Professional Documents
Culture Documents
Epidemiologie Samenvatting
Epidemiologie Samenvatting
Epidemiologie
Deel 1: Wat is epidemiologie?
Definitie
Epidemiologie is de studie van de frequentie en de verdeling van ziekte (gezondheid) bij menselijke
populaties, en van de factoren die deze verdeling beïnvloeden of determineren (determinanten), en de
toepassing van deze studie tot controle van gezondheidsproblemen.
The study of the distribution and determinants of health-related states or events in specified
populations and the application of this study to control of health problems.
Basisconcept
Verdeling ziekte/gezondheid is niet te wijten aan toeval (ad random), maar te wijten aan:
Predisponerende of beschermende factoren; persoonkarakteristieken (geslacht, leeftijd,
genetisch,…), omgeving (fysisch, biologisch, psychosociaal) (meestal interactie tussen beide)
Intensiteit van blootstelling aan determinanten
Preventie
Identificeren van hoge risico groepen in de populatie:
- Preventieve acties bij die dat het meeste nodig hebben
- Opsporen van risicofactoren: modifieerbaar en niet modifieerbaar
2 manieren:
- Population based approach (public health approach): preventie voor hele populatie. Niet te duur
en niet invasief.
- High risk approach: preventie voor hoge risico groepen. Duurder en invasief.
Klinisch
In de klinische praktijk hanteert de arts populatie-based kansmodellen in de beoordeling van de patiënt
- Diagnose van de ziekte is gebaseerd op correlatie van symptomen met pathologische gegevens
- Prognose is gebaseerd op vroegere ervaringen van patiënten met zelfde ziekte
- Therapie is gebaseerd op empirische studies over de werking van de therapie
De diagnose, prognose (verdere verloop) en therapie zijn allemaal populatie gebaseerd.
Benadering
- Beschrijvende epidemiologie: zorgvuldig beschrijven, vaststellen van (verschillen in) frequentie
en spreiding van ziekten/sterven/gezondheid in een populatie
- Analytische epidemiologie:
Nagaan of er een associatie/verband bestaat tussen blootstelling aan factor en/of
eigenschap van een persoon en ontwikkeling van de ziekte
Zijn er ernstige aanwijzingen dat dit verband causaal is?
Van belang voor:
Adelaïde van den Haute
Edward Jenner: smallpox in het midden van de 18de eeuw. Ervoor gebruikten ze variolation: mensen die
gezond zijn krijgen bestanddelen van mensen dat de ziekte hadden. Als ze overleefden waren ze
natuurlijk immuun geworden. Hierna zocht Jenner een veiligere manier en hij vond dat melkmeiden die
cowpox hadden overleefd, nooit de smallpox kregen.
John Snow: Cholera in het midden van de 19de eeuw. Sommige mensen dachten dat de oorzaak van de
ziekte een wolk was en dat hierdoor mensen die lager woonden veel meer stierven. Snow vond dat de
oorzaak het water was en dat mensen die water namen van de rivier veel meer stierven als die dat
water namen van een punt dat hoger lag.
Transmissie modes
- Direct:
Person-to-person contact
- Indirect:
Common vehicle (gecontamineerde lucht of waterbron):
Single exposure
Multiple exposures
Continuous exposures
Vector (mug)
Meten
- Variabele= kenmerk dat kan variëren (wat men meet)
Kwalitatief kenmerk (haarkleur, bloedgroep, ziek/gezond)
Nominale variabele: enkel classificatie
Ordinale variabele: classificatie + rangorde
Kwantitatief kenmerk (bloeddruk, lengte,… = getal)
Interval variabele: classificatie + ordenen + rekenkundige bewerkingen (discrete
variabele)
Ratio variabele: idem + absoluut nulpunt (continue variabelen)
- Waarneming van kenmerk =meting (bij wie men meet)
- Vaak worden resultaten gedichotomiseerd (slechts 2 waarden mogelijk)
Epidemiologische breuk
Basis terminologie
- Absolute nummers (aantallen): 10 mensen ziek, 200 mensen in totaal
- Proporties (fractie): 10/200= 0.05= 5% ziek (= verhouding waarbij T een deel is van N)
- Ratio = verhouding van 2 variabelen die in contrast staan (vaak uitgedrukt per 1 of 100)
Sex-ratio: 1/3 (man/vrouw)
Afhankelijkheidsratio: (#(0-19j) + #(>65j)) / #(20-64j)
- Rate= snelheid waarmee iets optreedt
In tijdseenheid (dag, week, maand,..)
