AVV blok 7 Flashcards
Onderzoeksvragen
- Beschrijvend
- Verklarend
- Voorspellend
Beschrijvend/ inventariserende vraagstelling
- gericht op feitelijke deails en beschrijving
- Hoe, wat, wie, welke, waaarom, wanneer hoeveel?
- Trendvraagstelling (>2) tijdstippen;
- comparatieve vraagstelling (>2 locaties)
Hoeveel mensen hebben dementie?
verklarende vraagstelling
-Gericht op oorzaken en verklarende factoren
- Waarom, waardoor, hoe komt het dat… Wat is de reden voor..
Waardoor voelen ouderen zich kwetsbaar
Voorspellend
- Gericht op het voorspellen van effecten en gevolgen
- Tot welke… leidt…. Wat gebeurt er als gevolg van….
Wat zijn de effecten van ouder worden?
Verbanden vraagstellingen
- verklarend en voorspellend –> causaal verband x op y
- Verklarend; hebben y en kunnen terug kijken
- Voorspellen; hebben x en kijken naar y
Voorwaarden causale verbanden
- Oorzaak moet vooraf in de tijd gaan aan het gevolg
- Oorzaak en gevolg moeten duidelijk samenhangen (emperisch waarneembaar gecorreleerd zijn)
- Samenhang mag niet wegverklaard kunnen worden door een derde verschijnsel, dat zowel oorzaak als gevolg bepaalt
Type verbanden tussen variabelen
- positief; als x stijgt, stijgt y ook
- positief; als x daalt, daalt y ook
Voordelen grafische weergave hypothesen
- Overzichtelijke weergave mogelijk;
- Complexe hypothesen makkelijker begrijpen;
- Verschillende hypothesen die over dezelfde variabele gaan, kunnen in 1 model worden weergegeven.
Verschil hypothese voorbeeld
Er is een verschil tussen instelling A en B wat betreft het percentage ouderen met dementie:
instelling A heeft een groter percentage dan B
Instelling –> dementie (A>B)
samenhang hypothese voorbeeld
Er is een positieve samenhang tussen de objectieve gezondheid en de ervaren gezondheid.
Let hierbij op de dubbele pijlen, en op het aangeven van de richting (+).
Causale relatie hypothese voorbeeld
Verminderde sociale steun heeft meer ervaren stress tot gevolg (negatief verband)
Grafische weergave rekening mee houden
- Variabelen specificeren
- Verband specificeren
- Richting specificeren
Mediatie
- Effect van een variable op een andere variabele, verloopt via een derde variabele
- Een extra variabele heeft ook invloed op Y, dan het basisverband
- Grafisch; basisverband en extra variabele (driehoek)
- belangrijk benoemen is doordat na het benoemen van het basisverband
VB: Sociale steun staat in negatief verband met ervaren stress, dat komt doordat meer sociale
steun leidt tot het hoeven uitvoeren van minder taken, wat vervolgens in positief verband
staat met ervaren stress.
Hoe grafisch vormgeven hypothese met intermedierende variabelen
- Variabelen specificeren
- Verband specificeren
- Richting specificeren
- Mediatie benoemen; hoe komt het dat, doordat
Moderatie
- Verband tussen twee variabelen is afhankelijk van een derde variabelen; specificeert bij wie of onder welke omstandigheden
- Een verband geldt niet voor iedereen, maar verschilt.
- Voor wie gelden bepaalde verbanden
- Grafisch; op basisverband een pijl of een Y vorm
Voorbeeld moderatie
y; hoge stress en lage sociale steun hebben het meest negatief verband met emotioneel
welzijn ten opzichte van andere combinaties.
