l Dias nummer 15

Anbefaling Det kan du gøre Beregn statistisk interaktion når grupperne er uombyttelige og der derfor skal justeres for forskelle mellem grupperne Undersøg kun om der er effektmålsmodifikation hvis du har en underliggende hypotese It og sundhed l 21. april 2015 l Dias nummer 16

Næste gang Introduktion til Randomiserede kliniske undersøgelser (RCT). En smart måde at designe sig ud af mange af de problemer der kan være med epidemiologiske undersøgelser. Husk at læse artiklen. It og sundhed l 21. april 2015 l Dias nummer 17