T: #gebeurtenissen/waarnemingen
T en N zelfde periode
Vaak in aantallen per persoonsjaren
Vb: mortaliteit en morbiditeit
- Risk (risico)= kans op gebeurtenis in bepaalde tijd
Tijdseenheid
T: #gebeurtenissen/waarnemingen
N: bevolking at risk (begin populatie)
T en N zelfde periode
Eigenlijk proportie (van 0%-100%)
Cumulatief risico
- Odds= verhouding tussen elkaar uitsluitende gebeurtenissen
Verhouding van de kans dat een paard zal winnen tot de kans dat het zal verliezen
Winnen/verliezen (Pw/1-Pw)
Adelaïde van den Haute
A) morbiditeit
= meten van ziekte
Maten:
a) incidentie:
Aantal ziekten die beginnen (of aantal personen die ziek worden) tijdens een gegeven periode in een
welomschreven populatie at risk.
Frequentie of voorkomen van een aandoening of gebeurtenis.
Incidentie= aantal nieuwe gevallen
- Incidence rate:
Personen worden allemaal niet even lang gevolgd: loss to follow up, dood,…
Person-time in persoonsjaren of maanden
Maat voor de densiteit waarmee een aandoening voorkomt (“hazard rate”)
Meestal per 1000 persoonsjaren
- Cumulatieve incidentie
Cohort
Uitgedrukt in % (i.p.v. / 100.000)
(individuele) risico maat (versus rate: snelheid van optreden)
- Cumulatief risico
Risico dat een individu de beschouwde ziekte ontwikkelt gedurende een zekere
levensperiode indien geen andere doodsoorzaken een invloed zouden hebben.
Berekening zoals cumulatieve incidentie
- Proportionele incidentierate
Zelfde tijdsperiode T en N
In % (varieert i.f.v. voorkomen van andere ziekte ( alle ziekten= 100%)
Populatie at risk niet vereist of niet gekend
b) attack rate
Adelaïde van den Haute
g) surveillance
The ungoing systematic collection, analysis, and interpretation of health data essential to the planning,
implementation, and evaluation of public health prectice closely integrated with the timely
dissemination of these data to those who need to know (Centers for Disease Control and Prevention,
CDC)
Adelaïde van den Haute
B) Mortaliteit
= meten van sterfte
- Aanwijzing voor de ernst van de ziekte (vanuit klinisch en public health perspectief)
- Gebruikt voor incidence rate of disease (case fatality rate hoog, duur van ziekte kort)
Maten
- Mortality rate (bruto mortaliteit)
Vaak per jaar: annual mortality rate, in de noemer population at risk ‘at midyear’
(#personen begin observatieperiode)
- Specific mortality rate (specifieke mortaliteit) (restricties inbouwen: zelfde voor teller en
noemer!)
Volgens populatiekenmerken: leeftijd, geslacht, groep
Volgens doodsoorzaak
Combinatie
- Case-fatality rate (letaliteit)
In % (proportie)
N beperkt tot zieke mensen (verschil met mortality rate)
Over ernst van de ziekte, werking van therapie
- Proportionate mortality
In % (proportie)
Geen maat voor het risico van het sterven aan de ziekte!
Vaak specifiek (mensen van bepaalde leeftijd, geslacht,…)
Proportioneel sterftecijfer: % van overlijdens t.g.v. bepaalde ziekte
≠
Oorzaakspecifiek sterftecijfer: risico te overlijden t.g.v. specifieke ziekte in populatie
- Years of potential life lost (YPLL)
(verwachtte leeftijd van sterven – reële leeftijd van sterven) voor een bepaalde ziekte
A) Validiteit
= mate waarin de test in staat is een onderscheid te maken tussen degenen die de ziekte hebben en
degenen die de ziekte niet hebben.
- Interne validiteit: juistheid van de test
- Externe validiteit: generaliseerbaarheid
Componenten
Sensitiviteit
- Mate waarin een test in staat is om degenen die de ziekte hebben als dusdanig correct te
identificeren.
- Proportie van zieke individuen met een positief testresultaat.
- Maat voor probabiliteit dat een ziek individu een positief testresultaat heeft.
