Samenvatting module 5:
Biostatistics & Advanced Epidemiology
Samenvatting module 5:
Biostatistics & Advanced Epidemiology
1
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
Inhoudsopgave
1. College 1: Reiteration elementary analysis & multiple linear regression ........................................... 4
1.1 Leerdoelen ..................................................................................................................................... 4
1.2 Herhaling module 3 ....................................................................................................................... 4
1.3 Lineaire regressie analyse ............................................................................................................. 4
1.4 Multivariate lineaire regressie ...................................................................................................... 6
2. College 2: Analysing time-related data: Survival & Cox Regression Model ...................................... 10
2.1 Leerdoelen ................................................................................................................................... 10
2.2 Survival time analyse ................................................................................................................... 10
2.3 Uitkomsten survival time analyse ............................................................................................... 12
2.4 Cox proportional hazard regression analysis .............................................................................. 13
3. College 3: Multivariate logistic regression – building a prediction model. ....................................... 16
3.1 Leerdoelen ................................................................................................................................... 16
3.2 Multivariate logistische regressie analyse................................................................................... 16
3.3 Predictiemodellen ....................................................................................................................... 17
3.4 Ontwikkelen van een predictiemodel met logistische regressie ................................................ 18
4. College 4: Analysis of repeated measures ........................................................................................ 21
4.1 Leerdoelen ................................................................................................................................... 21
4.2 Herhaalde metingen .................................................................................................................... 21
4.3 Analyse van herhaalde metingen ................................................................................................ 23
4.4 Lineair mixed effects model ........................................................................................................ 24
5. College 5: Introduction to propensity scores .................................................................................... 30
5.1 Leerdoelen ................................................................................................................................... 30
5.2 Correctie van data ....................................................................................................................... 30
4.3 Propensity scores ........................................................................................................................ 31
4.4. Gebruik van propensity scores ................................................................................................... 33
6. College 6: Modelling a causal association ......................................................................................... 35
6.1 Leerdoelen ................................................................................................................................... 35
6.2 Doel van regressie analyses......................................................................................................... 35
6.2.1 Doel van causaal onderzoek ................................................................................................. 35
6.2.2 Exploratief onderzoek .......................................................................................................... 35
6.2.3 Predictieonderzoek .............................................................................................................. 36
6.2.4 Verklarend onderzoek .......................................................................................................... 37
2
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
6.3 Causale verbanden ...................................................................................................................... 37
6.3.1 DAG....................................................................................................................................... 37
6.3.2 Confounding ......................................................................................................................... 38
6.3.3 Mediatie ............................................................................................................................... 39
6.3.4 Selectie bias .......................................................................................................................... 39
6.4 Causale beschrijving .................................................................................................................... 40
7. College 7: Advanced techniques for intervention research .............................................................. 42
7.1 Leerdoelen ................................................................................................................................... 42
7.2 Sample size berekening ............................................................................................................... 42
7.3 Advanced designs ........................................................................................................................ 45
8. College 8: Advanced techniques for research of diagnostic tests ..................................................... 48
8.1 Leerdoelen ................................................................................................................................... 48
8.2 Doelen van diagnostisch onderzoek............................................................................................ 48
8.3 Paradigma’s voor diagnostiek ..................................................................................................... 49
3
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
1. College 1: Reiteration elementary analysis & multiple linear
regression
1.1 Leerdoelen
• De student begrijpt de multivariate lineaire regressie analyse.
• De student kan een multivariate lineaire regressie analyse uitvoeren.
• De student kan data modelleren om onafhankelijke determinanten te beschrijven en
corrigeren voor confounding en effectmodificatie.
1.2 Herhaling module 3
Met onbetrouwbare data zijn de uitkomsten van statistische analyses ook onbetrouwbaar (troep in =
troep uit). Het controleren van de database is een belangrijke stap voordat men kan beginnen met
analyseren. Data is categorisch (nominaal, dichotoom) of numeriek. Op de data kan beschrijvende
statistiek (samenvattend, tabel 1) of inferentiële statistiek (hypothese testen, generalisatie van sample
naar populatie) worden gebruikt, afhankelijk van de vraagstelling die men probeert te beantwoorden.
Met inferentiële statistiek wordt de nulhypothese getest en een p-waarde bepaald op basis van de
standard error (SE). Inferentiële statistiek bestaat uit testen, schatten, verklaren en voorspellen.
Voor dichotome data wordt een proportie en een standaarddeviatie (SD) bepaald om het sample te
beschrijven. Verschillen tussen samples (bijvoorbeeld tussen een therapiegroep en een
controlegroep) worden absoluut (verschil in proporties met 95% betrouwbaarheidsinterval (CI)) of
relatief (relatief risico of odds ratio met 95% CI) bepaald. Numerieke data wordt beschreven door een
gemiddelde en een SD (mits normaal verdeeld, anders de mediaan en min-max als spreidingsmaat).
Verschillen tussen samples worden weer gegeven door het verschil in gemiddelden met 95% CI. De
puntschatter (proportie, gemiddelde) wordt gezien als signaal en de spreiding is de ruis (SD, 95% CI).
