Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

Statistik > Eksamen > Flashcards

Eksamen Flashcards

1
Q

Hvordan fortolkes en INsignifikant P-værdi ved BD-testet?

A

Jeg accepterer H0 om homogenitet.

Dvs. der undergruppernes OR kunne så lige godt være ens –> slås sammen til én fælles OR

Kan også ses ved at sammenligne konfidensintervaller

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Hvordan fortolkes en SIGnifikant P-værdi ved BD-testet?

A

Jeg forkaster H0 om homogenitet og accepterer, at der er heterogenitet mellem undergrupperne.

Dvs. der undergruppernes OR er signifikant forskellige.

Derfor ville variablen være en effektmodikator dvs., at effekten af blodtryksforskellen på risikoen for død, er forskellig på tværs af variablens undergrupper og jeg stopper analysen.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Hvordan er effektmodifikator anderledes fra en confounder?

A

Effektmodifikator: Effekten af blodtryksforskel på risikoen for død, er forskellig på tværs af variablens undergrupper.

Confounder: Hvis en variabel er en confounder, så er effekten den samme i undergrupperne. Confounderen går altså ind og påvirker sammehængen mellem eksponering og udfald, så når man justerer for den, vil sammenhængen ændre sig.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Hvordan fortolkes en SIGnifikant P-værdi ved MH-testet?

A

Jeg forkaster H0 om betinget uafhængighed og accepterer, at der er afhængighed mellem blodtryksforskel og død, betinget for den tredje kovariat.

Statistisk sammenhæng mellem x og y når vi betinger for z

Fælles OR er signifikant forskellig fra 1 –> dvs. forskel ml. at have en en btforskel på <5 og >5 mmHg

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Hvordan fortolkes en INsignifikant P-værdi ved MH-testet?

A

Jeg accepterer H0 om betinget uafhængighed og accepterer, at der er uafhængighed mellem blodtryksforskel og død, betinget for kovariaten.

  • Ingen sammenhæng mellem x og y når vi betinger for z*
  • OR= 1 –> dvs. ingen forskel mellem blodtryksforskel >5 og <5 mmHg på risikoen for død*
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hvad kan undergruppernes konfidensintervaller i BD-testet fortælle?

A

Hvis man sammenligner OR-estimaternes tilhørende konfidensintervaller kan man tjekke for homogenitet.

Hvis konfidensintervallerne overlapper hinanden, så kunne OR-estimaterne ligeså godt være ens = homogenitet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Hvordan fortolkes OR i den logistiske regression?
1,04 [1,01-1,07]

A

Hvis ens blodtryksforskel stiger med 1 mmHg er odds for at dø 4% højere sammenlignet med en person som har en blodtryksforskel 1 mmHg mindre, givet at disse har ens værdier på alle andre variable.

Dette gælder på hele kurven = hældningen er lige stor

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Hvordan kan jeg regne OR ud for en 30-årig der drikker indimellem vha. interaktionen alkohol*alder?

A

ORalkohol*ORalkohol*alder^30 = 0,001*1,2330 = OR

Eller

Beta30 = Betaalkohol+30*Betaalkohol*alder = -7,542+30*0,210

Exp(Beta30) = OR

En 30 årig der drikker indimellem, vil have ca. halvt så høje odds for at dø, sammenlignet med en der aldrig drikker som også er 30 år, hvis de er ens på alle andre parametre.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Hvad er logit-skalaen?

A
  • Logit-skala:
    • Beta-værdierne er på logit-skalaen
    • En skala som er smart at regn spå
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Hvad er interceptet?

A
  • Logit-værdien for en referenceperson
  • En meget speciel person
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Hvad er beta-værdier

A
  • Logit forskelle mellem interessegruppe vs. referencegruppe
    • Hvis man tager eksponentiel funktionen af logit-forskellen så får man OR.
  • Kan ikke tolkes direkte på
    • Men når beta er positiv: højere risiko for død
    • Og når beta er negativ: lavere risiko for død
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Hvad er min H0 i den logistiske regression?

A
  • Der er ingen sammenhæng mellem f.eks. rygning og død, justeret for den andre variable
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Hvorfor må man ikke fjerne en hovedeffekt når den indgår i en signifikant vekselvirkning?

A

Fordi jeg ikke kan fortolke interaktionen uden at have hovedeffekten med

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Hvad er en logit-værdi?

A
  • En funktion af risikoen for død
  • En specifik risiko for en given person
  • Dem kan man ikke rigtig tolke på
  • Kan regnes om til odds eller sandsynlighed
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Hvad fortæller vekselvirkning mellem alkohol*alder

A
  • Effekten af alder afhænger af om man drikker alkohol eller ej
    *
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Hvad fortæller beta-værdien for alder mig i den endelige formel?

