TAPAUS-VERROKKITUTKIMUS



Samankaltaiset tiedostot
Tutkimusasetelmat. - Oikea asetelma oikeaan paikkaan - Vaikeakin tutkimusongelma voi olla ratkaistavissa oikealla tutkimusasetelmalla

SEURANTATUTKIMUKSET JA NIIDEN TULOSTEN ANALYYSI SAIRASTAVUUDEN MITTAAMINEN

Havaintotutkimusten kriittinen arviointi. Arja Helin-Salmivaara Dos, koulutusylilääkäri HUS, perusterveydenhuollon yksikkö

pisteet Frekvenssi frekvenssi Yhteensä

Case-control Pesästetyt ja muut vastepainotteiset tapaus-alustaotosasetelmat

Ongelma: Poikkeaako perusjoukon suhteellinen osuus vertailuarvosta?

Epidemiologia riskien arvioinnissa

Väliestimointi (jatkoa) Heliövaara 1

STUK. Sirpa Heinävaara TUTKIMUSHANKKEET - KÄYNNISSÄ OLEVAT KANSAINVÄLISET HANKKEET. tutkija/tilastotieteilijä

Nopea kertolasku, Karatsuban algoritmi

Havainnoiva tutkimus. Pekka Jousilahti FT, yleislääketieteen ja terveydenhuollon erikoislääkäri, Tutkimusprofessori; THL

f(n) = Ω(g(n)) jos ja vain jos g(n) = O(f(n))

Mitä tarvitsee tietää biostatistiikasta ja miksi? Matti Uhari Lastentautien klinikka Oulun yliopisto

-Matematiikka on aksiomaattinen järjestelmä. -uusi tieto voidaan perustella edellisten tietojen avulla, tätä kutsutaan todistamiseksi

Havainnoivat tutkimukset

Helsinkiläisten toimeentulotuen asiakkaiden terveyspalvelujen käyttö v. 2014

805306A Johdatus monimuuttujamenetelmiin, 5 op

(b) Vedonlyöntikertoimet syytetyn ihonvärin eri luokissa

pitkittäisaineistoissa

Asiakaspalautteen merkitys laboratoriovirheiden paljastamisessa. Taustaa

S Laskennallinen systeemibiologia

j n j a b a c a d b c c d m j b a c a d a c b d c c j

Algoritmit 2. Demot Timo Männikkö

Mitä käytännön lääkärin tarvitsee tietää biostatistiikasta?

Matkapuhelinten terveysvaikutukset: Mitä epidemiologiset tutkimukset kertovat? Prof. Anssi Auvinen Tampereen yliopisto Säteilyturvakeskus

pitkittäisaineistoissa

7. Lohkominen ja sulautus 2 k kokeissa. Lohkominen (Blocking)

Sovellettu todennäköisyyslaskenta B

Testit laatueroasteikollisille muuttujille

Mitä on näyttö vaikuttavuudesta. Matti Rautalahti Suomalainen Lääkäriseura Duodecim

Hoitohenkilökunnan koulutus vanhuksille haitallisten lääkkeiden käytön vähentämiseksi, vaikutus kaatumisiin ja kognitioon

Harjoitus 7: NCSS - Tilastollinen analyysi

Tupakkapoliittisten toimenpiteiden vaikutus. Satu Helakorpi Terveyden edistämisen ja kroonisten tautien ehkäisyn osasto Terveyden edistämisen yksikkö

r = n = 121 Tilastollista testausta varten määritetään aluksi hypoteesit.

BOOTSTRAPPING? Jukka Nyblom Jyväskylän yliopisto. Metodifestivaali

Johdatus tilastotieteeseen Testit laatueroasteikollisille muuttujille. TKK (c) Ilkka Mellin (2004) 1

2 k -faktorikokeet. Vilkkumaa / Kuusinen 1

Osaaminen osana työkykyä

6 Geometria koordinaatistossa

Helsingin, Jyväskylän, Oulun, Tampereen ja Turun yliopisto Matematiikan valintakoe klo 10 13

Jos nyt on saatu havaintoarvot Ü ½ Ü Ò niin suurimman uskottavuuden


Tilastollinen testaus. Vilkkumaa / Kuusinen 1

Kohdunkaulan syövän esiastehoitojen pitkäaikaisvaikutukset. Ilkka Kalliala, LT HYKS, Kätilöopiston sairaala Suomen Syöpärekisteri

806109P TILASTOTIETEEN PERUSMENETELMÄT I Hanna Heikkinen Esimerkkejä estimoinnista ja merkitsevyystestauksesta, syksy (1 α) = 99 1 α = 0.

