Upload
sine
View
78
Download
1
Embed Size (px)
DESCRIPTION
Medicinsk statistik I. Läkarprogrammet T5 HT 2013 Susann Ullén FoU-centrum Skåne Skånes Universitetssjukhus. Medicinsk statistik. Varför behöver Ni kunskap i medicinsk statistik? Självständigt arbete Framtida arbete Kunna tolka resultat från andra studier Analysera data - PowerPoint PPT Presentation
Citation preview
Medicinsk statistik ILäkarprogrammet
T5HT 2013
Susann UllénFoU-centrum Skåne
Skånes Universitetssjukhus
Medicinsk statistik
Varför behöver Ni kunskap i medicinsk statistik?
• Självständigt arbete
• Framtida arbete
• Kunna tolka resultat från andra studier
• Analysera data
• Presentera resultat
• …
Medicinsk statistikLITTERATURTIPS
Jonas Björk”Praktisk statistik för medicin och hälsa”
Målpopulation
Stickprov Stickprov
Analys
Analytisk statistik
Beskrivning
Deskriptiv statistik
Datainsamling
Slutsats
Vilka personer gäller resultatet för?
• Gruppen personer som man vill kunna dra slutsatser om kallas målpopulation
• Exempel på målpopulationer:– Personer som kommer till akuten med
bröstsmärtor– Barn under 5 år– Rökare– Typ 2-diabetiker
Systematiska fel - bias
• Kan ge fel tolkning av resultatet• Olika typer av systematiska fel:
– Urvalet inte är representativt för populationen• Icke-slumpmässigt urval• Bortfall
– Felaktigheter i datainsamling• Fel svar från apparatur• Otydligt formulerade enkätfrågor
– Bristande jämförbarhet i de grupper som jämförs• Skillnader i utgångsläge mellan patientgrupper
Undersökningsupplägg
• Undersökningen påverkar skeendet
– Experiment, tex klinisk prövning
• Undersökningen påverkar inte skeendet– Observationsundersökning
• Tvärsnittsundersökning• Longitudinell undersökning
Observationsundersökning
• Påverkar inte skeendet utan jämför grupperingar som har uppstått utan påverkan– Rökare jämfört med icke rökare– Boende i stad jämfört med boende på landsbygd– Personer med en viss diagnos jämfört med
personer utan den diagnosen
• Gruppskillnaden behöver inte bero på den faktor vi vill studera
Experiment - Randomisering
• Slumpvis bestämning av vilka patienter som får vilken av två (eller flera) behandlingar
• Är ofta lämpligt vid kliniska prövningar
• Ger två grupper som är lika vid start-tillfället och eventuella skillnader som uppstår kan antas bero på behandlingseffekten
Placeboeffekt
• Patientens förväntade effekt av behandlingen• Kan medföra att effekt kan observeras av
verkningslös behandling• Kontrollgrupp kan användas för att skilja på
behandlingseffekt och placeboeffekt• Bäst att låta kontrollgruppen använda
nuvarande behandling, ”gold standard”• Blindning
– Enkelblind– Dubbelblind
Datatyper
Kontinuerliga data – mäts på en intervallskalaExempel: Vikt, längd, ålder, blodtryck
Diskreta data – data som mäts på en intervallskala men bara kan anta vissa värden Exempel: Antal barn, antal bakterier
Datatyper
Ordinaldata – klassdata/kategoriindelning med rangordningExempel: klassificering av smärta enligt
låg – måttlig – hög – outhärdlig, 1 – 2 – 3 – 4
• Ej säkert att 2-1 = 3-2
• Ej säkert att 4 är dubbelt så mycket som 2
Nominaldata – klassdata/kategoriindelning utan rangordningExempel: Kön, bostadsort, behandlingsgrupp
Målpopulation
Stickprov Stickprov
Analys
Analytisk statistik
Beskrivning
Deskriptiv statistik
Datainsamling
Slutsats
Deskriptiv statistik
Beskrivning av materialet
• Grafiskt
• Figurer
• Numeriskt
• Genomsnittsmått
• Spridningsmått
GenomsnittsmåttLägesmått, centralmått, tyngdpunkt
Var ligger tyngdpunkten?Hur kan tyngdpunkten anges?
Genomsnittsmått
• Medelvärde– Summan av observationerna dividerat med antalet
observationer
• Median– Den mittersta observationen om observationerna
sorteras i storleksordning
Valet görs utifrån hur data ser ut• Symmetriska data på intervallskala
• Asymmetriska data på intervallskala
• Ordinaldata
Medelvärde eller median ?