Specificiteit
- Mate waarin een test in staat is om degenen die de ziekte niet hebben als dusdanig correct te
identificeren.
- Proportie van ziektevrije individuen met een negatief testresultaat.
- Maat voor probabiliteit dat een ziektevrij individu een negatief testresultaat heeft.
Golden standaard nodig: source of ‘truth’: anders weten we niet wie vals positief of negatief is!
Problemen
- Vals positief: worden ook verder opgevolgd (last, kosten, ongerust,…)
- Vals negatief: niet tijdig behandelen van eventuele fatale ziekte
Continue variabelen (niet + of -, verschillende waarden): cutoff (om een + en – waarde te hebben)
Specificiteit en sensitiviteit in balans: kritische waarde (problemen met vals + en-)
Cutoff level ↓ sensitiviteit ↑specificiteit ↓vals positieven ↑
Cutoff level ↑ sensitiviteit ↓specificiteit ↑vals negatieven ↑
Multipele tests
Sequentieel testen:
- Eerst goedkope en weinig ingrijpende test
- + verder testen met hogere sensitiviteit en specificiteit (reductie vals+)
- Resulteert in verlies in net-sensitiviteit en winst in net-specificiteit
Simultaan testen:
- Twee testen worden simultaan toegepast
- Resulteert in winst in net-sensitiviteit en verlies in net-specificiteit
( tests+ only by test A ) + ( tests+ only by test B )+(test + by both A∧B)
Net sensitiviteit=
¿ people withthe disease
(test −by both A∧B)
Net specificiteit= (alleen patiënten die op beide – zijn worden als -
¿ p eople withthe disease
beschouwd
Sensitiviteit Specificiteit
Adelaïde van den Haute
Conclusie
Test volledig gekarakteriseerd door sensitiviteit en specificiteit
Zinnigheid van een test: ~prevalentie van de ziekte in populatie
Predictieve waarde: ~prevalentie en specificiteit (bij lage prevalentie)
Intrasubject variatie
Biologische variabiliteit van de persoon bij wie waarneming wordt verricht
- Toevallig:
Fluctuaties zonder duidelijk patroon
Random gebeuren (soms < en soms>)
Moeilijk te corrigeren
≠metingen waarneming=gemiddelde van deze metingen uitgevoerd onder zelfde
omstandigheden
- Systematisch:
Bepaald patroon in fluctuaties (lichaamslengte, bioritme, hormoonspiegels)
Adelaïde van den Haute
Correctie mogelijk
Gestandaardiseerde meting (gewicht, bloedafname op bepaald tijdstip)
Heeft nadelige invloed op reproduceerbaarheid, maar niet noodzakelijk meetfouten tot gevolg
Intraobserver variatie
- Variatie tussen twee of meer lezingen van dezelfde testresultaten door zelfde onderzoeker
- Kans hierop neemt toe naarmate subjectieve elementen van de beoordelaar kunnen meespelen
in de beoordeling
Interobserver variatie
- Variatie tussen twee of meer onderzoekers in beoordelen van uitkomsten van zelfde resultaten
- Overeenkomst tussen observers kwantificeren door: berekenen van Overall Percent Agreement
som zelfde resultaten
OPA= resultaten ¿ (x 100)
TOT ¿
We kunnen het ook berekenen als het aantal dat minstens 1 positief resultaat kreeg, dus:
zelfde resultaten (dat positief zijn)
OPA= resultaten(dat positief zijn)¿ (x 100)
TOT ¿
= mate waarin de geobserveerde overeenkomst de overeenkomst overschrijdt die men kan verwachten
op basis van toeval, en dit uitgedrukt als proportie van de maximale overeenkomst die men bovenop de
overeenkomst op basis van toeval kon bekomen.
= statistische maat van overeenstemming
≤0.20: slecht
0.21-0.40: matig
0.41-0.60: redelijk
0.61-0.80: goed
>80: uitstekend
In % (proportie)
N beperkt tot zieke mensen (verschil met mortality rate)
Over ernst van de ziekte, werking van therapie
Meestal voor acute ziekten, tijdsinterval is niet expliciet vastgelegd, wel impliciet,
verwacht kort na acute ziekte; minder geschikt voor chronische ziekten.
