Download
jeugdgezondheidszorg epidemiologie incl statistiek en informatica n.
Skip this Video
Loading SlideShow in 5 Seconds..
Jeugdgezondheidszorg Epidemiologie (incl. statistiek en informatica) PowerPoint Presentation
Download Presentation
Jeugdgezondheidszorg Epidemiologie (incl. statistiek en informatica)

Jeugdgezondheidszorg Epidemiologie (incl. statistiek en informatica)

173 Views Download Presentation
Download Presentation

Jeugdgezondheidszorg Epidemiologie (incl. statistiek en informatica)

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. JeugdgezondheidszorgEpidemiologie (incl. statistiek en informatica) • joost.weyler@ua.ac.be • http://e-pidemio-learning.weyler.be (verdwijnt eind 2012) • naam en paswoord Student ST17107 Academiejaar 2012-2013 Prof. Dr. J Weyler

  2. JeugdgezondheidszorgEpidemiologie (incl. statistiek en informatica) • Inleiding • Zelfstudie epidemiologie • Beschrijvende statistiek • Inferentiële statistiek • Multiple regressie • Epidemiologie: study design

  3. Evaluatie • Mondeling • Bespreking van een zelf aangebracht (epidemiologisch-statistisch) onderwerp • Op afspraak • 30 minuten per student

  4. Gerapporteerde onderzoeksresultaten... Effectiviteit van multidisciplinaire arbeidstraining bij chronische lage rugklachten De ontwikkeling van multidisciplinaire behandelingen in het kader van arbeidsreïntegratievan werknemers met chronische lage rugklachten is gebaseerd op een multifactoriëleetiologie van de lage rugklachten. Vanuit een ergonomisch perspectief moet naast debelasting op het werk eveneens aandacht worden besteed aan het verwerkingsvermogenvan het individu. In dit onderzoek wordt de vraag gesteld of binnen het 12-weeks multidisciplinairearbeidsreïntegratieprogramma, dat gebaseerd is op de principes van ‘GradedActivity’, het fysieke verwerkingsvermogen verandert en welke factoren daarvoor verantwoordelijkzijn. Bijna alle gemeten fysieke variabelen zijn verbeterd gedurende de interventieperiode. Dit impliceert dat de algemene lichamelijke conditie van de deelnemers positief veranderd istijdens de arbeidstraining. Daarnaast is gevonden dat de beginwaarden van een aantalcopingschalen voor een deel verandering in het fysieke verwerkingsvermogen lijken tekunnen verklaren. Door: T. Westendorp, M.J.A. Edelaar, R.M. Slikker en L.H.V. van der Woude Tijdschrift voor Ergonomie, jaargang 28, nr. 1 augustus 2003 multifactoriëleetiologie variabelen verklaren

  5. Gerapporteerde onderzoeksresultaten... De effectiviteit van een laptopsteun In deze studie is een vergelijking gemaakt tussen laptopgebruik met en zonder laptopsteun, voor wat betreft lichaamshouding, discomfort en productiviteit. De studie betreft 11 proefpersonen waarbij vergelijkingen zijn gemaakt met behulp van lichaamshoeken, VAS-scores, subjectieve vragenlijsten en tijd benodigd voor een typetaak. Bij het gebruik van de laptopsteun gecombineerd met een los toetsenbord zijn er significante verbeteringen geconstateerd in nek-, elleboog-, onder- en bovenarmhoek. Uit de subjectieve beoordeling van elf proefpersonen blijkt dat het gebruiksgemak van de conditie met laptopsteun significant positiever wordt beoordeeld dan de conditie zonder. In de conditie met steun wordt minder ongemak ervaren in de nek. Wat betreft de productiviteit zijn er geen significante verschillen gevonden. Op basis van de uitkomsten van deze studie is het aan te raden om bij regelmatig laptopgebruik gebruik te maken van een laptopsteun met een los toetsenbord. Het effect van een laptopsteun op lichaamshouding, comfort en productiviteit Door: A.L. Boersma en E. Mol Tijdschrift voor Ergonomie, jaargang 28, nr. 2april2003 vergelijking 11 proefpersonen significante verbeteringen significant positiever geen significante verschillen

