Esittely latautuu. Ole hyvä ja odota

Esittely latautuu. Ole hyvä ja odota

Tilastomenetelmät psykiatrisessa epidemiologiassa

Samankaltaiset esitykset


Esitys aiheesta: "Tilastomenetelmät psykiatrisessa epidemiologiassa"— Esityksen transkriptio:

1 Tilastomenetelmät psykiatrisessa epidemiologiassa
Jouko Miettunen, FT Psykiatrian klinikka

2 Esitelmän aiheet Perusmenetelmiä Ristiintaulukkojen testaaminen
Jakaumien tunnusluvut ja testaaminen Korrelaatiokertoimet Monimuuttujamenetelmiä Regressioanalyysit Elinaika-analyysi Varianssianalyysit Faktorianalyysit Muita menetelmiä (Luotettavuuden arviointi) Tilasto-ohjelmat Kirjallisuutta

3 Perusmenetelmiä

4 Luokitellut muuttujat Jakaumien vertailu ryhmien välillä
Tilastollinen testaaminen Khiin neliötesti, OR, RR Jatkuvat muuttujat Keskiarvojen vertailu ryhmien välillä Studentin t-testi Mediaanien vertailu ryhmien välillä Mann-Whitneyn U-testi Kruskal-Wallisin testi Korrelaatiokertoimet

5 Jatkuva vai luokiteltu muuttuja?
Luokittelemalla menetetään tietoa Usein kuitenkin selkeyttää tulosten esittämistä Analyysimenetelmät erilaisia

6 Luokittelutapoja Aiemmat tutkimukset Kliiniset kriteerit
Aineistoon perustuvat Mediaani, kvartiilit, alin/ylin 10%, jne. Keskiarvo Keskiarvo ± 2 keskihajontaa

7 Ristiintaulukkojen testaaminen
c2 –testi Fisherin tarkka testi (Fisher’s exact test) Epidemiologiassa erityisesti käytössä vetosuhde, ristitulosuhde (odds ratio) riskisuhde (risk ratio)

8 Esimerkki Pohjois-Suomen 1966 syntymäkohortti
Seisomaan oppiminen ja myöhempi psykoottinen sairaus Jatkoanalyysi psykoosipotilaiden joukossa Onko sukurasituksella merkitystä?

9 c2 –testi Age at standing unsupported * Psychotic disorder until 2001
4074 40 4114 99,0% 1,0% 100,0% 2430 35 2465 98,6% 1,4% 2970 60 3030 98,0% 2,0% 9474 135 9609 Count - 10 months 11 months 12 months + Age at standing unsupported Total healthy any psychosis Psychotic disorder until 2001 c2 –testi

10 Fisherin tarkka testi Pienille otoksille
Age at standing unsupported * Any psychotic 1st degree relative 8 1 9 88,9% 11,1% 100,0% 16 2 18 23 6 29 79,3% 20,7% 47 56 83,9% 16,1% Count - 10 months 11 months 12 months + Age at standing unsupported Total no yes Any psychotic 1st degree relative Fisherin tarkka testi Pienille otoksille - Jos väh. 25 prosentissa soluista odotettu arvo on alle 5

11 Assosiaation mittaaminen epidemiologiassa
Absoluuttinen Riskiero (risk difference) Altistunut – ei-altistunut Suhteellinen Riskisuhde (risk ratio, relative risk, RR) Ristitulosuhde tai vetosuhde (odds ratio, OR) Altistunut / ei-altistunut Eivät kerro sellaisenaan kausaliteetista

12 = = = Riskisuhde, RR Odds Ratio, OR a / (a + b) c / (c + d) a / b ad
Tauti Kyllä Ei Yhteensä Altiste Kyllä a b a + b Ei c d c + d Yhteensä a + c b + c a + b + c + d a / (a + b) c / (c + d) = Riskisuhde, RR a / b ad = = Odds Ratio, OR c / d bc

