1 / 23

Bronnen van ‘fout’

Bronnen van ‘fout’ . Validiteit (en precisie) Vertekening door inadequate selectie Vertekening door inadequate informatieverzameling Verstoring Effectmodificatie. Bronnen van ‘fout’ . Validiteit en precisie. Precisie: toevalsfouten, toevalsvariatie statistiek Validiteit:

jerzy
Télécharger la présentation

Bronnen van ‘fout’

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Bronnen van ‘fout’ • Validiteit (en precisie) • Vertekening door inadequate selectie • Vertekening door inadequate informatieverzameling • Verstoring • Effectmodificatie

  2. Bronnen van ‘fout’ • Validiteit en precisie Precisie: toevalsfouten, toevalsvariatie statistiek Validiteit: systematische fouten vertekening (bias) in onderzoeksresultaat opzet onderzoek analyse (statistiek) CAVE: validiteit belangrijker dan precisie !!

  3. Validiteit • Interne en externe validiteit Externe validiteit: veralgemeenbaarheid Interne validiteit: validiteit van de studiebevindingen voor de beoogde studiepopulatie onder invloed van: selectie informatieverzameling verstoring (confounding)

  4. Validiteit • Vertekening (bias) door selectie Afwijking van het gemeten effect door selectieprocedures Voorbeelden : zelfselectie diagnostische bias ‘healthy worker effect’

  5. Validiteit • Zelfselectie : Regio A Regio B 5000 inwoners 5000 inwoners 250 ziek 250 ziek Enquête: respons 90% regio A: 90% van de zieken regio B: 70% van de zieken STUDIEBEVINDINGEN: Regio A Regio B 4500 participanten 4500 participanten 225 ziek 175 ziek

  6. Validiteit • Vertekening (bias) door informatieverzameling Te vergelijken groepen bepaald verzamelen van relevante informatie Misclassificatie: differentieel als in functie van 2de as niet differentieel als onafhankelijk van 2de as

  7. Validiteit • Vertekening (bias) door informatieverzameling Voorbeeld: emfyseem bij rokers veronderstel rokers consulteren frequenter emfyseem vaak subklinisch vaker ‘toevallige’ diagnose bij rokers onderschatting emfyseem bij niet rokers

  8. Validiteit • Vertekening (bias) door informatieverzameling Voorbeeld: congenitale malformaties veronderstel moeders met misvormde baby’s herinneren zich beter infecties, traumata, medicatie onderschatting blootstelling bij moeders met niet-misvormde baby’s

  9. Verstoring (‘confounding’) • Verstoring Algemeen principe: Als (in afwezigheid van toeval) een associatie niet veroorzaakt wordt door bias (selectie bias of informatie bias), dan is ze het gevolg van causaliteit of van verstoring In termen van voorkomens functies: Y = f(X1,X2,X3,...Xi) Y = variabele voor voorkomen (afh. variabele) X1 = Centrale onafhankelijke variabele X2-i = Andere onafhankelijke variabelen (‘confounders, effectmodificatoren’)

  10. Verstoring Voorbeeld ? Het bij zich hebben van lucifers of een aansteker Longkanker op latere leeftijd ? ! roken

  11. Verstoring • Verstoring Als in een quasi experimenteel onderzoek (cohort studie) een blootstelling E geassocieerd is met ziekte, dan varieert de incidentie van ziekte over de strata gedefinieerd door de verschillende niveaus van E. Als deze verschillen nu (ten dele) veroorzaakt worden door een andere factor C, dan zeggen we dat C (partieel) de associatie tussen E en de ziekte heeft verstoord. Als C niet causaal gerelateerd is aan ziekte kunnen de verschillen in incidentie niet veroorzaakt zijn door C, dus verstoort C in dat geval de ziekte / blootstelling associatie NIET. Er kan slechts verstoring optreden wanneer de effecten van de blootstellingsfactor en die van de verstorende factor vermengd zijn.

