1. Ange forskningsprocessens olika delar.

- Ämneskunskap – litteraturgenomgång
- Problemidentifikation, problemformulering och syfte
- Metodologi – planering (The design and planning phase)
- Datainsamling
- Analys (val av analysmetoder och vilket sätt resultatet tolkas) (The analytic phase)
- Resultat och spridning av resultat

2. Hur gör man ett systematiskt val av rätt forskningsdesign?

3. Vad innebär en experimentell design?

Det innebär att någon metod eller intervention studeras i hur den har effekt i en eller flera
variabler tex någon hälsoaspekt hos patienter.

4. Vad karaktäriserar studier med kvantitativ design?

- Design - på förhand fastställd, experiment dvs Deduktion (hypoteser formuleras från
början)
- Urval – generellt stora/ powerberäkningar (en beräkning av hur stor urvalet ska vara för
att kunna besvara forskningsfrågan)
- Datainsamling: ofta frågeformulär, skattningsskalor och de har fasta skalsteg och
svarsalternativ
- Analys – statistiska beräkningar (allt presenteras i form av siffror)
- Etiska överväganden (oavsett kvantitativ eller kvalitativ design behöver detta steg göras)
- Eftersträvar objektivitet
- Kvantifierbara företeelser dvs de är mätbara
- Statistiska metoder
- Generalisering av resultat
Kvantitativa studier studerar oftast samband mellan variabler och skillnader mellan
grupper, och ibland över tid vid flera mättillfällen.

5. Vad är powerberäkning?
En beräkning av hur stor urvalet ska vara för att kunna besvara forskningsfrågan.

6. Hur ser kvantitativ design ut i relation till forskningsfrågan?

 Hur vanligt är ett visst fenomen? Prevalens (dvs förekomst)?
Samband med ..?
Effekt av xxx på …?
Förändras xxx över tid?
Skillnad mellan grupperna a och b?

7. Vad är intervention?
Innan experimentell design där en intervention prövas studeras själva effekten av
interventionen. En intervention är en åtgärd, ett test, en ny metod eller t.ex. ett nytt
läkemedel. Inom vård och omvårdnadsforskning är sällan intervention ett läkemedel utan
snarare en metod, som syftar att påverka på en personnivå.

8. Vad innebär det att en intervention prövas?

När en intervention prövas är det vanligt att studera skillnad i resultat mellan s.k.
interventionsgrupp, och kontrollgrupp där kontrollgruppen inte får tillgång till
interventionen.

9. När man väl har valt att göra en kvantitativ studie vilka designval har man att göra?
- Experimentell studie (Randomized Controlled Trial, RCT) : här har man två grupper; en
kontrollgrupp och en interventionsgrupp och randomiserad betyder lottad, vilken
innebär att slumpen styr vilken av de två grupperna som deltagarna kommer i.
- Kvasiexperimentell, kontrollerad studie: här har man inte lottat. Det kanske förekommer
två naturliga grupper deltagare där en grupp får interventionen och den andra inte. Eller
så finns det ingen kontrollgrupp alls och forskarna studerar enbart vad som händer, före
t.o.m. efter interventionen med en och samma grupp. Denna design sägs inte vara lika
stark som den randomiserade, då en rad andra aspekter påverkar utfallet dvs resultatet i
studien. Eftersom slumpen inte styr vem som får ta del av interventionen.
- Icke experimentell, Observationsstudie: Här sker ingen intervention alls. Forskarna
beskriver enbart för ett tillfälle eller flera över tid tex hur många som får kosttillägg och
inte.

10. Forskningsfrågan: Förekomst av risk för undernäring? Vilken design hade du valt för den?
Icke experimentell hade varit bäst.

11. Forskningsfrågan: Hur får vi reda på just effekt av kosttillägg? Vilken design hade du valt för
den?
Bästa är en experimentell - randomiserad kontrollerad studie men i verkligheten kanske
inte möjligt och därefter är en kvasiexperimentell design bäst.

