3 typer. Case-kohorte. Nested case-kontrol. Case-non case (klassisk case-kontrol us.)
|
|
- Signe Nørgaard
- 6 år siden
- Visninger:
Transkript
1 EPIDEMIOLOGI CASE-KONTROL STUDIER September 2011 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse
2 Case kontrol studie 3 typer Case-kohorte Nested case-kontrol Case-non case (klassisk case-kontrol us.)
3 Vigtige begreber Studiebasen Studiepopulationen Follow-up Eksponering Udfald Hyppigheds- og effektmål
4 Deskriptiv & analytisk epidemiologi
5 Studie Base Studiepopulationen N+ Eksponerede N U-eksponerede ('kontrolgruppen') t 0 Tid
6 Studiepopulationen Eksponerede Ueksponerede Studie Base Outcome t 0 Follow-up t slut Tid
7 Hyppigheds- og Effektmål Hyppighedsmål Incidens proportion (IP) Incidens rate [Prævalens proportion (PP)] Effektmål IP ratio (RR) Incidens rate ratio (IRR) Odds ratio (OR)
8 Kohorte studie Eksponeringsstatus Follow-up Udfald +/ Fedme +/ Diabetes
9 Case-kontrol studie Aktuelle helbredsstatus Tidligere eksponering? Case Kontrol +/ Eksponering
10 Case-kontrol studie kan forstås som en effektiv måde at udføre et kohorte studie på
11 Case-kontrol studie Studiebasen Case-gruppen ' Case-gruppen definerer studiebasen Eksponerings-odds i case-gruppen er 2:2: eksp. Odds case = 2/2
12 Fordelingen af eksponeringen: Cases I case-gruppen var: 2 personer eksponerede 2 personer ikke-eksponerede Eksponerings-odds (cases) var: Eksp. odds cases = 2/2 Spørgsmålet er: Er case-gruppens eksponering usædvanlig høj?
13 Er casegruppens eksponering usædvanlig høj? For at få svar på dette spørgsmål er det nødvendig at kende fordelingen af eksponeringen blandt RASKE i studiebasen!
14 Case-kontrol studie Studiebasen Kontrolgruppen Eksponerings-odds i kontrolgruppen er 1:5 eksp. Odds kontrol = 1/5
15 Fordelingen af eksponeringen: Kontroller I kontrolgruppen var: 1 person eksponeret 5 personer ikke-eksponerede Eksponerings-odds (kontrol) var: Eksp. odds kontrol = 1/5 Eksponeringen i case-gruppen er altså større end i kontrolgruppen!
16 Case-kontrol studie Studiebasen Case Kontrol Eksponerings Odds Ratio = 2/2 1/5 =5
17 Case-kontrol studie OR = 5 betyder At odds for at få sygdommen er 5 gange større, hvis man er eksponeret, end hvis man ikke er det Hvilket svarer til en 5 gange højere estimeret risiko Eller at den estimerede relative risiko er 5 OR omtales derfor ofte som et Relativt risikomål
18 Case-kontrol studie Hovedformålet med kontrolgruppen er altså alene: at finde fordelingen af eksponeringen blandt RASKE i den studiebase, som cases kommer fra!
19 Valg af kontrolgruppe Man kan finde fordelingen af eksponeringen ved at undersøge hele studiebasen! Det er i princippet det man gør i et kohortestudie! Det er dog ikke nødvendig at undersøge hele studiebasen for at få et godt estimat af fordelingen af eksponeringen Det er mere behændigt alene at bestemme eksponeringen i en stikprøve af studiebasen! Hvordan?
