Een samenvatting op basis van de slides en filmpjes van inleiding tot biostatistiek van professor Molenberghs. Heel handig om het vak snel te kunnen leren en overlopen.
Initiatie wetenschappelijk OZ – biostatistiek:
I. SURVEYS:
1. The Belgian Health Interview Survey:
- subjectieve gezondheid (door patient gevoeld) VS objectieve gezondheid (arts)
- gedurende 1 jaar: seizoenseffecten (ruis) spreiden => lange periode zodat minder spreiding/ ruis
- stratificatie: verdeling van totale steekproefgrootte in ≠ deelsteekproeven (verdeling op designniveau!)
-> waarom: °survey is niet gerandomiseerd dus risico op cofounding
°elke regio (deelsteekproef) moet groot genoege steekproef hebben
-> 2 types: - gelijke (steekproeven even groot) -> VD: makkelijke vgl tussen de ≠ groepen
- proportionele (volgens werkelijkheid) -> VD: grotere precisie
- gelijke grootte van substeekproeven:
VD:
-> beter om te vgln tussen ≠ substeekproeven als ze zelfde groottes hebben
-> even grote betrouwbaarheidsintervallen (dus makkelijker om te vlgn)
ND:
-> steekproef is in zijn geheel niet respresentatief (ene substeekproef is in werkelheidheid groter
dan andere, maar telt maar voor evenveel mee) DUS werken met gewichten om ongelijke
selectiekansen opnieuw gelijk te maken
> “cijfers van groep 1 tellen mee voor 1/3, cijfers van groep 2 tellen mee voor x2 …”:
=> cijfers van G1 zijn in tabel oververtegenwoordigd
=> cijfers van G2 zijn in tabel ondervertegenwoordigd
gewichten gebruiken om de steekproefproporties te vervangen door de proporties zoals ze in
werkelijkheid in de populatie zijn (want proporties in steekproef verschillen van proporties in
populatie)
binnen elke kleine stratum waarin een selectie gebeurt, moet men rekening houden met de
selectiekans en gewichten toekennen zoals het aantal in werkelijkheid optreedt
- hoe groter steekproef, hoe kleiner betrouwbaarheidsinterval
- tabelanalyse:
-> rate p. = aantal personen die per 1000 personen opgenomen werden:
> ondertegenwoordiging: rate p. < 1 /// oververtegenwoordiging: rate p. >> 1
° rate p. = 0,79: - “0,79 mensen per 1000 inwoners zijn opgenomen”
- “provincie is ondervertegenwoordigd dus zwaar gewicht nodig”
° rate p. = 5,4: - “5,4 mensen per 1000 inwoners zijn opgenomen”
- “provincie is oververtegenwoordigd dus verkleind gewicht nodig”
-> willekeurige keuze van steden rekening houdend met grootte waaruit telkens # Pn gekozen:
> gevolg: kans dat grote gemeentes meerdere keren gekozen worden voor steekproefgroep
- multistage sampling:
-> induceert clustering: 2 (of meer) correspondenten in steekproef zijn NIET onafh van elkaar (want
afkomstig van zelfde gemeente …) & horen dus bij elkaar waardoor vaak hogere
correlatie
!! multistage sampling kan ook zonder clustering !!
!! clustering kan ook zonder multistage sampling !!
(> bij one-stage sampling waarbij hele populatie opgenomen wordt)
-> zorgt voor daling precisie (info verlies):
>. Hoe kleiner steekproef met multistage sampling, hoe meer info (precisie) verloren
toch gebruiken om logistieke werk te vereenvoudigen & goedkoper
,-> 3-stage sampling in dit voorbeeld:
> de 12 provincies liggen vast (worden niet per toeval gekozen)
> gemeentes – huishoudens – correspondenten: per toeval gekozen
II. CLINICAL TRIALS:
1. Statistical methods in drug development:
- Amerika: IND -> FDA (GM & voeding) -> NDA // Europa: EMA (Gm) ( FSA (voeding))
- drug development process:
1. preklinische studies op mlcn
2. IND vraagt toestemming aan FDA om klinische studie in fase 1 uit te voeren (want OZ met mens)
3. klinische studie met F1, F2 (A&B), F3 waarbij controle door institutional review board & IDMC
-> belang van informed consent van proefpersoon
4. alle klinische studies zijn gebeurt -> raport naar NDA
FASE 1 FASE 2 FASE 3 (ECHTE KLIN STUDIE)
=> toxiciteit & neveneffecten => toxiciteit, neveneffecten EN => overleving (effectiviteit)
-> kleine steekproef & lage dosis werkzaamheid (activiteit) -> gedurende lange tijd
-> doel: maximum tolerated dose -> middelgrote steekproef -> juiste randomisatie is NZ
> indicatie van MTD -> ND: als MTD in F1 foutief => controlled clinical triall
-> ND: suboptimale opzet bepaald, foute dosis in F2
continual reassessment DUS ≠ dosissen gebruiken
method: betere methode -> gegevens hergebruiken in F3
> meer preciezer MTD bepalen (F2 als snelle surrogaatrespons
> op continue basis en per pat van langdurige res van F3)
- randomisatie:
> doel: 2 groepen vormen die met elkaar vglbaar zijn
> design: ongepaarde T-toets => 2 onafhankelijke groepen die vergelijkbaar moeten zijn
-> geen gepaarde T-toets – verklaring:
altijd vglbaar (want zelfde patienten) MAAR je kan geen causaliteit aantonen, want verschillend
resultaat kan gewoon zijn door tijdsverloop
