590 likes | 702 Vues
Biostatic & Epidemiology. By M.H.DAVARI M.D. امروزه برای مطالعه پژوهشهایی که در زمینه پزشکی انجام می شوند، دانستن اطلاعات آماری و اپیدمیولوژیک ضروری است.
E N D
Biostatic &Epidemiology By M.H.DAVARI M.D
امروزه برای مطالعه پژوهشهایی که در زمینه پزشکی انجام می شوند، دانستن اطلاعات آماری و اپیدمیولوژیک ضروری است. • به خصوص در حیطه طب کار و بیماری های شغلی که بسیاری از یافته ها بر اساس بررسی های اپیدمیولوژیک بر روی افراد دارای مواجهات بسیار اندک با مواد خاص، بدست می آید.
متغیر(Data ,Variable) • مشخصه یک فرد ویا پدیده ای که قابل اندازه گیری است و می تواند مقادیر مختلفیرا بپذیرد. • کمی Quantitative: • Interval Discrete • RatioContinuous • کیفی Qualitative: • Nominal • Ordinal
کمی:Quantitative • فاصله ای Interval: مثال درجه حرارت ، تاریخ تقویمی مبدا قراردادی است صفر به معنی نبودن خاصیت مورد نظر نیست و با عوض شدن مقیاس اندازه صفر دیگر برابر صفر نیست • نسبیRatio: • مثال: وزن ، سرعت، میزان FVC صفر به معنی نبودن است
Quantitative کمی: گسسته(Discrete) : تعداد کارگران، تعداد مشاغل موجود در یک کارخانه پیوسته(Continuous) : قد، وزن، سطح سرب خون، میزان FEV1، سابقه کار
Qualitative کیفی: • Nominal: برتری در کار نیست مثال: سن، جنس، نژاد، گروه خونی، شغل • Ordinal: بین گروهها از نظر متغیر مورد نظر برتری وجود دارد مثال: شدت بیماری (NIHL) ، نمرات علمی دستیاران،ILO classification، Socioeconomic status، شدت obstruction در اسپیرومتری
برای آنالیز اطلاعات 2 مرحله باید طی شود: • مرحله اول: توصیف و خلاصه سازی اطلاعات بوسیله آمار توصیفی (میانگین، میانه، واریانس و انحراف معیار) • مرحله دوم: آزمایش فرضیه های خاصی که قبل از اجرای پژوهش تعیین شده اند 9
خلاصه سازی اطلاعات بوسیله آمار توصیفی • شاخص های مرکزی: • Mean(میانگین): میانگین حسابی کل داده ها است به شدت تحت تاثیر extreme data قرار میگیرند • Median(میانه): داده میانی اطلاعات است به طوری که نیمی از داده ها در بالای آن و نیمی دیگر در زیر آن قرار دارند در صورت وجود extreme data میانه نسبت به میانگین شاخص مرکزی بهتری است • :Mode پر تکرار ترین داده در میان کل داده ها در پزشکی کاربرد چندانی ندارد
7 8 7 7 7 6 7 7 7 7 7 7 3 2 7 8 13 9 Mean = 7 SD=0.63 Mean = 7 SD=0 Mean = 7 SD=4.04
شاخص های پراکندگی: • Range (دامنه) • اختلاف بین بیشترین و کمترین داده • Variance(پراش) • نشان دهنده پراکندگی داده ها نسبت به میانگین • Standard deviation (انحرافمعیار) • (Coefficient of Variations)CV (ضریب تغییرات) • برای مقایسه پراکندگی 2 صفت و یا یک صفت با 2 واحد متفاوت
توزیع نرمال • منحنی پراکندگی بیشتر صفات در جمعیت عمومی تقریباً مشابه یک دیگر است • زنگوله ای شکل و قرینه • نقش اصلی در آزمودن فرضیات • میانگین=میانه • میانگین و انحراف معیار
95% • ميانگين • انحراف معيار Frequency 69% μ+2SD μ-2SD μ-SD μ+SD μ
B A • Two normal distributions with identical means but different standard deviations • Two normal distributions with different means but identical standard deviations B A
آزمون فرضیه • تعیین نوع آزمون برای سنجش فرضیه باید قبل از جمع آوری داده ها صورت گیرد. • Null hypothesis فرضیه خنثی(H0): هیچ اختلافی در پارامتر های PFT بین کارگران معادن زیر زمینی و کارگران معادن روباز وجود ندارد. (اختلاف دیده شده در نتایج به علت تفاوت های فردی طبیعی در بین افراد جامعه است ونه به علت عامل خاص مد نظر ما) • Alternative hypothesis فرضیه مخالف (H1 or HA): پارامترهای PFT بین کارگران معادن زیر زمینی و کارگران معادن روبازمتفاوت است.
