De presentatie wordt gedownload. Even geduld aub

De presentatie wordt gedownload. Even geduld aub

HC2 – Statistiek in vogelvlucht PAOG - SPSS cursus 26 augustus & 2 september 2013 PAOG SPSS cursus – afdeling epidemiologie, biostatistiek en HTA.

Verwante presentaties


Presentatie over: "HC2 – Statistiek in vogelvlucht PAOG - SPSS cursus 26 augustus & 2 september 2013 PAOG SPSS cursus – afdeling epidemiologie, biostatistiek en HTA."— Transcript van de presentatie:

1 HC2 – Statistiek in vogelvlucht PAOG - SPSS cursus 26 augustus & 2 september 2013 PAOG SPSS cursus – afdeling epidemiologie, biostatistiek en HTA

2 PAOG-SPSS HC2 Menubalk (Analyseren) : beschrijvende statistiek  Kruistabellen : Gemiddelden vergelijken  T-testen  Enkelvoudige variantieanalyse Algemene Lineaire Modellen  (Meervoudige) variantieanalyse  (Meervoudige) regressieanalyse  Covariantie analyse : correlatiecoefficienten  ( Multiple) lineaire regressie  Logistische regressie

3 PAOG-SPSS HC2 T-test  T-test voor twee onafhankelijke groepen Vergelijkt gemiddelde in twee groepen met elkaar Aanname: afhankelijke variabele normaal verdeeld in beide groepen  Gepaarde t-test Bekijkt of verschil tussen twee gepaarde waarnemingen afwijkt van 0 Aanname: verschil is normaal verdeeld.

4 PAOG-SPSS HC2 T-test (output t-test twee onafh. steekproeven)

5 PAOG-SPSS HC2 T-test (output gepaarde t-test)

6 PAOG-SPSS HC2 Kruistabellen  Relatie tussen twee nominale variabelen  Toets: Chi-kwadraat  Indien 2x2 tabel: Odds ratio of relatief risico Case-control design – OR (benadering OR) Cohort design - RR

7 PAOG-SPSS HC2 Kruistabellen (vervolg 1)

8 PAOG-SPSS HC2 Kruistabellen (vervolg 2)

9 PAOG-SPSS HC2 Enkelvoudige variantieanalyse  Afhankelijke variabele: continu; normaal verdeeld  Onafhankelijke variabele: nominaal  Eenvoudigste geval: t-test (twee groepen)  Begrippen: Percentage verklaarde variantie (R 2 )  of

10 PAOG-SPSS HC2 Meervoudige variantieanalyse  Afhankelijke variabele (continu) wordt verklaard uit meerdere onafhankelijke (nominale) variabele.  Onafhankelijke variabele: nominaal  Effect onafhankelijke variabelen voor elkaar gecorrigeerd  Voorwaarden (zie regressieanalyse): Y normaal verdeeld voor alle subgroepen Homogeniteit variantie Y (per subgroep) Onafhankelijkheid Geen perfecte multicollineariteit 

11 PAOG-SPSS HC2 Meervoudige variantieanalyse V2 = geslacht; v11 = rookgedrag

12 PAOG-SPSS HC2 Meervoudige variantieanalyse V2 = geslacht; V11 = rookgedrag

13 PAOG-SPSS HC2 Enkelvoudige Regressieanalyse   Vergelijking (model): Y = aX + b  Y: Afhankelijke variabele: wordt voorspeld (continue variabele: normaal verdeeld)  X: Onafhankelijke (continue) variabele: voorspelt Y  a: richtingscoëfficiënt; b: constante  Belangrijke begrippen: Residuele spreiding (fout in voorspelling) Percentage verklaarde variantie (R 2 )

14 PAOG-SPSS HC2 Enkelvoudige regressieanalyse

15 PAOG-SPSS HC2 Meervoudige regressieanalyse  Model: Y = a 1 x 1 + a 2 x 2 + … + a n x n + b  Afhankelijke variabele (continu) wordt verklaard uit meerdere onafhankelijke continue variabelen  Effect onafhankelijke variabelen voor elkaar gecorrigeerd  Voorwaarden: Y normaal verdeeld voor alle subgroepen Homogene variantie Y per subgroep Geen perfecte multicollineariteit

