Läkarprogrammet – Termin 5, VT 2015

Slides:



Advertisements
Liknande presentationer
Punkt- och intervallskattning Felmarginal
Advertisements

Vetenskaplig studie av det alkoholpreventiva
Inferens om en population Sid
Riskbedömning av POPs i fet fisk
Samhället är mer än summan av sina delar
Provbetyg – Slutbetyg Likvärdig bedömning? En statistisk analys av sambandet mellan nationella prov och slutbetyg i grundskolan,
Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4
Den vetenskapliga artikeln
Som man frågar får man svar. Vad är intressant? Varför?
FL8 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Kapitel 5 Stickprovsteori Sid
Statsvetenskap 3, statsvetenskapliga metoder
Läkarprogrammet – Termin 5, Ht 2013
Eva Pettersson, Apoteket AB Särskilda boendens antibiotikaanvändning SANT-studien Karolinska Institutet, Strama och Apoteket AB Eva Pettersson.
Särskilda boendens antibiotikaanvändning SANT-studien
Olika mått på grad av fetma - Spelar det någon roll hur vi mäter?
Läkarprogrammet – Termin 5, Ht 2013
Beslut december 2012: Bonus till alla HHÅA- studenter som lyckas ta sin kandidatexamen inom 6 terminer. Frågeställning: Leder bonusen till ökad genomströmning?
Behandling Tillfrisknande ? Tid EXPONERINGUTFALL.
Evidensbaserad medicin
Vetenskaplig utveckling Läkarprogrammet KI HT 2010 termin 4
Fall-kontroll-studier, mobiltelefoner och öron: försiktighet anbefalles Jan Lanke Seminarium 21 september Det medicinska problemet 2. Fall-kontroll-studier,
Läkemedelsepidemiologi
Vad tycker de äldre om äldreomsorgen? 2014 Resultat för Karlskrona Hemtjänst.
Workshop i statistik för medicinska bibliotekarier!
Tillämpad statistik Naprapathögskolan
Vibeke Horstmann, Inst för hälsa, vård, samhälle, Centre for Ageing and Supportive Environments Jämförelse av två behandlingar.
Vad tycker de äldre om äldreomsorgen? 2014 Resultat för Hammarö Särskilt boende.
Felkalkyl Ofta mäter man inte direkt den storhet som är den intressanta, utan en grundläggande variabel som sedan används för att beräkna det som man är.
Kartläggning av Valberedningar tillsatta under Maj 2009.
Stockholm stad Brukarundersökning inom socialpsykiatrin 2014
Skattningens medelfel
Brukarundersökning individ- och familjeomsorg Resultat från pilotundersökningen hösten 2014 Sveriges Kommuner och Landsting, SKL Rådet för främjande av.
2. Randomiserade experiment
Stockholm stad Brukarundersökning inom socialpsykiatrin 2014 Stödboende Södermalm stadsdel.
Förelasning 6 Hypotesprövning
Epidemiologi och Biostatistik
Läkarprogrammet – Termin 5, Vt 2013
En mycket vanlig frågeställning gäller om två storheter har ett samband eller inte, många gånger är det helt klart: y x För en mätserie som denna är det.
FL7 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Eva Pettersson, Apoteket AB Särskilda boendens antibiotikaanvändning SANT-studien Ett samarbetsprojekt STRAMA, Apoteket AB och Karolinska Institutet.
Naturvetenskaplig undersökning
FL6 732G70 Statistik A Detta är en generell mall för att göra PowerPoint presentationer enligt LiUs grafiska profil. Du skriver in din rubrik,
Klinisk forskningsmetodik
Normalfördelningen och centrala gränsvärdessatsen
Seminarium Läkarprogrammet – Termin 5, VT 2015 Kristina Mattsson Avdelningen för Arbets- och miljömedicin, Lund E-post:
Vimmerby Magnus Klofsten Generella framgångsfaktorer i kluster.
En kort introduktion i epidemiologi fokuserad på fosterskador
Läkarprogrammet – Termin 5, VT 2015
732G22 Grunder i statistisk metodik
Statistiska samband i trafikolyckor Av: Lina Forsberg Hangjin Lee Daniel Leo Carl-Mikael Westman.
Astma och allergier – effekter av miljön?
Arbetsmarknadspolitiska insatser för kvinnor och män Hur effektiva är programinsatser utifrån ett könsperspektiv? - Några aspekter Jonas Månsson Linnéuniversitetet.
Grundläggande epidemiologi Susanna Calling, läk, med dr
Statistisk hypotesprövning. Test av hypoteser Ofta när man gör undersökningar så vill man ha svar på olika frågor (s.k. hypoteser). T.ex. Stämmer en spelares.
Hur undersöker man sjukdomar? s ● Sjukdomsregister ● Epidemiologiska undersökningar ● Riskanalys.
Statistisk inferensteori. Inledning Den statistiska inferensteorin handlar i huvudsak om att dra slutsatser från ett slumpmässigt urval (sannolikhetsurval)
Betingade sannolikheter. 2 Antag att vi kastar en tärning och noterar antalet prickar som kommer upp. Låt A vara händelsen ”udda antal prickar”, dvs.
Korstabeller och logistisk regression Samband mellan kvalitativa variabler.
”Cognitive ability, alcohol use and alcohol-related harm” Sara Sjölund MD, PhD Dept. of Public Health Sciences, Karolinska Institutet Presentation av avhandling.
Komplexa registerstudier, strategier när flera datakällor kopplas
Epidemiologi och Biostatistik
naaf. no/Documents/Allergi%20i%20Praksis/Aip4_06_Karelen
Introduktionsblocket SSA Ht-17 Forskningsansatser och studiedesign
Så tycker de äldre om äldreomsorgen 2017
Skyddsfaktorer Riskfaktorer Livsvillkor Levnadsvanor Hälsa Ekonomiska konsekvenser Vårdkontakter Jämställdhet Jämlikhet Skyddsfaktorer Riskfaktorer.
Epidemiologi -grundläggande begrepp
Riskbruk av alkohol vid psykisk sjukdom, störning
Grundläggande begrepp
Studiedesign för ST-läkare
Presentationens avskrift:

