Epidemiologi 3 del 2 Flashcards

1
Q

Observationsbias / felklassifikationsbias
* Beträffande sjukdomsstatus:
-
* Beträffande exponeringsstatus:
-

A

Observationsbias / felklassifikationsbias
* Beträffande sjukdomsstatus: KOHORT
-Sjuka djur klassas felaktigt som friska eller friska klassas som sjuka
* Beträffande exponeringsstatus: FALLKONTROLL
-Exponerade djur klassas felaktigt som oexponerade eller
oexponerade klassas som exponerade
______________
Klassas x eller y fel eller båda

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

Bot = blindning!
(“blinded”)

A

störst chans att bli bäst
(? man vet inte vad som hänt vid X för att veta Y?)

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

Observationsbias uppstår i (studier)– 2*

A
  • Kohortstudier: (över tid) (friska med det utfall man vill studera)
    om informationen om SJUKDOMSSTATUS erhålles på ett icke jämförbart sätt för den EXPonerade resp. OEXPonerade gruppen
    (man kan mätt exponeringen olika, och bedömma utfallet)
  • fall-kontrollstudier:
    om informationen om EXPONERINGSSTATUS erhålles på ett icke jämförbart sätt från FALL- resp. KONTROLLgruppen
    (då får man kika bakåt. Kolla om det är olika)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Observationsbias
* Klassificering av sjukdomsstatus med diagnostisk TEST
* En tests KÄNSLIGHET (sensitivity, Se)
-Räknas ut som en andel: delen av de sjuka som testar positivt
-Exempel: 30 sjuka varav 27 testar positivt –
-Exempel: 30 sjuka varav 15 testar positivt –
* En tests SPECIFICITET (specificity, Sp)
-Räknas ut som en andel: delen av de friska som testar negativt
-Exempel: 40 friska varav 30 testar negativt –
-Exempel: 40 friska varav 20 testar negativt –

A

en jobbig bild;

Sjuka_____ Friska
I
Test +__X______I_____10____ Känslighet = SE
Test - _________I___X__30/ 20__
Summan av alla sjuka ___ summan av alla friska
SP= 30/40 75% ex vis 20/40 50%
_____
X = där vi vill ha så höga siffror i
__________
ett risktigt bra test hamnar bara nån sjuk som frisk

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

Observationsbias, typer 3 St
(observerar dem selekterade individerna)

A
  • recall bias (om nått dåligt har hänt -> tittar tillbaka)
    -Intervjuobjekt kommer bättre ihåg händelser efter att sjukdom har inträffat
  • intervjuarbias (inte drabbas av sjukdomen)
    -Potentiellt problem när den som genomför intervjun är insatt i den hypotes som studeras
  • “Vara till lags” bias (‘Clever Hans’ effekt)
    -Uppträder när individer ändrar sina svar efter hur de förväntar att undersökaren vill ha svaren (folk vill gärna göra rätt, läser av efter hur de förväntar, ge svaren dem tror vi vill ha
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Hur kan observationsbias minimeras?

A
  • Blindad uppskattning av exponering och utfall, d.v.s. uppskatta var och en utan kännedom om varandra (genom att BLINDA)
  • Använda valida (repeterbara, giltiga) och biologiskt relevanta metoder för att uppskatta exponering och utfall
  • Använda komplett och detaljerad information (t.ex. komplett exponeringsinformation)
  • Använda objektiva mätningar där det är möjligt (t.ex. vikt, dräktighetstester, laboratorietester) med känd Se/Sp
  • Lär känna möjliga felkällor! (beskriv vilken temp, hur långt in, hur länge)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

3 typer av bias

A
  • Selektionsbias
  • Observationsbias – även kallat informationsbias eller missklassifikationsbias (measurement error)
  • Confounding (bias) / sammanblandning
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Fråga 1: Är den totala risken att dö i Costa Rica eller Venezuela
lägre än i Kanada eller USA?
Ja
Fråga 2: Är det synbara sambandet kausalt, dvs finns det något speciellt med att bo i Costa Rica eller Venezuela som gör att befolkningen har en lägre risk att dö än befolkningen har i Kanada eller USA?
Nej

A

mm
ålder är en sammanblandad faktor man måste ha hänsyn till, annars blir det fel siffror.
___________________________________________
Confounding
* I detta exempel orsakar troligen ålder en sammanblandning (confounding) av sambandet mellan land och dödlighet
-yngre befolkning i Costa Rica eller Venezuela:
↓ dödlighet
* Confounding inträffar när det sanna sambandet mellan exponering och utfall störs på grund av effekten av en tredje faktor
(när vi tittar på x och y, nått som påverkar. Kan få helt fel estimat mellan x och y)

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

Confounding
En confounder är en faktor som ____________ med den studerade __________ och som ______ _______ att insjukna i den studerade sjukdomen
Confounding uppstår om confoundern _________ _ ______ ___________ i de grupper som jämföres

A

Confounding
En confounder är en faktor som SAMVARIERAR med den studerade EXPONERINGEN och som PÅVERKAR RISKEN att insjukna i den studerade sjukdomen
Confounding uppstår om confoundern FÖREKOMMER I OLIKA FREKVENS i de grupper som jämföres

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Confounding
* En confounder kan göra att ett POSITIVT samband mellan exponering och utfall blir
-starkare, svagare eller NEGATIVT!
______________________
* En confounder kan göra att ett NEGATIVT samband mellan exponering och utfall blir
-starkare, svagare eller POSITIVT!

A

ja
(man vet inte hur???)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Confounding
* Kontrolleras i design:
* Kontrolleras vid analys:

A

Confounding
* Kontrolleras i design:
-MATCHNING → balanserade data med avseende på confounders (välj ut nånting ex ras, kön, ålder)
* Kontrolleras vid analys:
-STRATIFIERA (delar upp)
-MULTIVARIABLA ANALYSER (t.ex. MULTIPEL REGRESSION (positivt, en data teknik, stoppar in fler X för att kolla Y)
________________________________
Statifering tabell med flera kattraser, vid DM.
_________________
Ett estimat per kön
____________
_________KÖN________
PIL upp och ner__________ PIL ner
RAS____________________> Sjukdom

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

2 typer av fel

A
  • Slumpfel, dålig precision
  • Systematiska fel, bias
    – Selektionsbias
    – Observationsbias
    – Confounding bias
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Precition kontra validitet

A

Validitet (systematiskt fel- bias)
Högt__________________lågt
I
P
r
e
c
i
t
i
o
n
(slumpmässigt fel) Högt_____________lågt
__________________
Allra bäst är högt validitet och högt precision. (lågt precition också ok)
-har man lågt precitionsfel är man fel ute, har fel urval mot målpop

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

Validitet
Inre validitet:

Yttre/extern validitet:

A

Validitet
Inre validitet:
Korrekt slutsats om den undersökta populationen (frånvaro av systematiska fel)
Yttre/extern validitet:
Extrapolering till populationer utanför studien (Extrapolering är estimering av mätvärden utanför ett mätområde. Dra slutsatser)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Epidemiologiska grundbegrepp
* Två typer av fel
-Slumpmässiga
-Systematiska: Selektionsbias, Observationsbias, Confounding
* Diagnostiska tester
-Känslighet / specificitet
* Stickprov
-Enkelt slumpmässig
-Systematisk
-Stratifierad
* Extern / intern validitet

A

ja

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Confounding inträffar när det _________ sambandet mellan ____________ och _____ störs på grund av effekten av en ________ faktor

A

Confounding inträffar när det sanna sambandet mellan exponering och utfall störs på grund av effekten av en tredje faktor