- Person-years
Adelaïde van den Haute
¿ sterftegevallen
¿ persoonsjaren tijdens dewelke de groep zieken zijn gevolgd
Geobserveerde survival van mensen met een ziekte vergelijken met hun verwachte
survival indien ze niet ziek zouden zijn
Design
Soorten trials
- Met of zonder controlegroep:
Deel van populatie krijgt expositie, ander deel = controlegroep
Opeenvolgende interventies
Steeds meer “multicenter trials” voldoende aantallen
- Wel of niet gerandomiseerd
- Zieke of gezonde personen:
Zieken: ‘clinical trial’
Gezonde personen: ‘field trial’
Gemeenschappen: ‘community trial’
- Inclusiecriteria moet in detail, precies en schriftelijk vastgelegd worden. Geen subjectiviteit
+herhaalbaarheid
Controlegroep
Zonder:
- Geen vergelijking mogelijk
- Expositiekenmerken nagaan bij groep individuele patiënten
- Moeilijk om conclusies te trekken (geen associaties of causale relaties)
- Case studies of case series
Met:
- Historische controls
+: makkelijk
Adelaïde van den Haute
-: data van verleden nemen zoals ze zijn; andere mogelijk beïnvloedende variabelen
kunnen veranderen in de tijd.
- Simultaneous nonrandomised trials
+: makkelijk, geen speciale regels, bv per opnamedag
-: gevonden verschillen kunnen te maken hebben met verschillen in andere
beïnvloedende eigenschappen tussen groepen; indeling is onvoorspelbaar: mogelijke
selectionbias
- Randomisation
Samenstellen van experimentele en controlegroep moet volledig per toeval bepaald
worden
Voorkeuren van onderzoekers mogen geen enkele invloed uitoefenen op de toewijzing
van de oz elementen (bv conflict rol arts-oz)
Groepen zullen vergelijkbaar zijn mbt karakteristieken van belang voor prognose
- Stratified randomisation
Indien een factor (buiten de interventie) bekend is, ervoor zorgen dat de experimentele
en controlegroep op dit vlak gelijk zijn indelen van populatie in groepen voor elke
belangrijk geachte variabele: in strata, nadien at random verdelen van mensen tussen
de experimentele en controlegroep.
Randomisatie draagt hiertoe bij maar garandeert het niet
Blinding/masking
Draagt bij tot een objectievere outcome en meting
- Deelnemers mogen niet weten in welke groep ze zitten(intervention of control): placebo
- Onderzoekers mogen niet weten in welke groep deelnemers zitten
- Beide: dubbel blind
Crossover
- Tijdens loop van het onderzoek veranderen van groepen (intervention↔no intervention)
- Geweten door onderzoekers
- Planned:
Elke patiënt kan dienst doen als zijn eigen control, en daardoor de variatie mbt vele
karakteristieken met mogelijke invloed op de vgl van effectiviteit van een behandeling
constant houden.
Kans op residual carryover- washout respecteren: de observaties onder therapie
B zijn slechts geldbaar als geen enkel residu van therapie A overblijft.
Volgorde van interventie kan verschillende psychologische respons met zich
meebrengen
Niet mogelijk als de eerste interventie iets wezenlijks verandert.
- Unplanned
Volgens oorspronkelijke randomisatie analyseren: Intention To Treat Analysis (original
assignment groups): meestal
Analyseren volgens de ontvangen therapie (received groups): breken van randomisatie
Moeten tot een minimum beperkt worden, te grote halen studie onderuit
Factorial design
Zelfde studiepopulatie gebruiken om twee interventies tegelijk te evalueren (interventie A, interventie
B, interventie A en B, geen interventie)
- Interventies met verschillende outcome en onafhankelijke werking
Adelaïde van den Haute
Noncompliance
- Therapie/onderzoek ontrouw
- Openlijk niet willen deelnemen= dropouts
- Verborgen niet meer willen deelnemen= regelmatig testen
- Verkeerde interventie volgen= dropins (patiënten goed informeren en testen!)
- Nettoresultaat van noncompliance op studieresultaten is een vermindering van de
geobserveerde verschillen
Steekproef
- Werken met een deel van de populatie= steekproef of sample conclusies over hele populatie
- Statistische methode: nagaan of steekproef wel representatief is voor populatie
- Sample size: voor we aan de studie beginnen moeten we berekenen hoeveel subjecten we
moeten includeren om een valide uitspraak te bekomen.