A
  • Alders beta-værdi er effekten af at blive 1 år ældre, hvis man ikke drikker alkohol.
  • Effekten af alder på risikoen for død er noget forskelligt, alt efter om personen drikker alkohol eller ej = effektmodifikation
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Hvad er nulhypotesen for odds-ratio?

A

Odds = 1 = ingen forskel mellem grupperne man sammenligner

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Hvad betyder det at stratificere/justere i MH-testet?

A
  • Man fjerner den effekt variablen kan have på sammenhængen mellem blodtryksforskel og død
  • Man laver en tabel for hver undergruppe, med enkeltvise OR (BD)
  • At stratificere/justere betyder, at man fastholder kovariatens værdi fx hvis det er køn så sammenligner man to mænd eller to kvinder og ikke en mand og en kvinde.
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Hvad er regressionskoefficienten?

A

Beta-værdien

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Hvordan udregnes den relative hyppighed for død for <5 og >5 mmHg?

A
  • Død med blodtryksforskel <5 mmHg
    • 140/2774 = 5,05%
  • Død med blodtryksforskel >5 mmHg
    • 108/1681 = 6,4%

Blodtryksforskel >5 mmHg ser ud til at øge risikoen for død sammenlignet med <5 mmHg. Men kunne denne forskel være opstået tilfældigt?

21
Q

Hvis nu dødssandsynlighederne (mellem grupperne) var ens hvad er så vores bedste bud på denne sandsynlighed?

A

108+140/4455*100 = 5,56%

22
Q

Hvordan udregnes det forventede antal døde for hhv. <5 mmHg og >5 mmHg?

A

Total <5 mmHg * total død / total (n)

  • <5 mmHg:
    • 2774*248/4455 = 154,4

Total >5 mmHg * total død / total (n)

  • >5 mmHg:
    • 1681*248/4455 = 93,6

På samme måde kan man beregne det forventede antal ikke-døde

23
Q

Hvad er nulhypotesen i den marginale analyse?

A

H0 = ingen sammenhæng mellem blodtryksforskel og død

Dvs. at fordelingen af død er den samme i begge eksponeringsgrupper

24
Q

Hvordan udregnes OR i den marginale 2x2 tabel?

A

ORhat = (a/b)/(c/d)

OR = (108/1573)/(140/2634) = 1,29

25
Q

I den rygespecifikke uddannelseseffekt, hvorfor udgår betaryger så?

A

Fordi jeg ikke ønsker at sammenligne OR mellem rygere og ikke rygere. Jeg ønsker derimod at sammenligne rygere på tværs af uddannelsesniveau og ikke-rygere på tværs af uddannelsesniveau. Jeg vil ikke sammenligne rygere og ikke-rygere.

26
Q

Hvordan regner man sandsynligheden for at præcis 300 personer dør (succes) ud af 4462 vha. binomialfordelingen?

A

P(X=300) = 0,056300(1-0,056)4462-300*(4462300)

= hvad er præcis sandsynligheden for, at 300/4462 dør?

27
Q

Hvad mener du med, at de er forventede? Hvornår forventer du de værdier?

A

Jeg forventer at se værdierne, hvis nulhypotesen er sand dvs., at der ikke er nogen sammenhæng mellem rækker og søjler altså, at dødsandsynligheden er den samme i det to grupper

28
Q

Hvad betyder X2-teststørrelsen?

A

Den tester om der sammenhæng mellem eksponering og udfald ved at se på afstanden mellem observerede og forventede værdier

Store værdier = evidens mod nulhypotesen = desto dårligere passer det jeg forventer (min hypotese), med det jeg observerer

29
Q

Hvad er den kritiske værdi?

A

3,84

Det tal, hvor 5% er over og 95% er under

30
Q

I den logistiske regressionsmodel: Hvad er så forskellen mellem en person med en blodtryksforskel på 11 mmHg sammenlignet med en med blodtryksforskel på 12 mmHg?

A

En person med en blodtryksforskel på 12 mmHg har 4% højere odds for at dø, sammenlignet med en person med en blodtryksforskel på 11 mmHg, givet at de er ens på alle andre parametre.

Effekten er blodtryksforskel er lineær, og derfor er det lige meget, om jeg sammenligner to personer med blodtryksforskel på 12 og 11 mmHg eller to personer med blodtryksforskel på 5 og 6 mmHg

31
Q

I den logistiske regressionsmodel: Hvordan beregner jeg to personer med en blodtryksforskel på 10 mmHg?

