7 - Forskningsdesign, etikk Flashcards
Hva handler forskningsetikk om, hva er det regulert av, og hvorfor er det viktig?
Forskningsetikk omhandler de moralske spørsmålene og problemstillingene som oppstår underveis, og som resultat av forskningsaktivitet. Forskningen innenfor helsefagene er regulert av Nürnbergkodeksen, som ble nedtegnet etter andreverdenskrig, og Helsinkideklarasjonen som er retningslinjene til World Medical Association. Når man skal forske i Norge må man søke om lov til å gjennomføre forskningsprosjekter av De regionale etiske forskningskomiteene (REK). Disse jobber etter etiske prinsipper i henholdt til Helsinkideklarasjonen. Det er viktig at vi har etiske prinsipper og komiteer, og dette er fordi det er viktig at deltakernes rettigheter og velferd blir ivaretatt, det sikrer integriteten og påliteligheten til forskere og forskningen. Innenfor forskningsetikken har vi flere prinsipper.
Hva er hovedprinsippene for forskningsetikk?
“Planlegg med omhu, vurder risiko og nytte, skap trygge forhold, få samtykke, respekter deltakere, beskytt data, og kontroller tilgang.”
- Forskningen skal være nøye planlagt og skal være begrunnet ut ifra teori eller tidligere forskning
- Det skal være gjennomført risiko/nytte–vurderinger, som betyr at forskningen skal være til nytte for samfunnet, påføre minst mulig fysisk eller psykisk belastning og fordelene skal alltid overveie ulempene eller risikoene
- Forskningen skal gjennomføres i et trygt miljø av trente forskere, og det skal brukes trygge og godkjente instrumenter. Og deltakernes sikkerhet skal ivaretas
- Man skal ha informert, frivillig samtykke fra deltakere, eller deres juridiske verger
- Deltakerne har rett til å trekke seg fra forsøket når som helst, og rett til at data slettes
- Dataene holdes konfidensielle, og muligens anonyme
- Dataene lagres på en trygg måte, der hvem som har tilgang til dataene skal kontrolleres.
Hva er hovedtrinnene i den vitenskapelige metoden?
Vi kan se på vitenskapelig metode som en evig sirkulær prosess som ser slik ut:
1. Lage og spesifisere en hypotese
2. Designe en studie
3. Gjennomføre studie og samle inn data
4. Analysere data og teste hypotesen
5. Tolke resultatene
6. Publisere og/eller gjennomføre nytt eksperiment
Hva er forskjellen mellom Type I- og Type II-feil? Gi et eksempel for begge (annet
enn de fra forelesningen).
Type 1-feil (Falsk positiv)
o Å feilaktig tro vi har funnet en effekt, og at vi dermed feilaktig forkaster nullhypotesen
o Et eksempel på dette kan være at du får en positiv covid-test, men du er egentlig frisk.
o Annet eksempel: Anta at du utfører en medisinsk studie for å teste effekten av en ny medisin. Nullhypotesen er at medisinen ikke har noen effekt. Hvis du ved en feil konkluderer med at medisinen fungerer (når den faktisk ikke gjør det), har du begått en Type 1-feil.
Type 2-feil (Falsk negativ):
o Å feilaktig tro at vi ikke har funnet en effekt, og dermed feilaktig beholder nullhypotesen
o Et eksempel på dett er at du får en negativ covid-test, men du har egentlig viruset.
o Anta at du utfører en medisinsk studie for å teste effekten av en ny medisin. Nullhypotesen er at medisinen ikke har noen effekt. Hvis du ikke oppdager at den nye medisinen faktisk er effektiv (når den faktisk er det), og beholder nullhypotesen har du begått en Type 2-feil.
Hva er statistisk styrke?
Statistisk styrke (1-beta) refererer til sannsynligheten for at en test vil oppdage en faktisk effekt hvis den eksisterer i populasjonen. Så med andre ord så er det sannsynligheten for å IKKE gjøre en type 2 feil.
Hvilke andre mål påvirker statistisk styrke?
Statistisk styrke avhenger av:
* Utvalgsstørrelse: Jo større utvalg man har, jo større statistisk styrke. Dette henger sammen med at det er lettere å oppdage selv små effekter i større utvalg, samtidig som SE blir mindre når utvalget blir større. Fordi SE bestemmer bredden på utvalgsdistribusjonen, vil utvalgs distribusjonene til H0 og H1 bli smalere dersom utvalgsstørrelsen øker. På denne måten får man mindre overlapp mellom distribusjonene, og sannsynligheten for å gjøre type II-feil reduseres.