Symmetriska kontinuerliga data
Medelvärde = Median
Exempel: Födelsevikt, längd
I figuren: Medelvärde = 24
Median = 24
Använd medelvärdet!
Asymmetriska kontinuerliga data
Data är skevt åt höger eller åt vänster
Medelvärdet < Medianen
Medelvärdet > Medianen
I figuren: Medelvärdet = 8
Medianen = 5
Använd medianen!
Utfall på ordinalskala – ExempelModified Ranking Scale – Grad av handikapp efter stroke
(Kasner 2006)
(Hacke et al. 2008)
Använd medianen!
Varför inte alltid använda medelvärdet?
ExempelI en enkätundersökning fanns följande fråga:
Hur ofta tränar du?Aldrig
1-4 gånger i månaden
5-8 gånger i månaden
Mer än 8 gånger i månaden
0 poäng
1 poäng
2 poäng
3 poäng
Medelvärdet blir beroende av hur man kodar variabeln!
eller
0 poäng
1 poäng
3 poäng
6 poäng
Nominaldata
Här är lägesmått inte meningsfulla.
I figuren:
Malmö = 24% (60)
Göteborg = 50% (125)
Stockholm = 26% (65)
Ange andelar och antal!
Sammanfattning
Lägesmått
Symmetriska data
Medelvärde
Asymmetriska data
Median
Ordinaldata Median
SpridningLiten spridning
Stor spridning
Spridningsmått• Beskriver hur pass koncentrerade data är kring
centralvärdet
• Olika mått används för symmetriska och asymmetriska data– Symmetri – spridningsmått baseras på medelvärde– Asymmetri – spridningsmått baseras INTE på
medelvärde
Spridningsmått
• Standardavvikelse, genomsnittliga avvikelsen från medelvärdet
• Percentiler och kvartiler, delar data i bestämda proportioner
• Variationsvidd, differensen mellan max och min
Kvartiler delar upp data i fyra lika stora delar;
Undre kvartil =
Övre kvartil =
Percentiler
Beskriver hur stor andel av observationerna som ligger under värdet
• 10% ligger under 10:e percentilen
• 20% ligger under 20:e percentilen etc.
1
1001
q
n
1100
251
n
1100
751
n
Lägesmått Spridning
Symmetriska data
Medelvärde Varians/Standardavvikelse
Asymmetriska data
Median Percentiler
Ordinaldata Median Percentiler
Sammanfattning
Hur vet vi om det är symmetriskt?
• Grafiskt se om värdena ser symmetriska ut, tex med histogram eller boxplot (lådagram)
• Medianen och medelvärdet skall vara lika
• Avståndet mellan median och symmetriska percentiler skall vara lika stora, t.ex. jämföra avståndet av övre kvartilen med medianen och undre kvartilen med medianen. Dessa avstånd skall vara lika.
Max
Min
Övre kvartil
Median
Undre kvartil
Normalfördelningen
Referensintervall
Medelvärdet ± 1 SD täcker 68% av dataMedelvärdet ± 2 SD täcker 95% av dataMedelvärdet ± 3 SD täcker 99.7% av data
X=medelvärdeS=SD=standardavvikelse
MålpopulationStickprov Stickprov
Analys
Analytisk statistik
Beskrivning
Deskriptiv statistik
Datainsamling
Slutsats
Punktskattning
• Stickprovet används för att skatta värden i studiepopulationen
- Medelvärdet är exempel på en punktskattning.
Skattningar – standardfel (medelfel)
• Varje skattning har en osäkerhet• Osäkerheten kan mätas med standardfelet
(standard error, SE)• SE för medelvärde:
s = standardavvikelsen
n = antal observationer• Ju större n ju mindre blir SE
ns
SE2
Standardfel - exempelMedellängden hos individer i två populationer
Stor spridning•Patienter i ett väntrum på en akutmottagning
Medelvärde=150cm; standardavvikelse=25
Liten spridning•Barn i årskurs 5
Medelvärde=150cm; standardavvikelse=10
100 observationerMedel = 150,4s = 28,9SE = 2,9
100 observationerMedel = 149,2
s = 8,6SE = 0,9
Patienter i ett väntrum på en akutmottagning
Elever i årskurs 5
10 observationerMedel = 141,2s = 32,4SE = 10,2
10 observationerMedel = 149,2
s = 8,2SE = 2,6
Medel=150, s=25 Medel=150, s=10
Standardfel - exempel
Konfidensintervall
• SE kan användas för att beräkna ett konfidensintervall (KI)
• Med en viss säkerhet täcker konfidensintervallet det sanna värdet
• Konfidensintervallets bredd beror av – Storleken på SE (och därmed antalet
individer i stickprovet samt spridningen)– Konfidensgraden – hur säker man vill vara
Konfidensintervall
120 130 140 150 160 170120 130 140 150 160 170
• Om man gör 100 konfidensintervall med konfidensgrad 95% så kommer i genomsnitt 95 av de 100 intervallen att innehålla den sanna parametern.
