VF : Begrepp

Question 1

Evidens

Answer 1

Vetenskapligt belägg som talar för eller emot en teori

Mängd evidens beskriver sannolikhet för en förklaring

Bästa tillgängliga bevis = sammanvägda resultatet av systematiskt insamlade vetenskapliga studier

Question 2

Evidensstyrka

Answer 2

Mått på det sammanvägda vetenskapliga underlaget för hur väl det stämmer med verkligheten

Graderas 1-4

Question 3

Incidens

Answer 3

Antal nya fall av sjukdom i en population under en avgränsad tid

Question 4

Prevalens

Answer 4

Andel individer i en population som har en sjukdom vid en viss tid

Question 5

Mortalitet

Answer 5

Antalet dödsfall i en viss sjukdom i en population

Question 6

Morbiditet

Answer 6

Antalet sjukdomsfall i en hel population

Question 7

Signifikans

Answer 7

Mått på hur osannolikt att en viss avvikelse uppstår i ett urval av endast slumpen om det inte finns en skillnad i verkligheten

Question 8

Signifikansnivå

Answer 8

Värde man bestämmer utifrån syftet med hypotesprövningen, vanligt är 5%

Question 9

P-värde

Answer 9

Sannolikheten att en viss avvikelse uppstår i ett urval endast av slumpen om det inte finns en skillnad i verkligheten

Om p<0,05 = så räknas det som osannolikt att slumpen orsakade skillnaden, och skillnaden räknas som signifikant

Question 10

Hypotesprövning

Answer 10

Metod för att göra ett uttalande av en stor mängd individer baserat på en liten mängd av dessa individer (stickprov)

Question 11

Nollhypotesen

Answer 11

Nollhypotesen är hypotesen att det inte föreligger någon skillnad

Nollhypotesen är grundantagandet man utgår ifrån

I klinisk prövning betyder det att lm saknar egen verkan jämfört med placebo

Question 12

Standardavvikelse

Answer 12

Vanligaste måttet på spridning kring medelvärdet

Question 13

Normalfördelning

Answer 13

Normalfördelad variabel
= variabel som ofta antar värden nära medelvärdet och sällan värden som har stor avvikelse

Ser ut som en jämn kulle

Viktigt att veta om datan för att kunna analysera den

Question 14

Variansanalys/ ANOVA

Answer 14

Samling statistiska metoder för hypotesprövning

Undersöker skillnader i medelvärde och varians mellan flera populationer

Question 15

T-test

Answer 15

Hypotesprövning där man jämför:

• Två normalfördelade populationer
• Känner inte till exakta värdet på standardavvikelsen

Question 16

Regressionsanalys

Answer 16

Söker efter linjär modell som beskriver sambandet mellan två variabler

Görs för spridningsdiagram där man ser ett linjärt samband

Ex. hur påverkar en persons längd dess resultat i 100 m löpning

Question 17

Referensvärden

Answer 17

Jämförelsevärden som används när man ska tolka resultat av analytisk verksamhet

Question 18

Deskriptiv statistik

Answer 18

Hålla sig nära råmaterialet och göra minimal tolkning i analysen

Question 19

Risk

Answer 19

Andel sjuka / hela urvalet

Question 20

Riskmått

Answer 20

Mått för att jämföra risk mellan olika grupper

Ex:

• Relative risk (RR)
• Odds ratio (OR)

Question 21

Risk-ratio / relativ risk (RR)

Answer 21

Sätt att jämföra risk mellan två grupper

Indikerar på styrkan på associationen

Risk för sjukdom hos exponerade / risk för sjukdom hos icke-exponerade

Question 22

Odds ratio (OR)

Answer 22

Jämförelse av två oddstal (ex. två patientgrupper) görs med en oddskvot (OR)

Ett annat sätt att räkna på riskmått när man inte vet ursprungliga studiestorleken

Används i fall-kontroll-studier istället för RR

OR = approximering av RR

Question 23

Randomiserad kontrollerad studie (RCT)

Answer 23

Studiedesign där deltagare väljs slumpmässigt till den gruppen med interventionen eller till kontrollgruppen

Kontrollgrupp görs för att kunna jämföra om interventionen har effekt

Randomisering görs för att få ett så representativt urval som möjligt

Question 24

Dubbelblind randomiserad kontrollstudie

Answer 24

Varken försöksledaren eller studiedeltagarna själva känner till vilken av grupperna försökspersonerna tillhör