20 Case-kontrol studie Studiebasen Kontrolgruppen Kontrolgruppen udtrækkes som en strikprøve i studiebasen Hvordan?
21 Studie Base Hvordan udtrækkes kontrolstikprøven i studiebasen? N+ N t 0 t 1,..., t n t slut Tid t = t 0 t = (t 1,,t n ) t = t slut Case-kohorte Nested C-K Case-non-Case
22 Stikprøven = Efficacy Det er mere behændigt alene at bestemme eksponeringen i en stikprøve af studiebasen! Fx. alle cases, og Fx. 10 % af kontrolpopulationen, eller 5 kontroller pr. case Dvs. eksponeringsstatus undersøges alene for en mindre fraktion af studiebasen
23 Case-kohorte studie Kontrolgruppen udtrækkes tilfældigt fra studiebasen Ved start af follow-up, hvor alle endnu er raske, uafhængig af case-status senere i follow-up: Antal af eksponerede og ikke-eksponerede individer i stikprøven afspejler N+ og N OR = Incidens Odds Ratio
24 Nested case-kontrol studie En eller flere kontroller udtrækkes tilfældigt blandt personer i studiebasen, Der på tidspunktet for identifikationen af casepersonen var i risiko ( Risk set sampling eller Incidence density sampling ): Antallet af eksponerede og ikke-eksponerede individer i stikprøven afspejler t+ og t OR = Incidens Rate Ratio = IRR
25 Case-non-Case studie Klassisk case-kontrol Kontrolgruppen udtrækkes tilfældigt blandt personer i studiebasen, der fortsat er i risiko (dvs. raske) ved afslutning af follow-up/studieperioden: Antallet af eksponerede og ikke-eksponerede individer i stikprøven afspejler b og d OR = OR
26 Eksponerings OR versus Incidens OR I kohortestudiet estimeres en Incidens OR mens der i case-kontrol studiet estimeres en Eksponerings OR Hvad er forskellen?
27 Case-kontrol studie Tidligere eksponeret? Eksponerings Odds Case = A/C Eksponerings Odds Kontrol = B/D Ja A B Nej C D Eksponerings Odds Ratio (OR) = (A/C) / (B/D) = (A/B) / (C/D) = A x D / B x C
28 Case-kontrol studie Tidligere eksponeret? Ja A C Nej B D Incidens Odds eksp. = A/C Incidens Odds ikke-eksp. = B/D Incidens Odds Ratio (OR) = (A/C) / (B/D) = A x D / B x C
29 Eksponerings Odds Ratioen er lig med Incidens Odds Ratioen dvs. man går fra sygdom til eksponering i designet, men man konkluderer fra eksponering til sygdom!
30 Case- og kontrolgruppen skal være sammenlignelig! Samme studiebase : Kontrolgruppen er ikke den totale non-case population, men den del af non-case populationen, som ville have været identificeret som cases, hvis de havde fået sygdommen!
31 Case- og kontrolgruppen skal være sammenlignelig Er det nødvendigt at inklusions- og eksklusionskriterierne er de samme for både case- og kontrolgruppen? Ja Valget af kontrolgruppen er altid specifik til case gruppen!
32 Odds ratio i et kohortestudie Kohortestudie: Gastrointestinal blødning blandt rhesus-positive og negative individer Blødning Ingen blødning Rhesus pos 50 (a) (b) Rhesus neg 40 (c) (d) Odds for blødning hos Rhesus positive individer: 50 : Odds for blødning hos Rhesus negative individer: 40 : Odds ratio: (50:99950)/(40:99960) = (a x d)/(c x b) =
33 Odds ratio i et case-kontrol studie Case-kontrol studie Blødning Ingen blødning Rhesus pos 50 (a) (b) Rhesus neg 40 (c) (d) Odds for Rhesus+ blandt blødende individer: 50 : 40 Odds for Rhesus+ blandt ikke-blødende individer: 99950:99960 Odds ratio: (50:40)/(99950:99960) = (a x d)/(c x b) =
34 Konfidensinterval SD(ln(OR))=(1/a + 1/b + 1/c + 1/d) 0.5 Case-kontrol studie Blødning Ingen blødning Rhesus pos 50 (a) 99,950 (b) Rhesus neg 40 (c) 99,960 (d) Odds ratio: = 1,2501 CI = 0,8178 1,9109
35 Konfidensinterval Med en 1% stikprøve (kontrolgruppe) fra studiebasen Case-kontrol studie Blødning Ingen blødning Rhesus pos 50 (a) 40 (b) Rhesus neg 999 (c) 1000 (d) Odds ratio: (50:40)/(999:1000) = (a x d)/(c x b) =
36 Konklusion Med en 1% stikprøve (kontrolgruppe): CI = 0,8103 1,9286 Med hele studiepopulationen (studiebasen): CI = 0,8178-1,9109 Vi har udeladt 99% af materialet ; OR er uændret og konfidensintervallet er kun blevet minimalt bredere på 3. decimal
Præcision og effektivitet (efficiency)?