- Specifiëren om steekproefomvang te berekenen: verschil in respons rates te detecteren,
schatting van de response rate in 1 van de groepen, α, 1-β, een/twee- zijdig
Doel
- Belangrijkste doel: het vergelijken van een blootgestelde en niet blootgestelde groep.
- Nagaan incidentie van een ziekte (ontwikkeling nieuwe gevallen)
- Nagaan natuurlijke ontwikkeling van mensen (groeicurven)
- Nagaan natuurlijk verloop van ziekte (overlevingscurve)
- Zoeken naar oorzaak (etiologie) van ziekten : belang voor kliniek + public health
Kennis determinanten belangrijk voor preventie
Patiënten vragen naar risk of disease
Soms in kliniek hypothese van risk factor: moet verder onderzocht worden
- Inschatten van prognose
Design
Observationele studie
- Als er een positieve associatie bestaat tussen blootstelling en ziekte zullen we zien dat het
aantal mensen met ziekte in de blootgestelde groep hoger zal liggen
- Temporal relationship is heel belangrijk: omdat we nieuwe gevallen bestuderen kunnen we zien
of er een temporele relatie bestaat tussen blootstelling en ziekte. Dit is belangrijk als we willen
bewijzen dat de blootstelling een oorzaak van de ziekte is.
- Experimenteel
- Ingreep blootstelling door onderzoekers
- Randomizatie: schakelt invloed van bepaalde factoren gelijk in de te vergelijken groepen
Cohort:
- Geen ingreep blootstelling door onderzoekers (spontane blootstelling)
- Geen randomizatie: geen zekerheid over andere factoren die meespelen in verbanden
Types
- Prospectieve (concurrent, longitudinaal)
Blootstelling wordt afgewacht en dan volgen en outcome meten
Lang, veel kans op uitval onderweg
- Retrospectief (historical, nonconcurrent prospectieve)
Zelfde als prospectieve maar blootstelling wordt vastgelegd op basis van historische
gegevens, en de outcome in het begin van de studie
- Combinatie
Potential biases
- Bias in assessment of the outcome: beoordelaar kent de staat van blootstelling van de
onderzochte persoon en de onderzochte hypothese
- Information bias: kwaliteit van data van exposed en non-exposed groep is niet gelijk (vooral in
retrospectieve cohort)
- Bias from nonresponse and losses to follow-up: door lange duur van de studie
- Analytic bias (data analyse+ interpretatie): vooroordelen bij beoordelaar
Aandachtspunten
- Vooraf reeds een idee hebben van mogelijke samenhang tussen blootstelling en ziekte
- Niet te lang tussen blootstelling en ziekte om te veel losses to follow up te vermijden
- Zo’n grote en dure studie moet voldoende verantwoordt worden
- Blootgesteld en niet blootgesteld vaak moeilijk te identificeren
- Retrospectief vaak niet mogelijk wegens slechte kwaliteit van de data
- Vaak grote groepen nodig en intensieve opvolging
Voorbeeld
Framingham studie over cardiovasculaire ziekte. Deze populatie van de studie waren 5000 inwoners (30-
62 jaar) van deze stad. Veel blootstellingen zoals roken, activiteit, obesiteit, verhoogde bloeddruk, hoge
cholesterolgehalte werden gebruikt om een verband te vinden met cardiovasculaire ziekte.
Adelaïde van den Haute
C) case-control
Doel
- Zoeken naar oorzaak (etiologie) van ziekten als eerste step. Moet bevestigd worden in cohort
studie.
- Bij weinig voorkomende ziekten goed uit te voeren (verschil met cohort)
- Evaluaties van bepaalde interventies in gezondheidszorg.
Design
- Studie begint niet met blootgestelde en niet blootgestelde groep, maar met zieken (cases) en
niet zieken (controls), en gaat dan kijken naar de proportie blootgestelden in elke groep.
- Indien er een verband zou bestaan tussen cases en blootstelling, verwachten we een hogere
prevalentie van blootstelling in de groep cases dan in groep controls.
- meer geschikt voor ziekten met kleine prevalentie (vs cohort)
- de cases/controls aantallen worden bepaald door de onderzoekers en reflecteren niet de ware
prevalentie van de ziekte.
Factoren
Meerdere factoren kunnen worden bekeken.
