Methodologie & toegepaste biostatistiek 1
Blok 1: Onderzoeksdesign en methode...............................................................................1
+ Kennisclip: incidentiedichtheid: Effecten in de tijd:.................................................................3
Blok 1: Verklarende epidemiologie.....................................................................................5
+ Kennisclip: Odds ratio en relatieve risico:.................................................................................5
+ Kennisclip: Alternatieve effectmaten..........................................................................................6
Blok 2: Vertekening/bias..................................................................................................11
+ Kennisclip: Selectiebias..............................................................................................................13
+ Kennisclip: Informatiebias........................................................................................................15
Discussieforum: Selectiebias.........................................................................................................16
Blok 3: Betrouwbaarheid en Validiteit..............................................................................16
+ Kennisclip: Cohens Kappa........................................................................................................18
+ Kennisclip: Bland-altmanplot...................................................................................................19
+ Kennisclip: Diagnostische waarde............................................................................................21
Blok 4: Confounding en Effectmodificatie.........................................................................22
Blok 4 Causaliteit.............................................................................................................27
+ Kennisclip: Confounding en effectmodificatie.........................................................................28
Blok 5 Beschrijvende statistiek & kansrekening................................................................31
+ Kennisclip: Boxplot....................................................................................................................32
Blok 6 Kansmodellen en de centrale limietstelling............................................................36
+ kennisclip: Kenmerken van kansverdelingen..........................................................................39
+ kennisclip: Centrale limietstelling.............................................................................................40
+ kennisclip: Binomiale verdeling................................................................................................42
Blok 7: Schatten en toetsen..............................................................................................44
+ Kennisclip: hypothese toetsen...................................................................................................46
Canvas............................................................................................................................................46
+ kennisclip: Type-1 en type-2 fouten..........................................................................................47
+ kennisclip: Betrouwbaarheidsinterval......................................................................................47
Blok 1: Onderzoeksdesign en methode
Wat is methodologie? Betreft het proces tussen een
wetenschappelijke vraag en het antwoord daarop
Gaat niet over:
- Inhoud
- Details
,Gaat wel over
- Hoe je je OZ zo uitvoert om een betrouwbaar antwoord te krijgen
Doelstelling: richt je OZ zo in dat je maar één interpretatie mogelijk is!
Onderzoek resulteert in gegevens (data), wat vertellen de gegevens je?
Hoe kan je de gegevens objectief beoordelen (onafhankelijk van de persoon die beoordeeld)
Variabiliteit bemoeilijkt objectiviteit
- Mensen zijn verschillend
- Meetmethode kan variaties geven (bloeddrukmeting bijv.)
- Je kan niet iedereen meten (externe validiteit)
- Factoren die tegelijk meespelen
Statistiek kan ervoor zorgen dat je een betrouwbaar antwoord kan geven
Onderzoeksmethoden:
1. Kwantitatief
- Bevestigen/ontkrachten van onderzoekshypothese
- Onderzoeksvragen met een gesloten karakter (ja of nee)
- Statistiek!
- Je meet getallen
2. Kwalitatief
- Meer gericht op het waarom? En hoe? Van menselijk gedrag
- Open karakter (meerdere antwoorden mogelijk
- Interviews/focusgroepen/observaties/ervaringen
Overeenkomsten: benadering systematisch en cyclus
Epidemiologie: houdt zich bezig met onderzoek naar gezondheid en ziekte bij mensen (in de
bevolking) altijd kwantitatieve onderzoeksmethode
1. Beschrijvende epidemiologie
2. Verklarende epidemiologie
“Onderzoek vindt plaats aan de hand van een steekproef die model staan voor een populatie”
Populatie of doelpopulatie
Steekproef of onderzoekspopulatie
Kwantitatieve kenmerken
- Metingen hebben een getal (numeriek, continue maten)
- Lengte/BMI/Leeftijd/bloeddruk
Categoriale kenmerken
- Metingen in groepen zonder getalsbetekenis (geslacht, ziekte (gezond/ongezond), sterfte
(leven/dood)
- Vaak twee groepen dan noemen we het dichotoom iemand heeft het kenmerk wel of
niet.