13 Lapsella psykoosi Kyllä Ei Yhteensä Vanhemmalla psykoosi Kyllä 24 (5.0%) 459 483 Ei 132 (1.3%) 10319 10451 Yhteensä 156 10451 10934 24 / ( ) = = 3.9 RR 132 / ( ) 24 / 459 = = 4.1 OR 132 / 10319

14 Odds Ratio (OR) vai Risk Ratio (RR)?
RR tarkempi riskin tunnuslukuna Mikäli yleinen sairaus tulisi käyttää RR:ää OR:ssä on helpompi ottaa huomioon sekoittavat tekijät Mikäli harvinainen sairaus ja iso aineisto OR ≈ RR

15 Jatkuvat muuttujat

16 Keskiarvo vai mediaani?
Keskiarvo soveltuu likimain normaalijakautuneelle aineistolle Mikäli aineistossa on paljon poikkeavia arvoja tai se on huomattavan vino, mediaani kuvaa muuttujan jakaumaa paremmin

17 Normaaliuden arviointi
Mikäli mediaani ja keskiarvo eroavat huomattavasti toisistaan, jakauma ei ole normaalijakautunut Huipukkuus (kurtosis) ja vinous (skewness) kuvaavat normaalisuutta Normaaliuden testit eivät ole tehokkaita Kolmogorov-Smirnov testi Shapiro-Wilk testi (kun N<50) Tärkein on kuitenkin visuaalinen arvio!

18 Muuttujien erilaisia jakaumia
B on normaalijakautunut. A on positiivisesti huipukas jakauma C negatiivisesti huipukas jakauma Havainnot on kasaantunut oikealle (jakauma on negatiivisesti vino eli vino vasemmalle)

19 Keskiarvojen vertailu: t-testi

20 Mediaanien vertailu: Mann-Whitneyn U-testi
Pohjois-Suomen 1986 syntymäkohortti v.: Toronto Alexithymia Scale

21 Mediaanien vertailu: Kruskal-Wallisin H-testi
Pohjois-Suomen 1966 syntymäkohortti: masennusoireet (SCL-25) Ei testaa varsinaisesti mediaaneja vaan koko jakauman sijaintia (suositeltavaa) Varsinaisesti mediaaneja testataan esim. jakamalla koko aineisto mediaanista kahteen osaan ja verrataan jakaumia ryhmien välillä (esim. tässä koulutuksen mukaan) c2 –testillä.

22 Korrelaatiokertoimet
Pearsonin korrelaatiokerroin Normaalijakautuneille muuttujille Spearmanin korrelaatiokerroin Ei-normaalijakautuneille muuttujille Järjestyskorrelaatiokerroin (mean rank) Tuloksia voi graafisesti esittää korrelaatiodiagrammin avulla

23 Korrelaatiodiagrammi

24 Monimuuttujamenetelmät

25 Lineaarinen regressioanalyysi
Selitetään jatkuvaa (tai ainakin välimatka-asteikollista) muuttujaa Selittäviä muuttujia voi olla useita Jatkuvia tai kaksiluokkaisia muuttujia Muuttujien välinen riippuvuus oletetaan lineaariseksi Selittävät muuttujat ei saa liikaa korreloida keskenään (multikollineaarisuus) Selitettävän muuttujan hajonta ei riipu selittävien muuttujien hajonnasta (homoskedastisuus)

26 Esimerkki Kohortti 1966, 31 v. seuranta
Alkoholin käytön (g/pv) ennustaminen Ennustavat muuttujat Sukupuoli Siviilisääty (naimaton tai eronnut, ei/kyllä) Masennus Jatkuva muuttuja (SCL-masennusoireet) Syntymäpaino Jatkuva muuttuja (g)

