Brainscape's Knowledge GenomeTM

Browse over 1 million classes created by top students, professors, publishers, and experts.


See full index

K6 > EBM1 > Flashcards

EBM1 Flashcards

1
Q

NOMINAL-SKALAEN:

1) Hvad den er
2) Typisk statistisk mål
3) Typisk statistisk test

A

1) Kategorier uden rang-orden
2) Procent-fordeling
3) X^2 - test

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

RATIO/INTERVAL-SKALAEN

1) Hvad den er
2) Typisk statistisk mål
3) Typisk statistisk test

A

1) Numerisk måleenhed, f.eks BT, P-Na+, alder, ventetid i minutter - kan være kontinuerlig eller ikke.
2) Gennemsnit, spredning (variansen), SD
3) Student’s T-test, Mann-whitney

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

ORDINAL/RANG SKALEN

1) Hvad den er
2) Typisk statistisk mål
3) Typisk statistisk test

A

1) Flere kategorier med rang-orden
2) Median - fraktiler
3) x^2 test, Mann-Whitney

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

P-værdi viser?

A

Om der er en reelle forksel.

Altså: sandsynligheden for ved et tilfælde at få det aktuelle (eller et mere ekstremt) resultat såfremt nulhypotesen er korrekt.

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

Confidens intervaller viser

A

Om resultatet er nyttigt (noget med en kæmpe CI er ikke meget værd)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Type 1 fejl

A

Man finder en forskel, selvom der ikke er én.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Type 2 fejl

A

Man overser en reel forskel

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Miredif meaning

A

Mindste relevante differens man som minimum ønsker at påvise ved forsøget.

Kan være stor eller lille, og disse afhænger af hvor god prognosen er og hvor nemt behandlingen er. Hvis sygdommen er farlig og behandling er god/nem, så er man mere villig til at risikere noget = lille miredif

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

Måder hvorpå selektionsbias kan minimeres

A

Design:

  • randomisering
  • valg af kontroller
  • blinding ift attrition bias

Analyse:
-ITT analyse ift attrition bias

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Confounding by indication: definition

A

When an exposure appears to be associated with an outcome, the outcome may, in fact, be caused by the indication for which the exposure was used, or some factor associated with the indication.

So:
Indication: Fever
Exposure: Paracetamol
Outcome: Astma

When asking if paracetamol causes astma, one must ask if the reason the paracetamol was indicated (fever) could have been the cause of astma

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Selektionsbias: definition

A

Er der selektion i inklusion/eksklusion mellem grupperne?

Inklusion i studiet er korreleret til exposure-effekt
forholdet (= forskellen i exposure-effekt association mellem dem der er med og ikke er med i studiet)

F.eks: Er er flere med KOL blandt fabriksarbejdere eller kontorarbejdere? (Bias, for dem med KOL arbejder nok alligevel ikke i fabrikker)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Confounding: definition

A

En systematisk fejl. Kan dog ofte justeres for analytisk.

Den er associeret med exposure samt med outcome hos ikke-eksponeret. Den er ikke en intermediær

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Måder hvorpå confounding kan minimeres

A

Design:

  • randomisering
  • valg af kontroller
  • matching (eks. køn, alder)
  • restriction (=eksklusion ift konfounder)

Analyse:

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

Informationsbias definition

A

Er informationen indsamlet forskelligt mellem grupperne?

Når indsamlede data er afhængig af eksposition og/eller effekt

F.eks recall bias, detection bias, biased follow-up

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

Måder hvorpå informationsbias kan minimeres

A

Design:

  • prospektiv dataindsamling
  • blinding
  • objektive effektmål (eks. CRP, Strep A test)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Rapporteringsbias: definition

A

Systematiske forskelle i mellem rapporterede og urapporterede resultater

  • effektmål i individuelle studier (outcome reporting bias)
  • hele studier (publikationsbias)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

De 5 trin i EBM

A

Ask/ Aquire/ Appraise/ Apply/ Assess:

  1. Klinisk spørgsmål formuleres
  2. Evidens identificeres
  3. Evidens vurderes kritisk
  4. Evidens anvendes
  5. Evaluering af læringsstrategi
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Hvordan vurderes generaliserbarheden af forskning til ens egne patient?

