1 / 34

Grundläggande Biostatistik

Grundläggande Biostatistik. Joacim Rocklöv, Lektor Epidemiologi och global hälsa Umeå Universitet. Modellbaserad analys Regression Logistisk regression Överlevnadsanalys. Konfidensintervall P-värden (enkla tester). Formell analys. Hitta misstag Hantera extremvärden Bortfall.

trinh
Télécharger la présentation

Grundläggande Biostatistik

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. Grundläggande Biostatistik Joacim Rocklöv, Lektor Epidemiologi och global hälsa Umeå Universitet

  2. Modellbaserad analys Regression Logistisk regression Överlevnadsanalys Konfidensintervall P-värden (enkla tester) Formell analys Hitta misstag Hantera extremvärden Bortfall Lär känna data, tabeller, mått, grafer Informell data analys Hur samlas data in? Mätskalor reliabilitetvaliditet Design och mätning

  3. Syften.. • Skatta prevalens och risker för insjuknande av sjukdom • Jämföra utfall av behandling tex läkemedel/rehabiliteringsmetoder • Kartlägga riskfaktorer, dvs faktorer som ökar risken för sjukdom • Följa förlopp – tillväxtkurvor, etc…

  4. Strategi vid kliniska prövningar • - Sample size beräkningar • Datainsamling • Beskrivande statistik • Statistisk analys • Inferens • - Presentation/publikation

  5. Mätning Variabel Kategorisk Kvantitativ Diskret Kontinuerlig Ordnad Ej ordnad

  6. Grupper av variabler • Utfallsvariabler – primära/sekundära • Behandlingsvariabler/riskfaktorer – variabler som påverkar utfallet • Bakgrundsvariabler – demografiska variabler • Förväxlingsvariabler – confounders/inflytelserika men ej intressanta variabler för frågeställningen

  7. Kvalitativavariabler = kategorivariabler Kvantitativavariabler = numeriskavariabler Nominala variabler Utfallen är kategorier som inte kan rangordnas Ordinala variabler Utfallen är ordnade kategorier Intervall- variabler Kan beräkna differenser men inte kvoter Kvot- variabler Kan beräkna differenser och kvoter Blodtyp Kön Yrke Rökning (ja/nej) VAS-skalan Betyg Självskattad hälsa, smärta Rökning (nej, lite, mycket) Temperatur Mätt i C° F° K° Längd Vikt, ålder Rökning (antal cigaretter per dag) Datanivåer (typer av variabler)

  8. x y x y Orsak verkan samband? x påverkar y x är associerad med y

  9. Studiedesign Experiment Observationsstudie Tvärsnitts- undersökning Longitudinell undersökning Klinisk prövning Kohortstudie Fall-kontroll studie

  10. Randomiserad kontrollerad studie Behandling Utfall Patienter Randomisering Kontroll/ Placebo Utfall Fler armar kan förekomma

  11. Kohort studie Exponerade Utfall Population Ej exponerade Utfall

  12. Fall kontroll studie Fall Exponerade Kontroller Ej exponerade

  13. Tvärsnitts-studie Mätningar Population Urval

  14. Analys och inferens Skattning av sant medelvärde Sant medelvärde Inferens Urvalsmetod Population Urval

  15. Inferens 2: Hypotesprövning Skiljer sig män och kvinnor åt vad avser kroppstemperatur? P-värde = 0.024 Slutsats: ?

  16. Statistisk inferens de metoder som används för att utifrån ett stickprov dra slutsatser om en hel population.

  17. Hypotesprövning Vid prövning av behandlingsmetod på två grupper: H0: ingen skillnad mellan grupper HA: skillnad mellan grupper När väljer vi nollhypotesen och när förkastar vi den till fördel för den alternativa hypotesen?

  18. Konfidensintervall • Skattningar är osäkra på grund av att vi studerar en del av populationen. • Skattningar kan ges med FELMARGINAL. • Det kallas KONFIDENSINTERVALL. • Konfidensintervallet anges med grad av osäkerhet som kallas konfidensnivå (95%, 99%, etc)

  19. Konfidensintervall intervall som inkluderar det sanna medelvärdet nästan säkert (95%). Kroppstemperatur Konfidensintervallet blir 36.73 – 36.88 Detta intervall inkluderar populationens medelvärde nästan säkert (med 95% konfidens)

  20. P-värde p-värde = sannolikheten för det erhållna utfallet eller extremare under förutsättning att nollhypotesen är sann. • Om denna sannolikhet är liten tror vi att nollhypotesen är falsk. Vi förkastar nollhypotesen. • Om denna sannolikhet är stor kan vi inteförkasta nollhypotesen.

  21. Praxis för bedömning av p-värden p > 0.05 ingen skillnad (ej signifikant) 0.05>p>0.01 skillnad (signifikant *) 0.01>p>0.001 skillnad (signifikant **) 0.001>p skillnad (signifikant ***)

  22. H0: grupp1=grupp2 HA: grupp1≠grupp2 Typ I och II fel Type 1 error is referred to as false positive Type 2 error is referred to as false negative

  23. Begreppet power – studiens styrka • Sannolikheten att kunna påvisa en skillnad mellan • grupper (tex behandlingsgrupper) om den finns där • Utgör en komponent vid bestämning av studiens storlek • Andra komponenter är: • Den minsta skillnad vi vill kunna påvisa • Risk för ett falskt positivt fynd (alfa-fel) • Storleken av spridningen i utfallet • Val av metod

  24. Presentation av data Bild Mått Tabell Val styrs av variabeltyp

  25. Lägesmått Medelvärde Median ”Mittersta värdet” 36.8 gr C 36.8 gr C

  26. Variationsmått Standardavvikelse Kvartilavstånd (IQR) Variationsvidd (Range) s = 4.13 år q1 = 36.56, q3 = 37.06 IQR= 0.5 grC max =38.22, min = 35.72 VV = 2.5

  27. Grafisk beskrivning: Histogram Referens

  28. Grafisk bild av samband (scatter plot) År styrka i höger och vänster hand associerade?

  29. Grafisk beskrivning: Boxplot

  30. Tabellpresentation

  31. Jämförelse mellan grupper

More Related