Läkarprogrammet – Termin 5, VT 2015 Epidemiologi (II) Läkarprogrammet – Termin 5, VT 2015 Lars Rylander Avdelningen för arbets- och miljömedicin, Lund E-post: Lars.Rylander@med.lu.se Tel: 046 – 222 1631

Exempel: Sjukdomsmått 1990 2000 2010 Antal astmatiker Kontorister 20 25 30 Djurskötare 10 25 40 PREVALENS Kontorister 5% (20/400) 6.25% (25/400) 7.5% (30/400) Djurskötare 2.5% (10/400) 6.25% (25/400) 10% (40/400) Prevalenskvot 0.5 (2.5/5) 1 (6.25/6.25) 1.33 (10/7.5) KUMULATIV INCIDENS (RISK) Kontorister - 1.3% [5/(400-20)] 1.3% [5/(400-25)] Djurskötare - 3.8% [15/(400-10)] 4.0% [15/(400-25)] Riskkvot - 2.9 (3.8/1.3) 3.0 (4/1.3) INCIDENS Kontorister - 1.3/1000 py 1.3/1000 py 5/(375*10+5*5) 5/(370*10+5*) Djurskötare - 3.9/1000 py 4.1/1000 py 15/(375*10+15*5) 15/(360*10+15*5) Incidenskvot - 3.0 (3.9/1.3) 3.2 (4.1/1.3)

Studiedesign

Studiedesign Tvärsnittsnittstudier (Cross-sectional studies) Kohortstudier (Follow-up studies) Fall-kontrollstudier (Case-control studies)

Tvärsnittsstudier

(Cross-sectional studies) Avser att studera förhållanden Tvärsnittsstudier (Cross-sectional studies) Avser att studera förhållanden vid en viss tidpunkt.