  6. Gerapporteerde onderzoeksresultaten... De invloed van schouderbelasting en knijpkracht op het ontstaan van RSI-klachten aan de onderarm of handen Een van de oorzaken die vaak wordt genoemd als veroorzaker van RSI-klachten, is een belemmerde bloedtoevoer naar de werkende spieren. Het doel van dit onderzoek was het bepalen (van het effect) van de knijpkracht en schouderbelasting op de bloedtoevoer naar de onderarm tijdens een intermitterende knijptaak. De intensiteit van de knijpkracht was ingesteld op 0, 10 en 25% van de maximale knijpkracht. De drie niveaus van schouderbelasting waren hangende schouders, opgetrokken schouders en opgetrokken schouders met een toegevoegde last. De werk-rust verhouding van de knijptaak was 10:2 seconden en de taak werd gedurende drie minuten uitgevoerd. Tijdens de knijptaak en de daaropvolgende herstelperiode, werd de bloedtoevoer gemeten met een Doppler ultrasound apparaat. De EMG-activiteit (elektromyografie) van de m. trapezius, en drie onderarm spieren werd alleen gemeten gedurende de drie minuten dat de knijptaak werd uitgevoerd. Zowel knijpkracht als schouderbelasting hadden een significant effect op de bloedtoevoer (respectievelijk p=0.000 en p=0.024). EMG van de onderarm spieren steeg met toegenomen knijpkracht. EMG van de trapezius nam toe met toegenomen schouderbelasting en was hoger tijdens de 0% knijpkracht conditie dan tijdens de 10% en 25% knijpkracht condities. Mechanismen die de relatie tussen toegenomen schouderbelasting en afgenomen bloedtoevoer naar de onderarm mogelijk verklaren, zijn compressie van de vaten in de schouderregio en competitie om het aanwezige bloedvolume. Schouderbelasting lijkt dus van invloed te zijn op de bloedtoevoer naar de onderarm en is dus een factor waar bij RSI-preventie rekening mee gehouden moet worden. Door: Heleen de Kraker, Miriam Smits, Bart Visser en Jaap van Dieën Tijdschrift voor Ergonomie, jaargang 28, nr. 2april 2003 een significant effect p=0.000 en p=0.024 steeg hoger lijkt dus van invloed dus RSI-preventie

  7. multifactoriëleetiologie; variabelen verklaren; vergelijking 11 proefpersonen significante verbeteringen significant positiever geen significante verschillen een significant effect p=0.000 en p=0.024 steeg hoger lijkt dus van invloed / dus RSI-preventie kenmerken en variabelen doelstelling en methode steekproef en steekproefgrootte rol van het toeval in de onderzoeksresultaten tengevolge van steekproeftrekking waarschijnlijkheid van de bevindingen (of nog extremere) onder de nul-hypothese het onderzoeksresultaat (quantificering) de terechte en onterechte conclusie Gerapporteerde onderzoeksresultaten... De onderzoeksvraag

  8. Uitgangspunt • Persisterend dilettantisme • Epidemiologisch of statistisch verantwoorde uitspraken? • Testen of schatten • Frequentistische of Bayesiaanse statistiek • Wetenschappelijk onderzoek in de regel multidisciplinair (team-work) • Statistiek en epidemiologie zijn dergelijke disciplines • Medische statistiek # statistiek uitgevoerd door arts • Specifieke topics • Jeugdgezondheidszorg: diagnose, etiognose en prognose

  9. Specifieke topics Vroegtijdige diagnostiek • Diagnose • Etiognose (kennis oorzaken) • Prognose (kennis toekomstig verloop) De invloed van lichaamsbeweging op BMI bij kinderen van 12-13 jaar Rol van blootstelling aan PM 2,5 op ontstaan van astma bij kinderen voor de puberteit Rol van lichaamsbeweging op BMI bij obese kinderen van 12-13 jaar

  10. Objectieven van epidemiologie: functies voor voorkomen • Functionele relaties in wetenschap • Epidemiologie: ‘occurrence research’ • Voorbeeld: bloeddruk en leeftijd • Determinanten van de sterkte van een associatie • Drie soorten ‘gnosis’ in geneeskunde • Algemene formulering van functie voor voorkomen • Introductie tot ‘studie ontwerp’

  11. Objectieven van epidemiologie: functies voor voorkomen • Elke tak van de wetenschap heeft te maken met de functionele relaties tussen haar objecten vb. Klassieke fysica: Kracht is het product van de massa van een object en zijn versnelling F = m.a of: versnelling is een functie van kracht en massa a = f(F,m) De versnelling van een object is geen natuur-constante, maar hangt af van de kracht die op het object werkt en van de massa van het object. • Dit type uitspraak is wat we beogen bij epidemiologische onderzoeksobjecten. Zoals voor versnelling, willen we iets leren over de determinanten van de parameters die het voorkomen van ziekte beschrijven (teneinde ze te beheersen)