P-Values • احتمال اینکه رخ دادن واقعه فقط در اثر شانس باشد • در مطالعات پزشکی معمولاً سطح معناداری را 5% در نظر می گیریم وباید اختلاف دیده شده از نظر آماری زیر 5% یا 0/05 باشد • اگر P-Value بزرگتر و یا مساوی نقطه بحرانی(cut-off point) باشد فرضیه صفر مورد قبول واقع می شود.
انواع خطا ها در آزمون • خطای نوع اول (α): غلط دانستن فرضیه H0در حالی که درست است. • خطای نوع دوم(β): قبول فرضیه H0در صورتی که این فرضیه غلط است. Β-1یا توان آزمون: احتمال رد شدن فرضیه صفر در حالی که غلط است.
Standard error خطای معیار: • برای آنکه مشخص کنیم میانگین بدست آمده از نمونه تا چه اندازه به میانگین واقعی جامعه نزدیک است • =SEجذر تعداد نمونه ها / انحراف معیار جامعه • مثال: در یک مطالعه میانگین FVCدر100 فرد عادی 4 لیتر بدست آمده.با فرض توزیع نرمال این پارامتردر سطح جامعه با انحراف معیار1،با فاصله اطمینان 95%،حدود میانگین جامعه برابر؟؟؟؟؟؟؟؟؟؟ 3/8-4/2 SE = 1/√100 = 0.1 4+,-(2)0.1 =
Chi square • تعیین ارتباط بین 2 یا چند متغیر کیفیدر 2 یا چند گروه • مثال: • تعیین ارتباط بین مواجهه با سیلیس (مواجهه دارد یا ندارد) و ابتلا به برونشیت مزمن (بیماری دارد و یا ندارد) • مواجهه با فلزات سنگین و ابتلاء به کاهش شنوایی • مواجهه با ونیل کلراید و ابتلا به آکرواستئولیزیس در این موارد فرضیه صفر این است که هیچ رابطه ای بین متغییر های واقع در ستون با متغییر های واقع در سطر وجود ندارد
Pearson correlation : • تعیین ارتباط بین 2 متغیر کمی • تعیین ارتباط بین سطح کادمیوم شیر مادر و کادمیوم سرم نوزاد • تعیین ارتباط بین میزان سرب موجود در هوا و سطح سرب خون کارگر • ضریب+1:نشاندهنده همبستگی کامل و مستقیم • ضریب-1:نشاندهنده همبستگی کامل و معکوس • 0:ناهمبسته بودن دو صفت (از نظر خطی) • 1+_1-:همبستگی ناقص
T-Test • مقایسه 2 میانگین وقتی که انحراف معیار جامعه مشخص نباشد • مقایسه میانگین در 2 گروه از داده های کمیcontinuous • مثال: • تعیین تاثیر مواجهه با حلال های ارگانیک بر زمان واکنش دهی(reaction time) در افراد مواجهه یافته و مواجهه نیافته • تعیین تاثیر مواجهه با دی ایزوسیانات ها وتغییرات FEV1در افراد مواجهه یافته و نیافته
4. Paired t-test • مقایسه میانگین 2جامعه • مقایسه میانگین در 2 گروه از داده های continuous • مثال: • اندازه گیری FEV1 قبل و بعد از نوبت کاری • اندازه گیری فشار خون قبل و بعد از نوبت کاری • اندازه گیری فشار خون قبل و بعد از مصرف دارو • اندازه گیری فشار خون قبل و بعد از مواجهه با صوت
5.Analysis of variance(ANOVA) • مقایسه میانگینبیش از 2 گروه • مقایسه میانگین درگروههای از داده های continuous • مقایسه میانگین FEV1 در کارگران مواجهه یافته با 3 نوع گاز مختلف • مقایسه آستانه شنوایی در 3 روش PTA, High tone PTA, DPOAE
1350 1386
انواع مطالعات اپیدمیولوژیک • Descriptive study: The First step in epidemiologic studies
Cross Sectional Studies Example Advantages: • Hypothesis generation • Estimate overall and specific disease prevalence • Estimate exposure proportions in the population • Easy, Quick and Inexpensive • Best suited to studying permanent factors (race, sex, blood-type, number of workers)
Disadvantages: • Impractical for rare diseases • Not a useful type of study for establishing causal relationships • Confounding is difficult to control
Cohort Studies • In a cohort study, subjects with an exposure to a causal factor are identified and the incidence of a disease over time (or prospectively) is compared with that of controls (persons who do not have the exposure) to determine whether disease occurs at a rate different from that in a cohort without the exposure.
