CSI Q7 Flashcards

1
Q

Een diagram met balken die niet aan elkaar vast zitten is een (1). Deze wordt gebruikt voor (2).

Een diagram met balken die wel aan elkaar vast zitten is (3). Deze wordt gebruikt voor (4)

A

1= staafdiagram
2= discrete waardes
3= histogram
4= continue waardes

  • discrete waardes is alleen dat het bepaaled waardes aan kan nemen
  • bij histogram zul je een normaal kromme kunnen ontdekken
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Een samenvattende weergave van een verdeling van continue data is (1). De waarde die voor gemiddelde wordt gebruikt is (2).

Een samenvattende weergave van de associatie tussen twee variabelen is een (3). Hiermee kun je een van de waardes aan de hand van de andere waarde voorspellen.

A

1= boxplot
2= mediaan
3= scatterplot

  • bij boxplot ook eerste en derde kwartiel. Dat zijn medianen van de 1e en 2e helft van de verdeling
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Hoe herken je een frequentietabel ten opzichte van een kruistabel? (1)
Is de significantie bij een correlatietabel altijd 1- of 2-tailed? (2)

A

1= een frquentietabel heeft altijd maar één variable waar de frequentie van geteld wordt. Een kruistabel heeft meerdere
2= two-tailed

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Bij een linker staart bij een “normaal” verdeling spreken we van (1; links/rechts) scheef. Dit noem je een (2; positieve/negatieve) verdeling

A

1= linksscheef
2= negatieve

  • linker staart = linksscheef en negatief
  • rechterstaart = rechts scheef en positief
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Wanneer er sprake is van een links of rechtsscheve verdeling kun je deze toets doen (1). Bij een verdeling waarbij er twee waardes zijn die een piek vormen spreken we van deze verdeling (2)

A

1= non-parametrische
2= bimodale verdeling

  • log-toets kan ook bij scheefheid
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Bij gemiddeldes gaat het om (1; type data)
Bij proporties gaat het om (2; type data)

A

1= continue (of discrete) data
2= dichotome data

  • bijvoorbeeld man of vrouw bij proporties
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Bij een onderzoek waarbij je het testgemiddelde gaat vergelijken met het populatiegemiddelde gebruik je (1)

Bij een onderzoek waarbij je het ene testgemiddelde gaat vergelijken met het andere gebruikt je (2)

A

1= one sample t-test
2= two sample t-test (ongepaarde t test)

  • als de data gepaard zijn heb je een gepaarde t-toets
  • bij een standaard exp onderzoek (parallel) heb je dus een controle en experimentele conditie. Dit geeft een two-sample t-test
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Bij een onderzoek waarbij je één proportie gaat toetsen gebruik je (1)
Bij een onderzoek waarbij je twee proporties gaat vergelijken gebruik je (2)

A

1= z-test
2= chi kwadraat test (onafhankelijk)

  • als de data gepaard zijn heb je een McNemar toets
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Als je bij continue data 2 niet-gepaarde samples hebt, in een groep die niet normaal verdeeld is gebruik je (1)

Als je bij continue data 2 gepaarde samples hebt, in een groep die normaal verdeed is gebruik je (2)

Als je bij continue data 2 niet-gepaarde samples hebt, in een groep die normaal verdeed is gebruik je (3)

Als je bij continue data meer dan twee niet-gepaarde samples hebt, in een groep die normaal verdeed is gebruik je (4)

A

1= Whitney U
2= paired t-toets
3= independent t-toets
4= ANOVA

  • continue = t toets
  • gepaard + niet normaal verdeeld = whitney U
  • meer dan twee groepen is ANOVA, bijvoorbeeld dexamethason, prednison en controle
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Als je bij categorische data 2 niet-gepaarde samples hebt, in een groep die normaal verdeeld is gebruik je (1)

Als je bij categorische data 2 gepaarde samples hebt, in een groep die normaal verdeeld is gebruik je (2)

A

1= Chi-kwadraat test
2= McNemar test

  • niet gepaard + categorisch = Chi kwadraat
  • wel gepaard + categorisch = McNemar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Het aantal vrijhheidsgraden bij een unpaired sample t-toets bereken je als volgt (1)
Het aantal vrijhheidsgraden bij een ANOVA bereken je als volgt (2)

A

1= Df= n1+n2 -2
2= Df= (k-1, n-k)

  • k is het aantal samples en n alle deelnemers bij elkaar
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Bij de Whitney-U test gebruik je de volgende maat voor gemiddelde (1; gemiddelde/mediaan/modus)

De nullhypthese bij een z-toets (één proportie toets) is als volgt (2)

A

1= mediaan
2= de steekproefproportie is 0.5

  • 0.5 is de standaard bij z-toets
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Een toets met twee proporties bij gepaarde samples is een (1; type toets) meet elk individu twee keer. Daarbij komt uit of een ziekte bij elk persoon als “aanwezig” of “afwezig” gecatagoriseerd kan worden. De som van elke uitkomst per persoon heet een (2)

A

1= McNemar toets
2= discordant paar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Een toets met twee proporties bij niet-gepaarde samples is een (1; type toets). Het aantal vrijheidsgraden wordt berekend met (2)