12. Vad innebär tvärsnittsstudier respektive longitudinella studier?

Tvärsnittsstudier - data insamlas vid ett tillfälle, en tidpunkt, Prevalensstudier
Longitudinella studier - Incidensstudier, före - efter mätning, flera tillfällen över år eller
annat, prospektiv

13. Vilken forskningsdesign väljer du för följande frågeställning: Förändras självskattade hälsan
över tre års tid på vård och omsorgsboende?
Longitudinella studier
14. Vad är skillnaden mellan population och urval inom studier?
Population - alla som finns i den grupp vi vill studera, ofta inte möjlig att studera
Urval – vi väljer en grupp ur populationen - ett stickprov – sample (

15. Vad betyder kontrollgrupp eller referensgrupp?

När man har flera urval i studien sådana som vi nämnde tidigare med RCT randomiserade
kontrollerade studier, så har man två grupper deltagare.

16. Vilka olika sätt och strategier finns det för att rekrytera studiedeltagare, dvs.
urvalsmetoder?
- Slumpmässigt urval: Till studien eller till kontroll resp. intervention
- Stratifierat urval (urval från olika register tex från olika sjukhus) här har man noggrann
valt sedan tidigare
- Systematiskt urval tex varannan
- Konsekutivt urval – de som kommer i följd tex alla patienter som söker en viss vård etc.
- Frivillighetsurval – man kanske sätter upp en lapp i hissen i sjukhuset eller en annons.

17. Vilka aspekter ska man ta hänsyn till vid urvalsstorleken?

- Beräkna stickprovets styrka (powerberäkning)
- Hur många jämförelser och analyser vill vi göra?
- Hur känsliga är instrumenten (dvs mätmetoderna)?
- Hur stor är populationen från början?
- Bortfall, internt/externt? Är det realistisk med ett visst bortfall?
- Hur länge har vi råd/tid att inkludera? Det kan vara praktiska och ekonomiska aspekter
som påverkar.

18. Vad står n för?

Antalet deltagare

19. Vilka datainsamlingsmetoder är vanliga inom kvantitativ design?

- Frågeformulär (standardiserade/egna)
- Självskattningsskalor
- Observationsprotokoll
- Strukturerad intervju (obs jämför olikhet med intervju vid kvalitativ design där
svarsalternativen är fasta)
- Fysiologiska mätvariabler: Blodtryck, andningsfrekvens

20. Varför beskrivs sociodemografiska faktorer i beskrivningen av urvalet?

Sociodemografiska faktorer: ålder, kön, utbildningsnivå, arbetsstatus, familj, m.m. Detta
samlar man för att kunna beskriva urvalet som en del av resultatet.

21. Vad är variabler?

- Någonting som varierar mellan individer, företeelser eller tillstånd
- Kan beskrivas som ett värde med ord eller siffror

22. Vad innebär att frågeställningen konceptualiseras till variabler?’

Jo det innebär att det som ska forskas och utredas i studien konceptualiseras till olika
variabler som tex siffror och frågor i en databas för att kunna få ett resultat.
23. Ge exempel på mätningsinstrument i klinik för riskbedömning, screening m.m.?
- Downtown Fall Risk Index
- Mini Nutritional Assessment (MNA)
- Katz ADL Index
- Modifierad Nortonskala (trycksårsbedömning)

24. Vad behövs den deskriptiva statistiken för?

Det är en analysmetod där man sammanställer från den individuella nivån.

25. Vilka olika deskriptiva mått har vi?

Centrala mått och spridningsmått

26. Vad olika centrala mått förekommer det?

- Medelvärde – (mean) värdet av alla observationer delat på antal observationer, Det
måste vara faktiska värden och ”kräver” lika avstånd dvs intervall eller kvotskala mellan
varje värde för att kunna räkna ut det.
- Median – (median) det mittersta värdet av alla observationer, ”kräver” rangordning.
- Typvärde – (mode), det vanligaste värdet, används för nominaldata