HAVAITUT JA ODOTETUT FREKVENSSIT

Tutkimusasetelmat. Jouko Miettunen, dosentti Psykiatrian klinikka, OY Oulu

Tilastollisen analyysin perusteet Luento 10: Johdatus varianssianalyysiin

805306A Johdatus monimuuttujamenetelmiin, 5 op

Tilastotieteen kertaus. Vilkkumaa / Kuusinen 1

Estimointi. Luottamusvälin laskeminen keskiarvolle α/2 α/2 0.1

Esitetään tehtävälle kaksi hieman erilaista ratkaisua. Ratkaisutapa 1. Lähdetään sieventämään epäyhtälön vasenta puolta:

Nollasummapelit ja bayesilaiset pelit

JOHDATUS EPIDEMIOLOGIAAN

Sosiaalisten verkostojen data

Huoneakustiikan yhteys koettuun meluun avotoimistoissa

VETUMA-PALVELUN PALVELINVARMENTEET

Jos nollahypoteesi pitää paikkansa on F-testisuuren jakautunut Fisherin F-jakauman mukaan

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Johdatus matemaattiseen päättelyyn

Hilbertin aksioomat ja tarvittavat määritelmät Tiivistelmä Geometria-luentomonisteesta Heikki Pitkänen

VII Valtakunnallinen tekonivelkirurgian kurssi Oulu EL, LT Outi Väyrynen PPSHP

Tuloperiaate. Oletetaan, että eräs valintaprosessi voidaan jakaa peräkkäisiin vaiheisiin, joita on k kappaletta

Yleistetyistä lineaarisista malleista

Terveyden edistämisen professori Tiina Laatikainen Karjalan lääketiedepäivät Lihavuus kansanterveyden haasteena

Toctino (alitretinoiini)

Todennäköisyysjakaumia

Lähetettyjen ja saapuneiden kirjeiden diaari. Lähetettyjen ja saapuneiden kirjeiden diaari. Lähetettyjen kirjeiden diaari

T Luonnollisen kielen tilastollinen käsittely Vastaukset 3, ti , 8:30-10:00 Kollokaatiot, Versio 1.1

ARKISTOLUETTELO. Kopio SIVISTYSTOIMI KESKITETYT PALVELUT ORGANISAATIO JA TOIMINTA PÄÄTÖKSENTEKOMENETTELY LAKKAUTETUT TOIMIELIMET URHEILULAUTAKUNTA

9 Matriisit. 9.1 Matriisien laskutoimituksia

Webforum. Version 15.1 uudet ominaisuudet. Päivitetty:

Perhevapaiden palkkavaikutukset

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

Luentokalvoja tilastollisesta päättelystä. Kalvot laatinut Aki Taanila Päivitetty

TUTKIMUSAINEISTON ANALYYSI. LTKY012 Timo Törmäkangas

Mat Sovellettu todennäköisyyslasku A

HPV ja irtosolututkimukset, kliinikon näkökulma. Pekka Nieminen Dosentti Klinikkaylilääkäri HYKS, naistentaudit

Ratkaisu: (b) A = x 0 (R(x 0 ) x 1 ( Q(x 1 ) (S(x 0, x 1 ) S(x 1, x 1 )))).

Lukumäärän laskeminen 1/7 Sisältö ESITIEDOT:

Todennäköisyys (englanniksi probability)

5.2 Ensimmäisen asteen yhtälö

Tietoa kohdunulkoisesta raskaudesta

Tilastotieteen jatkokurssi syksy 2003 Välikoe

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

Vanhojen ihmisten pitkäaikaishoidon trendit. Leena Forma tutkijatohtori tutkijakollegium Kollegiumluento

Estimointi. Otantajakauma

Tekijä Pitkä matematiikka On osoitettava, että jana DE sivun AB kanssa yhdensuuntainen ja sen pituus on 4 5

ARKISTOLUETTELO A MERKINTÄKIRJAT. Aa Luokkien päiväkirjat. sis. 5 sidosta. 1 kansio. Aa: Päiväkirjoja. Päiväkirja. 4 sidosta.