Case-kontrol studier PhD kursus i Epidemiologi Københavns Universitet 18 Sep 2012 Søren Friis Center for Kræftforskning, Kræftens Bekæmpelse Valg af design Problemstilling? Validitet? Præcision og effektivitet
Læs mereHyppigheds- og associationsmål. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011
Hyppigheds- og associationsmål Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Februar 2011 Læringsmål Incidens Incidens rate Incidens proportion Prævalens proportion
Læs mereStudiedesigns: Case-kontrolundersøgelser
Studiedesigns: Case-kontrolundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. maj 2016 l Dias nummer 1 Sidste
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. april 2016 l Dias nummer 1 Sidste gang
Læs mereKursus i Epidemiologi og Biostatistik. Epidemiologiske mål. Studiedesign. Svend Juul
Kursus i Epidemiologi og Biostatistik Epidemiologiske mål Studiedesign Svend Juul 1 Pludselig uventet spædbarnsdød (vuggedød, Sudden Infant Death Syndrome, SIDS) Uventet dødsfald hos et rask spædbarn (8
Læs mereEpidemiologiske associationsmål
Epidemiologiske associationsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 16. april 2015 l Dias nummer 1 Sidste gang
Læs mereEpidemiologiske mål Studiedesign
Epidemiologiske mål Studiedesign Svend Juul Pludselig uventet spædbarnsdød Sudden Infant Death Syndrome, SIDS Uventet dødsfald hos et rask spædbarn. Obduktion o.a. giver ingen forklaring. Hyppigheden -doblet
Læs mereEks. 1: Kontinuert variabel som i princippet kan måles med uendelig præcision. tid, vægt,
Statistik noter Indhold Datatyper... 2 Middelværdi og standardafvigelse... 2 Normalfordelingen og en stikprøve... 2 prædiktionsinteval... 3 Beregne andel mellem 2 værdier, eller over og unden en værdi
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Mål for sammenhæng mellem to variable
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Mål for sammenhæng mellem to variable Estimation Stikprøve Data Population Teori relativ hyppighed parameter estimat sandsynlighed parameter
Læs mereOBSERVERENDE UNDERSØGELSER. Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002
OBSERVERENDE UNDERSØGELSER Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Forår 2002 Epidemiologisk design Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer
Læs mereEpidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel
Epidemiologi. Hvad er det? Øjvind Lidegaard og Ulrik Kesmodel Rigshospitalet Århus Sygehus Epidemiologi. Hvad er det? Definition Læren om sygdommes udbredelse og årsager Indhold To hovedopgaver: Deskriptiv
Læs mereHvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Hvorfor er forskning væsentlig? Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Hvorfor er forskning væsentlig? Nødvendig for at forstå sygdom Forudsætning for mere rationel diagnostik
Læs mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 3. maj 2016 l Dias nummer 1 Sidste gang
Læs mereEPIDEMIOLOGI MODUL 7. April Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM
EPIDEMIOLOGI MODUL 7 April 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse DAGENS PROGRAM Selektionsbias et par udvalgte emner Confounding by indication Immortal time bias
Læs mere9. Chi-i-anden test, case-control data, logistisk regression.
Biostatistik - Cand.Scient.San. 2. semester Karl Bang Christensen Biostatististisk afdeling, KU kach@biostat.ku.dk, 35327491 9. Chi-i-anden test, case-control data, logistisk regression. http://biostat.ku.dk/~kach/css2014/
Læs mereEpidemiologisk og biostatistisk metode i folkesundhedsvidenskab. Der er mange niveauer at gennemføre studierne på. Anvendt epidemiologi.
Epidemiologisk og biostatistisk metode i folkesundhedsvidenskab Introduktionsmodul definition/ EPIDEMIOLOGI - epi (ved, omkring) - demos (folket) - logos (læren om..) Den videnskabelige disciplin som omhandler
Læs mereTo grundlæggende kategorier af sygdomsmål: EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER. prævalens og incidens
EPIDEMIOLOGISKE MÅL OG DESIGN-OPTIONER Hyppighedsmål Prævalens Incidens Kumuleret incidensproportion Incidens rate Associationsmål Relativ Risiko Risiko Differens To grundlæggende kategorier af sygdomsmål:
Læs mereStudiedesigns: Alternative designs
Studiedesigns: Alternative designs Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 20. maj 2014 l Dias nummer 1 Sidste gang
Læs mereDepartment of Public Health. Case-control design. Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine
Department of Public Health Case-control design Katrine Strandberg-Larsen Department of Public Health, Section of Social Medicine Case-control design Brief summary: Comparison of cases vs. controls with
Læs mereKohorte studier. Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
Kohorte studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Kohorte En konkret persongruppe Kohortedesign Giver eksponering X og outcome Y? Kohortedesign Giver eksponering X og outcome
Læs mereStudiedesigns: Kohorteundersøgelser
Studiedesigns: Kohorteundersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. april 2015 l Dias nummer 1 Sidste
Læs merePopulation attributable fraction
Population attributable fraction Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 2. juni 2015 l Dias nummer 1 Sidste gang
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereEpidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts
Århus 27. februar 2011 Morten Frydenberg Epidemiologi og Biostatistik Opgaver i Biostatistik Uge 4: 2. marts Epibasic er nu opdateret til version 2.02 (obs. der er ikke ændret ved arket C-risk) Start med
Læs mereStudiedesign. Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard
Studiedesign Rikke Guldberg Ulrik Schiøler Kesmodel Øjvind Lidegaard Studiedesign Økologiske studier Tværsnitsstudier Case-kontrolstudier Kohortestudier Randomiserede studier Hvorfor er det vigtigt at
Læs mereFejlkilder. Ulrik Schiøler Kesmodel. Rikke Guldberg Øjvind Lidegaard
Fejlkilder Ulrik Schiøler Kesmodel Rikke Guldberg Øjvind Lidegaard Fejlkilder 1. Selektionsproblemer 2. Informationsproblemer 3. Confounding Generelle overvejelser I Det estimat for hyppighed, som vi måler
Læs mereSammenhængsanalyser. Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt.