  12. Hoog risico voor longkanker • zwaar? • Hoge prevalentie van een beroepsmatige • blootstelling • Roken • Laag risico voor long kanker • niet • Lage prevalentie van een beroepsmatige • blootstelling Verstoring Voorbeeld

  13. + - • Blootgesteld a b • niet-blootgesteld c d Ziekte status CIRp = [a:(a+b)] /[c:(c+d)] Verstoring Veronderstel dat we de volgende tabel bekomen uit de gepoolde gegevens van een cohort studie. We vragen ons af of een factor C de associatie tussen de blootstelling E en de ziekte heeft verstoord

  14. Factor C+ Factor C- • + - • blootgesteld a1 b1 • niet-blootgesteld c1 d1 • + - • a2 b2 • c2 d2 Ziekte status Ziekte status Verstoring Als er verstoring is, dan willen we weten wat de associatie is tussen E en de ziekte voor vaste waarden van C i.e. conditioneel op C CIR1 = [a1:(a1+ b1)] / [c1::(c1 + d1 )] CIR2 = [a2:(a2+ b2)] / [c2::(c2 + d2 )]

  15. Verstoring • Als we aannemen dat CIR1 = CIR2 , dan reflecteert deze gemeenschappelijke waarde de echte associatie tussen de blootstelling E en de ziekte. We noemen dit de CIR. • Verstoring treedt op als, en alleen als, de beide volgende condities vervuld zijn: • C en E zijn met mekaar geassocieerd in de studie populatie • C is geassocieerd met ziekte, na stratificatie voor E

  16. + - • blootgesteld 24 1476 1500 • niet-blootgesteld 8 2492 2500 Ziekte status CIRp = [a:(a+b)] / [c:(c+d)] = 5.00 RORp = ad / bc = 5.06 Verstoring Voorbeeld. Veronderstel dat we volgende tabel bekomen uit de gepoolde gegevens van een cohort studie.

  17. Oud Jong • + - • blootgesteld 16 484 500 • niet-blootgesteld 4 496 500 • + - • 8 992 1000 • 4 1996 2000 Ziekte status Ziekte status OR1 = 4.01 OR2 = 4.02 CIR1 = 4.00 CIR2 = 4.00 Verstoring Leeftijd is een potentiele confounder, onze zorg is de associatie tussen E en de ziekte voor vaste waarden van de leeftijd i.e. conditioneel op C

  18. Verstoring • Bepaling van de aanwezigheid van verstoring: • 1. Welke variabele zou geassocieerd zijn met ziekte ? • Potentiele verstoring • 2. Is deze variabele geassocieerd met de blootstelling ? • Actuele verstoring • Cave: Verstoring is geen probleem van precisie; daarom is de vaststelling ervan niet gebaseerd op testen van significantie !! • Een variabele die een stap is in het ziekteproces kan geen confounder zijn !

  19. + - • Case 12 30 • Control 4 22 Exposure E Verstoring • Cave: Meerdere verstorende variabelen Odds ratio = 2.2

  20. Factor C1+ Factor C1- Factor C2+ Factor C2- • + - • Case 6 15 • Control 2 11 • + - • 6 15 • 2 11 • + - • 6 15 • 2 11 • + - • 6 15 • 2 11 Exposure E Exposure E Exposure E Exposure E OR1 = 2.2 OR2 = 2.2 OR1 = 2.2 OR2 = 2.2 Verstoring • Cave: Meerdere verstorende variabelen

  21. Factor C1+C2+ Factor C1+C2- Factor C1-C2+ Factor C1-C2- • + - • Case 1 10 • Control 1 10 • + - • 5 5 • 1 1 • + - • 1 10 • 1 10 • + - • 5 5 • 1 1 Exposure E Exposure E Exposure E Exposure E OR = 1 OR= 1 OR = 1 OR= 1 Verstoring • Cave: Meerdere verstorende variabelen

  22. Factor C2 • + - • Case • Control • + - • + - • + - 1 2 3 4 Exposure E Exposure E Exposure E Exposure E Factor C1 1 • Case • Control 2 • Case • Control 3 Verstoring • Verschillende (polytomome) verstorende factoren: stratifieer voor alle tegelijkertijd.

  23. Verstoring • Controle van verstoring: • Studie ontwerp: • randomisatie • blocking (restrictie) • matching • Analyse: • stratificatie • multiple regressie (voorkomens functies) • Tolerantie voor verstoring !!

More Related