t: Het verband tussen objectieve en ervaren gezondheid hangt af van de leeftijd. Bij een lage
leeftijd is er een sterk verband tussen ervaren en objectieve gezondheid. Bij een hogere
leeftijd is er een zwakker verband tussen ervaren en objectieve gezondheid
Confounders
Verstorende variabele, die als je er geen rekening mee houdt, de indruk kan geven dat er een verband bestaat tussen de twee onderzochte variabelen
variabelen waarmee rekening gehouden moet worden in de analyses, omdat deze impact kunnen hebben op de uitkomstvariabele
- Vertekening ware relatie tussen x en y
- 2 soorten
2 soorten confounders
- Effect op x1 hangt samen met een andere variabele x2 en heeft ook invloed op Y; pijl heen en weer
- Effect confounder beinvloedt alle twee de afhankelijke variabele positief of negatief
Oplossingen bij confounders
- Controleren: confounders opnemen als controle variabelen (covariaten) om samenhang accurater te meten (controleren)
- Stratificatie; constant houden van mogelijke confounders in groepen; RCT
Mediator is geen confounder, want… (en verschil)
Deze hoort bij je hypothese die je gaat onderzoeken en heb je al meegenomen vooraf
variabele die vooraf onderbouwd is –> mediator
Variabele die vooraf niet onderbouwd is en opgenomen –> confounder
operationalisatie
Vertaalslag van constructen naar waarneembare of meetbare variabelen
- Voorwaarde; conceptuele definitie van construct
voorwaarden operationalisatie
- Meting moet overeenkomen met definitie construct (meet wat het moet meten) –> validiteit
- Meting moet nauwkeurig zijn (betrouwbaar)
nominaal en ordinaal voorbeelden
frequenties
verschillen tussen groepen
interval en ratio
gemiddelde, relaties tussen variabelen
invers coderen
variabelen waarvan de scores omgekeerd zijn en moeten omgekeerd worden voor interpretatie
Onderzoeksdesgins
- Meta-analyse
- literatuurreview
- emperische onderzoeken
Experimenteel onderzoek doel
- gelijke verdeling confounders
- Causale relatie aantonen
Voordeel RCT
Causaliteit
Nadeel RCT
- Onetisch
- Onpraktisch
- Tijd en geld
RCT
- klein aantal onafhankelijke en afhankelijke variabelen
- meestal kleine steekproef
- Sterke evidentie voor causaliteit
Quasi experimenteel
- geen randomisatie; toedeling vooraf bepaalt en voor en nameting
Voordeel;
- Kan beter bij onetische vraagstukken
Nadeel:
- Betrouwbaarheid lager dan bij RCt
Observationeel onderzoek voordeel
- Snel, goedkoop
- Groot aantal variabelen; grote vragenlijst
- Grote steekproef
Nadeel observationeel onderzoek
- Geen causaliteit aantonen
Longitudinaal
- Natuurlijke verdeling; geen gelijke verdeling confounders (wie wel roken en niet)
- Niet per se twee groepen; denk aan optimisme meten
- Folluw up belangrijk
- Retrospectief; op basis van eerder beschikbare data
- prospectief; nu meten en toekomst vergelijken
- Correlatie of regressie
Waar longitudinaal onderzoek gebruikt?
- Incidentie onderzoeken (gevallen in een bepaalde periode)
Voordeel longitudinaal onderzoek
+ Groot aantal onafhankelijke en afhankelijke variabelen mogelijk mee te nemen.
+ Grote steekproef is mogelijk;
+ Bij een grote steekproef kan er toch enige mate van causaliteit worden vastgesteld; zicht op determinant en uitkomst
+ Kleine kans op bias; (bij retrospectief wel kans op recall bias)
Nadeel longitudinaal
- Kans op drop-out
- gevoelig voor confounders
-medium sterke voor evidentie
Controleren voor confounders; confounders weghalen -> zuivere schatter
case control
- zeldzame gevallen
- cases; zeldzame gevallen
- controlegroep; kenmerken hetzelfde als cases, maar zonder uitkomst
- Terug kijken in de tijd naar determinanten
Voordeel case - controle
- Groot aantal onafhankelijke variabele, maar 1 afhankelijke variabele
- Grote steekproef
- Relatief goedkoop
Nadeel case controle
- zwak bewijs evidentie; bij goed gedocumenteerde data
- kans op sampling bias en observation bias
Cross sectioneel
- Op een moment data verzameld;
- Vergeleken van groepen en verschillen onderzocht
- Prevalentie te onderzoeken (gevallen op een moment)
Voordelen cross sectioneel
+ Relatief goedkoop en snel;
+ Groot aantal variabelen mogelijk te meten;
+ Grote steekproef mogelijk;
+ Kleine kans op ethische bezwaren;
Nadelen voor cross sectioneel onderzoek
- Zwakke evidentie voor causaliteit. oorzaak niet goed te achterhalen
- Niet efficient bij onderzoek naar zeldzame gevallen
Kiezen analysetechniek!