A

Beregning:

  • Beta-værdier: 0,037*10 = 0,37 = exp (0,37) = 1,44
  • OR: 1,0410 = 1,48

Fortolkning: En person, som har 10 mmHg mere i blodtryksforskel end en anden, har 48% højere odds for at dø, givet at de er ens på alle andre parametre

32
Q

Hvis der er ingen forskel i populationen (OR=1), hvor sandsynligt er det så, at jeg kan trække en tilfældig stikprøve ud fra populationen og få en OR på 1,29?

A

Den sandsynlighed er <0,05 = dvs. signfikansniveauet på 5% overskrides ikke og jeg kan forkaste min nulhypotese om ingen forskel mellem personer med blodtryksforskel <5 og >5 mmHg på risikoen for død.

33
Q

Hvad betyder det, at X2-testet og gamma-testet giver hhv. en insignifikant og signifikant p-værdi?

A

Gamma-testen kan have svært ved at fange sammenhænge, hvis de ikke er monotome dvs. hvis der ikke er nogen retning/tendens

X2-testen godt kan fange en sammenhænge som afviger fra H0.

BMI-variablen har ikke nogen retning i confounderkontrollen

34
Q

Hvad er formålet i opgave 4 del c?

A

At undersøge om effekten af blodtryksforskel er signifikant forskellig, alt efter om blodtrykket er højest i højre eller venstre arm

35
Q

Hvad er parameteren ifm. OR?

A

Den ukendte OR-værdi i populationen, som jeg ville kende, hvis jeg havde observeret alle.

36
Q

Hvad er et estimat?

A

Det som jeg kan beregne på basis af min stikprøve

37
Q

Hvad menes der med en signifikant p-værdi i den marginale analyse?

A
  • Det der menes er, at personer med blodtryksforskel >5 mmHg er signifikant forskellige fra personer med blodtryksforskel <5 mmHg
  • Hvis der ikke er nogen forskel mellem, at have en blodtryksforskel på hhv. under 5 mmHg og over 5 mmHg på risikoen for død, så er der 5,2% sandsynlighed for at få en OR på 1,29 eller mere ekstrem.
    • Der er altså en lille sandsynlighed for, at jeg faktisk får sådan en OR, hvis nulhypotesen er sand.
    • Derfor kan jeg ikke afvise nulhypotesen
38
Q

Beskriv formlen for den endelige logistiske regressionsmodel

A
  1. Først udregnes logit
  2. Dernæst tages eksponentielfunktionen af logit, hvilket giver odds
  3. Til sidst tager jeg odds/1+odds = sandsynlighed for død for en specifik person
39
Q

Hvad sker der på logit-skalaen når man ændrer x-værdien med 1 enhed (kontinuert)?

A

For hver mmHg blodtryksforskellen stiger med, så stiger beta-værdien med 0,037

40
Q

Hvad sker der på logit-skalaen når man går fra den ene gruppe til den anden (kategorisk)?

A
41
Q

Hvad er nulhypotesen for de enkelte P-værdier i den logistiske regression fx uddannelse?

A

Der er ingen forskel mellem personer med mellemlang uddannelse og personer som er lavtuddannede på risikoen for død.

42
Q

Hvad er nulhypotesen for den overordnede wald-test?

A

Alle grupper har samme odds for død = der er ingen forskel mellem nogen af grupperne på risikoen for død.

43
Q

Hvad viser konfidensintervallet [1,01-1,07] i den logistiske regression?

A

At OR-estimatet kunne antage værdi fra 1-7% for hver mmHg stigning

4% er bare mit bedste bud

44
Q

Hvad er dummy-variablen i den endelige model?

A

Dummy-variabel (X)

  • Ikke-interessegruppe dvs. ikke den/dem jeg vil regne sandsynlighed for = 0
  • Interessegruppe dvs. den jeg vil sandsynlighed for = 1
45
Q

Hvad er nulhypotesen i linearitetstjekket for fx alder?

A

Alder3 =

  • H0 = alder i tredje har ingen effekt på død

Alder2 =

  • H0 = alder i anden har ingen effekt på død

Alder =

  • H0 = alder har ingen effekt på død
46
Q

Hvordan hænger test-størrelsen sammen med p-værdien?

A

Teststørrelse er større end den kritiske værdi = p-værdien er <0,05

47
Q

Hvad fortæller P-værdien i den marginale analyse (X2-testen)?

A
  • P-værdien beregnes ud af fra test-størrelsen
    • Teststørrelsen fortæller om OR er signifikant forskellig fra 1
48
Q

I den logistiske regressionsmodel (trin 1 og 2) hvad er nulhypotesen for blodtryksforskel?

A

H0 = ingen sammenhæng ml. stigning i blodtryksforskel og risikoen for død dvs. der er ingen forskel mellem at have en blodtryksforskel 1 mmHg højere end en anden på risikoen for død

Statistik (9 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2024 Bold Learning Solutions. Terms and Conditions