Ex. Tvärsnittsstudie Exponerade vs Referenter Sambandet mellan monotont arbete inom fiskberedningsindustrin och nack/skulderbesvär Exponerade vs Referenter Ålder Riskkvot (POR) 95% KI < 30 4.2 (1.8-10) 30-44 4.0 (2.0-8.0)  45 1.3 (0.71-2.5) Är det rimligt att äldre har mindre risk? Om inte, hur kan resultaten förklaras?

Ex. Tvärsnittsstudier Riskkvot (OR) 95% KI Icke rökare 1.00 - Risken att få ett barn med spina bifida (ryggraden inte är samman- vuxen) hos rökande mödrar jämfört med icke rökande mödrar. Riskkvot (OR) 95% KI Icke rökare 1.00 - < 10 cig/dag 0.79 (0.63-1.00)  10 cig/dag 0.66 (0.49-0.90) => Rökning en skyddande effekt?

Ex. Tvärsnittsstudier Samband mellan hormonstörande miljögifter och typ 2 diabetes (T2D) Andel med T2D (%) Andel med T2D (%) PCB-153 p,p’-DDE PCB-153 p,p’-DDE PCB-153 och p,p’-DDE är markörer för långlivade klororganiska miljögifter (en grupp hormonstörande miljögifter).

Samband mellan hormonstörande miljögifter och typ 2 diabetes (T2D) Samband!! - Kausalitet?? i) ↑nivåer av miljögifterna Typ 2 diabetes ii) ↑nivåer av miljögifterna Typ 2 diabetes

Tvärsnittsstudier - Relativt snabbt/enkelt! - Selektion? - Kausalitet/tolkning?

Kohortstudier

Kohortstudier (Follow-up studies) Kohort: grupp med någon gemensam egenskap (ex födelseår, rökare, yrke, vegetarianer, …) Syfte: mäta och vanligtvis jämföra incidensen i flera kohorter

Kohortstudier tid Population (alla friska) Oexponerade/ Oexponerade/ Lågexponerade Oexponerade/ Lågexponerade SJUKA Högexponerade Högexponerade tid

(Exemplet hormonstörande miljögifter och typ 2 diabetes [T2D]) Kohortstudier (Exemplet hormonstörande miljögifter och typ 2 diabetes [T2D]) Population (alla friska) Oexponerade/ Lågexponerade Oexponerade/ Lågexponerade T2D Högexponerade Högexponerade tid

(=Women Health In Lund Area) Kvinnor i Lundaregionen Ex. Kohortstudier Frågeställning: Hormonstörande miljögifter* och risken för typ 2 diabetes WHILA-kohorten (=Women Health In Lund Area) Kvinnor i Lundaregionen Ålder 50-59 år 1995-2000 Intervjuade Blodprov ~7000 kvinnor *I vårt fall var vi intresserade av att studera långlivade klororganiska miljögifter

Kohortstudier tid - Låg Hög + - Låg Hög + Population: WHILA Alla friska: Ej T2D vid baseline Exponering: Låg(-)/Hög(+) - Låg Hög + - Låg Hög + T2D tid

Kohortstudier - + tid Hög Låg Antal nya fall: a b Population: WHILA Alla friska: Ej T2D Exponering: Låg(-)/Hög(+) tid T2D - Låg Hög + Hög Låg Antal nya fall: a b Persontid under TH TL risk: Incidens: a/TH b/TL Incidenskvot = IHög / ILåg = (a/TH) / (b/TL) Incidensdifferens = IHög – ILåg = (a/TH) - (b/TL)

Kohortstudier - + tid När är kohortstudier lämpliga? Vad kan vara problem med en kohortstudie? När och varför kan det vara svårt att genomföra dem? Population: WHILA Alla friska: Ej T2D Exponering: Låg(-)/Hög(+) tid T2D - Låga Höga +