- Effektstørrelse: Større effektstørrelse gir høyere statisk styrke. Dette handler om at større effekter er lettere å oppdage. Effektstørrelsen bestemmer avstanden mellom distribusjonene, og jo mer avstand/effektstørrelse, jo mindre overlapp vil det være. Dermed minker sannsynligheten for type II-feil.
- Alfanivået – feilrate for type I-feil: Jo mindre alfanivået er, jo mindre styrke vil studien ha. Dette er fordi at når vi minker alfanivået, gjør vi det vanskeligere å forkaste nullhypotesen, øker vi sannsynligheten for type II-feil.
- Betanivået – feilrate for type II-feil: Betanivået henger tett sammen med statistisk styrke. Jo høyere betanivå, jo lavere statisstisk styrke. Dette kan vi forstå ved å se på formelen for statistisk styrke som er 1-Beta.
Hvorfor er statistisk styrke viktig?
Studier med lav styrke gir ureliable resultater, og de kan ikke reliabelt oppdage en potensiell effekt. Hvis statistisk styrke er lav, betyr det at du har en høy risiko for å gå glipp av viktige effekter eller forskjeller, selv om de eksisterer i populasjonen, og da vil forskningen i bunn og grunn være meningsløs å bruke ressurser og tid på.
I tillegg så viser det seg at eventuelle positive funn som kommer fra en studie med lav styrke, er mer sannsynlig å være feilaktige sammenlignet med en studie med høy styrke.
Hva kan man gjøre for å øke statistisk styrke?
Hva kan man gjøre for å øke statistisk styrke?
En av de mest effektive måtene å øke statistisk styrke på er å øke antallet deltakere i utvalget ditt. Dette gir deg bedre mulighet til å oppdage selv små effekter.
Hva er power analysis/styrkeberegning?
Å gjennomføre en studie med lav statistisk styrke er dumt fordi det er da sannsynlig at vi ikke finner en effekt som faktisk er der.
Derfor skal man gjennomføre en power-analyse før man samler inn data.
Gjennom å definere alfa, beta og pre-definert effektstørrelse, kan man finne ut hvor stort utvalg man må ha for å finne en effekt om den eksisterer.
Hva skjer hvis statistisk styrke er for lav?
- De er nesten like stor sjanse for å finne en effekt i motsatt retning
- Det er større sjanser for å finne en null-effekt
- Effektstørrelsen har større sannsynlighet for å bli overvurdert, altså at den rapporterte effektstørrelsen kan vær mye større en den faktisk er.
Hva er p-hacking?
P-hacking går ut på at man gjennomfører ulike statiske analyser for å oppnå et resultat som er signifikant, for så å selektivt rapportere disse resultatene som om dette var førstevalget av analyse.
Hva er HARKing?
HARKing handler om å justere hypotesen til de resultatene man får. Altså, at man endrer på hypotesen etter at man har fått analyseresultatene. Dette går helt i mot statistisk metode, som tilsier at man skal lage hypotesen før man begynner å samle inn data.
Hvorfor skal forskere unngå P-hacking og HARKing? (?)
Forskere bør unngå P-hacking og HARKing fordi disse praksisene kan føre til feilaktige resultater, reduserer påliteligheten til forskningsresultater, kan føre til vitenskapelige fremskritt som ikke kan reproduseres, og de bryter med vitenskapelig etikk og integritet. Dette er med på å bidra til en uønsket forskningskultur som heller prioriterer ønskede resultater over objektivitet og grundig metode.
Hva er plagiat? Hvordan og hvorfor bør det unngås?
Å plagiere er å presentere andres arbeid som ens eget. Dette være seg tekster, bilder, data osv. Dette skal unngås fordi det er å anse som fusk og tyveri av andres arbeid. Og som følge av dette kan dette i universitetssammenheng føre til utvisning eller utestengelse.
Dette kan unngås ved å vise til kilder på rett måte:
– Kilder skal alltid komme tydelig frem i teksten og detaljer skal stå i kildelisten
– Informasjon man har fått av andre gjennom forelesning/samtale/mail skal refereres til som personlig kommunikasjon
– Det som siteres ordrett skal stå mellom anførselstegn.
Hva er plagiat? Hva inkluderer det? Hva anses det som?
Plagiat er handlingen der man presenterer andres arbeid som sitt eget. Dette inkluderer blant annet tekster, bilder, data og ideer. Plagiat er uetisk og anses som fusk og tyveri av andres arbeid.
