Samenvatting Hoorcollege aantekeningen Epidemiologie en Biostatistiek 2 (AB_470227)
48 views 2 purchases
Course
Epidemiologie En Biostatistiek 2 (AB_470227)
Institution
Vrije Universiteit Amsterdam (VU)
Dit is een samenvatting van alle hoorcolleges en kennisclips voor het vak Epidemiologie en Biostatistiek 2 (AB_) dat wordt gegeven aan de Vrije Universiteit Amsterdam.
Epidemiologie en Biostatistiek 2
Hoorcollege 1 – Herhaling en T-toetsen
Module 1:
- Onderzoekdesigns Ecologisch Gezondheidswetenschappelijk
onderzoek onderzoek
o Wat zijn kenmerkende
eigenschappen?
o Wat zijn voor- en nadelen van Observationeel Experimenteel
elk van designs?
- Frequentiematen en effectmaten Cohort Transversaal Case-control RCT Cross-over
o Dichotoom versus continu Prospectief Nested C-C Retrospectief Prospectief
o OR, RR, IDR
o Welke maat gebruik je in welke situatie?
Module 2:
- Vertekening: gevonden associatie weerspiegelt werkelijke niet
- Selectie: steekproef representeert doelpopulatie niet
o Differentiële selectie: geselecteerde groep heeft andere associatie dan niet-
geselecteerde groep
o Non-differentiële selectie: associatie is voor geselecteerde en niet-geselecteerde
groep gelijk
- Misclassificatie: meting klopt niet
o Differentiële misclassificatie: meetfout verschilt tussen blootgestelde en niet
blootgestelde, of tussen mensen met en zonder uitkomst
o Non-differentiële misclassificatie: meetfout is voor iedereen in studie gelijk
Module 3:
- Validiteit en betrouwbaarheid
- Meetinstrumenten en meetprocedures
o Wordt gemeten wat je wilt meten? Zijn ze betrouwbaar? Vertonen ze vertekening?
Meten is niet weten
Module 4:
- Confounding en effectmodificatie
- Rapporteren van gecorrigeerde effecten (gewogen gemiddelde, Mantel-Haenzel OR)
Module 5:
- Beschrijvende statistiek
- Samenvattende maten: proportie/ gemiddelde/ mediaan/ standaardafwijking/ IQR
- Grafisch weergeven van metingen en associaties
Module 6:
- Kansrekenen
- Stelling van Bayes i.r.t. sensitiviteit, specificiteit en diagnostische waarde
,Module 7:
- Kansmodellen: binomiale, normale en lognormale verdeling. Standaardiseren
Module 8:
- Toetsen
o Structuur van toets H0 en HA, toetsingsgrootheid, betrouwbaarheid
o Toets op properties/ gemiddelden
o Kritische kanttekeningen bij toetsing
Module 9:
- Betrouwbaarheidsintervallen
- T en Z-verdeling
T-toetsen:
- Als uitkomstmaat continu was, dan werden gemiddelden vergeleken
- Bij dichotome determinant waren dit twee gemiddelden
Kennisclip: 1-steekproef t-toets
Plek in familie van t-toetsen:
- Gebruik van t-toetsen
o Uitkomsten zijn kwantitatief
o Gemiddelde van steekproef, x, staat model voor populatieparameter μ
o Standaardafwijking, sd, staat model voor populatieparameter σ
o Gemiddelde moet kunnen worden beschouwd als trekking uit normale verdeling
- Belangrijke conceptuele gedachte
o Waarden van x en sd zijn onderling onafhankelijk van elkaar
o Heb je x berekend, dan zegt dit dus nog niets over waarde van sd
o Vanwege deze dubbele onzekerheid maken we gebruik van t-verdeling. Aantal
vrijheidsgraden bepaalt in hoeverre t-verdeling lijkt op z-verdeling
Studieontwerp:
- Bij 1-steekproef t-toets
o Vergelijk je een uitkomst met normwaarde
o Normwaarde staat onder H0
o Onderzoek betreft (bijna altijd) transversaal cohort
o Centrale vraag: hoe verhoudt situatie zich in vergelijking tot norm?
- Voorwaarden aan gebruik
o Gegevens zijn onderling onafhankelijk – dus niet gegroepeerd
o Schatting voor mu is normaal verdeeld
Check aannames:
- Gegevens onafhankelijk?
o Daar is geen informatie over gegeven
o Terug te vinden in logboek of methoden sectie van artikel
o Aanname zou zijn overtreden als bijv. snowball-sampling was gebruikt voor werving
,
Vraag deelnemers aan studie om nieuwe deelnemers te rekruteren
Gevolg: deelnemers kennen elkaar, gebruiken misschien zelfde
trainingsmethoden etc.