A

1= Chi-kwadraat toets
2= Df= (r-1) x (c-1)

  • r staat voor rijen en c staat voor kolommen in het kruistabel
  • je neemt dus het absolute totaal van rijen en kolommen mee, niet de inhoud ervan
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Een type I fout is (1)
Een type II fout is (2)

De p-waarde laat de kans zien op (3; type1/type2) fout
De Power is gerelateerd aan een (4; type1/type2) fout

A

1= fout-positief (onterecht verwerpen 0 hypothese)
2= fout-negatief (onterecht behouden 0 hypothese)
3= type 1
4= type 2

  • dus als de p-waarde significant is terwijl de alternatieve hypothese niet waar blijkt te zijn is er een type I fout
  • de power is 1- type2 fout (Beta )
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Des te kleiner de Standard Error (SE) des (1; kleiner/groter) de p-waarde wordt

A

1= kleiner (en t-waarde dus juist groter)

  • dus kleine SE is nice
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Bij verschillen in gemiddeldes moet je letten of het 95e betrouwbaarheidsinterval de waarde (1; nul/één) bevat.
Bij verschullen in proporties moet je letten of het 95e betrouwbaarheidsinterval de waarde (1; nul/één) bevat.

A

1= nul (0.0)
2= één (1.0)

  • dus als het deze wardes wél bevat hebben we geen significant resultaat
18
Q

Een onderzoek waarbij je één controle groep hebt en één experimentele groep, die beide een behandeling ondergaan, is een (1; design). Dit is een (2; between/within) subjects design

A

1= parallel design with two arms
2= between

  • Eigenlijk de standaard design bij experimenten
  • Parallel een interventie en een controle. kijken of het beter werkt
19
Q

Een onderzoeksgroep die beide interventies ondergaat, waarbij de subjects hun eigen controle groep vormen noemen we (1; design). Soms worden binnen deze deisgn paren van participanten gemaakt die vervolgens gerandomiseerd worden. Dit heet (2)

A

1= mathed (paired) design
2= matched design with each pair intervention

20
Q

Het type design waarbij deelnemers twee behandelingen moeten ondergaan, en de deze met elkaar worden vergeleken heet een (1). Er zijn hier ook twee groepen, waarbij de ene groep de ene behandeling eerst krijgt, en de ander de andere. Dit is een vorm van (2; design)

A

1= cross-over design
2= repeated measures design

  • dit is dus de matched pair design, maar dan met twee groepen?
  • voordeel is dat hierbij gecorrigeerd wordt voor periode effecten
  • hoort bij een ongepaarde t-toets, dit voelt onlogisch maar je ziet de mensen hier echt als aparte “subjecten”
21
Q

Het design waarbij je het effect van meerdere soorten interventies (factoren) en de interacties ervan meet heet (1). Hierin wordt meegenomen dat bepaalde patientkenmerken invloed kunnen hebben op de uitkomst, dit heet (2)

A

1= factorieel design
2= effectmodificatie

  • hierbij zijn er in totaal vaak 4 groepen, 2 of meer factoren per groep en 2 of meer interventies per groep
  • vaker power problemen
  • je hebt patienten nodig voor elke combinatie, dat is lastig
21
Q

Bij cross-over (en matched pair design) moet je rekening houden met twee effecten.

Het effect van vaste veranderingen over tijd bij een persoon (1). Denk er bijvoorbeeld aan dat een ziekte over tijd erger wordt.

Het crossover design controleert deze periode effecten, maar verwijdert ze niet. Om dat wel te doen kun je het volgende gebruiken (2)

A

1= periode effecten
2= ongepaarde t-test of Mann-Whitney U

  • andere effect is carry-over; alleen bij crossover?
21
Q

Bij cross-over designs moet je rekening houden met twee effecten.

Het effect van de interactie tussen de behandeling en de periode van uitvoering heet de (1). Zo kan er een lange termijn effect zijn van de behandeling, en heeft de ene behandeling invloed op de andere.

Om een dit te minimaliseren gebruk je (2). Hierbij wordt een periode zonder behandelingen tussen beide ingezet

A

1= carry-over effect
2= washout period

  • LET OP: Cross-over is vooral handig wanneer de respons op behandeling sterk varieert TUSSEN patiënten
  • je zou denken BINNEN patienten, maar niet dus
22
Q

De formule van de regressielijn bij een regressieplot is (1). De afstand tussen de regressielijn en de daadwerkelijk gevonden waarden heet (2)

A

1= Y= b0+b1*x
2= het residu

  • b0 is waar x=0 de y-as snijdt (intercept)
  • b1 is de waarde van de hellingshoek
23
Q

Om een uitspraak te doen over significanete verschillen vergelijk je met een regressiemodel het volgende (1). Dit wordt makkelijker gemaakt door middel van deze toevoeging (2)

A

1= residuele variantie
2= dummy variabelen

24
Q

Continue variabelen die invloed hebben op de afhankelijke variabele, zonder onderdeel te zijn van de interventie zelf heten (1). Om hiermee rekening te houden kun je het volgende statistische model gebruiken (2)

A

1= covariaten
2= ANCOVA

  • covariaten zijn bijv lengte of gewicht
25
Q

De ratio tussen de between en within group variance bij een ANOVA is deze maat (1). Hoe hoger de F waarde des te (2; kleiner/groter) de p-waarde.