27 Esimerkki

28 Logistinen regressioanalyysi
Yleisin tapa ottaa huomioon sekoittavat muuttujat, Erityisesti pitkittäistutkimuksissa Vastemuuttuja (outcome) on kaksiluokkainen (esim. kyllä/ei) Altistemuuttujat (exposure) voivat olla sekä kaksiluokkaisia, useampiluokkaisia että jatkuvia Multinomiaalisessa logistisessa regressioanalyysissa vastemuuttujassa voi olla useita luokkia

29 Muuttujien valinta, esim.
Aiemman tiedon tai ko. aineiston perusteella Sosiodemograafiset muuttujat, esim. sukupuoli, sosiaaliluokka? Malliin mukaan aiemmin tunnetut sekoittavat tekijät? Erityisesti jos vaikuttavat tuloksiin Mukana ei saa olla liikaa muuttujia Riippuu aineiston koosta ja muuttujien jakaumista Mukana ei kannata olla keskenään liikaa korreloivia muuttujia

30 Esimerkki Pohjois-Suomen vuoden 1966 syntymäkohortti N = 10 934
Runsaasti haastattelu- ja rekisteridataa

31 Esimerkki Mikä psykoottisilla potilailla ennustaa uutta sairaalahoitoa? N = 158 Altistemuuttujat sukupuoli Isän sosiaaliluokka (1980) Sukurasitus Sairastumisikä Ensimmäisen sairaalahoidon kesto diagnoosi (skitsofrenia / muu psykoosi) Miettunen ym. Nord J Psychiatry 2006; 60:

32 SPSS Output - muuttujat
Categorical Variables Codings 48 ,000 96 1,000 14 133 25 93 65 108 50 94 64 I,II III,IV V Fathers social class 1980 no yes Parent has psychotic dg male female Sex schizophrenia other psych Diagnosis < 1 month > 1 month Length of first hospitalization Frequency (1) (2) Parameter coding

33 SPSS Output - tulokset Variables in the Equation 1,048 ,375 7,805 1
,005 2,852 1,367 5,948 -,559 ,366 2,331 ,127 ,572 ,279 1,172 -,047 ,043 1,199 ,274 ,954 ,876 1,038 ,839 ,385 4,740 ,029 2,314 1,087 4,926 ,651 2 ,722 ,309 ,392 ,622 ,430 1,362 ,632 2,934 ,109 ,647 ,028 ,866 1,115 ,314 3,960 ,612 ,513 1,423 ,233 1,845 ,675 5,045 ,488 1,100 ,197 ,657 1,629 Length of 1st hospital.(1) Sex(1) Onset age Diagnosis(1) Father’s Social Class 1980 FSC 1980(1) FSC 1980(2) Parental psychosis(1) Constant B S.E. Wald df Sig. Exp(B) Lower Upper 95,0% C.I.for EXP(B)

34 Varianssianalyysi Verrataan ryhmien sisäistä ja välistä variaatiota
ANOVA Yksi jatkuva selitettävä eli vastemuuttuja MANOVA Useita jatkuvia vastemuuttujia Toistettujen mittausten ANOVA = Repeated measurements ANOVA Samat mittaukset on tehty useaan kertaan samoilta henkilöiltä ANOVA, MANOVA and rANOVA Vain luokiteltuja altisteita ANCOVA, MANCOVA, rANCOVA Myös jatkuvia altisteita

35 Esimerkki Erot hippokampuksen koossa
Pohjois-Suomen 1966 syntymäkohortti Seurantatutkimus Skitsofreniapotilaat (N=56) vs. terveet verrokit (N=104) Toistettujen mittausten ANCOVA Oikean ja vasemman puolen hippokampusmittauksia käsitellään toistettuina mittauksia

36 Schizophrenia and Comparison subjects Hippocampus volumes
F Sig. Model 1 Within effect: side < 0.001 Diagnosis Gender Model 2 Within effect: side Covariate: brain vol < 0.001 Diagnosis < Gender Familial psychosis Perinatal risk Handedness Tanskanen ym. Schizophrenia Research (2005)

