HC.2 - Statistische begrippen

Question 1

Wat zijn de drie demonen van de wetenschap?

Answer 1

1. Dataduivel: data is slecht gearchiveerd (data is weg)
2. Replicatieprobleem: studieresultaten moeten eigenlijk gecheckt worden (literaal kan toeval zijn)
3. Verificatiekramp: te hard proberen om een gewenst resultaat te krijgen –> lang doorgaan vanzelf een keer significant resultaat (maar is toevalsbevinding)

Question 2

Wat wordt er wel eens gedaan om de significantiekramp te beperken?

Answer 2

Pre-registratie: vooraf dingen afspreken met tijdschrift en dit hoeft niet per se om significantie te gaan

Question 3

Voor welke twee dingen doen we gegevens verzameling?

Answer 3

1. patienten zorg
2. wetenschappelijk onderzoek

Question 4

Wat is belangrijk bij het verzamelen van gegevens?

Answer 4

1. compleetheid: achteraf niet meer dingen veranderen of corrigeren
2. Nauwkeurigheid
3. reproduceerbaarheid
   4 validiteit: meten wat je wil meten

Question 5

Hoe kunnen we nauwkeurigheid van gegevens verzameling waarborgen?

Answer 5

1. gebruiken van meetprotocollen waardoor overal dezelfde manier gebruiken
2. 1 Observer vs inter-observer variatie: meerdere mensen die het eens zijn met elkaars beoordelingen

Question 6

Welke drie dingen moet geprobeerd worden om te voorkomen/vermijden/beperken bij het verzamelen van gegevens?

Answer 6

1. toevallige meetfouten: door onnauwkeurigheid van instrument of waarnemer (onnodige ruis)
   Zijn er ALTIJD ( niet te voorkomen) maar kans zo klein mogelijk maken
2. systematische meetfouten: fouten in meetinstrument
   bvb fout geijkte bloeddrukmeter
   Probleem bij reproduceerbaarheid
3. differentieel systematische meetfouten: in de ene groep wordt een andere systematische fout gemaakt dan in de andere groep –> hierdoor kan een verschil aangetoond worden dat er eigenlijk niet is

Question 7

Welke twee variabelen zijn er?

Answer 7

1. numerieke/kwantitatieve variabelen = getallen
2. Categorische variabelen = groep

Question 8

Welke twee meetniveau’s kennen de variabelen?

Answer 8

Numerieke:
- discreet: gehele getallen bvb aantal dagen ziek, aantal kinderen (half niet mogelijk)
- Reele getallen bvb lengte, gewicht, bloeddruk, inkomen (kan elke waarde aannemen)

Categorisch:
- nominaal: geen ordening (geslacht, soort OK, klacht) dus een groep is niet meer of beter dan de ander
- ordinaal: wel rangorde (ernst ziekte, stagering van tumor) er kan een ongelijke afstand tussen de variabelen zitten (bvb niet ziek, beetje ziek, ernstig ziek)

Question 9

Wat is het belang van het meetniveau?

Answer 9

1. bepaalt hoe gegevens gepresenteerd worden
2. Bepaalt hoe gegevens geanalyseerd moeten worden

Question 10

Hoe kunnen we gegevens presenteren mbv de 2 variabelen?

Answer 10

1. numerieke variabelen
   - gemiddelde of mediaan
   - standaarddeviatie, interkwartielafstand
   - histogram, boxplot
2. categorische variabelen:
   - percentages in de categorieen
   - taartdiagram

Question 11

Wat voor analyses kunnen we doen met numerieke (continue) uitkomst variabelen?

Answer 11

1. T-test voor onafhankelijke groepen
   = vergelijken van gemiddelden. van groepen
   Bvb Is de daling van de bloeddruk verschillend bij behandeling A en B?
   NIET MET CATEGORISCHE VARIABELEN
2. Lineaire regressie analyse = welke factoren bepalen bvb de daling
   - uitkomst MOET numeriek zijn en normaalverdeling hebben
   - variabelen maken niet uit dus kan numeriek of categorisch (wel goed in model zetten)
   - het zijn verklarende variabelen die op verschillende manieren gebruikt worden
   - corrigeren voor variabelen
   bvb welke factoren bepalen de grootte van de daling (bvb behandeling, geslacht, leeftijd, bloedgroep –> corrigeren hiervoor)

Question 12

Welke analyses gebruiken we voor categorische varialen?

