Eksamen Flashcards
Hvordan fortolkes en INsignifikant P-værdi ved BD-testet?
Jeg accepterer H0 om homogenitet.
Dvs. der undergruppernes OR kunne så lige godt være ens –> slås sammen til én fælles OR
Kan også ses ved at sammenligne konfidensintervaller
Hvordan fortolkes en SIGnifikant P-værdi ved BD-testet?
Jeg forkaster H0 om homogenitet og accepterer, at der er heterogenitet mellem undergrupperne.
Dvs. der undergruppernes OR er signifikant forskellige.
Derfor ville variablen være en effektmodikator dvs., at effekten af blodtryksforskellen på risikoen for død, er forskellig på tværs af variablens undergrupper og jeg stopper analysen.
Hvordan er effektmodifikator anderledes fra en confounder?
Effektmodifikator: Effekten af blodtryksforskel på risikoen for død, er forskellig på tværs af variablens undergrupper.
Confounder: Hvis en variabel er en confounder, så er effekten den samme i undergrupperne. Confounderen går altså ind og påvirker sammehængen mellem eksponering og udfald, så når man justerer for den, vil sammenhængen ændre sig.
Hvordan fortolkes en SIGnifikant P-værdi ved MH-testet?
Jeg forkaster H0 om betinget uafhængighed og accepterer, at der er afhængighed mellem blodtryksforskel og død, betinget for den tredje kovariat.
Statistisk sammenhæng mellem x og y når vi betinger for z
Fælles OR er signifikant forskellig fra 1 –> dvs. forskel ml. at have en en btforskel på <5 og >5 mmHg
Hvordan fortolkes en INsignifikant P-værdi ved MH-testet?
Jeg accepterer H0 om betinget uafhængighed og accepterer, at der er uafhængighed mellem blodtryksforskel og død, betinget for kovariaten.
- Ingen sammenhæng mellem x og y når vi betinger for z*
- OR= 1 –> dvs. ingen forskel mellem blodtryksforskel >5 og <5 mmHg på risikoen for død*
Hvad kan undergruppernes konfidensintervaller i BD-testet fortælle?
Hvis man sammenligner OR-estimaternes tilhørende konfidensintervaller kan man tjekke for homogenitet.
Hvis konfidensintervallerne overlapper hinanden, så kunne OR-estimaterne ligeså godt være ens = homogenitet
Hvordan fortolkes OR i den logistiske regression?
1,04 [1,01-1,07]
Hvis ens blodtryksforskel stiger med 1 mmHg er odds for at dø 4% højere sammenlignet med en person som har en blodtryksforskel 1 mmHg mindre, givet at disse har ens værdier på alle andre variable.
Dette gælder på hele kurven = hældningen er lige stor
Hvordan kan jeg regne OR ud for en 30-årig der drikker indimellem vha. interaktionen alkohol*alder?
ORalkohol*ORalkohol*alder^30 = 0,001*1,2330 = OR
Eller
Beta30 = Betaalkohol+30*Betaalkohol*alder = -7,542+30*0,210
Exp(Beta30) = OR
En 30 årig der drikker indimellem, vil have ca. halvt så høje odds for at dø, sammenlignet med en der aldrig drikker som også er 30 år, hvis de er ens på alle andre parametre.
Hvad er logit-skalaen?
- Logit-skala:
- Beta-værdierne er på logit-skalaen
- En skala som er smart at regn spå
Hvad er interceptet?
- Logit-værdien for en referenceperson
- En meget speciel person
Hvad er beta-værdier
- Logit forskelle mellem interessegruppe vs. referencegruppe
- Hvis man tager eksponentiel funktionen af logit-forskellen så får man OR.
- Kan ikke tolkes direkte på
- Men når beta er positiv: højere risiko for død
- Og når beta er negativ: lavere risiko for død
Hvad er min H0 i den logistiske regression?
- Der er ingen sammenhæng mellem f.eks. rygning og død, justeret for den andre variable
Hvorfor må man ikke fjerne en hovedeffekt når den indgår i en signifikant vekselvirkning?
Fordi jeg ikke kan fortolke interaktionen uden at have hovedeffekten med
Hvad er en logit-værdi?
- En funktion af risikoen for død
- En specifik risiko for en given person
- Dem kan man ikke rigtig tolke på
- Kan regnes om til odds eller sandsynlighed
Hvad fortæller vekselvirkning mellem alkohol*alder
- Effekten af alder afhænger af om man drikker alkohol eller ej
*
Hvad fortæller beta-værdien for alder mig i den endelige formel?
- Alders beta-værdi er effekten af at blive 1 år ældre, hvis man ikke drikker alkohol.
- Effekten af alder på risikoen for død er noget forskelligt, alt efter om personen drikker alkohol eller ej = effektmodifikation
Hvad er nulhypotesen for odds-ratio?
Odds = 1 = ingen forskel mellem grupperne man sammenligner
Hvad betyder det at stratificere/justere i MH-testet?
- Man fjerner den effekt variablen kan have på sammenhængen mellem blodtryksforskel og død
- Man laver en tabel for hver undergruppe, med enkeltvise OR (BD)
- At stratificere/justere betyder, at man fastholder kovariatens værdi fx hvis det er køn så sammenligner man to mænd eller to kvinder og ikke en mand og en kvinde.
Hvad er regressionskoefficienten?
Beta-værdien