- Gemiddelde getrokken uit normale verdeling?
o Bekijk Q-Q-plot of histogram op het oog, niet met toets
o Reden
Vrijwel alle kans variabelen zijn niet perfect normaal verdeeld
Als n groot genoeg is zul je bij toetsing afwijkingen t.a.v. normaliteit vinden
Bij kleine n zullen relevante afwijkingen t.a.v. normaliteit niet aantoonbaar
zijn
Daarom is een toets op normaliteit zelden/ nooit van toegevoegde waarde
Toetsingsgrootheid:
- Toetsingsgrootheid is maat, waarmee we meten hoeveel onze bevindingen afwijken van
verwachting onder H0
-
Overschrijdingskans:
Kennisclip gepaarde t-toets
Studieontwerp:
- Bij gepaarde t-toets
o Vergelijk je twee waarnemingen aan dezelfde eenheid met elkaar; dit kan zijn
Verschilt bloeddruk tussen oudste en jongste van eeneiige tweeling
Hoe verloopt herstel bij mensen met sportblessure tussen t=1 en t=0
o Vanwege deze mogelijkheid passend bij prospectieve studie
, - Voorwaarden aan gebruik
o Eenheden zijn onderling onafhankelijk – dus niet gegroepeerd
o Waarnemingen zijn juist wel afhankelijk (binnen eenheid)
o Gemiddelde verschilmetingen is normaal verdeeld
o Verschil is onafhankelijk van meetwaarde op t=0
Relatie 1-steekproef t-toets en gepaarde t-toets:
- Door gepaarde waarnemingen te reduceren tot één verschil, is rest helemaal hetzelfde als 1-
steekproef t-toets
- …alleen symbolen zijn anders
o 1-steekproef t-toets: x , gepaarde t-toets: d
o 1-steekproef t-toets: μ, gepaarde t-toets: Δ
Toetsingsstructuur:
- H0: er treedt geen verandering in temperatuur op als topsporters trainen Δ=0
- Ha: er treedt wel verandering in temperatuur op als topsporters trainen Δ ≠ 0
o …overigens is hier eventueel een zaak te maken voor 1-zijdige toetsing
- In meeste gevallen toetst gepaarde t-toets tegen Δ=0 , maar dat hoeft niet per se
Check aannames:
- Deelnemers aan studie onafhankelijk? Daar is geen informatie over gegeven, voor dit
voorbeeld gaan we ervan uit dat gegevens onafhankelijk zijn
- Waarnemingen steeds in paren?
o Voldaan
- Kan d als trekking uit normale verdeling worden beschouwd?
o Bekijk histogram of Q-Q-plot
o Q-Q-plot
Wanneer punten rond rechte lijn liggen (geen systematisch afwijkend
patroon), mag verondersteld worden dat gegevens redelijkerwijze passen bij
normale verdeling
Afwijkingen in patroon zijn minder erg naarmate n toeneemt
o Histogram laat zelfde patroon zien
- Verschilscore is onafhankelijk van waarde op t=0
o Te bekijken door temperatuur op t=0 op horizontale as en verschilscores op verticale
as te zetten
o Beoordeel op het oog of er relatie is
Toetsingsgrootheid:
Overschrijdingskans:
- “Hoeveel bedraagt kans om
resultaat te vinden dat 5,26
sd’s of meer afwijkt van
verwachting onder H0, als
lichaamstemperatuur van
topsporters niet verandert
na training?”
The benefits of buying summaries with Stuvia:
Guaranteed quality through customer reviews
Stuvia customers have reviewed more than 700,000 summaries. This how you know that you are buying the best documents.
Quick and easy check-out
You can quickly pay through credit card or Stuvia-credit for the summaries. There is no membership needed.
Focus on what matters
Your fellow students write the study notes themselves, which is why the documents are always reliable and up-to-date. This ensures you quickly get to the core!
Frequently asked questions
What do I get when I buy this document?
You get a PDF, available immediately after your purchase. The purchased document is accessible anytime, anywhere and indefinitely through your profile.
Satisfaction guarantee: how does it work?
Our satisfaction guarantee ensures that you always find a study document that suits you well. You fill out a form, and our customer service team takes care of the rest.
Who am I buying these notes from?
Stuvia is a marketplace, so you are not buying this document from us, but from seller lahbijpost. Stuvia facilitates payment to the seller.
Will I be stuck with a subscription?
No, you only buy these notes for $6.93. You're not tied to anything after your purchase.