Answer 12

• Categorische variabelen zijn vaak dichotoom = twee mogelijke waarden bvb hypertensie tijdens zwangerschap: ja of nee
• Chi-kwadraat toets: kruistabellen
  Komt het vaker voor bij vrouwen van niet-westerse achtergrond?
  KAN NIET MET NUMMERIEKE VARIABELEN
• Logistische regressie analyse bij een CATEGORISCHE UITKOMST VARIABELE om risicofactoren te onderzoeken
  bvb hypertensie voorspellen

Question 13

Wanneer kan er GEEN lineaire regressie analyse worden gedaan?

Answer 13

Bij categorische uitkomst variabele
Dus ook niet als ja of nee uitkomst hebt

Question 14

Voor welke twee dingen is statistiek nodig?

Answer 14

1. er zit altijd spreiding en variabiliteit in de gegevens
2. omdat medische/psychologische eigenschappen van mensen niet vast liggen in natuurkundige wetten

Question 15

Wat is de belangrijkst maat voor spreiding? Wat betekent dit?

Answer 15

Standaarddeviatie (SD)
Hoe gespreid is iedereen rond het gemiddelde –> hoe ver ligt iedereen van het gemiddelde af

Question 16

Wat is de centrum maat van de SD?

Answer 16

Het gemiddelde
= som van alle scores / aantal scores

Question 17

Wat is een nadeel van het gebruik van gemiddelden?

Answer 17

Het is erg gevoelig voor extreme spreiding (hoog of laag)

Question 18

Hoe geven we numerieke uitkomsten over een populatie weer?

Answer 18

Met een Griekse letter

mu (u): gemiddelden
Pi: proportie (wel/niet) –> hoeveel % heeft complicaties

Sigma = verschil tussen twee gemiddelden uV - uM

betaleeftijd: regressie coefficient = hoeveel neemt de bloeddruk toe per 1 jaar ouder worden

RR = relatieve risico = kans op overlijden aan longkanker van rokers tov niet-rokers (populatie)

Question 19

Hoe wordt de SD berekend?

Answer 19

Via de Variantie

Question 20

Wat is een belangrijke eigenschap die een steekproef eigenlijk moet hebben?

Answer 20

• aselect = random sampling dus iedereen in de populatie heeft evenveel kans om in de steekproef terecht te komen –> representatief
  Het is een statische assumptie

Praktijk: men hoopt dat de studiegroep even goed is als een echte aselectie steekproef maar het is nooit helemaal representatief

Question 21

Welke twee fouten kunnen voorkomen bij het maken van een steekproef?

Answer 21

1. toevallige fout: altijd rekening houden met STEEKPROEF VARIABILITEIT omdat elke keer dat je een steekproef neemt verschilt deze –> gebeurt ALTIJD
   = selectie bias
2. Bias of systematische fout: door fouten of gebreken in steekproef, meetmethoden, analyses
   –> Deze zo veel mogelijk voorkomen

Question 22

Wat is inferentiele statistiek?

Answer 22

Obv een steekproef iets zeggen over de gehele populatie

Question 23

Wat wordt bedoeld met een gemiddelde lengte van 1,70 m met een SD van 10? Hoeveel mensen vallen in de 2SD?

Answer 23

Dat gemiddeld de mensen in die populatie 1,70 m zijn waarbij de meeste 10 cm erboven of eronder zitten

95% van de mensen vallen in 2SD

Question 24

Waarvan is de spreiding (als we een gemiddelde nemen) afhankelijk?

Answer 24

• spreiding van individuele waarden (populatie SD)
• grootte van de steekproef

Question 25

Hoe wordt de variantie berekent?