  12. Objectieven van epidemiologie: functies voor voorkomen • Parameters van voorkomen (incidentiecijfer of prevalentie- cijfer) zijn géén natuur constanten • Hun grootte hangt af van (zijn functies van) een waaier van constitutionele, gedragsmatige of omgevingsgebonden eigenschappen van individuen • Deze relaties zijn in het algemeen de voorwerpen van research gericht op het voorkomen van gebeurtenissen relevant in de geneeskunde ( = ‘epidemiologie’ ; occurrence research)

  13. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld • De studie van het voorkomen van verschillende waarden van bloeddruk in de bevolking • beschrijvende parameter: mediaan van de bloeddruk (opnieuw, géén natuur constante) • bloeddruk (afhankelijke variabele) hangt af van leeftijd (onafhankelijke variabele) (en andere eigenschappen) van individuen • Een vuistregel is: • bloed druk , in mm Hg, is 100 plus leeftijd in jaren • Dit is een regressie model (een regressie functie) met als vorm: • P = B0 + B1x Leeftijd

  14. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg) • P (=Y) is de mediaan van de systolische druk • B0 = 100 mm Hg • B1= 1 mm Hg/jr • De correcte uitdrukking van de vuistregel is daarom • bloed druk, in mm Hg, is 100 mm Hg plus 1 mm Hg/jr keer leeftijd in jaren • Leeftijd is een determinant (onafhankelijke variabele = X) van de uitkomst (afhankelijke variabele = Y)

  15. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg) M (mediaan van de syst BP) = 100mm Hg + (1 mm Hg/jr).A (age)

  16. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg) M = 100mm Hg + (1 mm Hg/jr).A Hoe zet je een studie op om deze functionele relatie te documenteren ? Hoe interpreteer je dit onderzoeksresultaat ?

  17. Hoe interpreteer je dit onderzoeksresultaat ?

  18. Objectieven van epidemiologie: functies voor voorkomen • De relatie tussen een maat van voorkomen en een determinant, of een stel determinanten, is een relatie voor voorkomen of een functie voor voorkomen • Deze relaties zijn in het algemeen de onderwerpen voor epidemiologisch onderzoek • De sterkte van de relatie (associatie) tussen een maat voor voorkomen en een determinant blijkt de coëfficiënt (B1) van de determinant te zijn in de voorkomensrelatie • Maten van de graad van een relatie hebben hun eigen determinanten

  19. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg) Bekijken we opnieuw de voorkomensfunctie voor systolische bloeddruk Deze functie is redelijk toepasbaar voor populaties met een hoge zoutconsumptie Wanneer er geen ‘artificieel’ gebruik van zout is zien we slechts kleine veranderingen optreden in de bloeddruk als een gevolg van het ouder worden Zoutgebruik is daarom een determinant van de graad van de relatie tussen leeftijd en bloeddruk (weergegeven door de richtingscoëfficiënt van de de regressie relatie)

  20. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg) • De zelfde regressie functie met als vorm: • P = B1 + B0x Leeftijd • kan toegepast worden voor een populatie met lage zout-consumptie • P is de mediaan van de systolische druk • B0 = 100 mm Hg • B1= 0.2 mm Hg/jr

  21. Objectieven van epidemiologie: functies voor voorkomen • Voorbeeld (vervolg): multipele lineaire regressie Y = B0 + B1X1 + B2X2 + B3X1.X2 B0 = 100 B1 = 0,2 B2 = 0 B3 = 0,8 M = 100mm Hg + (1 mm Hg/jr).A M = 100mm Hg + (0.2 mm Hg/jr).A

  22. Objectieven van epidemiologie: functies voor voorkomen • Determinanten van de maten van de graad van een relatie noemen we modificatoren van die relatie • Let wel: • determinanten, risico indicatoren en modificatoren hebben betrekking tot eigenschappen van een individu, zonder specificatie van de categorie of de graad. Vb. Hypertensie is geen determinant voor cerebrovasculair lijden; het is een categorie van verhoogd risico gebaseerd op bloeddruk als risicoindicator • Eigenschappen (karakteristieken) zijn geen variabelen...

