Biostatistik 1 del 2 Flashcards
Vanligen brukar det vara såhär:
* vill man testa om ett…. -analyserar….
* det som är beroende……
* de faktorer som påverkar…..
* observera att beteckningen ……
- Vill man testa om ett utfall är resultatet av en exponering, dvs orsakssamband (hypotesprövning) - analysera statistiska data för att kunna extrapolera (dra slutsatser) fynden från stickprovet till en större population
- Det som är beroende kallas då utfall eller beroende variabel. Om man vill undersöka riskfaktorer för diabetes hos katt så är diabetes utfallet i analysen
- De faktorer som påverkar utfallet kallas PREDIKTORER eller oberoende variabler eller exponering eller determinanter.
- Observera att beteckningen utfall och beroende variabel bara gäller den aktuella undersökningen; i annan undersökning kan en av dina prediktorervara utfallet (den beroende variabeln).
Kontinuerlig data:
* kurva
* kurva
mattematisk ….
normalfördelning
Likformig kurva på båda sidor runt medelvärdet
___________________________________
inte normalfördelning
Olikformig kurva på båda sidor runt medelvärdet
(mattematiska mittpunkt = medelvärde)
Vanliga test vid jämförelse av två grupper: kontinuerliga data
Exempel: skiljer sig medeltemperaturen mellan två populationer av katter (A och B)?
Normalfördelade data:
* Två grupper, oberoende observationer: Student’s t-test (kallas också t-test)
Jämför medelvärde mellan grupp. Kontunerliga data.
_________
Mer bara veta att det finns?
Icke-normalfördelade data:
* Två grupper, oberoende observationer där man inte antar att data passar en viss fördelning: exempelvis Mann Whitney U test eller Wilcoxon Signed Rank test
ja
Om observationer är oberoende –statistiskt test:
* Brukar vara grundantagandet vid statistiska analyser
* Exempel: jämföra medelvärde mellan två grupper där observationerna är oberoende – använd ”Student’s t-test” (kallas också ”t-test”)
____________________________________________________________
* Om två observationer hänger ihop, tex man har data på före och efter behandling inom samma individ, använder man parat test (paired test), tex ett parat t-test för kontinuerliga variabler, istället för ’vanligt’ t-test
* Student’s t-test förutsätter att observationerna är oberoende
(ex behandling för individ. Jämför före & efter -> paired test)
ja
Vanliga test: jämföra proportioner
Exempel: jämföra proportion tikar med inkontinens i två grupper:
steriliserade respektive intakta
Om både utfall och riskfaktor är 1/0:
* Fisher’s exact test (för mindre datamängder/observationer)
eller
ffa * chi-squared test= chi2 test =χ2 test (för fler observationer)
ah
students t-test- kolla om medelvärde skiljer sig
oberoende
Quiz dataformat
Vilket dataformat har följande variabler?
1. Temperatur postop på katt
2. Katter som tillfrisknat eller inte, efter akut gastroenterit
3. Åldersgrupper föl: 0-1 månad, 1-3 mån, 3-6 mån, 6-12 mån
______________________________________________
* Vilken är en vanlig förutsättning för statistiska test?
* När används Student’s t-test respektive chi-squared test?
- Temperatur postop på katt- kontunuerlig
- Katter som tillfrisknat eller inte, efter akut gastroenterit- binär
- Åldersgrupper föl: 0-1 månad, 1-3 mån, 3-6 mån, 6-12 mån- kategoriska
______________________________________________
* Vilken är en vanlig förutsättning för statistiska test? oberoende
* När används Student’s t-test (kontinuerliga) respektive chi-squared test? (binär variabel)
Nyckelbegrepp biostatistik 1
* Dataformat
* Normalfördelning
* Oberoende, beroende observationer
* Medelvärde, median (se gamla kursboken 53-56, nya boken s55-60)
* Spridningsmått: sd=standarddeviation (nya kursboken s60-64)
* Proportion
* Beroende variabel - utfall Y (viktigt)
* Oberoende variabel - prediktor/riskfaktor/exponering X (viktigt)
* Student’s t-test & chi-squared test
______________
Orsaks-samband
- associations-mått ((RR,OR??))
ja
Biostatisik minskar risk för att vi bara tycker något. Ger större evidens & underlag att vila våran åsikt på
Alltid en fördel samla in data på en kontinuerlig skala först. och sedan skapa en klassificering efter detta för att se till att all info är insamlad
student t-test 3*
- Jämför medelvärdet mellan grupp
- Oberoende observationer
- Kontinuerlig data, normalfördelad data
Chi2 test 4*
- oberoende
- jämför proportioner
- Binär variabel. Om både utfall och riskfaktor är 1/0.
- För fler observationer jämfört med fishers exakt test
Parat test (paired test) 2*
- Beroende observationer. Ex data före och efter behandling av samma patient.
- Kontinuerliga variabler