Het voorkomen van ziekte wordt op drie manieren weergegeven
1. Prevalentie proportie bestaande gevallen
- Proportie mensen met een gegeven kenmerk
- Aantal gevallen gedeeld door omvang populatie (0-100%)
2 Cumulatieve incidentie (CI) proportie nieuwe gevallen in een populatie, gemeten over
een gegeven tijdsperiode
- Steekproef onder een tijd volgen (prospectief cohortonderzoek)
- Aantal gevallen / aantal patiënten aan het begin van de studie
, - Alleen de patiënten “at risk”, dus die ziek worden en niet al ziek zijn aan het begin van de
studie
- Veelgebruikte frequentiemaat (makkelijk en goed toepasbaar voor zeldzame aandoeningen
- Probleem: als iets vaak voorkomt is het niet zo handig, bijvoorbeeld buikpijn (niet handig bij
dynamische populatie)
- Tijd tot het ontwikkelen van de ziekte gebruik je niet
- Uitval speelt geen rol bij berekening
3 Incidentie dichtheid (ID) de incidentie in een populatie ten opzichte van de totale
persoonstijd die is geobserveerd (het aantal persoonsjaren), dus nieuwe gevallen binnen het
totale aantal persoonsjaren.
Prevalentie over tijd:
- Puntprevalentie: op één punt (transversaal)
- Periodeprevalentie of lifte-time prevalentie
Cohort steekproef die je gelijktijdig hebt gerekruteerd, eens bij cohort altijd bij cohort, dus geen
instroom. Cohort over tijd is prospectief onderzoek
“Premasters gestart in sept 2023”
Dynamische populatie wel in en uitstroom mogelijk
“Studenten aan de VU”
Prevalentie: alle patiënten (nieuwe, patiënten die nog niet ziek zijn, nog niet zijn genezen en (nog)
niet zijn overleden
+ Kennisclip: incidentiedichtheid: Effecten in de tijd:
Kijkend naar de relatieve risico is deze gevoelig voor de looptijd. Bijvoorbeeld een onderzoek naar de
mortaliteit bij 1000 rokers en niet-rokers van 60+ers. Je zal dan zien dat na 1 jaar wellicht meer niet-
rokers zijn overleden dan rokers, kan ook toeval zijn. Na 10 jaar zullen er misschien meer rokers zijn
overleden maar na 25 jaar zal het grootste gedeelte zijn overleden en na 50 jaar zullen alle rokers en
niet-rokers zijn overleden. Het RR zal dus ook veranderen en doet dus niet echt recht aan het effect
van roken.
Een effectmaat die minder gevoelig is voor tijd is: incidentiedichtheid
RR = gebaseerd op cumulatieve incidentie over de volledige looptijd over de studie. Hoeveel mensen
hebben de aandoening wel of niet
Betrekken “time at risk”
- Vanaf het moment dat de “event” (zoals sterfte of ziekte) optreedt bij proefpersoon, is deze
niet meer “at risk”.
- Voor een groep deelnemers kun je het aantal events relateren aan de totale tijd at risk.
- Het resultaat heet de “incidentiedichtheid” of de “hazard” afgekort met ID of h.
Voordelen
ID
- Minder gevoelig voor looptijd van studie
- Minder gevoelig voor uitval
- Toepasbaar bij dynamisch cohort
Nadelen ID
- Denken in “persoonstijd at risk” is minder onberedeneerd
, - In de praktijk lastig om persoonstijd bij te houden, je gaat niet elke dag bij de patiënt staan
kijken of er een event heeft plaatsgevonden.
- Verhuld uitgangspunt dat het risico constant is. Je ziet niet terug aan het getal wanneer het
event heeft plaatsgevonden
ID bij een dynamische populatie:
Incidentiedichthedenratio:
- Relatief risico (RR) deling van cumulatieve incidenties van twee groepen die verschillen
in status van de determinant
- Incidentiedichtheidsratio (IDR) deling van incidentiedichtheden van twee groepen die
verschillen in status van de determinant
Interpretatie van beide effectmaten is bijna hetzelfde
- RR = “groep A heeft over periode X 2x zo veel kans op Y als groep B”
- IDR = “groep A heeft op elk moment 2x zo veel kans op Y als groep B”
ID 1
IDR=
ID 2
= 0,859/1,028 = 0,835
Wie VIT.C. gebruikt heeft op elk moment 0,835 keer zoveel kans om verkouden te worden.
IDR = 0,835, terwijl RR = 1 (3 uit 5 in beide groepen) 3/5 : 3/5 = 1, dus je kan niet weten of VIT.C.
helpt.
IDR is informatiever, want hier is de “time at risk” in betrokken, en deze info is toegevoegde informatie
aan de relatieve risico.
Nadeel: je kan niet elke dag alle gegevens van de proefpersonen hebben. Daarnaast is de IDR is ook
beperkt bij sommige vraagstellingen, bijvoorbeeld bij verkoudheid, omdat het vaak voorkomt in een
periode van 10 jaar. Elke proefpersoon zal dan ongeacht de behandeling wel een keer verkouden
zijn. Het relatieve risico van 1, zal niet meer zo informatief zijn.