37 Elinaika-analyysi (Survival analysis)

38 Elinaika-analyysi Tutkitaan aikaa kahden tapahtuman välissä, esim.
Syntymästä sairastumiseen Sairastumisesta kuolemaan Uloskirjoittautumisesta uuteen sairaalahoitoon Kaplan-Meierin mallilla arvioidaan tapahtumien todennäkoisyyksiä eri aikapisteissä Käytössä usein kohorttitutkimuksissa

39 Elinaika-analyysiin tarvittava tieto
Tapahtuma (0,1) Aika tapahtumaan (päiviä, kuukausia,…) tai sensurointiin Aineisto voi sensuroitua Seuranta loppuu Menetetään yhteys tutkittavaan (esim. muuttaa muualle) Seurattava henkilö kuolee muusta syystä kuin mikä on tutkimuksen kohteena

40 Esimerkki Pohjois-Suomen 1966 Syntymäkohortti
Mikä ennustaa itsemurhan tekoikää? Otos Suomessa asuvat 16-vuotiaana (N=10,934) Seuranta vuoden 2001 loppuun 58 (0.5%) itsemurhaa 140 (1.3%) muuta kuolemaa 10,736 (98.2%) elossa Ennustajamuuttuja Perhetyyppi syntymähetkellä (parisuhteessa, yksin)

41 Käyrät voivat kuvata eloonjäämistä (survival) tai toisinpäin piirrettynä vaaraa (hazard)
Test Statistics for Equality of Survival Distributions log rank test, p=0.002

42 Otoskoko voi olla suhteellisen pieni
Ryhmien välisen eron, tai trendin erossa, tulisi olla suurinpiirtein sama seurannan ajan käyrien ei tulisi ainakaan mennä ristiin, jos halutaan testata tilastollisesti Otoskoko voi olla suhteellisen pieni Viitteitä, esim. Parmar & Machin: Survival analysis. A practical approach. John Wiley & Sons, 1995.

43 Sekoittavien tekijöiden huomiointi
Itsemurhan ikä ja perhetyyppi Mahdollisia sekoittavia tekijöitä sukupuoli sosiaaliluokka 1966 (I-II,III-IV,V) kouluarvosanojen keskiarvo (14-v.) psykiatrinen diagnoosi (ei, kyllä) rikos (ei, ei-väkivaltainen, väkivaltainen) Coxin regressioanalyysi

44 SPSS Output - muuttujat
Categorical Variable Codings 5425 1 5222 10197 450 783 7823 2041 1975 8672 10019 200 428 1=male 2=female Sex 0=healthy 1=any dg Psych dg 1=I,II 2=III,IV 3=V Fathers Social Class 1966 1=single 2=full Family type 1966 0=no crimes 1=violent 2=nonviolent Criminality Frequency (1) (2)

45 SPSS Output - tulokset Variables in the Equation ,812 ,340 5,720 1
,017 2,253 1,158 4,383 2,463 ,303 66,085 ,000 11,740 6,483 21,260 ,728 ,287 6,429 ,011 2,072 1,180 3,637 1,514 2 ,469 ,451 ,715 ,398 ,528 1,570 ,386 6,377 ,536 ,436 1,513 ,219 1,710 ,727 4,018 -,276 ,164 2,825 ,093 ,759 ,550 1,047 3,398 ,183 ,239 ,454 ,276 ,600 1,269 ,521 3,093 -1,011 ,625 2,613 ,106 ,364 ,107 1,239 SEX PSYCH DG FAM TYPE FSC 1966 FSC 1966(1) FSC 1966(2) SCHOOL MARK CRIMES CRIMES(1) CRIMES(2) B SE Wald df Sig. Exp(B) Lower Upper 95,0% CI for Exp(B)