Dubbelblind randomiserad kontrollstudie = mest tillförlitliga inom klinisk forskning

Question 25

Korrelation

Answer 25

Anger styrkan och riktningen av ett samband mellan flera variabler

Korrelation säger inget om kausalitet

Question 26

Kausalitet

Answer 26

Orsakssamband

Kausalitet mellan fenomen kan delas upp i “orsak” och “verkan”

Verkan kan inte föregå orsaken

Question 27

Validitet

Answer 27

Validitet är att man verkligen mäter det man vill mäta

“Skotten hamnar runt måltavlans mitt”

Question 28

Reliabilitet

Answer 28

Noggrannhet i mätningen

Tillförlitlighet på mätning

Resultatet ska kunna återupprepas

“Skotten hamnar tätt tillsammans på samma ställe på måltavlan”

Question 29

Metaanalys

Answer 29

Statiska analysen vid “systematic review” som kombinerar resultat från flera studier

Question 30

Forest plot

Answer 30

Sammanställning av flera studier som undersöker samma sak

Grafiskt representerar metaanalys

Diamant visar summerade resultatet:

• Om diamant är på linjen = intervention gör ingen skillnad
• Om diamant hamnar till vänster så har interventionen bättre resultat
• Om diamant hamnar till höger har kontrollgruppen bättre resultat (skadlig intervention)

Question 31

Sensitivitet

Answer 31

Andelen av sjuka som blir positiva i ett test

Sensitivitet är hur känslig metoden är för att hitta sjukdomen, att få utslag

Question 32

Räkna ut sensitivitet

Answer 32

Sensitivitet = sant positiva / (sant positiva + falskt negativt)

Sensitivitet 90% = 90 är sjuka enligt test / 100 är sjuka i verkligheten

En metod med hög sensitivitet har en låg andel falskt negativa svar, d.v.s. positiv förekomst ger ett positivt testresultat med hög sannolikhet.

Låg andel falskt negativa svar = missar aldrig någon som verkligen har sjukdom

Däremot kan metoden fortfarande ge många falskt positiva svar.

Hög andel falskt positiva svar = sjukförklarar en som egentligen är frisk

Question 33

Specificitet

Answer 33

Andelen av friska som blir negativa i test

Question 34

Räkna ut specificitet

Answer 34

Specificitet = sant negativa / (sant negativa + falskt positiva)

Specificitet 90% = 90 är friska enligt test / 100 är friska i verkligheten

En metod med hög specificitet har en låg andel falskt positiva svar, d.v.s. negativ förekomst (ingen sjukdom) ger ett negativt testresultat med hög sannolikhet.

Låg andel falskt positiva svar = sjukförklarar aldrig någon som verkligen är frisk

Däremot kan metoden fortfarande ge många falskt negativa svar, d.v.s. missa förekomst av sjukdom.

Hög andel falskt negativa svar = missar personer som verkligen har sjukdom

Question 35

Positivt prediktivt värde

Answer 35

Andelen av de som testas positivt som verkligen är sjuka

Högt PPV säger att får du ett positivt resultat innebär det med stor sannolikhet att man är sjuk

Hur bra ett test är på att förutsäga sjukdom

Question 36

Räkna ut positivt prediktivt värde

Answer 36

PPV = sant positiva / (sant positiva + falskt positiva)

PPV 90 = 90 är verkligen sjuka / 100 testas positivt

Question 37

Negativ prediktivt värde

Answer 37

Andelen av de som testas negativt som verkligen är friska

Högt NPV innebär att får du ett negativt resultat kan du med stor sannolikhet säga att patienten är frisk

Hur bra ett test är på att förutsäga att man är frisk

Question 38

Räkna ut negativt prediktivt värde

Answer 38

NPV = sant negativ / (sant negativ + falskt negativ)

NPV 90 = 90 är verkligen friska / 100 testas negativt

Question 39

Variabel

Answer 39

Något som förändras

Okänt värde

Det man observerar/ mäter

Kan vara:

• Beroende (y-axel)
• Oberoende (x-axel)

Question 40

Konfidensintervall

Answer 40

Normalfördelade värden är spridna runt ett medelvärde

Om konfidensgraden är 95% så är konfidensintervallet det intervall där 95% av värdena hamnar

Om intervallet är litet = lite spridning