Beräkning av konfidensintervall
Generell formel för konfidensintervall
Skattning ± konstant*SE
Konfidensgrad på 90% ger en konstant = 1.64Konfidensgrad på 95% ger en konstant = 1.96Konfidensgrad på 99% ger en konstant = 2.58
Konstanterna kommer från Normalfördelningen.
Konfidensintervall Exempel
• Patienter i ett väntrum på en akutmottagning• Tar ut ett stickprov på 100 individer • Beräknar ett 95% KI
Med 95 procent säkerhet finns den genomsnittliga längden i den underliggande målpopulationen mellan 144.7 och 156.1 cm.
Det ”sanna” medelvärdet ligger med 95% säkerhet i intervallet medelvärdet ± 2*SE
156.1] [144.7; 2.91.96 150.4 SE1.96 x
Referensintervall
• Ett referensintervall säger något om spridningen i studiepopulationen
• Istället för att använda SE används standardavvikelsen, s.
ReferensintervallExempel
•Stickprov om 100 individer till patienter i ett väntrum på en akutmottagning
Beräkning av 95% referensintervall
= 150,4 ± 1.96*28.9 = [93.8; 207.0]
95% av målpopulationen bör vara mellan 94 och 207 cm
”medelvärde ± 2* standardavvikelser ” täcker 95% av data i studiepopulationen
Sammanfattning
• Konfidensintervall och referensintervall är beräknade baserat på data från stickprovet men drar slutsatser om studiepopulationen!
• KONFIDENSINTERVALL: Medelvärdet i studiepopulationen ligger med 95%
säkerhet inom gränserna
• REFERENSINTERVALL:95% av studiepopulationen har ett värde inom gränserna
Förutsättningar för konfidens – och referensintervall
Stickprovet måste vara representativt för studiepopulationen
Kontinuerlig data måste vara approximativt normalfördelade•Stickprovet är normalfördelat
eller•Stickprovet stort
T-fördelningen
Konstanten c=1.96 i formeln
Medelvärdet ± c*SE
kommer från den standardiserade normalfördelningen vid konfidensgraden 95%
För små stickprov blir KI för snäva, går inte upp till den önskade konfidensgraden
Hur löser vi det?
T-fördelningen
• Vi löser det genom att använda t-fördelningen med n-1 frihetsgrader för att bestämma konstanten c
- Ex. om vi har n=10 så blir antalet frihetsgrader 10-1=9
• I en tabell kan man ta reda på att c=2.26
T-fördelningen
• En fördelning som mycket påminner om normalfördelningen men som för små stickprov gör att vi bättre uppnår den önskade konfidensgraden
Vad är små stickprov?
Tumregel - stickprovsstorlek
Antal oberoendeobservationer Tumregel
n<20 Beräkna bara konfidensintervall om det sedan tidigare är känt att den variabel som studeras är normalfördelad. Använd t-fördelningen medn-1 frihetsgrader för att bestämmakonstanten c
n: 20-50 Beräkna konfidensintervall om mätvariabeln ärnågorlunda normalfördelad. Använd t-fördelningen med n-1 frihetsgrader för att bestämmakonstanten c
n>50 Konfidensintervall kan beräknas oavsett hur variabelnsom undersöks är fördelad i studiepopulationen. Den standardiserade normalfördelningen ger fortfarande någotför låga värden på c; skillnaden jämfört med korrekta värdethämtat från t-fördelningen är dock försumbart
Hur gör vi med data som inte är kontinuerliga/normalfördelade?
Exempel
• Ett nytt läkemedel ska testas. Hur många kände sig bättre av det nya läkemedlet?
Konfidensintervall för en andel
• Antag att q = punktskattningen• q är andelen i stickprovet, q ligger mellan 0-1• Konfidensintervall för andelar beräknas
n=antalet individer i stickprovetc=konstant (samma som i tidigare beräkningar)
Förutsättning: q*(1-q)*n > 10
n
qqcq
1
Konfidensintervall för en andel
• Exempel: Ett nytt läkemedel ska testas. Hur många kände sig bättre av det nya läkemedlet?
• En studie med 100 individer, n=100• q=andel som kände sig bättre av det nya
läkemedlet. q=70%• Konfidensgrad=95% c=1.96
Exempel fortsättning
• 95% KI:
95% KI: 61% - 79%
100
70.0170.096.170.0
n
qqcq
1