De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

Bronnen van ‘fout’ l Validiteit (en precisie) l Vertekening door inadequate selectie l Vertekening door inadequate informatieverzameling l Verstoring l.

Verwante presentaties


Presentatie over: "Bronnen van ‘fout’ l Validiteit (en precisie) l Vertekening door inadequate selectie l Vertekening door inadequate informatieverzameling l Verstoring l."— Transcript van de presentatie:

1 Bronnen van ‘fout’ l Validiteit (en precisie) l Vertekening door inadequate selectie l Vertekening door inadequate informatieverzameling l Verstoring l Effectmodificatie

2 Bronnen van ‘fout’ l Validiteit en precisie Precisie: toevalsfouten, toevalsvariatie statistiek Validiteit: systematische fouten vertekening (bias) in onderzoeksresultaat opzet onderzoek analyse (statistiek) CAVE: validiteit belangrijker dan precisie !!

3 Validiteit l Interne en externe validiteit Externe validiteit: veralgemeenbaarheid Interne validiteit: validiteit van de studiebevindingen voor de beoogde studiepopulatie onder invloed van: selectie informatieverzameling verstoring (confounding)

4 Validiteit l Vertekening (bias) door selectie Afwijking van het gemeten effect door selectieprocedures Voorbeelden : zelfselectie diagnostische bias ‘healthy worker effect’

5 Validiteit l Zelfselectie : Regio ARegio B5000 inwoners250 ziek Enquête: respons 90% regio A: 90% van de zieken regio B: 70% van de zieken STUDIEBEVINDINGEN: Regio ARegio B4500 participanten 225 ziek175 ziek

6 Validiteit l Vertekening (bias) door informatieverzameling Te vergelijken groepen bepaald verzamelen van relevante informatie Misclassificatie: differentieel als in functie van 2de as niet differentieel als onafhankelijk van 2de as

7 Validiteit l Vertekening (bias) door informatieverzameling Voorbeeld: emfyseem bij rokers veronderstel rokers consulteren frequenter emfyseem vaak subklinisch vaker ‘toevallige’ diagnose bij rokers onderschatting emfyseem bij niet rokers

8 Validiteit l Vertekening (bias) door informatieverzameling Voorbeeld: congenitale malformaties veronderstel moeders met misvormde baby’s herinneren zich beter infecties, traumata, medicatie onderschatting blootstelling bij moeders met niet-misvormde baby’s

9 Verstoring (‘confounding’) l Verstoring Algemeen principe: Als (in afwezigheid van toeval) een associatie niet veroorzaakt wordt door bias (selectie bias of informatie bias), dan is ze het gevolg van causaliteit of van verstoring In termen van voorkomens functies: Y = f(X 1,X 2,X 3,...X i ) Y = variabele voor voorkomen (afh. variabele) X 1 = Centrale onafhankelijke variabele X 2-i = Andere onafhankelijke variabelen (‘confounders, effectmodificatoren’)

10 Verstoring Voorbeeld Het bij zich hebben van lucifers of een aansteker Longkanker op latere leeftijd roken ? ? !

11 Verstoring l Verstoring Als in een quasi experimenteel onderzoek (cohort studie) een blootstelling E geassocieerd is met ziekte, dan varieert de incidentie van ziekte over de strata gedefinieerd door de verschillende niveaus van E. Als deze verschillen nu (ten dele) veroorzaakt worden door een andere factor C, dan zeggen we dat C (partieel) de associatie tussen E en de ziekte heeft verstoord. Als C niet causaal gerelateerd is aan ziekte kunnen de verschillen in incidentie niet veroorzaakt zijn door C, dus verstoort C in dat geval de ziekte / blootstelling associatie NIET. Er kan slechts verstoring optreden wanneer de effecten van de blootstellingsfactor en die van de verstorende factor vermengd zijn.