Matching
Matching van de groepen voor die factoren (buiten de onderzochte blootstellingfactor) die we belangrijk
vinden mbt. hun mogelijke bijdrage aan ziek zijn (leeftijd, sex, socio-economische status, beroep,…)
Types:
- Group matching (frequency matching):
proportie van controls met een bepaalde eigenschap= proportie van cases met die
eigenschap
dus eerst alle cases selecteren vooraleer men deze berekeningen kan doen
- individual matching (matched pairs):
elke case wordt met gelijkaardige control gematched
soms moeilijk te vinden als men te hoge eisen stelt (combinaties van eigenschappen)
unplanned matching door bv buren, vrienden te kiezen als controls
Opmerking:
- niet matchen voor de factor die bestudeerd wordt
- niet overmatchen (factors die niet belangrijk zijn)
Geheugenprobleem
Belangrijk probleem bij case-control studies: meten van blootstelling via interview, dossiers, stalen,…
Types
- limitations in recall
info verzameld mbv interviews
Adelaïde van den Haute
Hoeveel controls?
Onderzoeker kan zelf bepalen hoeveel, vaak multipele controls (meerdere voor 1 case)
- multiple controls of the same type
bedoeling: verhogen van de power van de studie
kan door verhoging cases of controls
verhoging aantal cases: vaak moeilijk door lage prevalentie van aandoening meestal
verhoging van aantal controls
- multiple controls of different types (groep controls uit ziekenhuis en tweede groep uit populatie)
om kans te verhogen dat blootstelling van controls representatief is voor blootstelling
populatie
om alternatieve hypotheses na te gaan (verband blootstelling en gevolg)
soms kans daardoor recall bias onwaarschijnlijk worden
D) cross-sectional
Kenmerk
- Dwarsdoorsnede onderzoek (prevalentie onderzoek)
- Exposure en outcome worden tegelijk gemeten bij elk individu
- Geen tijdsequens (blootstelling voorafgegaan aan ziekte?)
Doel
- Meten van prevalentie van ziekte + meten van prevalentie van blootstelling
- Meten van risicofactoren en beschermende factoren
- Zoeken naar associaties (samen voorkomen)tussen kenmerken en ziekte/gezondheid
- Bepalen van normale waarden (grote steekproeven)
- Opsporen van nog niet gekende ziektegevallen (screening)
Design
Voordelen
- 1 contact is dikwijls voldoende
- Weinig tijdrovend, goedkoop
- Haalbaar onderzoek voor gevoelige thema’s (drugs, SOA)
- Alle stadia van ziekte en heel spectrum van blootstelling
- Basis voor verder etiologisch onderzoek (patiënt controle)
Nadelen
- Prevalente cases vs incidente cases: sommige patiënten kunnen reeds gestorven zijn door de
ziekte; dus eerder survival after disease als risk of developing disease
- Geen tijdsequens (tenzij expositie vast kenmerk is, zoals bloedgroep): noodzakelijk voor
causaliteit
Adelaïde van den Haute
Absolute risk
Incidence of disease in a population (with certain exposure).
No (explicit) comparison with non-exposed people.
Objectief van studies: associatie blootstelling-ziekte: expliciete vergelijking is nodig!!!
Relative risk
Comparison of the risks (probabilities of an event occuring, developing disease) between exposed and
non exposed Group.(bijvoorbeeld in cohort: )
Ziek Niet ziek
Blootgestel a b
d
Niet c d
blootgesteld
a
( )
risk ( incidence ) ∈exposed a+ b
Relative risk= = (ratio of the risk)
risk (incidence ) ∈nonexposed c
( )
c +d
RR= 1: geen associatie (geen effect van blootstelling)
RR>1: positieve associatie (misschien causaal, na blootstelling meer kans op ziekte)
RR<1: negatieve associatie (misschien beschermende factor)
Odds ratio
In RR: incidentie nodig in exposed en non-exposed
In case control: deze incidentie cijfers niet voorhanden (we starten met ziek en niet ziek)
Andere associatiemaat= odds ratio (vaak goede benadering RR (ook in cohort studies))
De Odd van een gebeurtenis is de waarschijnlijkheid dat een gebeurtenis zal plaatsvinden tot de
waarschijnlijkheid dat die gebeurtenis niet zal plaatsvinden.