Tutkimustiedonhallinnan peruskurssi

Palkansaajien sairauspoissaolot

Algoritmit 2. Luento 8 To Timo Männikkö

Työn ja organisaation ominaisuuksien vaikutus henkilöstön hyvinvointiin

T Luonnollisten kielten tilastollinen käsittely

T Datasta tietoon, syksy 2005 Laskuharjoitus 8.12., ratkaisuja Jouni Seppänen

Parlametri Euroopan parlamentin Eurobarometri (EB/PE 78.2)

Mitä uu'a menopaussin hormonihoidosta?

E-vitamiini saattaa lisätä ja vähentää kuolemia

RATKAISUT a + b 2c = a + b 2 ab = ( a ) 2 2 ab + ( b ) 2 = ( a b ) 2 > 0, koska a b oletuksen perusteella. Väite on todistettu.

Mikko Syvänne. Dosentti, ylilääkäri Suomen Sydänliitto ry. Valtimotautien riskitekijät ja riskiyksilöiden tunnistaminen MS

Transkriptio:

TAPAUS-VERROKKI TUTKIMUKSEN TYYPIT JA TULOSTEN ANALYYSI Simo Näyhä Jari Jokelainen Kansanterveystieteen ja yleislääketieteen laitoksen jatkokoulutusmeeting.3.4.2007 TAPAUS-VERROKKITUTKIMUS Idea Tutkimusryhmät Kulku Lähdetään kausaaliketjun loppupäästä D Tutkitaan, oliko sairailla altistus E menneisyydessä Ryhmä sairaita (tapaukset) ja ryhmä sairastumattomia (verrokit) Verrataan tapausten ja verrokkien altistuksia

TAPAUS-VERROKKITUTKIMUS (1) Retrospektiivinen tyyppi (klassinen) D = tromboembolia E = ehkäisypillerien käyttö Tapauksilta kysyttiin, olivatko he käyttäneet pillereitä vuosia sitten E E vaikutus tutkimus (haastattelu) D D Tutkimuspohja epämääräinen t -n alku t 0 TAPAUS-VERROKKITUTKIMUS (2) Upotettu tapaus-verrokkitutkimus D= sepelvaltimotauti E= seer Se-pitoisuus Tapaukset = kaikki kohortin tapaukset Verrokit = otos kohortin ei-tapauksista tutkimuspohja (study base) kohortti E E t -n Tässä ei Semäärityksiä vaikutus tutkimus D D t 0 Se määritettiin vasta tässä

TAPAUS-VERROKKITUTKIMUS (3) Case-base tutkimus Tapaukset = kaikki kohortin tapaukset Verrokit = otos koko tutkimuspohjasta, yl. seurannan alussa Verrokkien joukossa voi olla tapauksia! tutkimuspohja (study base) E E t -n vaikutus tutkimus t 0 D D VAIKUTUKSEN ARVIOINTI Tapaus-verrokkitutkimus Pulma: Ratkaisu: Logiikka: Miten saadaan sairastumisriskien suhde kun sairastuvuuksia ei tunneta? Verrataankin altistuksen yleisyyttä tapauksilla ja verrokeilla. Jos altistuminen yleisempää tapausten kuin verrokkien joukossa, riski ilmeisesti suurempi tapauksilla. Välttämätön oletus Harjoitus: miten tätä voidaan perustella?