- Aard onderzoeksvraag; voorspellen of verschillen
- Kenmerk afhankelijke variabele; meetniveau, steekproefgrootte; normaliteitsassumptie
- Kenmerken onafhankelijke variabele; meetniveau, aantal variabelen
type 1 fout
H0 is waar en deze verwerp je
onterecht h0 verwerpen (vals positief)
type 2 fout
h0 is niet waar en je aanvaard h0
onterecht h0 aanvaarde n (vals negatief)
inferentiele statistiek
Uitspraken/ voorspellingen doen over hele populatie obv kansrekening en kansverdelingen
Wat doe je bij hypothesen?
- aantonen hoe waarschijnlijk of onwaarschijnlijk het is om data te krijgen zoals gevonden in de steekproef als H0 (bv. A = B) waar is
- falsificatieprincipe; proberen aan te tonen dat h0 niet waaar is
Gaat erom dat je probeert H0 te bewijzen mogelijk of onmogelijk
significantieniveau
Kans dat we hebben dat h0 waar is en we deze verwerpen (type 1 fout)
- risico dat we wensen te nemen om h0 onterecht te verwerpen
p waarde
Kans dat er uitkomsten worden gevonden, zoals de studie heeft opgeleverd terwijl de h0 waar is
bv. p = .02 = De kans is 2 op 100 (2 procent) dat dit resultaat wordt gevonden terwijl er geen verschil is tussen de groepen.)
- Afhankelijk van de steekproefgrootte
- Zegt niets over sterkte effect
effect grootte
- Zorgt ervoor dat:
minimale, maar statistisch significante effecten overgewaardeerd worden
belangrijke, maar statistisch niet-significante effecten ondergewaardeerd worden
power of test toenemen!!!
De kans dat je h0 terecht verwerpt
- alfa groter; kans op type 2 neemt af, type 1 groter
- effectgrootte vergroten; normaalverdelingen liggen verder uit elkaar, minder kans op type 1 en 2 fout
- Steekproefgrootte; populatie beter benadert, kans op type 2 neemt af, type 1 blijft gelijk
Kleine effecten
Overlap tussen normaalverdelingen H0 en Ha is groot
3 knelpunten in gezondheidszorg bij RCT -Kendall
- Bias; selection/ observer
- Confounders
- chance; grotere steekproef nemen
Knelpunten oplossen Kendall
- Groot genoeg steekproef
- Blind randomiseren
- Gelijke behandeling; tegengaan observer bias
- analyse richt zich op onderzoeksvraag en niet beantwoorden significantie
Juiste populatie kiezen RCT
- Representatieve groep
- inclusie en exclusie criteria
- sampling size calculation
simpling size calculation twee soorten
- iedereen die voldoet aan criteria selecteren
- gestratificeerd sampling; selecteren binnen bepaalde groep bv; zeldzame ziekte
randomisatie RCT
- Blinde randomisatie voor onderzoeker
- Blocked randomisatie; max aantal participanten per groep
- Stratificeerde randomisatie; vooraf mogelijke confounder meten, vervolgens obv uitkomsten groepen maken
- rekening houden attritie
Analyse RCT
Dubbelblind; onderzoeker en participant weten niet in welke groep ze zitten
continue variabelen voorkeur boven dichotome
Kendall stappen RCT
- Juiste populatie
- Juiste protocollen
- Juiste randomisatie
- Toepassen interventie en uitkomst meten
- Kwaliteitscontrole
correlatie analyse
Toetsen of de ene variabiliteit van de variabele samenhangt met de variabiliteit van de andere variabele
- Hoeveelheid variantie die de twee variabelen delen
correlatiecoefficient –> R
(in het kwadraat de totale variantie die verklaard wordt door de twee variabelen)
regressie
voorspellen van afhankelijke variabele met behulp van meerdere onafhankelijke variabelen
- Mate waarin verschillen in de onafhankelijke variabelen corresponderen met verschillen in de afhankelijke variabel
- In welke mate een verandering in x leidt tot een verandering in Y –> gedeelde variantie R2
Enkelvoudig
Zelfde als een correlatie-analyse; beide analysen de samenhang tussen de varianties van twee variabelen berekenen (r = ß)
- helling van de lijn meegenomen
Meervoudig
- gezamenlijke invloed van alle onafhankelijke variabelen op de afhankelijke variabele (verklaarde variantie door alle onafhankelijke variabelen samen) –> f-toets
- unieke invloed van elke onafhankelijke variabele op de afhankelijke variabele (verklaarde variantie door de afzonderlijke onafhankelijke variabelen) –. t-toets
Is de som van het percentage van de unieke verklaarde variantie van de drie predictoren gelijk aan het percentage verklaarde variantie dat alle predictoren gezamenlijk verklaren?