Answer 25

Elke score = Xi
Gemiddelde = X

Xi - X (geeft de lijn in grafiek weer)

(Xi - X)^2

Van elle scores bereken je (Xi-X)^2 –> allemaal bij elkaar optellen

Som hiervan delen door n -1
Uitkomst is ^2 (bvb lengte in m^2)

Hieruit dus een wortel nemen –> gemiddelde spreiding rond het gemiddelde

Question 26

Gemiddelde is u (mu)
populație SD = s (sigma)
steekproefgrootte = n

wat bereken we in de Centrale limietstelling?

Answer 26

de verdeling van alle mogelijke steekproefgemiddelden is (bij benadering) een normale verdeling met

Standaardafwijking = s / wortel n

Question 27

Wat is het verschil tussen standaardafwijking en SD?

Answer 27

SD: hoever liggen individuele waarden van het gemiddelde

Standaardafwijking: is bij benadering de gemiddelde afwijking tot het gemiddelde bij 1 steekproef (trekken er maar 1 steekproef uit wat belangrijk is om te beseffen)

Question 28

Wat is het effect van de steekproef grootte op de standaardafwijking?
Wat kunnen we hiermee zeggen over het populatie gemiddelde?

Answer 28

Hoe groter de groep hoe dichter bij het gemiddelde het ligt

Als de groep heel groot is zal het steekproef gemiddelde dichter bij het werkelijke populatie gemiddelde liggen –> geeft hele kleine/nauwe spreiding -> wel iets zeggen over populatie gemiddelde

Kleine n geeft een grotere spreiding –> niet veel zeggen over populatie gemiddelde

Question 29

Waarvoor wordt het steekproef gemiddelde gebruikt?

Answer 29

Is de beste schatting van het populatie gemiddelde maar om iets te zeggen over hoe zeker zijn we hiervan gebruiken we de standaard error (fout)

Question 30

Wat is de standaard error?

Answer 30

Spreiding rond het gemiddelde

SE = SD / wortel n

Question 31

Wat doen we met het betrouwbaarheidsinterval?

Answer 31

Berekenen welke populatie gemiddelden allemaal nog mogelijk zijn obv deze steekproef
Dus je berekent een spreiding voor het populatie gemiddelde

Question 32

Hoe berekenen we het betrouwbaarheidsinterval?

Answer 32

X = steekproefgemiddelde
Z = z-waarde die hoort bij 95% betrouwbaarheidsinterval (1,96)
u (mu) = populație gemiddelde

X - Z x SE
X + Z x SE
= waar ligt 95% van de verdeling tussen volgens deze steekproef

X - Z x SE < u < X + Z x SE

Question 33

Hoe werkt de berekening bij regressie coëfficiënt?

Answer 33

Is de helling van een schuine lijn
Obv verschillende steekproeven kan deze ook net iets anders zijn

Voor de RC kan je ook een SE bereken etc

Question 34

Waarvoor geldt het 95% BI?

Answer 34

• alle parameters die een normale verdeling hebben

Question 35

Wat is nauwkeuriger dan de Z-verdeling? Waarbij gebruiken we deze?

Answer 35

T-verdeling (wat groter dan de Z)
Bij kleinere groepen

Hoe groter de steekproef hoe meer de T-verdeling gaat lijken op de Z-verdeling

Question 36

Welke BI zijn er?

Answer 36

90% = factor 1,64
95% = factor 1,95
99% = factor 2,58

Een ander percentage geeft dus een andere z-waarde

Question 37

Voor welke soort parameters kan een BI niet gebruikt worden? Hoe wordt hier mee omgegaan?

Answer 37

Voor OR, RR, HR omdat het ratio’s zijn
Hierdoor kan het niet onder 0 komen

Met log schaal

Bepaal se van log(parameter)
bereken BI van log(parameter)
Terug naar oorspronkelijke schaal

Question 38

Wat betekent 95% BI?

Answer 38

we weten 95% zeker dat populatie gemiddelde tussen deze waardes ligt

= 95% van de steekproeven bevat het enige echte populatie gemiddelde