  23. Objectieven van epidemiologie: functies voor voorkomen • Van kenmerk naar variabele: • Ontwikkelen van een meetinstrument • Theoretisch concept • Conceptuele schaal • Empirische schaal • Vb. bloeddruk

  24. Objectieven van epidemiologie: functies voor voorkomen • Schaaltype ? (zie ook beschrijvende statistiek) • Nominale schaal • vb man/vrouw • Ordinale schaal • vb lichte-/matige-/ernstige- pijn • Interval schaal • vb lichaamstemperatuur • Ratio schaal • vb lichaamsgewicht • Discreet vs continu • Categorische kenmerken

  25. Objectieven van epidemiologie: functies voor voorkomen • Variabele • Hoe het kenmerk opgenomen wordt in het wiskundig model • De numerieke waarde • De (numerieke waarde)² • Een transformatie • Een recodering • Samen met een ander kenmerk in een interactievariabele • ... • Practicum statistiek (SPSS)

  26. Objectieven van epidemiologie: functies voor voorkomen • Objectief: kennis verwerven (‘gnosis’) • Webster’s: ‘gnosis is a divinely inspired knowledge’ • In de geneeskunde gebruiken we vaak diagnosis, prognosis • Er zijn drie soorten ‘gnosis’ in de geneeskunde (Miettinen): • Etiognosis • Diagnosis • Prognosis

  27. Objectieven van epidemiologie: functies voor voorkomen • Etiognosis • Diagnosis • Prognosis • Zieken: waarom werden zij ziek ? • Symptoomdragers: zijn zij ziek ? • Zieken: zullen zij genezen ?

  28. Objectieven van epidemiologie: functies voor voorkomen • Etiognostische functies • Diagnostische functies • Prognostische functies Recap: Zoals voor versnelling willen we iets te weten komen over de determinanten van de parameters voor het voorkomen van ziekte (teneinde deze parameters te beheersen), namelijk: Wat is de relatie (functie) tussen de parameter voor het voorkomen (de afhankelijke variabele Y) en zijn determinanten (de onafhankelijke variabelen X(i))?

  29. Objectieven van epidemiologie: functies voor voorkomen • Etiognosis • Diagnosis • Prognosis Parameter voor voorkomen (Y) • Incidentie van ziekte (cumulative incidentie, incidentie dichtheid, hazard) • Prevalentie van ziekte • Incidentie van herstel, sterfte

  30. Objectieven van epidemiologie: functies voor voorkomen • Etiognosis • Diagnosis • Prognosis Determinanten (X(i)) • Determinanten van ziekte incidentie (risico indicatoren) • Determinanten van ziekte prevalentie (diagnostische indicatoren) • Determinanten van prognose bij de zieken (prognostische indicatoren)

  31. Objectieven van epidemiologie: functies voor voorkomen • Etiognosis • Diagnosis • Prognosis Algemene formulering: Y = f(X1,X2,X3,...Xi)

  32. Objectieven van epidemiologie: functies voor voorkomen • Etiognosis • Diagnosis • Prognosis Y = Parameter voor voorkomen (afhankelijke variabele) X1 = Centrale onafhankelijke variabele X2-i = Andere onafhankelijke variabelen (‘verstorende variabelen, effect-modificatoren’) Y = f(X1,X2,X3,...Xi)

  33. Study design, introductie • Doel van study design • Object design • Methoden design • De cohort/case control valkuil • Diagnostische, prognostische en etiognostische research

  34. ‘Epidemiology: quo vadis?’Eur J Epidemiol. 2004;19(8):713-8.

  35. Study design, introductie • Beschrijvend vs analytisch • Observationeel vs interventioneel • Retrospectief vs prospectief • Case-control vs cohort • Dwarsdoorsnee vs longitudinaal • Niet experimenteel vs experimenteel • …. ? • Experimenteel, quasi-experimenteel en meta-experimenteel onderzoek • Diagnostisch, etiognostisch en prognostisch onderzoek

  36. Study design, introductie • Doel van studie ontwerp: • Iets leren over de voorkomensfunctie ( Y = f(X1,X2,...Xi) ) = studie object • Descriptieve vs causale functie • Iets leren over de specifieke associatie ( v.b. CIR ) • Een bijdrage leveren in de toename van de kennis m.b.t. het object van de studie • Met andere woorden verwachten we niet dat onze studie de enige studie zal zijn en dat we na de uitvoering zullen komen tot finale conclusies. We hebben eerder de verwachting dat, wanneer het studie object relevant is , andere studies zullen uitgevoerd worden en dat onze studie dan deel zal uitmaken van één of andere vorm van ‘meta-analyse’

  37. Study design, introductie • Studie ontwerp: • Twee topics: • object ontwerp • heeft te maken met de relevantie; wat wil je weten, voor welke specifieke situatie (domein)? • Te weinig aandacht op dit moment • methoden ontwerp • heeft te maken met validiteit en met efficientie • validiteit is belangrijkst • multicausaliteit • bias

  38. Study design, introductie • object ontwerp • Studie naar de rol van HPV bij het ontstaan van baarmoederhalskanker in een 5-15 jarige vrouwelijke populatie • Studie naar de rol van anticoalgulantia in het voorkomen van myocard infarct bij jonge adolescenten • Belang inzicht in het studieobject • Al te vaak is er helemaal geen studieobject (alleen maar data…)

  39. Study design, introductie • Object design: Betekent een complete specifieke vorm van het resultaat van de studie Een voorkomensrelatie, uitgedrukt als een regressie functie (‘model’) Object: set parameters (hun waarden) Wat zijn de uitkomsten, wat zijn de determinanten Karakteristieken, model, variabelen,...