16 PAOG-SPSS HC2 Meervoudige regressieanalyse

17 PAOG-SPSS HC2 Algemene lineaire modellen (General Linear Models)  Omvatten: (Meervoudige) regressie-analyse (Meervoudige) variantie-analyse Covariantie-analyse Onafhankelijke variabelen nominaal én/of continu  Welke procedures in SPSS -General Linear Models, -univariate voor: Regressie- variantie- en covariantie-analyse -Regression, -linear voor: Regressie analyse (Ook andere: oa logistische regressie via -binary logistic)

18 PAOG-SPSS HC2 Logistische regressieanalyse  Afhankelijke variabele: binair of dichotoom (2 uitkomstmogelijkheden)  Onafhankelijke variabele(n): kan van alles zijn indien discrete onafhankelijke variabele(n) = analyse kruistabel (OR) Veel (verschillende type) variabelen in model mogelijk (vb confounder correctie)  Voordelen Geen voorwaarde t.a.v. de onafhankelijke variabelen Regressiecoëfficiënten kunnen geïnterpreteerd worden als OR

19 Logistische regressieanalyse (voorbeeld - 1) Vraag: wordt kans op uitval in vierdaagse bepaald door: Gelopen aantal km (30, 40 of 50) (cat) Geslacht (cat) Aanwezigheid metabool syndroom (cat) Leeftijd (continu) PAOG-SPSS HC2

20 Logistische regressieanalyse (voorbeeld - 2) PAOG-SPSS HC2 Dependent variable: Completed Four Days Marsches Dependent Variable Encoding Original ValueInternal Value Yes0 No1 Categorical Variables Codings Parameter coding Frequency(1)(2) Distance walked (30, 40 or 50 kilometers) GenderMale Female Metabolic syndrome presentNo Yes

21 Logistische regressieanalyse (voorbeeld - 3) PAOG-SPSS HC2 Omnibus Tests of Model Coefficients Chi-squaredfSig. Step 1Step Block Model Block 1: Method = Enter Variables in the Equation BS.E.WalddfSig.Exp(B) Step 1 a metabolic(1) Distance Distance(1) Distance(2) Gender(1) age Constant a. Variable(s) entered on step 1: metabolic, Distance, Gender, age.

22 PAOG-SPSS HC2 Overlevingskans en overlevingscurve Verschillende methoden om overlevingscurve te schatten:  Kaplan-Meier methode  Actuariële of “life-tables” methode

23 PAOG-SPSS HC2 Belangrijke termen / karakteristieken  “Overleving” kan van alles zijn Sterfte (mortaliteit) Optreden ziekte (morbiditeit) o Afstoting donororgaan o Optreden allergische reactie tegen medicijn  Overleving wordt berekend tot optreden “event” of “censurering”  Censurering: incomplete follow-up ten gevolge van: bereiken afsluitdatum onderzoek sterfte tgv andere oorzaak verhuizing verwijdering uit oz op verzoek patiënt … wat dan ook…  dan wordt de tijd “at-risk” meegenomen

24 PAOG-SPSS HC2 Actuariële of life table analyse  Benodigd voor berekeningen per tijdsinterval: Tijdsinterval Aantal “levend” start interval Aantal “dood” eind interval (event) Aantal “withdrawn alive” of “lost to follow-up” (uitval) Aannames: optreden event/uitval gebeurt random tijdens tijdsinterval  Berekeningen: Kans op “dood”, rekening houdend met uitval 1- (kans op “dood”) Cumulatieve kans op ”niet-dood”

25 PAOG-SPSS HC2 Actuariele methode versus Kaplan Meier  Verschil Kaplan Meier & actuariële of “life tables”: Moment van beoordeling overleving bij optreden “event” (kaplan Meier) of per tijdseenheid (life table) Gebruik Kaplan Meier indien tijdstippen van event of censurering bekend zijn (zal nagenoeg altijd het geval zijn) Gebruik Life Tables alleen wanneer er enkel tijdsintervallen bekend zijn waarin event of censurering heeft plaatsgevonden

26 PAOG-SPSS HC2 Kaplan-Meier analyse  Benodigd voor berekeningen: Tijdstip (dag, week) van “failure ( = event)” of censurering voor elke patiënt  Berekeningen: Kans op “dood” (aantal events/aantal patiënten) 1- (kans op “dood”) Cumulatieve kans op ”niet-dood”


Download ppt "HC2 – Statistiek in vogelvlucht PAOG - SPSS cursus 26 augustus & 2 september 2013 PAOG SPSS cursus – afdeling epidemiologie, biostatistiek en HTA."

Verwante presentaties


Ads door Google