Nee,
- worden ook combinaties meegenomen van predictoren die verklaarde variantie bepalen
hierarchische meervoudige regressie
- OV stapsgewijs toevoegen; bepalen waarde toegevoegde onafhankelijke variabelen
- controle variabelen opnemen; kijken hoeveel variantie in Y deze verklaard
- andere variabelen toevoegen; Kijken naar R change; variantie die verklaard wordt door controle variabelen en nieuwe toegevoegde variabelen
mediatie
effect van een variabele op een andere variabelen verloopt via een derde variabele (mediator)
- Verklaart hoe en waarom een variabele effect heeft op een andere variabele
x mediator
predictor
Y mediator
AV
criterium
C’
direct effect
c
totaal effect
a* b
indirect effect
theorie Baron en Kenny
- Verschil totaal en direct effect –> indirect effect dus mediatie
- X -> M moet significant zijn; A
- X -> Y significant zijn; c
X en M -> Y (effect M op Y)
!!! Directe effect c’ moet duidelijk kleiner zijn dan het totale effect
C’< C en significant
problemen Baron en Kenny
- Indirecte effect niet op significantie getoetst ( X op Y via M), los getoetst
- weinig power; a en b significant, afhankelijk van de steekproefgrootte, kleine en medium effecten in kleine samples niet significant
Sobel
oplossing indirecte significantie (a*B in een keer te toetsen) door middel z-toets
- Zelden normaalverdeling bij kleine groepen, alleen hele grote steekproef
Bootstrapping
- indirecte effect constant op significantie toetsen
- Dit voor iedere keer iemand uit de steekproef doen en kijken of er een indirect effect is
- BI of CI betrouwbaarheidsinterval hierop geschat–> significant als 0 hier niet in ligt
Moderatie
verband tussen twee variabelen, is afhankelijk van een derde variabele; specificeert onder welke of bij wie de uitkomst ontstaat.
- verandert de richting of sterkte
- Vooral als, maar alleen bij
twee soorten moderatie bij niveau
- categorische variabelen (dichotoom)
- bij continue variabelen
VB moderatie categorisch
- anti stress training effect op stressniveau bij mannen en vrouwen?
M of vrouw groep x
Wel of geen training groep m
Twee hoofdeffecten;
- man of vrouw op stress
- Training of geen training op stress
interactie effect; significant –> moderatie
- Man en wel ttraining
Simple main effects
- Specificeren interactie –> tweewegs ANOVA
Moderatie continu
negatieve stress op welzijn hangt af van sociale steun
x. stressscores
m sociale steun
x*m -> interactievariabele
simple slopes analyse continu
Geen hoofdeffecten
Maar effect van x op y als M=0 of als x=0
Effect van X op Y berekenen onder constant houding van M (= onconditioneel effect) met multiple regressie waarin alleen X en M predictoren
Simple slopes algemeen
Effect van X op Y voor verschillende levels van moderator en significantie –> conditionele effecten
- levels voor moderator: -1sd of +1sd
Bij moderatie toegevoede interactieterm informatie
R2 change; toegevoegde waarde interactieterm en significantie
- Hoeveel verklaart de interactieterm van de totale variantie in Y
Bij moderatie conditionele effecten voor significantie
- verschillende waarden van moderator en P-waarde
- Kijk naar het effect bij verschillende levels van moderatie