Measures of Association in a Cohort Study • 1.Relative risk: بیماری در افراد با مواجهه + ----------------------------- کل افراد مواجهه + خطر بیماری در مواجهه+ ------------------------------------------- = ------------------------ بیماری در افراد مواجهه - خطر بیماری در مواجهه - ---------------------------- کل افراد مواجهه - • An RR greater than 1 implies a positive association of the disease with the exposure of interest
2.Attributable risk (fraction): • is the rate in the exposed population minus the rate in the non exposed population • it helps give an idea about the amount of disease that could be avoided by reducing risk factors in individuals
3. Population attributable risk percentage: • is the proportion of a disease in a population related to (or "attributable to") a given exposure. • important for public health policy and planning, that is, in estimating what percent of cases in a population could be eliminated by removing an exposure
Advantages: • Allows study of rareexposures(In radiation related cancers( • Lower potential for bias than a case-control study - no recall and selection bias • Results are considered more conclusive than results from case-control studies
Disadvantage • Larger sample size than case-control • Impractical for rare diseases - even if risk is high, no cases may occur or results • Data collection is usually very expensive • Long time commitment for follow-up
Case control study • The case-control study is always retrospective. The investigator starts by identifying diseased and non diseased individuals and looks backward for the presence or absence of exposures in these individuals • In occupational epidemiology : to evaluate multiple exposures associated with a single outcome
For example, to study the relationship between asbestos exposure and mesothelioma, a case-control study would compare the history of asbestos exposure in a group of mesothelioma patients with the history of asbestos exposure in a group of subjects who do not have mesothelioma.
Advantage: • Good for rare disease • Inexpensive • Possibility of exploring of multipleexposures • Requires relatively littletime to conduct
Disadvantage: • Bias (recall, selection) • Temporary can be difficult to establish • Can’t calculate incidence, relative risk or attributable risk
Analysis of case-control studies • Odd ratio: An estimate of Relative Risk (a)Number of Patients in exposure+ ---------------------------------------------- (b)Number of Patients in exposure- ------------------------------------------------------------- = ad /bc= Odd Ratio (c)Number of Not patients in exposure+ --------------------------------------------------- (d) Number of Not Patients in exposure-
Clinical trial • The experimental study is the type of design most familiar to clinical investigators, but it is rarely encountered in occupational epidemiology. • Same disease and different treatment • Example: • men with asbestos exposure, who are at increased risk of lung cancer, were randomly assigned to receive beta-carotene or a placebo. The study was undertaken to determine whether beta-carotene decreases the risk of developing lung cancer
Men aged 45 years and older with a history of heavy cigarette smoking were assigned to a dual-screened group receiving chest radiographsand sputum cytologictesting or to a group receiving only chest radiographs. The objective was to determine whether the addition of sputum cytologic testing to regular chest radiography resulted in earlier detection and improved lung cancer survival