Grundläggande biostatistiska begrepp

Question 1

Statistik

Answer 1

Insamling, utvärdering, analys och presentation av data/information

Question 2

Biostatistik

Answer 2

Tillämpning av statistik inom det biologiska området

Question 3

Huvudgrupper av datavariabler

Answer 3

Kvantitativ data - numeriska värden.

Kvalitativ data - subgrupper eller indelningar av data som inte är numerisk i grunden

Question 4

Varför behövs statistik?

Answer 4

• Kunna dra slutsatser från mindre population för att applicera för hela populationen med en viss procent säkerhet
• Undvika åsikter/tryckande som grund för beslut
• Hjälper till att beräkna hur mycket data du behöver samla in, samla aldrig in mer data än som behövs (etik)
• Hjälper till att förstå och tolka insamlad data
• Besvara forskningsfrågan, hypotesen
• Får belägg och grund för uttalande

Question 5

Individ/Fall

Answer 5

Undersökningsobjekt

Question 6

Population

Answer 6

Alla individer/fall som formar grupper som vill studeras

Question 7

Urval

Answer 7

Strickprov, en spegling av populationen

Question 8

Variabel

Answer 8

Faktor som studeras inom kvantitativ forskning

Question 9

Totalundersökning

Answer 9

Alla i populationen undersöks

Question 10

Interferensstatistik

Answer 10

Bygger på sannolikhet.
Drar slutsatser för en hel population utifrån studie gjord på ett urval av populationen.
Betyder att vi inte vet helt säkert och därför behöver beskriva grad av osäkerhet (p-värde)

Question 11

Variabelnivåer

Answer 11

Nominalskala - klassificering
Ordinalskala - rangordning
Intervallskala - finns given ordning och differens, men ingen given nollpunkt
Kvotskala - finns given ordning, differens och absolut nollpunkt

Question 12

Hypotesprövning

Answer 12

• Rimligheten i ett antagande (H0, finns ingen skillnad) prövas mot en alternativ hypotes/mothypotes (HI, finns skillnad)
• Vid den statistiska analysen testas normalt om nollhypotesen (H0) kan förkastas
• P-värdet ger “risken” att dra felaktiga slutsatser när H0 förkastas

Question 13

Olika systematiska fel vid hypotesprövning

Answer 13

• Typ I-fel - Förkastar H0 fast den är sann, hittar en skillnad som inte finns. Regleras genom att höja signifikansnivån.
• Typ II-fel - H0 accepteras fastän den är falsk, missar en skillnad som faktiskt finns. Detta kan bero på stickprovsstorlek, effektstorlek och signifikansnivå

Question 14

P-värde

Answer 14

Ett tal mellan 0-1 som anger hur sannolikt resultatet vi fått är, om nollhypotesen är sann. Vi behöver låga p-värden för att ha hög sannolikhet att kunna lita på resultatet

Question 15

Felrisk

Answer 15

Felrisken som finns om det finns en skillnad mellan grupperna som beräknas genom p-värde. Är en typ av “säkerhetsnivå” dvs, hur säker kan jag vara på att det finns systematiska skillnader i mitt resultat?

Question 16

Vad är felrisken om P = 0,08 och är resultatet signifikant om signifikansnivån är satt till p<0,05.

Answer 16

Felrisken blir 8% (vi kommer ha fel i 8 av 100 fall om H0 förkastas) och resultatet är inte signifikant.

Question 17

Ange centralmåtten som finns och när de används

Answer 17

• Medelvärde - används vid intervall och kvotskala och vid normalfördelad data
• Median - används vid icke-normalfördelad data för ordinal, intervall och kvotskala
• Typvärde (mest förekommande värdet) - kan användas vid alla variabelnivåer

Question 18

Ange spridningsmåtten, vad de innebär och när de används

Answer 18

• Standardavvikelse - anger mätvärdenas genomsnittliga avvikelse från medelvärdet, används med medelvärde
• Variationsvidd - avstånd mellan min- och maxvärde, används ffa med median
• Kvartilavstånd - nedre till övre kvartilen, ringar in det mittersta värdet, används med median och ibland medelvärde

Question 19

Konfidensintervall

Answer 19

Mått på osäkerheten slumpen bidrar med när den bakomliggande populationens medelvärde skattas.
Beskriver graden av avvikelse i urvalet från det sanna medelvärdet i populationen.
Beskrivs vanligtvis som 95% CI vilket betyder att medelvärdet ska ligga inom dessa 95%.

Question 20

När förekommer konfidensintervall?

Answer 20

Används vid prevalensberäkning, medelvärden, relativa risker och oddskvoter

Question 21

Normalfördelningskurva

Answer 21

En kurva som beskriver fördelningen av värden/variabler.

Question 22

Test för normalfördelning

Answer 22

Shapiro-Wilk

Question 23

När är data icke-normalfördelad?

Answer 23

Då kurvan drar mer åt ena håller för att datan är ojämn fördelad inom materialet

Question 24

Shapiro-Wilk

Answer 24

Testar om variabeln är normalfördelad vid observationer under 50. Beräknar ett p-värde. P-värdet ska vara >0,05 för att vara normalfördelat.

Question 25

Parametrisk statistik

Answer 25

Används vid kvantitativa datavariabler och normalfördelad data.

Beräknar parametrar, ex. medelvärde och standardavvikelse

Question 26

Icke-parametrisk statistik

Answer 26

Används vid kvalitativa datavariabler och vid icke-normalfördelad data.

Utgår från rangordning och median när data bearbetas.

Question 27

Sensitivitet

Answer 27

Andel av de verkligt sjuka som metoden upptäcker (sant positiva)

Beräknas genom alla sant positiva/alla som har sjukdomen

Question 28

Specificitet

Answer 28

Andelen friska som metoden anger som friska (sant negativa)

Beräknas genom sant negativa/alla negativa