46 Faktorianalyysi

47 Kyselylomakkeen kehittäminen
Psykologia, psykiatria, hoitotiede, kasvatustiede, sosiologia, … Lomakkeissa usein liki samoja asioita mittaavia kysymyksiä Etsitään muuttujien yhdistelmistä selittävää mallia, tiivistetään tietoa Etsitään tärkeimpiä muuttujia Kysymysten lukumäärä lomakkeessa Mikä on sopiva (riittävä) määrä? Mahdolliset osa-asteikot

48 Piilevät muuttujat Monia asioita ei voida mitata suoraan
Tarvitaan useita samaa ilmiötä mittaavia muuttujia Esim. älykkyys, sosiaalisuus, konservatiivisuus

49 Faktorianalyysit Eksploratiivinen faktorianalyysi
(ja pääkomponenttianalyysi) [EFA (PCA)] vanhimpia monimuuttujamenetelmiä (Spearman 1904) etsitään muuttujien kombinaatioista selitettävää mallia Konfirmatorinen faktorianalyysi [CFA] tutkitaan valmista mallia ja varmistetaan antaako aineisto tukea ko. mallille

50 Esimerkki Esimerkkinä on psykoosioireita mittaavan PANSS (Positive and Negative Syndrome Scale) -asteikon rakenne (30 muuttujaa) Mittarista on esitetty useita erilaisia faktoriratkaisuja Aineistona on Pohjois-Suomen vuoden 1966 syntymäkohortin psykoottisia henkilöitä jotka osallistuivat haastatteluun Pieni aineisto (N=85) Muuttujat likert-asteikolla (1-7) Muuttujissa on vaihtelua

51 - (taulukossa lataus, vain jos >0.3)

52 Muita menetelmiä Structural Equation Modelling (Rakenneyhtälomallitus)
Latent Class Analysis

53 Rakenneyhtälömallitus
Faktorianalyysin ja regressioanalyysin yhdistelmä Jatkuvia ja luokiteltuja altisteita ja vasteita Esitetään mitattujen muuttujien ja piilevien muuttujien suhteet (esim. korrelaatioina) Byrne (2001) Structural Equation Modeling with AMOS: Basic Concepts, Applications, and Programming.

54 Esimerkki: Mistä hyvinvointi koostuu?
McGartland Rubio ym. 2001

55 Latent class analysis Kehitetty ryhmittelemään henkilöt valittujen piirteiden mukaan Luokittelee ihmiset ryhmiin Kertoo piirteet (säännöt) joilla luokitus tehtiin Verrattavissa klusterianalyysiin Klusterianalyysi ei anna sääntöjä luokitukseen (=mallia) Muthén & Muthén (Alcohol Clin Exp Res, 24, , 2000)

56 Esimerkki: Antisosiaalinen käyttäytyminen
National Longitudinal Survey of Youth (NLSY) Respondent ages between 16 and 23 Background information: age, gender and ethnicity N=7,326 17 antisocial dichotomously scored behavior items: Damaged property Fighting Shoplifting Stole <$50 Stole >$50 Use of force Seriously threaten Intent to injure Use Marijuana Use other drug Sold Marijuana Sold hard drugs ‘Con’ somebody Stole an Automobile Broken into a building Held stolen goods Gambling Operation Lähde:

57 Esimerkki: Antisosiaalinen käyttäytyminen
Damage Property Fighting Shoplifting Stole <$50 Gambling . . . Male C Race Age

58 Esimerkki: Antisosiaalinen käyttäytyminen

59 Relationship between class probabilities and age by gender
Females Males (age)

60 Luotettavuuden arviointi

61 Reliabiliteetin ja validiteetin käsitteitä
Reliabiliteetti Kuinka hyvin mittarilla tehty mittaus on toistettavissa (=stabiliteetti) kuinka yhdenmukaisesti kaksi mittaria/mittaajaa arvioi samaa asiaa tai kuinka hyvin mittarin kysymykset mittaa samaa asiaa (=konsistenssi) Validiteetti Kuinka hyvin mittari mittaa sitä mitä sen pitäisi mitata Psykiatriassa reliabiliteetti ja validiteetti on usein vaikeampi saavuttaa kuin somaattisella puolella!