P
Odds=
1−P
Odds ratio (cross products ratio)= verhouding van twee Odds
Adelaïde van den Haute
Voorbeelden
- Unmatched case control studies: zelfde formule als boven
- Matched pairs case control studies:
Control
Blootgestel Niet
Cas d blootgesteld
e Blootgesteld a b
Niet c d
blootgesteld
Odds ratio (matched pairs)= b/c
Odds ratio voor matched pairs enkel baseren op discordant pairs b en c (concordant zijn de
paren die beiden blootgesteld werden of beiden niet blootgesteld werden): de ratio van het
aantal paar waarin de case was blootgesteld en de control niet en het aantal paar waarin de
control werd blootgesteld en de case niet.
Ecologische studies
- Studies van groep karakteristieken (voorkomen tussen verschillende groepen)
- Individuen worden gekarakteriseerd door de gemiddelde figuur voor die groep
- Ecological fallacy: leden krijgen karakteristieken dat niet voor elke lid geldbaar zijn
- Goede startpunt aangezien het gemakkelijk is en we niet individuele data moeten gebruiken
Mogelijke uitkomsten
1) causaal
2) niet causaal door confounding: een 3de factor (oorzaak) dat verband maakt.
De confounding factor is niet altijd even duidelijk. Het kan bijvoorbeeld een genetische factor zijn. Het is
belangrijk voor preventie om te weten of er een confounding factor bestaat.
Causale relatie
Kan direct of indirect zijn.
Bij mensen zijn er meestal intermediaire stappen in het causale verband.
Adelaïde van den Haute
Bias
Belangrijk in elk type onderzoek
= fout in design
= elke systematische fout in het design, het uitvoeren, of de analyse van een studie, die resulteert in een
verkeerde inschatting van het effect van een blootstelling op een risk of disease.
Selection bias
= indien de wijze van selectie van cases en controls, of van blootgestelde en niet blootgestelde mensen
zo gebeurt dat een schijnbare associatie wordt gevonden, dan is die schijnbare associatie het resultaat
van selection bias. Dit kan het gevolg zijn van:
- Non respons bias:
Bijvoorbeeld minder respons van zieke met blootstelling dan van zieken zonder
blootstelling (gevonden verband heeft te maken met kleinere respons in een groep)
Vaak verschillen non-responders op verschillende relevante vlakken van responders
Proberen zoveel als mogelijk info te krijgen van eigenschappen van non responders
- Exclusion bias:
Systematische fout in het samenstellen van groepen die vergeleken worden, zodat
resultaat vertekend wordt.
Selection bias (in samenstelling groepen zieken/blootstelling) tast de interne validiteit aan: de juistheid
van de vergelijking in de studie wordt ondermijnd.
Verschillende selectie van individuen in de studie: dit tast eventueel de externe validiteit
(generalizability) aan.
Information bias
= wanneer de wijze van infoverzameling over de studieobjecten inadequaat verloopt, zodat bepaalde
info over blootstelling en ziekte incorrect is.
- Misclassificatie bias:
Adelaïde van den Haute
Confounding
= er wordt een echte associatie geobserveerd en we veronderstellen een causale relatie, terwijl dit in
realiteit niet zo is, doordat er een confounding in het spel is.
=niet fout in design, maar reëel en valide bevinding voor aard van verband.
Confounder factor X (bijvoorbeeld leeftijd):
- X is een bekende oorzaak voor ziekte B (leeftijd oorzaak ziekte? JA)
- X is geassocieerd met factor A, zonder dat factor A oorzaak is van factor X (leeftijd verband met
blootstelling? JA)
Probleem uitklaren door bijvoorbeeld te analyseren per leeftijdscategorie.
Oplossen probleem confounding
Voor designing and carrying out the study:
- Individual matching
- Group matching
In het analyseren van data:
- Stratificeren (indelen in verschillende groepen om te zien of er dan nog confounding mogelijk is)
- Ajusteren
Interaction
= meestal interactie van verschillende factoren die aan de oorzaak liggen van een aandoening
(multivariate: veel determinanten)
Incidence rate van een ziekte in aanwezigheid van twee of meer risk factors verschilt van incidence rate
verwacht als resultaat van hun individuele effecten:
- Groter effect: positieve interactie, synergisme
- Kleiner effect: negatieve interactie, antagonisme
Verschillende modellen
AR kunnen worden opgeteld= added
RR kunnen worden vermenigvuldigd= multiplies