Sammenhængsanalyser Et eksempel: Sammenhæng mellem rygevaner som 45-årig og selvvurderet helbred som 51 blandt mænd fra Københavns amt. rygevaner som 45 årig * helbred som 51 årig Crosstabulation rygevaner
Læs mereMålsætning. Vurdering af epidemiologiske undersøgelser
Vurdering af epidemiologiske undersøgelser Målsætning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet At belyse en videnskabelig problemstilling ved at indsamle, analysere
Læs mereEpidemiologiske hyppighedsmål
Epidemiologiske hyppighedsmål Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 14. april 2015 l Dias nummer 1 Sidste gang
Læs mere4. september 2003. π B = Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 28. august 2003 Morten Frydenberg, Institut for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (udfra
Læs mereEffektmålsmodifikation
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
Læs mereOvervejelser vedr. outcomes i (farmako)epidemiologiske studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
Overvejelser vedr. outcomes i (farmako)epidemiologiske studier Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Outcome/event/udfald Den sygdomstilstand vi ønsker at undersøge I et kohortestudie:
Læs mere2. Hvilke(t) epidemiologisk(e) design(s) anvender forfatterne til at belyse problemstillingen? (7 point)
Eksamensopgave i Epidemiologiske metoder, IT & Sundhed forår 2011 Læs artiklen grundigt og svar derefter på alle spørgsmål. Under hver opgave står hvor mange point der maksimalt kan opnås for opgaven.
Læs mereAnalyse af binære responsvariable
Analyse af binære responsvariable Susanne Rosthøj Biostatistisk Afdeling Institut for Folkesundhedsvidenskab Københavns Universitet 23. november 2012 Har mænd lettere ved at komme ind på Berkeley? UC Berkeley
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering II
Eksperimentelle undersøgelser Kim Overvad Institut for Epidemiologi og Socialmedicin Aarhus Universitet Efterår 2001 Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden
Læs mereVurdering af epidemiologiske undersøgelser. Epidemiologisk forskning
Vurdering af epidemiologiske undersøgelser Epidemiologisk forskning Mogens Vestergaard Institut for Epidemiologi og Socialmedicin Aarhus Universitet mv@soci.au.dk At belyse en videnskabelig hypotese ved
Læs mereFostervandsprøve ve og moderkageprøve
Fostervandsprøve ve og moderkageprøve U-kursus i føtalmedicin 2008 Teknik UL-vejledt Erfaren operatør Nåletykkelse 0,9 mm 2 punkturer max. Undgå placenta? Teknik Antal indstik > 2 øger aborthyppigheden
Læs mereMPH Introduktionsmodul: Epidemiologi og Biostatistik 23.09.2003
Opgave 1 (mandag) Figuren nedenfor viser tilfælde af mononukleose i en lille population bestående af 20 personer. Start og slut på en sygdoms periode er angivet med. 20 15 person number 10 5 1 July 1970
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Darts et eksempel på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann. februar 00 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser. Traditionelt
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereVurdering af epidemiologiske undersøgelser igen
Vurdering af epidemiologiske undersøgelser igen kob Grove 13. februar, 2006 Program Confounding og effektmodifikation Hvad er confounding Hvad er effektmodifikation Er der confounding eller effektmodifikation
Læs mereEffektmålsmodifikation
Effektmålsmodifikation Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab Sundhed og informatik l 25. april 2017 l Dias nummer 1 Sidste gang
Læs mereMikro-kursus i statistik 1. del. 24-11-2002 Mikrokursus i biostatistik 1
Mikro-kursus i statistik 1. del 24-11-2002 Mikrokursus i biostatistik 1 Hvad er statistik? Det systematiske studium af tilfældighedernes spil!dyrkes af biostatistikere Anvendes som redskab til vurdering
Læs mereIntern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser
Intern validitet: Fejlkilder og tolkningsproblemer i epidemiologiske undersøgelser Jørn Attermann 23. september 2009 Vurdering af den interne validitet af en epidemiologisk undersøgelse: Informationsproblemer
Læs mereEn teoretisk årsagsmodel: Operationalisering: Vurdering af epidemiologiske undersøgelser. 1. Informationsproblemer Eksempler på målefejl
Vurdering af epidemiologiske undersøgelser Jørn Attermann 6. februar 2006 I denne forelæsning vil vi se på fejl, som kan have betydning for fortolkningen af resultater fra epidemiologiske undersøgelser.