> ND: vaak niet representatief voor gehele bevolking; enkel voor een gelijkaardige bevolkingsgroep
> ≠ methodes:
*fixed allocation randomization: vooraf willekeurig vastgelegd welke deelnemer wat krijgt (geen extra info)
°simple randomization:
- ideaal = ½ - ½ (perfecte balans; snelst verschil tssn Gm & placebo aantonen)
- Meestal = 1/3 – 2/3 (geloof in gm; MAAR geen blindering mg)
°blocked randomization:
- ptn in groepen verdelen per blok van 4 (geen onbalans bij vroegtijdige stop
& gelijke verdeling van vroege en late ptn over de ≠ groepen)
> “Elke groep bestaat uit 200 deelnemers”
°stratified randomization:
- nog verdere opsplitsing dan blocked obv gegevens (exacte gelijkheid
waardoor kleiner risico op cofounding bij kleine steekgroep)
> “elke groep van 200 deelnemers bestaat uit 100 vrouwen & 100 mannen”
, *adaptive randomization: kans op toewijzing obv info van deelnemer (=> gecontroleerde willekeur)
-> vooral gebruikt eens studie al bezig is om onbalans in groepen te herstellen
-> via kansen (nooit 100%; er blijft random component)
°baseline adaptive R: kans om in groep X te komen vergroten om onEV tussen 2 groepen te
herstellen
°responsive adaptive R: rekening houden met verkregen info over werking Gm om kans te
vergroten om in bepaalde groep terecht te komen
e
! zomaar 3 groep toevoegen en zelfde tests uitvoeren zoals bij 2 groepen mag NIET
- intention to treat:
= ptn moeten gerandomiseerd worden volgens oorspronkelijke groep waaraan ze toegekend zijn
(P in actieve groep maar blijkt achteraf dat hij med niet genomen heeft -> behoort nog steeds tot A groep)
treatment received (as treated): ptn analyseren zoals ze behandeling ondergaan hebben onafh van
groep waarin ze oorspronkelijk zaten
!! beide analysen kunnen gedaan worden en leveren andere antwoorden/ resultaten (andere doeleinden)
!! ideale situatie = studie perfect verlopen: intention to treat & treatment received vallen samen
- ethische bedenken:
> conventie van Helsinksy
> informed consent & vrij om studie vroegtijdig te verlaten
> clinical equipoise: voldoende klinisch bewijs dat Gm zou kunnen werken, maar moet nog aangetoond
worden, dan kunnen we klinische studie uitvoeren
> arts kan weigeren aan klinische studie deel te nemen als hij er niet in gelooft (beroepsethiek)
2. Cross-over studies:
- gepaarde T-toets uitbreiden zodat we ze kunnen gebruiken voor klinische studies:
> Groep 1: experimenteel (nieuw Gm) -> standaardB VS Groep 2: standaardB -> experimenteel (nieuw Gm)
> groep 1 & 2 vgln: - geen verschil tussen 1 & 2 = enkel kijken tussen verschil exp & standaard
- verschil tussen 1 & 2 = corrigeren voor periode-effect
> doel: causaliteit van Gm aantonen (mg want, enige verschil is volgorde van metingen)
(gepaarde T-toets: binnen 1 groep kijken of er een verschil is tussen t1 (voor behandeling) & t2 (na B)
- klassieke cross-over design (2x2 = AB-BA = 2-period 2-treatment):
> VD: kleine steekproef (meerdere metingen pp & zeer pure vgl tussen ≠ metingen bij pat mg)
> ND: ≠ karakteristieken waarmee rekening moet gehouden worden (correctie nodig)
°patient-effect: resultaten van patA zullen meer gelijkend zijn dan resultaat van pat A en B
°periode-effect: verschil in effect bij beide groepen door volgorde van gebruik & NIET door
GM zelf
°effect of treatment: behandelingseffect (effect van behandeling) (MAAR veel tijd nodig)
°carry-over effect: deel van behandelingseffect van A spiegelt af op periode B EO (je kan
beide niet uit elkaar houden; zoveel mg te vermijden)
-> carry-over effect kan je niet uit elkaar houden met simpel AB-BA design
°treatment-by-period interaction: interactie tussen behandeling & periode waarin
-> carry-overeffect & interaction (treatment-periode) zijn cofounded (niet los te koppelen van elk)
- veel variatie: 3-period, 2-treatment (sequenties waarbij Gm zichzelf opvolgt om te kijken of werking de 2e
keer beter/ minder is dan 1e keer)
Les avantages d'acheter des résumés chez Stuvia:
Qualité garantie par les avis des clients
Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.
L’achat facile et rapide
Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.
Focus sur l’essentiel
Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.
Foire aux questions
Qu'est-ce que j'obtiens en achetant ce document ?
Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.
Garantie de remboursement : comment ça marche ?
Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.
Auprès de qui est-ce que j'achète ce résumé ?
Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur emmademeerleer. Stuvia facilite les paiements au vendeur.
Est-ce que j'aurai un abonnement?
Non, vous n'achetez ce résumé que pour €9,69. Vous n'êtes lié à rien après votre achat.