62 Reliabiliteetti huono
Validiteetti huono Reliabiliteetti hyvä Validiteetti huono Reliabiliteetti hyvä Validiteetti hyvä Validiteetti ei voi olla hyvä, jos reliabiliteetti on huono

63 Reliabiliteetin ja validiteetin käsitteitä
Construct validity (=rakennevaliditeetti) onko teoriakäsite riittävästi ja onnistuneesti mitattu? Convergent validity (=yhtenevyys) onnistuuko käsitteen mittaaminen muulla mittarilla Discriminant validity (=erottelu) onnistuuko mittari erottamaan käsitteen muista käsitteistä Blacker & Endicott 2000, Morgan et al. 2001

64 Reliabiliteetin ja validiteetin käsitteitä
Content validity (=sisältövaliditeetti) Kattavatko kysymykset käsitteen riittävästi Face validity (=näennäisvaliditeetti) Vaikuttaako mittari mittaavan sitä mitä on tarkoitus Blacker & Endicott 2000, Morgan et al. 2001

65 Reliabiliteetin ja validiteetin käsitteitä
Criterion validity (=kriteerivaliditeetti) Miten mittari liittyy muihin samaa asiaa mittaaviin kriteereihin, esimerkiksi diagnoosiin Concurrent validity (=samanaikaisvaliditeetti) Kuinka hyvin mittari ennustaa henkilön nykyistä tilaa Predictive validity (=ennustevaliditeetti) Kuinka hyvin mittari ennustaa henkilön tulevaa tilaa Blacker & Endicott 2000, Morgan et al. 2001

66 Luotettavuuden testaaminen
Luokiteltu muuttuja Kappa, yhdenmukaisuus Jatkuva muuttuja Intraclass korrelaatio (arvioiden tai mittausten yhdenmukaisuus) Cronbachin Alpha (kysymyslomakkeen sisäinen yhdenmukaisuus) Voidaan testata joko arvioijien välillä (interrater) tai saman arvioijan kahden eri arvion välillä (test-retest)

67 Diagnostiseen testiin liittyviä käsitteitä
Positiivisen tuloksen ennustearvo (positive predictive value, PPV) Testillä oikein sairaaksi todettujen osuus kaikista testipositiivisista Negatiivisen tuloksen ennustearvo (negative predictive value, NPV) Testillä oikein terveiksi todettujen osuus kaikista testinegatiivisista Herkkyys (sensitivity, se) Testillä oikein tautia sairastaviksi todettujen osuus kaikista kyseistä tautia sairastavista Tarkkuus (specificity, sp) Testillä oikein terveiksi todettujen osuus kaikista kyseistä terveistä Uhari. Duodecim 2004; 120:

68 Arvioija A Kyllä Ei Yhteensä Kyllä a b g1 Ei c d g2 Yhteensä f1 f2 N
Arvioija B Arvioija A Kyllä Ei Yhteensä Kyllä a b g1 Ei c d g2 Yhteensä f1 f2 N Reliabiliteetti Havaittu yksimielisyys po = (a+d) / N Sattuman mukaan odotettu yksimielisyys pe = (f1g1+f2g2) / N2 Kappa  = (po-pe) / (1-pe) Validiteetti (Arvioija B on oikeassa eli “kultainen standardi”, Arvioijan A validiteettia arvioijaan) Sensitiivisyys Se = a / f1 Spesivisyys Sp = d / f2 Positiivinen ennustearvo PPV = a / g1 Negatiivinen ennustearvo NPV = d / g2