Blok 1: Onderzoeksdesign en methode...............................................................................1
+ Kennisclip: incidentiedichtheid: Effecten in de tijd:.................................................................3
Blok 1: Verklarende epidemiologie.....................................................................................5
+ Kennisclip: Odds ratio en relatieve risico:.................................................................................5
+ Kennisclip: Alternatieve effectmaten..........................................................................................6
Blok 2: Vertekening/bias..................................................................................................11
+ Kennisclip: Selectiebias..............................................................................................................13
+ Kennisclip: Informatiebias........................................................................................................15
Discussieforum: Selectiebias.........................................................................................................16
Blok 3: Betrouwbaarheid en Validiteit..............................................................................16
+ Kennisclip: Cohens Kappa........................................................................................................18
+ Kennisclip: Bland-altmanplot...................................................................................................19
+ Kennisclip: Diagnostische waarde............................................................................................21
Blok 4: Confounding en Effectmodificatie.........................................................................22
Blok 4 Causaliteit.............................................................................................................27
+ Kennisclip: Confounding en effectmodificatie.........................................................................28
Blok 5 Beschrijvende statistiek & kansrekening................................................................31
+ Kennisclip: Boxplot....................................................................................................................32
Blok 6 Kansmodellen en de centrale limietstelling............................................................36
+ kennisclip: Kenmerken van kansverdelingen..........................................................................39
+ kennisclip: Centrale limietstelling.............................................................................................40
+ kennisclip: Binomiale verdeling................................................................................................42
Blok 7: Schatten en toetsen..............................................................................................44
+ Kennisclip: hypothese toetsen...................................................................................................46
Canvas............................................................................................................................................46
+ kennisclip: Type-1 en type-2 fouten..........................................................................................47
+ kennisclip: Betrouwbaarheidsinterval......................................................................................47
Blok 1: Onderzoeksdesign en methode
Wat is methodologie? Betreft het proces tussen een
wetenschappelijke vraag en het antwoord daarop
Gaat niet over:
- Inhoud
- Details
,Gaat wel over
- Hoe je je OZ zo uitvoert om een betrouwbaar antwoord te krijgen
Doelstelling: richt je OZ zo in dat je maar één interpretatie mogelijk is!
Onderzoek resulteert in gegevens (data), wat vertellen de gegevens je?
Hoe kan je de gegevens objectief beoordelen (onafhankelijk van de persoon die beoordeeld)
Variabiliteit bemoeilijkt objectiviteit
- Mensen zijn verschillend
- Meetmethode kan variaties geven (bloeddrukmeting bijv.)
- Je kan niet iedereen meten (externe validiteit)
- Factoren die tegelijk meespelen
Statistiek kan ervoor zorgen dat je een betrouwbaar antwoord kan geven
Onderzoeksmethoden:
1. Kwantitatief
- Bevestigen/ontkrachten van onderzoekshypothese
- Onderzoeksvragen met een gesloten karakter (ja of nee)
- Statistiek!
- Je meet getallen
2. Kwalitatief
- Meer gericht op het waarom? En hoe? Van menselijk gedrag
- Open karakter (meerdere antwoorden mogelijk
- Interviews/focusgroepen/observaties/ervaringen
Overeenkomsten: benadering systematisch en cyclus
Epidemiologie: houdt zich bezig met onderzoek naar gezondheid en ziekte bij mensen (in de
bevolking) altijd kwantitatieve onderzoeksmethode
1. Beschrijvende epidemiologie
2. Verklarende epidemiologie
“Onderzoek vindt plaats aan de hand van een steekproef die model staan voor een populatie”
Populatie of doelpopulatie
Steekproef of onderzoekspopulatie
Kwantitatieve kenmerken
- Metingen hebben een getal (numeriek, continue maten)
- Lengte/BMI/Leeftijd/bloeddruk
Categoriale kenmerken
- Metingen in groepen zonder getalsbetekenis (geslacht, ziekte (gezond/ongezond), sterfte
(leven/dood)
- Vaak twee groepen dan noemen we het dichotoom iemand heeft het kenmerk wel of
niet.