  40. Study design, introductie • Object design: • Betekent een complete specifieke vorm van het resultaat van de studie • Object: set parameters (hun waarden) • design bepalende ‘givens’ inherent aan de context • Object behoort tot een welbepaalde soort ‘gnosis’ • e.g. diagnose • a priori gespecifieerde ‘illness’ (ongezondheid) • de aanleiding voor de diagnostische vraagstelling • de ‘setting’ (bvb. huisartspraktijk: welke diagnostische indicatoren zijn relevant)

  41. Study design, introductie • Object design: • DOMEIN: • Voor welke specifieke situatie ? • setting • leeftijdsgroep • geslacht • …

  42. Study design, introductie • WETENSCHAPPELIJK: ABSTRACT, OBJECTIEF, RATIONEEL • ABSTRACT: • voorkomens relatie betreft niet een ‘target population’ • maar is ‘placeless’, ‘timeless’ • vb. gemiddelde bloeddruk van ‘de Antwerpenaar’ • OBJECTIEF: • operationele definities • domein niet gebaseerd op ‘vermoeden’ van aanwezigheid van de aandoening maar op wat aanleiding gaf tot het ontstaan van dat vermoeden • RATIONEEL • temporele structuren, relevante categorieën in de determinanten (specificiteit) • novel intervention compared to ‘usual care’ • Object design:

  43. Study design, introductie ‘Study objects’ (vragen): DIAGNOSTISCH Huidige prevalentie (T0) als een beschrijvende functie van diagnostische indicatoren (huidge, verleden) ETIOGNOSTISCH Huidige incidentie (T0) als een causale functie van blootstelling in het verleden (risiko-indicatoren) PROGNOSTISH Interventioneel: Toekomstige (post-T0) incidentie/prevalentie als een causale functie van toekomstige interventie Anders: Toekomstige (post-T0) incidentie/prevalentie als een beschrijvende functie van prognostische indicatoren (huidige) Type study object: Wat is de functionele relatie tussen de bestudeerde objecten ? Y = f ( X1, X2, X3, …, Xn)

  44. Study design, introductie • Object design: • VALIDITEIT: • selectie bias, informatie bias, verstoring (confounding) • EFFICIENTIE: • eerder inclusief domein • REGRESSIE FORMULERING • groot aantal onafhankelijke variabelen (parameters) (validiteit) • versus • minimum noondzakelijk aantal parameters (efficientie) • RELEVANT VOOR DE NODEN VAN DE PRAKTIJK

  45. Study design, introductie • Steekproefgrootte: • Eens het object ontwerp OK (wat voor een huis wensen we, m.a.w. onderzoeksvraag OK) • Methoden ontwerp (hoe gaan we dit huis bouwen, m.a.w. welk type onderzoek zullen we hiervoor gebruiken) • Als object ontwerp niet OK of methoden ontwerp niet OK, Sample-size = 0 • In andere gevallen: Sample-size = niet te determineren

  46. sarcoma (n=75) hyperploidy: minimum: 0.000 maximum: 57.917 mean: 7.331 median: 1.759 variance: 147.051 Std. Dev.: 12.126 Standard Error: 1.400 non-sarcoma (n=24) hyperploidy: minimum: 0.000 maximum: 2.344 mean: 0.560 median: 0.000 variance: 0.728 Std. Dev.: 0.853 Standard Error: 0.174 Non-parametrical testing (Mann-Whitney U): p<0.05 Diagnose…. • Typisch diagnostisch probleem:

  47. Diagnose….

  48. Diagnose…. Diagnostisch onderzoek Welke methode op welke plaats ? Voorbeeld in de diagnostiek: ‘en vogue’: sensitiviteit, specificiteit, ROC curven voorspellende waarden, aannemelijkheidscoëficienten, aantonende krachten theorema van Bayes

  49. DIAGNOSIS... • Typical problem:

  50. ILLNESS pos TEST neg total present a c a + c absent b d b + d total a + b c + d a + b + c + d Diagnose…. Diagnostisch onderzoek Afkappunt: boven : waarschijnlijk sarcoma onder: waarschijnlijk geen sarcoma sensitiviteit, specificiteit van test, afhankelijk van afkappunt Hoe bepalen ? statistiek ?