short videos

Question 1

experimental studies not always necessary becaus

Answer 1

Bij bijwerkingen is er geen rnadomisatie nodig want er is geen link met keuze voor wel of niet behandelen. Ook lifestyle: roken en longkanker.
Soms ook niet nodig om experimentele studie te doen als de effecten zo overweldigend zijn: keizersnedes, bloedtransfusies, appendiciti.s

Question 2

Cohort advantages

Answer 2

• can show that exposure precedes the outcome
• examine effects on multiple outcomes
• examine effects of both commn and rare exposures
• estimate absolute risks

Question 3

Cohort disadvantages

Answer 3

• Expensive and time-consuming
• Cannot examine rare outcomes
• Loss to follow up

Question 4

CC advantages

Answer 4

• study rare outcome
• examine outcomes which take long time to develop
• examine multiple exposures
• cost-time-effective compared to cohort studies

Question 5

CC disadvantages

Answer 5

• temporal sequence unclear: (exposure c/ disease vs disease c/ exposure)
• cnnot determine absolute risk (only Rel Risk)
• Inefficient for rare exposure

Question 6

Case selection in CC. important (3 things)

Answer 6

• case definition duidelijk (region timeframe, manner of diagnosis
• use incident cases (inclusion at diagnosis). prevalent cases –> incidence-prevalence bias
• source: huisarts, zkh, specifiek geografisch gebied

Question 7

Control selection: 2 important things

Answer 7

• sampling should be independent of exposure

- source of controls appropriate: relatives, zkh populatie, deur-tot-deur

Question 8

Wat is bias

Answer 8

Bias is systemathic error leading to an incorrect interpretation of an epidemiological measure

Question 9

Wat is selectiebias

Answer 9

SB: Selectiebias is de bias die wordt geïntroduceerd door de selectie van individuen, groepen of gegevens voor analyse op een zodanige manier dat er geen juiste randomisatie wordt bereikt, waardoor de verkregen steekproef niet representatief is voor de populatie die moet worden geanalyseerd.

Question 10

selectiebias bij CC studies

Answer 10

relatie tussen inclusie kans en exposure status (MOET ONAFHANKELIJK ZIJN)

Question 11

selectie bias bij cohort studies

Answer 11

differntial los to follow up. kans om lost to follow up te worden is groter in de ene groep tov de andere (door bv dood)

Question 12

information bias:

Answer 12

Informatiebias is een systematische vertekening van de determinant-uitkomstrelatie door het gebruik van onjuiste informatie over de determinant of over de uitkomst (of beide). Het duidelijkste voorbeeld is het verkeerd meten van de determinant of uitkomst.

Question 13

observer bias

Answer 13

Met observer bias wordt binnen de wetenschap de neiging van een observator om alleen de dingen te zien die de observator wil of verwacht te zien bedoeld. doel van double blind

Question 14

recall bias

Answer 14

moeders met kinderen met aangeboren afwijkingen herinneren zich alle possible exposures heel anders dan meoders met gezonde babies

Question 15

Confounding

Answer 15

Als exposure en outcome een gedeelde factor hebben: grijs haar en dood (confounding door leeftijd)

Question 16

Hoe kan je confounding tegen gaan (3 manieren)

Answer 16

• restrictie: groepen specifiek maken
• matching: matchen op gedeelde determinanten (niet bruikbaar in CC
• randomisatie: vermijd verschil in ongemeten determinanten van de uitkoms

Question 17

Contole op confounding tijdens data-analyse 4 (methodes)

Answer 17

• stratificatie
• standardiseren
• multivariable regression
• propensity score matching

Question 18

Hoe werkt propensity score matching:

Answer 18

eerste kans berekenen dat iemand een bepaalde xposure of treatment gegeven hun karakteristieken. In theorie: pt met gelijke scores zullen overeenkomen in gemeten confounders.

Question 19

Centrale limiet stelling

Answer 19

Als je vaak genoeg een sqample herhaald dan zal er een normale verdeling rond je point estimate onstaan.

Question 20

type 1 error

Answer 20

in realiteit nulhypothese correct, onterecht verworpen (fout positief). in onderzoek alpha = 0.05

Question 21

type 2 error

Answer 21

in realiteit zou nulhypothese verworpen moeten worden, maar toch wordt niet verworpen (ten onrechte niet verworpen, fout negatief)

Question 22

Power:

Answer 22

1 - type 2 error (beta): de kans dat als er een verschil is tussen twee groepen deze wordt aangetoond. Doel: 80-90%.

Question 23

Benodigheden sample size calculaion

Answer 23

• signifcance level (alpha)
• power (beta - 1, doel 80-90%)
• relevant effect wat je wilt bewijzen (obv kliniek)

Question 24

2 redenen voor fout positieve bevindingen van studies ( 2 p’s)

Answer 24

• P hacking

- Publication biasw)

Question 25

wat is publication bias

Answer 25

Alpha is 0.05: daarmee garanderen we dat slechts 5 % fals positief is vanwege random variatie. Echter hiermee heb je dus automatisch dat
1 op de 20 studies fout positieve resultaten geeft

Lezers zien alleen maar de publicaties met een positief resutlaat. Zij zien dus meer dan slechts deze 5 procent

Question 26

Teken de your decision vs truth tabel (alpha, beta, power)

Answer 26

Your desc (H0 not rejected| Correct | Type 2 error (beta)

Your desc (H1 rejected) | type 1 error (alpha) | correct

Power = 1 - B

Truth (H0 true) | Truth (H1 False)|