Læs mereBesvarelse af opgavesættet ved Reeksamen forår 2008
Besvarelse af opgavesættet ved Reeksamen forår 2008 10. marts 2008 1. Angiv formål med undersøgelsen. Beskriv kort hvordan cases og kontroller er udvalgt. Vurder om kontrolgruppen i det aktuelle studie
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 28. maj 2015 l Dias nummer 1 Sidste
Læs mereStudiedesigns: Randomiserede kontrollerede undersøgelser
Studiedesigns: Randomiserede kontrollerede undersøgelser Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 27. april 2017 l Dias nummer 1 Sidste
Læs mereEpidemiologi. Sjurdur F. Olsen. Epidemiologi: Introduktion. Epidemiologi: Introduktion. Epidemiologi: Eksempel. 1. Introduktion om epidemiologi
Epidemiologi Sjurdur F Olsen 1 Introduktion om epidemiologi 2 Om kursets indhold 3 Epidemiologiske mål 4 Epidemiologiske studiedesign Hvad er epidemiologi? Hvad er epidemiologi? Eksempler Epidemiologi:
Læs mereEpidemiologisk evidens og opsummering
Epidemiologisk evidens og opsummering Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 12. juni 2014 l Dias nummer 1 Sidste
Læs mere1. februar Lungefunktions data fra tirsdags Gennemsnit l/min
Epidemiologi og biostatistik Uge, torsdag 3. februar 005 Morten Frydenberg, Afdeling for Biostatistik. og hoste estimation sikkerhedsintervaller antagelr Normalfordelingen Prædiktion Statistisk test (ud
Læs mereEksperimenter. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Eksperimenter Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Epidemiologiske studier Observerende studier beskrivende (populationer) regional variation migrations
Læs mereLøsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06)
Afdeling for Biostatistik Bo Martin Bibby 23. november 2006 Løsning til eksamensopgaven i Basal Biostatistik (J.nr.: 1050/06) Vi betragter 4699 personer fra Framingham-studiet. Der er oplysninger om follow-up
Læs mereStudieplan Folkesundhedsvidenskab Semester 3
OMRÅDET FOR SUNDHEDSUDDANNELSER Studieplan Folkesundhedsvidenskab Semester 3 Bioanalytikeruddannelsen i Odense Efterår 2017 Semester 3 Indhold 1. Fagets fokus og emner... 3 2. Lektionsplan... 3 3. Litteraturliste:...
Læs mereDANSK RESUMÉ. Forhøjet blodtryk er i stigende grad almindeligt i afrikanske lande syd for Sahara.
DANSK RESUMÉ Introduktion Forhøjet blodtryk er i stigende grad almindeligt i afrikanske lande syd for Sahara. Epidemiologien bag denne epidemi, og måderne hvorpå den relaterer sig til sundhedssystemer
Læs mereMantel-Haenszel analyser. Stratificerede epidemiologiske analyser
Mantel-Haensel analyser Stratificerede epidemiologiske analyser 1 Den epidemiologiske synsvinkel: 1) Oftest asymmetriske (kausale) sammenhænge (Eksposition Sygdom/død) 2) Risikoen vurderes bedst ved hjælp
Læs mereÅrsager. Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev
Årsager Øjvind Lidegaard, RH Rikke Guldberg, Skejby Ulrik Kesmodel, Herlev Årsager Hvad er en årsag? Flere typer af årsager Hvad kendetegner en årsag? Hvorfor er årsager interessante? Identifikation af
Læs mereEpidemiologisk design I. Eksperimentelle undersøgelser. Epidemiologisk design II. Randomiserede undersøgelser. Randomisering I.