A

Kig på studiets PICO ift patientens PICO:

  • P: er patienterne det samme? (køn, alder, ethnicitet osv)
  • I: Svarer dosis i studiet til det vi bruger, og betyder compliance noget?
  • C: Svarer kontrolgruppen til vanlig standardbehandling?
  • O: Måles det på det, pt efterspørger?
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

Sensitivitet

Plus formel

A

Testens evne til at være positiv hvis pt’en faktisk er syg

Altså = så kan man stole på de negative resultater!

Formel:
Test positive / alle syge

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Specificitet

Plus formel

A

Testens evne til at være neg hvis pt’en faktisk er rask.

Husk: Hvis testen har en høj specificitet, så kan man stole på de positive tests

Formel: test neg/alle raske

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

PPV

+ Formel

A

Sandsynligheden for, at pt’en ER syg, hvis testen er positiv

Sandt pos / all positive tests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

NPV

+ Formel

A

Sandsynligheden for, at pt’en er rask, hvis testen er negativ

Sandt neg/alle neg tests

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

ROC-kurve værdier:

A
  • 0,9 - 1 = excellent
  • 0,8 - 0,9 = good
  • 0,7 - 0,8 = fair
  • 0,6 - 0,7 = poor
  • 0,5 - 0,6 = fail

Man skal forlange af en test at den har mindst en AUC værdi på 0.7

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
24
Q

Hvis testen har høj sens men lav spec, hvad kan man forvente?

A

Ingen falsk negative, men risiko for falsk positive = Man fanger alle, der er syge, men får nogle raske med ved fejl.

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
25
Q

Opbygning af testserier ift sens/spec

A
  1. test: skal have høj sens og lavere spec (så fanger man i hvert fald alle de syge)
  2. test: skal have højere spec (så kan man sortere de falsk positiver fra)
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
26
Q

Risiko vs odds:

A

Hvis der er 4 personer, og 1 er syg:

Risiko: 1/4 (1 sick out of four)
Odds: 1/3 (1 sick vs 3 healthy). So the likelihood of being sick OVER the likeihood of being healthy

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
27
Q

Hvis CI indeholder 0, kan H0 forkastes? Hvis man sammenligner gennemsnitstal, f.eks

A

NEJ. Hvis CI indeholder 0, så er ‘0 forskel’ muligt = nulhypotesen kan ikke forkastes.

28
Q

Hvis CI af OR indeholder 1, kan H0 forkastes?

A

NEJ.

En OR på 1 betyder at der er ingen forskel, så hvis 1 er med i CI, så er det muligt at der er ingen forskel

29
Q

Interpretation of NNT

A

“The average number of patients needed to be treated for a time period of x years to observe one less event at time tx”

30
Q

Reporting guideline: SPIRIT

A

RCT protokoller

31
Q

Reporting guideline: CONSORT

A

RCT’er

32
Q

Reporting guideline: STROBE:

A

Observationelle studier

33
Q

Reporting guideline: PRISMA

A

Systematisk reviews and meta analyser

34
Q

Reporting guideline: PRISMA-P

A

Protokoller for systematiske reviews

35
Q

Reporting guideline: STARD

A

Diagnostisk akkuratesse studier

36
Q

Reporting guideline: QUADAS

A

Systematis reviews af diagnostiske tests

37
Q

Hvilke slags studier bør bruge Per-protocol analyses? (Explanatory analyse)

A
  • Non-inferiority
  • Fase 1 and 2 drug trials

Altså: hvor man gerne vil undersøge f.eks en fysiologisk effekt

38
Q

Fase 1 forsøg:

A

3-6 raske frivillige

Tester tolerabilitet

39
Q

Fase 2 forsøg:

A

50-100 patienter.

Fastlæggelse af dosis-response kurver

40
Q

Fase 3 forsøg:

A

1000 - 3000 patienter

Test af brugbarhed

41
Q

Fase 4 forsøg: patienter

A

Patienter.