27. Vad mäter spridning samt ge exempel på sådana mått?

- Spridning mäter variationen och hur stor spridningen är kring centrala måttet. Tex om
man tar medelvärdet, hur stor är spridningen av data, observationer runt medelvärdet?
- Max- min, range (Absolut vanligaste, tex man har ålder. Medelvärdet är 46 men hur stor
är spridningen det är min 34 och max 92).
- kvartiler (fjärdedelar, tex att dela upp hela rangordningen i fyra), Percentiler (100-delar,
tex att dela upp hela rangordningen i 100 delar)
- Standardavvikelse – Standard deviation (SD): centrala måtten presenteras i resultatdelar i
kvantitativa studiers artiklar ofta tillsammans så att, spridningsmåtten med centrala
måtten och medelvärde och standard deviation presenteras oftast tillsammans. Medan
median och kvartilavvikelse presenteras tillsammans vanligtvis.

28. Vad bygger standardavvikelse på?

SD bygger på att datan är normalfördelat och att man kan på ett logiskt sätt, räkna ut ett
medelvärde utifrån datanivån. Nedan följer ett ex på en sådan idealisk standardavvikelse.

29. Hur beräknar man nedre och övre värdet när man har standardavvikelse och medelvärdet
klart för sig?
Man tar medelvärdet plus en standardavvikelse för att få det övre värdet och för att få nedre
värdet så tar man medelvärdet minus standardavvikelse.
30. Hur kan en variabel benämnas?
Genom ord eller siffror

31. Vad är skillnaden mellan kvalitativa och kvantitativa variablar?

- Kvalitativ variabel – anges med ord tex kategorivariabel har/har inte, är/är inte.
Alternativen som deltagaren kan svara på är ord.
- Kvantitativ variabel –numeriska variabler, alternativen som deltagaren kan svara på är
siffror.

32. Vilka datanivåer förekommer det och ange under vilken variabel dessa omfattas?
Kvalitativ variabel:
Nominalskala, ordinalskala
Kvantitativ variabel:
intervallskala och kvotskala

33. Vad innebär nominalskala?

Nominalskala (lat. nomen, namn) (klassifikation) – ömsesidigt uteslutande; kön, färg
Tex en fråga kan vara vilken färg är din favoritfärg? Det finns flera färger som alternativsvar
som deltagare kan kryssa i. Alternativen är skrivna i ord med andra ord.

34. Vad innebär ordinalskala?

Ordinalskala (lat. ordo, ordning) (rangordning) – oro, smärta, livskvalitet. Här är det alltså
alternativ som står med ord. Med ordinalskala i resultat så kan man visa bara hur många som
har svarat respektive alternativ och man kan också räkna ut median och kvartilavvikelse.

35. Vad innebär intervallskala samt kvotskala?

- Intervallskala – (lika avstånd mellan skalstegen) årtal, temperatur, meter, centimeter.
Man utgår alltså från internationella beräkningar. Man räkna medeltal och spridning.
- Kvotskala (absolut nollpunkt) – ålder, längd. Här finns en absolut nollpunkt och det är
skillnaden mellan intervallskala och kvotskala. Man man räkna medelvärden, SD,
minimum och maximum.

36. Vad innebär statistisk signifikans?

- Statistisk signifikans är egentligen ett mått på hur stor sannolikheten (probability, p) är
att vi förkastar nollhypotesen trots att den är sann
- Ett p-värde satt till <0.05 innebär således att det är 5% chans att vi förkastar
nollhypotesen trots att den är sann, dvs att de skillnader vi hittar i vårt stickprov inte
finns i populationen (är sanna) utan är slumpmässiga

37. Vilka tester kan man göra för att se skillnader mellan grupper?
- Medelvärdesskillnader (kräver att man kan räkna medelvärden, parametriskt) = Student’s
T-test
- Rangsummetest (räknar ej på medelvärden utan på rangordningar, icke parametriskt) =
Mann Whitney U-test
- Samband mellan två variabler, nominalskalenivå - Chi2-test (Chi2) icke-parametrisk,
räknas med korstabeller, klassvariabler, nominalskala