69 Arvioija A Kyllä Ei Yhteensä Kyllä 35 15 50 Ei 25 125 150
Arvioija B Arvioija A Kyllä Ei Yhteensä Kyllä Ei Yhteensä Reliabiliteetti Havaittu yksimielisyys po = (35+125) / 200 = 0.80 (80%) Sattuman mukaan odotettu yksimielisyys pe = (50*60+140*150) / 2002 = 0.60 (60%) Kappa  = ( ) / (1-0.6) = 0.50 Validiteetti (Arvioija B on oikeassa eli “kultainen standardi”, Arvioijan A validiteettia arvioijaan) Sensitiivisyys Se = 35 / 60 = 0.58 (58%) Spesivisyys Sp = 125 / 140 = 0.89 (89%) Positiivinen testituloksen ennustearvo PPV = 35 / 50 = 0.70 (70%) Negatiivinen testituloksen ennustearvo NPV = 125 / 150 = 0.83 (83%)

70 ROC -käyrä Receiver Operating Characteristic (ROC) Sensitivity
1 - Specificity

71 Cronbachin alpha Perustuu varianssianalyysiin
Kertoo kuinka yhdenmukaisesti mittarin eri kysymykset mittaavat samaa asiaa (internal consistency) Voidaan tehdä koko mittarille ja erikseen jokaiselle osa-asteikolle

72 DATA ESIMERKKI VAR1 VAR2 VAR3 VAR4 VAR5... CASE … CASE … CASE … CASE … CASE … . :

73 Cronbachin alpha On esitetty erilaisia raja-arvoja, sille mikä on riittävä alpha 0.60 – 0.80, esim (Nunnally 1978) Alphan suuruuteen vaikuttaa kysymysten lukumäärä, mitä enemmän sitä suurempi alpha Muuttujien vinous ongelma, samoin jos sama vastaaja vastaa kaikkiin kysymyksiin samoin (=varianssi on tärkeä) Nunnally (1978) Psychometric Theory

74 Esimerkkiaineisto Pohjois-Suomen vuoden 1966 syntymäkohortin 31-vuotisseuranta TCI (Temperament and Character Inventory) Reward Dependence –alaskaala RD1 – Sentimentality RD3 – Attachment RD4 – Dependence Kaksiluokkaisia muuttujia

75 RD – koko asteikko RD – 1 Sentimentality RD 3 – Attachment RD – 4 Dependence

76 Tilasto-ohjelmia SPSS (www.spss.com) SAS (www.sas.com)
STATA ( R+ (cran.r-project.org) SUDAAN ( Mplus ( StatsDirect ( MetaWin (

77 Käsitteitä Incidence Rate Ratio / Case Fatality Rate Ratio
Kahden ilmaantuvuuden / tapauskuoleisuuden suhde Stanzardized Mortality Ratio Havaitut kuolemat / odotetut kuolemat Lisäriski (Attributable Risk, AR) Riskimuuttujan omaavien henkilöiden lisäriski sairauteen Väestön lisäriski (Population Attributable Risk, PAR) Sairaiden osuus väestössä mikä johtuu riskimuuttujasta Attributable Risk Reduction, ARR Riskin väheneminen joka saadaan esim. Tutkittavalla hoidolla tai kun riskimuuttujan vaikutus poistettaisiin Number Needed to Treat, NNT Kuinka paljon pitäisi potilaita pitäisi hoitaa jotta vältyttäisiin yhdeltä vastetapahtumalta (esim. kuolema) NNT = 1 / ARR

78 Yleisiä lähteitä tilastomenetelmiin suomeksi
Metsämuuronen. Tutkimuksen tekemisen perusteet ihmistieteissä (2003). Nummenmaa ym. Tutkimusaineiston analyysi (1997). Uhari. Biostatistiikan taskutieto (2002). Uhari & Nieminen. Epidemiologia & Biostatistiikka (2001). SPSS, SAS, jne. Oppaat


Lataa ppt "Tilastomenetelmät psykiatrisessa epidemiologiassa"

Samankaltaiset esitykset


Iklan oleh Google