Test af godkendte medikamenter (f.eks i forhold til bivirkninger)

42
Q

Beregn NNT

A

1/ARR

43
Q

Beregn ARR

A

Risiko i den ene gruppe - risiko i den anden

44
Q

Beregn RRR

A

ARR / Risiko i kontrolgruppe

45
Q

NNT x ARR er lig med?

A

Altid 1!

46
Q

Hvad er Lead time bias?

A

En bias der opstår, når en ny test resulterer i tidligere diagnose uden at ændre på det grundlæggende sygdomsforløb.

47
Q

Tool to assess risk of bias: Cochrane risk of bias tool

A

Systematiske reviews of RCT’er

48
Q

Tool to assess risk of bias: Robins-I

A

Observational studies of intervention

49
Q

Tool to assess risk of bias: QUADAS-2

A

Diagnostic studies

50
Q

Hvilke to dele skal være tilstede for at randomiseringen er udført ordentligt?

A

1) Generering af tilfældig sekvens

2) Maskering af behandling indtil pt er irreversibelt inkluderet

51
Q

Hvad hedder den bias, der opstår ved frafald af deltagere?

A

Attrition bias

52
Q

Hvor meget frafald er ‘for meget’ til at man ikke risikerer bias?

A

> 15-20%

53
Q

Hvordan bør frafald håndteres i analysefasen?

A
  • ITT

- Sensitivitetsanalyser kan bruges til at belyse betydning af frafald

54
Q

5 domæner af GRADE

A

1) Risk of bias
2) Inconsistency (I^2)
3) Indirectness (does the study answer the question? A vs P, B vs P, A>B?)
4) Imprecision (p value and CI)
5) Publication bias

55
Q

Factors that may imply upgrading observational studies (GRADE assessment)

A
  1. Large magnitude of effect
  2. Confounding would reduce a demonstrated effect
  3. Dose-response gradient
56
Q

De tre betydninger af placeboeffekt

A
  • Effekten af placebobehandling
  • Effekten af terapeut-patient relationen
  • Ændringen i en patients tilstand som tidsmæssigt følger en placebobehandling
57
Q

3 armed trials

A
  • Arm 1: experimential treatment
  • Arm 2: placebo
  • Arm 3: nothing
58
Q

Propensity score

A

Samlet ”score” for alle de baggrundsfaktorer (formodet confounder – karakteristika) der har betydning

59
Q

Tool til at vurdere kliniske retningslinjer

A

AGREE-II

60
Q

Kappa-værdi

A

Siger noget om enighed mellem observatører

>0,8 = ok
<0,6 = ubrugelig

___
-K = 0 –> ingen overensstemmelse
- K = 1 –> perfekt overensstemmelse
K = -1 –> noget galt, idet den observerede overensstemmelse er mindre end ved gæt

61
Q

Positive likelihood ratio

A

Normal værdi er >1

Sandsynligheden for et positivt testresultat kan forventes hos en pt som er syg sammenlignet med sandsynligheden for et positiv testresultat fås hos en pt som er rask.

Jo højere pos LR, jo mere sikker er man på den enkelte pt er syg hvis testen er pos. (Men jo flere falsk neg resultater kommer der)

62
Q

Neg likelihood ratio

A

Normal værdi er <1

Sandsynligheden for et negativt testresultat kan forventes hos en pt som er syg sammenlignet med sandsynligheden for at det samme resultat (negativ) fås hos en pt der er rask.

63
Q

Likelihood ratio values

A

<1 = decrease probability of diasease

> 1 = increase probability of diasease

64
Q

Wells score bruges til?

A

Til at finde en præ-test sandsynlighed

65
Q

Incorporation bias (diagnostic studies)

A

The index test is part of the Gold Standard (making both sens & spec better)

66
Q

Gold standard/verification bias

A

Pos index test increases referral to gold standard (sens and spec up)

67
Q

Spectrum bias

A

Man tester på the sickest of the sick (sens up) or the wellest of the well (spec up)

K6 (3 decks)

Brainscape helps you reach your goals faster, through stronger study habits.
© 2025 Bold Learning Solutions. Terms and Conditions