VAIKUTUKSEN ARVIOINTI Tapaus-verrokkitutkimus Cornfield 1951 Osoitettiin, että riskisuhde voidaan arvioida käyttämällä altistuksien oddsien suhdetta tapauksilla ja verrokeilla (Odds ratio) jos sairaus on harvinainen Miettinen 1976 Osoitettiin, että edelläoleva pätee vain klassisiin tapaus-verrokkitutkimuksiin. Eräissä tapauksissa sairauden ei tarvitse olla harvinainen, ja myös RR (Risk Ratio, Rate Ratio) voidaan arvioida Tapaus-verrokkitutkimus: RR / OR (1) Riskisuhde RR / OR Väestö (perusjoukko): a c a+c b d b+d a+b c+d Altistuksen oddsit tapauksilla ja verrokeilla a a+b c c+d a, c pieniä a b c d c * b = a c b d = ad bc Ristitulosuhde

Tapaus-verrokkitutkimus: RR / OR Otos: OR = ad bc = a d b c = a c b d a d s 1 * s 2 b c s 2 * Merk. = s 1 ad bc s 1 = tapausten otantasuhde s 2 = verrokkien otantasuhde a = s 1 a ; a = a / s 1 etc c = s 1 c b = s 2 b d = s 2 d Oletukset: 1) Sairaus harvinainen 2) Otantasuhteet samat altistuneilla ja ei-altistuneilla, erikseen tapauksilla ja verrokeilla Tapaus-verrokkitutkimus: RR / OR OR var(log RR) = 95% LV exp{ 1 a+½ + 1 b+½ + 1 c+½ + 1 d+½ ^ log RR ± 1.96 * S } = S 2 Ristitulosuhteen ad/bc = OR luottamusväli on likimääräinen ja pitää riittävän hyvin paikkansa kun kussakin solussa on vähintään 10 tapausta. Tätä pienemmillä lukumäärillä käytettävä tarkkoja luottamusvälejä, jotka ovat työläitä laskea ja niitä on myös kritisoitu. Ylläoleva on ns. Woolfin menetelmä.

6.2 Tapaus-verrokkitutkimus: RR / OR Esim. Ehkäisypillerit ja tromboembolia (Sartwell ym. 1969) ^ (67* 152) / (23 * 108) = 4.10 var(logrr) = 0.073 S log 0.271 exp { log(4.10) - 1.96 * exp { log(4.10) + 1.96 * 4.10 (2.41 6.97) AR = (4.10-1) / 4.10 = 0.76 67 108 175 23 152 175 0.271 } = 2.41 0.271 } = 6.97 90 260 350 EHKÄISYPILLERIT JA TROMBOEMOLIA OR:n laskeminen R-ohjelmalla Odds ratio from case control study Ladataan R ohjelman kotisivulta: case I I http://www.r-project.org/ Valikosta Install packages(s) asennetaan esimerkissä tarvittava pakkaus: epicalc Outcome category OR = 4.08 95% CI = 2.34, 7.32 otetaan pakkaus käyttöön: library(epicalc) control cci(67,23,108,152,design= case-control,decimal=1) I I 1/8 1/4 1/2 Odds of exposure

Tapaus-verrokkitutkimus Berksonin harha Esim. Perusväestössä 1000 tapausta ja 1000 kontrollia. Oletetaan, että sairaalaan joutumisen todennäköisyys on altistuneilla 40 % tapauksilla 20 % kontrolleilla 50 % 200 800 200 800 1000 1000 Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics 1946;2:47 Data from: Lilienfield AM 1976 Tapaus-verrokkitutkimus Berksonin harha Silloin sairaalaan joutuu tapauksia ja kontrolleja: 0.2 x 200 + 0.4 x 160 = 104 0.2 x 800 = 160 altistuneita:104 / 264 = 39 % OR = (104 x 400) / (160 x 140) = 1.86 0.5 x 200 + 0.4 x 100 = 140 0.5 x 800 = 400 140 / 540 = 26 % Vaikka altistuksella ei ole yhteyttä sairauteen, sairaalaaineistoon perustuvassa tapaus-verrokkitutkimuksessa voi syntyä yhteys täysin keinotekoisesti Berkson J. Limitations of the application of fourfold table analysis to hospital data. Biometrics 1946;2:47 Data from: Lilienfield AM 1976

6.2 Tapaus-verrokkitutkimus Risk ratio, Rate ratio ja Odds ratio eri tyyppisissä tapaus-verrokkitutkimuksissa OR eri muotoon: OR = a c ad bc cd a c = b d b d altistuksen odds tapauksilla altistuksen odds verrokeilla Tapaukset: saadaan suoraan Verrokit:?? Tapaus-verrokkitutkimus Tapausten ja kontrollien kertyminen tutkimuspohjassa (altistuneet 1 ) Tapaukset D 1 Kaikki hetkellä t 0 riskissä olevat N 1 Henkilöaika Y 1 N 1 -D 1 t 0 seuranta-aika t 1 Eivät vielä tapauksia hetkellä t 1