Eksperimentelle undersøgelser Epidemiologisk design I Observerende undersøgelser beskrivende: Undersøgelsesenheden er populationer regional variation migrationsundersøgelser korrelationsundersøgelser tidsrækker
Læs mereResultater fra BagPack-projektet om tungt løftearbejde blandt bagageportører i Købehavns Lufthavn
Indsæt hjælpelinjer til placering af objekter 1. Højreklik uden for slidet og vælg Gitter og hjælpelinjer 2. Sæt kryds ved Vis tegnehjælpelinjer på skærmen 3. Vælg OK Indsætte Titel/beskrivelse og Navn
Læs mereSelektionsbias. Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk. Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Selektionsbias Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab It og sundhed l 21. maj 2015 l Dias nummer 1 Sidste gang Vi snakkede om Præcision:
Læs mereConfounding. Mads Kamper-Jørgensen, lektor, Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab
Afdeling for Social medicin Confounding Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk, Institut for Folkesundhedsvidenskab Sundhed og informatik l 6. juni 2017 l Dias nummer 1 Sidste gang Vi snakkede
Læs mereREEKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N REEKSAMEN I EPIDEMIOLOGISKE METODER IT
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Uafhængighedstestet
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Uafhængighedstestet Eksempel: Bissau data Data kommer fra Guinea-Bissau i Vestafrika: 5273 børn blev undersøgt da de var yngre end 7 mdr og blev
Læs mereStatistik for MPH: 7
Statistik for MPH: 7 3. november 2011 www.biostat.ku.dk/~pka/mph11 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereBIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen
BIAS Kursus i basal farmakoepidemiologi 2018 Maja Hellfritzsch Poulsen Hvad er bias? Studiets resultat det sande resultat En systematisk over- eller undervurdering af en sammenhæng Pga. en systematisk
Læs mereFejlkilder. Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011
Fejlkilder Kim Overvad Afdeling for Epidemiologi Institut for Folkesundhed Aarhus Universitet Marts 2011 Læringsmål Tilfældig variation Selektionsproblemer Informationsproblemer Confounding Effekt modifikation
Læs mereEpidemiologi. Kursus forår 2004 Kohortestudier del 2 Interventionsstudier
Epidemiologi Kursus forår 2004 Kohortestudier del 2 Interventionsstudier Deskriptiv epidemiologi Fordele Billigt & nemt Ofte udgangspunkt i eksisterende data indsamlet til andet formål Hurtigt Ofte simple
Læs mereINTRO TIL EPIDEMIOLOGI FERTILITET
INTRO TIL EPIDEMIOLOGI FERTILITET JULIE LYNGSØ, LÆGE, PH.D.-STUDERENDE TORSDAG D. 03.02.2016 VELKOMMEN TIL EN SUPER AFTEN! 3 DISPOSITION EPI WORKSHOP - Kort præsentation af mig selv - Hvad er epidemiologi?
Læs mereTeknik. Teknik. Fostervandsprøve og moderkageprøve. Teknik. UL-vejledt Erfaren operatør Nåletykkelse 0.9 mm 2 punkturer max. Undgå placenta?
Teknik Fostervandsprøve og moderkageprøve UL-vejledt Erfaren operatør Nåletykkelse.9 mm 2 punkturer max. Undgå placenta? U-kursus i føtalmedicin 25 Teknik Antal indstik > 2 øger aborthyppigheden Operatørens
Læs mereHyppighed Risikofaktorer Behandlingseffekt Prognose
Hvad laver kliniske epidemiologer? Fastlæggelse af: Hyppighed Risikofaktorer Behandlingseffekt Prognose for klinisk definerede patientgrupper (fx. cancer, diabetes, lungebetændelse, ) Epidemiologiske begreber
Læs mereKommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993.
Kommentarer til spørgsmålene til artikel 1: Ethnic differences in mortality from sudden death syndrome in New Zealand, Mitchell et al., BMJ 1993. 1. Det anføres, at OR for maorier vs. ikke-maorier er 3.81.