Fall-kontrollstudier

Fall-kontrollstudier (Case-control studies) Population FALL: De individer som fått den sjukdom vi studerar. KONTROLLER: De individer som inte fått den sjukdom vi studerar. Vår uppgift är att ta reda på exponerings- fördelningen hos fallen och kontrollerna. (Exponering kan t ex vara medicinering, kost, behandling, miljögifter,…) Kontroller FALL

Ex. Fall-kontrollstudie Frågeställning: Hormonstörande miljögifter* och risken för typ 2 diabetes WHILA-kohorten (=Women Health In Lund Area) Kvinnor i Lundaregionen Ålder 50-59 år 1995-2000 Intervjuade Blodprov ~7000 kvinnor *I vårt fall var vi intresserade av att studera långlivade klororganiska miljögifter

Ex. Fall-kontrollstudie Frågeställning: Hormonstörande miljögifter och risken för typ 2 diabetes FALL: De kvinnor som fått diagnosen typ 2 diabetes (T2D) efter baseline. KONTROLLER: De individer som inte fått diagnosen T2D. Vår uppgift är att ta reda på exponerings- fördelningen hos fallen och kontrollerna. (Exponeringen i vår studie är långlivade klororganiska miljögifter) Population: WHILA Alla friska: Ej T2D vid baseline T2D Ej T2D

Vilket sjukdomsmått används i fall-kontrollstudier för att skatta sambandet mellan exponering och sjukdomsrisk?

ODDSKVOT (Odds ratio; OR) Exempel: E+ E- D+ a=50 b=10 D- c=60 d=60 Odds: Sannolikhet för händelse genom sannolikhet för ej händelse Oddset att vara sjuk (D+) givet att man är oexponerad (E-) (10/70) / (60/70) = 10/60 = 0.17 Oddset att vara sjuk (D+) givet att man är exponerad (E+): (50/110)/(60/110) = 50/60 = 0.83 Man kan få ett relativt riskmått genom att beräkna kvoten mellan två odds Denna kvot kallas oddskvot (eng. Odds Ratio =OR) a • d 50 • 60 b • c 10 • 60 OR = = = 5

RESULTAT från exemplet (”WHILA-studien”) Fall-kontrollstudie RESULTAT från exemplet (”WHILA-studien”) - Totalt hade vi 371 fall och lika många kontroller Om vi inkluderade alla i analysen såg vi inget samband mellan exponering och risken att utveckla typ 2 diabetes. Men om vi endast såg på de ”seten” där fallen fick sin diabetes ≥7 år efter baseline- undersökningen visade det sig att de kvinnor med de högsta nivåerna av p,p’-DDE hade ca 5 gånger ökad risk att utveckla typ 2 diabetes jämfört med de med lägre p,p’-DDE- nivåer. Rignell-Hydbom et al. PLoS One 2009 Oct 19;4(10):e7503 Kontroller FALL

Felkällor

Statistisk osäkerhet – Felkällor Tillfälliga fel Minskar om stickprovet görs större Statistisk osäkerhet – stickprovsfel Felets storlek avspeglas i konfidensintervallets bredd. Större osäkerhet i fall-kontroll än i kohortstudier. Systematiska fel Snedvridning av resultat - BIAS Minskar EJ med ökande stickprovsstorlek Avspeglas EJ i konfidensintervallets bredd

Tillfälliga fel Fel av slumpmässig natur och som är oberoende av exponeringsstatus, sjukdomsstatus (non-differential) Mätfel, fel svar Felklassificering av exponering/kohorttillhörighet Diagnos ej registrerad eller felaktig Tenderar oftast att försvaga sambandet mellan exponering och utfall

Systematiska fel (BIAS) Fel som är beroende av exponeringsstatus och/eller sjukdomsstatus (differential) Selektionsfel - Vem väljer att deltaga? - Vem deltar men hoppar över vissa frågor? Informationsfel - selektiv ihågkommelse - olika insamlingsmetoder Confounding (störfaktorer/förväxlingseffekter) Kan försvaga såväl som förstärka sambandet mellan exponering och utfall