Tapaus-verrokkitutkimus Tapausten ja kontrollien kertyminen tutkimuspohjassa (ei-altistuneet 0 ) Tapaukset D 0 Kaikki hetkellä t 0 riskissä olevat N 0 Henkilöaika Y 0 N 0 -D 0 t 0 seuranta-aika t 1 Eivät vielä tapauksia hetkellä t 1 Tapaus-verrokkitutkimus Risk ratio, Rate ratio ja Odds ratio Vaihtoehtoiset tavat mitata suhteellista riskiä altistuksen odds tapauksilla altistuksen odds verrokeilla Risk ratio Rate ratio Odds ratio D 1 / D 0 N 1 / N 0 D 1 / D 0 Y 1 / Y 0 D 1 / D 0 (N 1 -D 1 )/ (N 0 D 0 ) upotettu case-control, - ei harvinaisuusoletusta prospektiivinen, case-base - ei harvinaisuusoletusta klassinen tap-verrokki - sairaus harvinainen

Tapaus-verrokkitutkimus Risk ratio, Rate ratio ja Odds ratio Tapaus-verrokkitutkimuksessa suhteellisen riskin mittalukuna käytetään OR:aa. Se voi kuitenkin kuvata suoraan riskisuhdetta RR, riippuen siitä kuinka kontrollit on valittu tutkimuspohjasta. Riippumatta kontrollien valintatavasta, jos sairaus harvinainen : odds ratio risk ratio rate ratio Kotitehtävä: Tapaus-verrokkitutkimus. Aineisto: kohdunkaulan syövän seulontaohjelma. Mitä ristitulosuhde ad/bc kuvaa kussakin tapauksessa? Tapaukset Kaikki naiset, joilla todettu Ca cervix edellisen vuoden aikana Kaikki naiset, joilla todettu Ca cervix edellisen vuoden aikana Kaikki naiset, joilla todettu Ca cervix edellisen vuoden aikana Kontrollit Satunnaisotos kaikista seulontaohjelmaan valituista naisista Kullekin tapaukselle valittiin yksi terve kontrolli samaan aikaan kun tapaus diagnosoitiin Satunnaisotos niistä ohjelmaan kuuluvista naisista, jotka olivat terveitä edellisen vuoden lopussa

Tapaus-verrokkitutkimus Tapaus-verrokkitutkimus: Kaltaistus Edelläolevat esimerkit soveltuva tilanteisiin, joissa on suoritettu ns. ryhmäkaltaistus, tai kaltaistusta ei ole tehty lainkaan. Kaltaistus voidaan suorittaa myös yksilöittäin: kullekin tapaukselle valitaan yksi tai useita verrokkeja, jotka ovat samankaltaisia muutaman ominaisuuden suhteen (sukupuoli, ikä, asuinpaikka). Yksilökaltaistetussa tutkimuksessa suhteellinen riski arvioidaan eri tavalla kuin ryhmäkaltaistetussa. Tapaus-verrokkitutkimus Tapaus-verrokkitutkimus: yksilökaltaistus t / s konkordanttien parien lkm diskordanttien parien lkm Riskisuhde var(log RR) = 1 / t + 1 / s = S 2 ^ Kontrollien altistus 95% LV exp{log RR ± 1.96 * S } + - Tapausten altistus + r t - s u McNemarin testi (s-t) 2 / (s+t) = χ 2 ; df=1

Tapaus-verrokkitutkimus Esim. Ehkäisypillerit ja tromboembolia (Sartwell ym. 1969) Todellisuudessa oli suoritettu yksilökaltaistus. 57 / 13 = 4.38 var(log RR) = S 2 = 1 / 57 + 1 / 13 = 0.094 S = 0.307 exp { log(4.38) - 1.96 * exp { log(4.38) + 1.96 * Verrokk. altistus + - Tap.altistus + 10 57 67 0.307 } = 2.40 0.307 } = 7.99-13 95 108 23 153 175 4.38 (2.40 7.99)