Læs mere25. april Probability of Developing Coronary Heart Disease in 6 years. Women (Aged 35-70) 160 No Yes
25. april 2. gang: Introduktion til Logistisk Regression Morten Frydenberg 22 Institut for Biostatistik, Århus Universitet MPH. studieår specialmodul Cand. San. uddannelsen. studieår Hvorfor logistisk
Læs mereResultater. Formål. Results. Results. Må ikke indeholde. At fåf. kendskab til rapportering af resultater. beskrivelse
Formål Resultater kendskab til rapportering af resultater Andreas H. Lundh Infektionsmedicinsk Afdeling, Hvidovre Hospital Anders W. JørgensenJ Øre-næse-halsafdeling, Århus Universitetshospital Mål At
Læs mereSKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI Cand.Scient.San, 2. semester 20. februar 2015 (3 timer)
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N SKRIFTLIG EKSAMEN I BIOSTATISTIK OG EPIDEMIOLOGI
Læs mereUdarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning
Udarbejdelse af kliniske retningslinjer: Systematisk og kritisk læsning Anden del: systematisk og kritisk læsning DMCG-PAL, 8. april 2010 Annette de Thurah Sygeplejerske, MPH, ph.d. Århus Universitetshospital
Læs mereNoter til SfR checkliste 4 - Casekontrolundersøgelser
Noter til SfR checkliste 4 - Casekontrolundersøgelser Denne checkliste anvendes til undersøgelser, som er designet til at besvare spørgsmål af typen hvilke faktorer forårsagede denne hændelse?, og inddrager
Læs mereHvor mange gravide ryger?
Hvor mange gravide ryger? Gravides rygemønstre 1997-2005, Gravides rygemønstre 1997-2005, Data fra Medicinsk Fødselsregister ----o---- Kirsten Egebjerg Jensen Afdeling for Virus, Hormoner og Kræft, Institut
Læs mereBrystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens?
Brystkræftscreening og overdiagnostik hvordan forstår vi stigningen i incidens? Henrik Støvring stovring@ph.au.dk 1. December 2016 Institut for Folkesundhed, AU Institutseminar, Vingsted Screening forskningsområdet
Læs mereVurdering af det Randomiserede kliniske forsøg RCT
Vurdering af det Randomiserede kliniske forsøg RCT Evidensbaseret Praksis DF Region Nord Marts 2011 Jane Andreasen, udviklingsterapeut og forskningsansvarlig, MLP. Ergoterapi- og fysioterapiafdelingen,
Læs mereEksperimentelle undersøgelser. Svend Juul Forår 2003
Eksperimentelle undersøgelser Svend Juul Forår 2003 1 Observationelle studier: $ Studier af forekomst (incidens, prævalens) $ Studier af sammenhænge eller kontraster "i naturen" Eksperiment, forsøg: $
Læs mereMåleproblemer. Fejlkilder og tolkningsproblemer. Usikkerhed og bias. Stikprøveusikkerhed. Epidemiologi og Biostatistik (version
Måleproblemer A B Fejlkilder og tolkningsproblemer Svend Juul, 19. september 2007 C D 1 2 Usikkerhed og bias De vigtigste kilder til usikkerhed og bias Præcision, sikkerhed, reproducerbarhed, ryster ikke
Læs mereStatistik ved Bachelor-uddannelsen i folkesundhedsvidenskab. Stratificerede analyser
Statistik ved Bachelor-uddannelsen i folkesundhedsvidenskab Stratificerede analyser Dødsstraf-eksempel Betyder morderens farve noget for risikoen for dødsstraf? 1 Dødsstraf-eksempel: data Variable: Dødsstraf
Læs mereBliver man syg af trafikstøj?
Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Professor Institut for Naturvidenskab og Miljø Roskilde Universitet Bradford Hill kriterierne for kausalitet
Læs mereEksperimentelle undersøgelser
Eksperimentelle undersøgelser Poul Thorsen,. september 005 Observationelle studier: Studier af forekomst (incidens, prævalens) Studier af sammenhænge eller kontraster "i naturen Eksperiment, forsøg: Studiet
Læs mereTillæg til Studieordning for Folkesundhedsvidenskab
Tillæg til Studieordning for Folkesundhedsvidenskab Det Sundhedsvidenskabelige Fakultet Aalborg Universitet 2015 Tillæg til studieordningen for kandidatuddannelsen i Folkesundhedsvidenskab - 2013 Modulerne
Læs mereRationel farmakoterpi
Rationel farmakoterpi Palle Mark Christensen praktiserende læge, Lægerne Lærkevej, Otterup Lægemiddelkonsulent i Region Syddanmark Speciallæge i almen medicin og klinisk farmakologi, ph.d. Program 09.00-09.45
Læs mereResumé: En statistisk analyse resulterer ofte i : Et estimat θˆmed en tilhørende se
Epidemiologi og biostatistik. Uge, torsdag 5. februar 00 Morten Frydenberg, Institut for Biostatistik. Type og type fejl Statistisk styrke Nogle speciale metoder: Normalfordelte data : t-test eksakte sikkerhedsintervaller
Læs mereTillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi
Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi Universitet 2012 1 Tillæg til studieordningen for bacheloruddannelsen i Sundhedsteknologi marts 2012. Modulerne beskrevet i tillægget,
Læs mereSusanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne
Statistik og Sandsynlighedsregning 1 Indledning til statistik, kap 2 i STAT Susanne Ditlevsen Institut for Matematiske Fag Email: susanne@math.ku.dk http://math.ku.dk/ susanne 5. undervisningsuge, onsdag
Læs mereBliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark
Bliver man syg af trafikstøj? Mette Sørensen Seniorforsker Kost, Gener og Miljø Kræftens Bekæmpelse Denmark Forskning i støj -historisk 1970 støj i arbejdsmiljøet (epidemiologi) 1980 trafikstøj (epidemiologi)
Læs mereEpidemiologiske studier af myasthenia gravis
Epidemiologiske studier af myasthenia gravis Fra register til patient Emil Arnspang Pedersen Neurologisk afdeling, OUH & Klinisk institut, Sundhedsvidenskab, SDU Oversigt Hvad er myasteni Studier 1-6 Fremtidige
Læs mereORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER IT & Sundhed, 2. semester
D E T S U N D H E D S V I D E N S K A B E L I G E F A K U L T E T K Ø B E N H A V N S U N I V E R S I T E T B l e g d a m s v e j 3 B 2 2 0 0 K ø b e n h a v n N ORDINÆR EKSAMEN I EPIDEMIOLOGISKE METODER
Læs mereOpgavebesvarelse, Basalkursus, uge 3
Opgavebesvarelse, Basalkursus, uge 3 Opgave 1: Udskrivning af astma patienter (DGA s. 273) I en randomiseret undersøgelse foretaget af Storr et. al. (Lancet, i, 1987) sammenlignes effekten af en enkelt
Læs mereØvelser i epidemiologi og biostatistik, 12. april 2010 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse
Øvelser i epidemiologi og biostatistik, 12. april 21 Ebeltoft-projektet: Analyse af alkoholrelaterede data mm. Eksempel på besvarelse 1. Belys ud fra data ved 5 års follow-up den fordom, at der er flere
Læs mereIdeel undersøgelse af kausal effekt
EPIDEMIOLOGI KOHORTE STUDIER I Marts 2007 Søren Friis Institut for Epidemiologisk Kræftforskning Kræftens Bekæmpelse While the individual man is an insuluble puzzle, in the aggregate he becomes a mathematical
Læs mereIntroduktion til epidemiologi
Introduktion til epidemiologi Mads Kamper-Jørgensen, lektor, maka@sund.ku.dk Afdeling for Social Medicin, Institut for Folkesundhedsvidenskab, Københavns Universitet It og sundhed l 9. april 2015 l Dias
Læs mereCase-control studier. Mål for dagens anstrengelser. Hvad er en sygdomsårsag? Sygdom og årsag. Infektionsårsager. Sygdomsårsager
Mål for dagens anstrengelser Case-control studier Ph.D. kursus Københavns Universitet 25. Marts 2004 Gennemgang af årsagsbegrebet (efter ønske) Definere case-control undersøgelser Kende forskel på case-control
Læs mereStatistik for MPH: oktober Attributable risk, bestemmelse af stikprøvestørrelse (Silva: , )
Statistik for MPH: 7 29. oktober 2015 www.biostat.ku.dk/~pka/mph15 Attributable risk, bestemmelse af stikprøvestørrelse (Silva: 333-365, 381-383) Per Kragh Andersen 1 Fra den 6. uges statistikundervisning:
Læs mereBilag 1, Årsrapport Dansk Kvalitetsdatabase for Fødsler
Bilag 1, Årsrapport Dansk Kvalitetsdatabase for Fødsler Indhold Tabel B1 Oversigt over antal børn og fødsler... 2 Tabel B2 Inkluderede enkelt- og flerfoldsfødsler... 3 Tabel B3 Vaginale fødsler, planlagte
Læs mereMorten Frydenberg Biostatistik version dato:
Caerphilly studiet Design og Data Biostatistik uge 14 mandag Morten Frydenberg, Afdeling for Biostatistik Poisson regression En primær tidsakse og ikke stykkevise konstante rater Cox proportional hazard
Læs mere