A

1= F waarde
2= kleiner

  • Logisch gezien een grotere F waarde een grotere hoeveelheid variatie aangeeft. Meer variatie is meer siginificant
26
Q

Welke ANOVA gebruik je bij

Eén experimentele factor en één afhankelijke variabele (1)
Eén experimentele factor en een mogelijke continue confounder variabele (2)
Twee experimentele factoren en één afhankelijke variabele (3)
Twee experimentele factoren en een mogelijke continue confounder variabele (4)

A

1= One way Anova
2= One way ANCOVA
3= Two way ANOVA
4= Two way ANCOVA

  • een ANCOVA mengt een ANOVA met regressie
27
Q

Je wil een one-way ANOVA doen, maar de onderzoeksgroepen zijn niet normaal verdeeld. Welke toets ga je toepassen? (1)

Je wil een two-way ANOVA doen, maar de onderzoeksgroepen zijn niet normaal verdeeld. Welke toets ga je toepassen? (2)

A

1= Kruskal Wallis test
2= Friedman test

28
Q

Bij een Two-way ANOVA kan de grafiek al een hoop zeggen.
Wat suggereert interactie effecten van de twee onafhankelijke variabelen?

A

Het niet parallel lopen van de lijnen

29
Q

Bij een gepaarde design hoort de volgende test (1)
Bij een parallel design horen de volgende testen (2)
Bij een crossover design hoort de volgende test (1)
Bij een Factorieel design hoort de volgende test (1)

A

1= Gepaarde t-toets
2= AN(C)OVA en ongepaarde t-toets
3= gepaarde t-toets
4= Two-Way AN(C)OVA

  • ANOVA drie groepen, ongepaarde t-toets twee
  • alternatief voor de onegaparde t-toets is regressieanalyse
30
Q

Bij een parallel design horen een ongepaarde t-toets, AN(C)OVA en regressieanalyse. Hierbij kun je post-hoc toetsen uitvoeren. Dit zijn de volgende (1). In principe wordt dit uitgevoerd om de post-hoc testen mogelijk te maken (2)

A

1= LSD en Bonferroni corrections
2= gepaarde t-toets

  • Bonferroni is rekening houden met multiple testing
  • LSD test is least significane difference
  • de Wilcoxen rang toets is het alternatief op de gepaarde t-toets als het non-parametrisch is
31
Q

De 95% betrouwbaarbaarheidsinterval bij een ongepaarde t-toets reken je als volgt uit (1). Dit kan afgelezen worden uit dit tabel (2), hierin krijg je informatie over de twee groepen afzonderlijk, en niet over het verschil tussen de twee groepen (indipendent samples tabel).

A

1= Gem +- t waarde x SE
2= Group Statistics

  • in SPSS output is de SE de standard error mean
  • de N wordt gegeven in SPSS output, deze geeft Df= N-1
  • uit Df kun je t waarde aflezen
32
Q

b In een regressie analyse is het correlatiecoefficient (1; letter). Hetgeen dat zegt in welke mate de uitkomst verklaard kan worden worden door de onafhankelijke variabele is (2)

A

1= R1
2= R squared

33
Q

Bij een one-way ANOVA kijk je naar dit tabel om te weten of er uberhaupt ergens een verschil in de groepen is (1). Als je dan specifiek wil kijken naar de verschillen in de onderlinge groepen kijk je naar (2)

A

1= Test of Between Subject effects
2= Parameter estimates

34
Q

Je berekent het effect van de interventie van een cross-over design (waarbij er periodes relevant zijn) met (1). Je berekent het effect van de periode dan met (2)

A

1= periode2 - periode 1 bij beide crossover groepe
2= effect2 - effect1

  • let op dat je hierbij ook de betrouwbaarheidsintervallen door 2 deelt!
35
Q

Als er log getransformeerd wordt interpereteer je de aantallen als volgt (1)

A

Geometrisch gemiddelde verschil in e ^ x

36
Q

Als je kijkt naar welke van de behandelingen bij een ANOVA het meest effect geeft, kijk je naar (1; output SPSS)

A

1= B kolom (intercept is de baseline)

37
Q

Hoe reken je de gemiddelde score uit bij een interactie effect op een factorieel design?

A

Kijk naar kolom van B

1= je kijkt naar intercept (dat is de baseline)
2= je voegt het de eerste variabele van de interactie er aan toe
3= je voegt de tweede variabele van de interactie er aantoe
4= je voegt de interactie zelf er aan toe

38
Q

Als er erg veel spreiding bestaat in een parallel design (bij een onafhankelijke t-toets), kun je het volgende doen om dit te verkleinen (1)

A

1= een voormeting doen en dit als covariaat meenemen

  • dan is het toch sws al geen t-toets meer? Onduidelijk