12 Verstoring Voorbeeld Hoog risico voor longkanker zwaar ? Hoge prevalentie van een beroepsmatige blootstelling Roken Laag risico voor long kanker niet Lage prevalentie van een beroepsmatige blootstelling

13 +- Blootgesteld ab niet-blootgesteld cd Ziekte status CIR p = [a:(a+b)] /[c:(c+d)] Veronderstel dat we de volgende tabel bekomen uit de gepoolde gegevens van een cohort studie. We vragen ons af of een factor C de associatie tussen de blootstelling E en de ziekte heeft verstoord Verstoring

14 +- blootgesteld a 1 b 1 niet-blootgesteld c 1 d 1 Ziekte status Factor C+ +-a2b2c2d2 +-a2b2c2d2 Ziekte status Factor C- Als er verstoring is, dan willen we weten wat de associatie is tussen E en de ziekte voor vaste waarden van C i.e. conditioneel op C CIR 1 = [a 1 :(a 1 + b 1 )] / [c 1: :(c 1 + d 1 )] Verstoring CIR 2 = [a 2 :(a 2 + b 2 )] / [c 2: :(c 2 + d 2 )]

15 Als we aannemen dat CIR 1 = CIR 2, dan reflecteert deze gemeenschappelijke waarde de echte associatie tussen de blootstelling E en de ziekte. We noemen dit de CIR. Verstoring treedt op als, en alleen als, de beide volgende condities vervuld zijn: o C en E zijn met mekaar geassocieerd in de studie populatie o C is geassocieerd met ziekte, na stratificatie voor E Verstoring

16 Veronderstel dat we volgende tabel bekomen uit de gepoolde gegevens van een cohort studie. +- blootgesteld niet-blootgesteld Ziekte status ROR p = ad / bc = 5.06 CIR p = [a:(a+b)] / [c:(c+d)] = 5.00 Voorbeeld. Verstoring

17 Leeftijd is een potentiele confounder, onze zorg is de associatie tussen E en de ziekte voor vaste waarden van de leeftijd i.e. conditioneel op C +- blootgesteld niet-blootgesteld Ziekte status Oud Ziekte status Jong OR 1 = 4.01OR 2 = 4.02 CIR 1 = 4.00CIR 2 = 4.00 Verstoring

18 Bepaling van de aanwezigheid van verstoring: 1. Welke variabele zou geassocieerd zijn met ziekte ? Potentiele verstoring 2. Is deze variabele geassocieerd met de blootstelling ? Actuele verstoring Cave:Verstoring is geen probleem van precisie; daarom is de vaststelling ervan niet gebaseerd op testen van significantie !! Een variabele die een stap is in het ziekteproces kan geen confounder zijn ! Verstoring

19 l Cave: Meerdere verstorende variabelen + - Case 1230 Control 422 Exposure E Verstoring Odds ratio = 2.2

20 + - Case 615 Control 211 Exposure E Factor C Exposure E Factor C 1 - OR 1 = 2.2OR 2 = Exposure E Factor C Exposure E Factor C 2 - OR 1 = 2.2OR 2 = 2.2 Verstoring l Cave: Meerdere verstorende variabelen

21 +- Case 1 10 Control 1 10 Exposure E Factor C 1 +C Exposure E Factor C 1 +C 2 - OR = Exposure E Factor C 1 -C Exposure E Factor C 1 -C 2 - OR = 1 Verstoring l Cave: Meerdere verstorende variabelen

22 l Verschillende (polytomome) verstorende factoren: stratifieer voor alle tegelijkertijd. +- Case Control Exposure E Case Control Case Control Factor C 2 Factor C 1 Verstoring

23 Controle van verstoring: Studie ontwerp: randomisatie blocking (restrictie) matching Analyse: stratificatie multiple regressie (voorkomens functies) Tolerantie voor verstoring !! Verstoring


Download ppt "Bronnen van ‘fout’ l Validiteit (en precisie) l Vertekening door inadequate selectie l Vertekening door inadequate informatieverzameling l Verstoring l."

Verwante presentaties


Ads door Google