Het voorkomen van ziekte wordt op drie manieren weergegeven
1. Prevalentie proportie bestaande gevallen
- Proportie mensen met een gegeven kenmerk
- Aantal gevallen gedeeld door omvang populatie (0-100%)
2 Cumulatieve incidentie (CI) proportie nieuwe gevallen in een populatie, gemeten over
een gegeven tijdsperiode
- Steekproef onder een tijd volgen (prospectief cohortonderzoek)
- Aantal gevallen / aantal patiënten aan het begin van de studie
, - Alleen de patiënten “at risk”, dus die ziek worden en niet al ziek zijn aan het begin van de
studie
- Veelgebruikte frequentiemaat (makkelijk en goed toepasbaar voor zeldzame aandoeningen
- Probleem: als iets vaak voorkomt is het niet zo handig, bijvoorbeeld buikpijn (niet handig bij
dynamische populatie)
- Tijd tot het ontwikkelen van de ziekte gebruik je niet
- Uitval speelt geen rol bij berekening
3 Incidentie dichtheid (ID) de incidentie in een populatie ten opzichte van de totale
persoonstijd die is geobserveerd (het aantal persoonsjaren), dus nieuwe gevallen binnen het
totale aantal persoonsjaren.
Prevalentie over tijd:
- Puntprevalentie: op één punt (transversaal)
- Periodeprevalentie of lifte-time prevalentie
Cohort steekproef die je gelijktijdig hebt gerekruteerd, eens bij cohort altijd bij cohort, dus geen
instroom. Cohort over tijd is prospectief onderzoek
“Premasters gestart in sept 2023”
Dynamische populatie wel in en uitstroom mogelijk
“Studenten aan de VU”
Prevalentie: alle patiënten (nieuwe, patiënten die nog niet ziek zijn, nog niet zijn genezen en (nog)
niet zijn overleden
+ Kennisclip: incidentiedichtheid: Effecten in de tijd:
Kijkend naar de relatieve risico is deze gevoelig voor de looptijd. Bijvoorbeeld een onderzoek naar de
mortaliteit bij 1000 rokers en niet-rokers van 60+ers. Je zal dan zien dat na 1 jaar wellicht meer niet-
rokers zijn overleden dan rokers, kan ook toeval zijn. Na 10 jaar zullen er misschien meer rokers zijn
overleden maar na 25 jaar zal het grootste gedeelte zijn overleden en na 50 jaar zullen alle rokers en
niet-rokers zijn overleden. Het RR zal dus ook veranderen en doet dus niet echt recht aan het effect
van roken.
Een effectmaat die minder gevoelig is voor tijd is: incidentiedichtheid
RR = gebaseerd op cumulatieve incidentie over de volledige looptijd over de studie. Hoeveel mensen
hebben de aandoening wel of niet
Betrekken “time at risk”
- Vanaf het moment dat de “event” (zoals sterfte of ziekte) optreedt bij proefpersoon, is deze
niet meer “at risk”.
- Voor een groep deelnemers kun je het aantal events relateren aan de totale tijd at risk.
- Het resultaat heet de “incidentiedichtheid” of de “hazard” afgekort met ID of h.
Voordelen
ID
- Minder gevoelig voor looptijd van studie
- Minder gevoelig voor uitval
- Toepasbaar bij dynamisch cohort
Nadelen ID
- Denken in “persoonstijd at risk” is minder onberedeneerd
, - In de praktijk lastig om persoonstijd bij te houden, je gaat niet elke dag bij de patiënt staan
kijken of er een event heeft plaatsgevonden.
- Verhuld uitgangspunt dat het risico constant is. Je ziet niet terug aan het getal wanneer het
event heeft plaatsgevonden
ID bij een dynamische populatie:
Incidentiedichthedenratio:
- Relatief risico (RR) deling van cumulatieve incidenties van twee groepen die verschillen
in status van de determinant
- Incidentiedichtheidsratio (IDR) deling van incidentiedichtheden van twee groepen die
verschillen in status van de determinant
Interpretatie van beide effectmaten is bijna hetzelfde
- RR = “groep A heeft over periode X 2x zo veel kans op Y als groep B”
- IDR = “groep A heeft op elk moment 2x zo veel kans op Y als groep B”
ID 1
IDR=
ID 2
= 0,859/1,028 = 0,835
Wie VIT.C. gebruikt heeft op elk moment 0,835 keer zoveel kans om verkouden te worden.
IDR = 0,835, terwijl RR = 1 (3 uit 5 in beide groepen) 3/5 : 3/5 = 1, dus je kan niet weten of VIT.C.
helpt.
IDR is informatiever, want hier is de “time at risk” in betrokken, en deze info is toegevoegde informatie
aan de relatieve risico.
Nadeel: je kan niet elke dag alle gegevens van de proefpersonen hebben. Daarnaast is de IDR is ook
beperkt bij sommige vraagstellingen, bijvoorbeeld bij verkoudheid, omdat het vaak voorkomt in een
periode van 10 jaar. Elke proefpersoon zal dan ongeacht de behandeling wel een keer verkouden
zijn. Het relatieve risico van 1, zal niet meer zo informatief zijn.