De ratio tussen signaal en ruis wordt getest en hier komt de p-waarde uit voort. Hiervoor wordt
bijvoorbeeld de t-test, ANOVA of de χ² gebruikt. Hiervoor moet worden bepaald of het gaat om
gepaarde of ongepaarde data (gepaarde data heeft een lagere SE) en of het gaat om twee of
meerdere groepen.
Verder kan de samenhang tussen waardes worden gemeten, dit wordt correlatie genoemd. Wanneer
er tussen twee variabelen meerdere associaties mogelijk zijn door verschillen in de sample kan
regressie analyse worden toegepast. Regressie analyse wordt gebruikt om een uitkomst te
voorspellen, om een uitkomst te verklaren of om een betrouwbare schatting te geven van het effect.
1.3 Lineaire regressie analyse
Het general linear model (GLM) is een groep van verschillende regressie analyses. De afhankelijke
variabele bepaald welke variant wordt gebruikt. Zo wordt voor een dichotome uitkomst logistische
4
Biostatistics & Advanced Epidemiology
Samenvatting module 5:
Biostatistics & Advanced Epidemiology
1
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
Inhoudsopgave
1. College 1: Reiteration elementary analysis & multiple linear regression ........................................... 4
1.1 Leerdoelen ..................................................................................................................................... 4
1.2 Herhaling module 3 ....................................................................................................................... 4
1.3 Lineaire regressie analyse ............................................................................................................. 4
1.4 Multivariate lineaire regressie ...................................................................................................... 6
2. College 2: Analysing time-related data: Survival & Cox Regression Model ...................................... 10
2.1 Leerdoelen ................................................................................................................................... 10
2.2 Survival time analyse ................................................................................................................... 10
2.3 Uitkomsten survival time analyse ............................................................................................... 12
2.4 Cox proportional hazard regression analysis .............................................................................. 13
3. College 3: Multivariate logistic regression – building a prediction model. ....................................... 16
3.1 Leerdoelen ................................................................................................................................... 16
3.2 Multivariate logistische regressie analyse................................................................................... 16
3.3 Predictiemodellen ....................................................................................................................... 17
3.4 Ontwikkelen van een predictiemodel met logistische regressie ................................................ 18
4. College 4: Analysis of repeated measures ........................................................................................ 21
4.1 Leerdoelen ................................................................................................................................... 21
4.2 Herhaalde metingen .................................................................................................................... 21
4.3 Analyse van herhaalde metingen ................................................................................................ 23
4.4 Lineair mixed effects model ........................................................................................................ 24
5. College 5: Introduction to propensity scores .................................................................................... 30
5.1 Leerdoelen ................................................................................................................................... 30
5.2 Correctie van data ....................................................................................................................... 30
4.3 Propensity scores ........................................................................................................................ 31
4.4. Gebruik van propensity scores ................................................................................................... 33
6. College 6: Modelling a causal association ......................................................................................... 35
6.1 Leerdoelen ................................................................................................................................... 35
6.2 Doel van regressie analyses......................................................................................................... 35
6.2.1 Doel van causaal onderzoek ................................................................................................. 35
6.2.2 Exploratief onderzoek .......................................................................................................... 35
6.2.3 Predictieonderzoek .............................................................................................................. 36
6.2.4 Verklarend onderzoek .......................................................................................................... 37
2
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
6.3 Causale verbanden ...................................................................................................................... 37
6.3.1 DAG....................................................................................................................................... 37
6.3.2 Confounding ......................................................................................................................... 38
6.3.3 Mediatie ............................................................................................................................... 39
6.3.4 Selectie bias .......................................................................................................................... 39
6.4 Causale beschrijving .................................................................................................................... 40
7. College 7: Advanced techniques for intervention research .............................................................. 42
7.1 Leerdoelen ................................................................................................................................... 42
7.2 Sample size berekening ............................................................................................................... 42
7.3 Advanced designs ........................................................................................................................ 45
8. College 8: Advanced techniques for research of diagnostic tests ..................................................... 48
8.1 Leerdoelen ................................................................................................................................... 48
8.2 Doelen van diagnostisch onderzoek............................................................................................ 48
8.3 Paradigma’s voor diagnostiek ..................................................................................................... 49
3
, Samenvatting module 5:
Biostatistics & Advanced Epidemiology
1. College 1: Reiteration elementary analysis & multiple linear
regression
1.1 Leerdoelen
• De student begrijpt de multivariate lineaire regressie analyse.
• De student kan een multivariate lineaire regressie analyse uitvoeren.
• De student kan data modelleren om onafhankelijke determinanten te beschrijven en
corrigeren voor confounding en effectmodificatie.
1.2 Herhaling module 3
Met onbetrouwbare data zijn de uitkomsten van statistische analyses ook onbetrouwbaar (troep in =
troep uit). Het controleren van de database is een belangrijke stap voordat men kan beginnen met
analyseren. Data is categorisch (nominaal, dichotoom) of numeriek. Op de data kan beschrijvende
statistiek (samenvattend, tabel 1) of inferentiële statistiek (hypothese testen, generalisatie van sample
naar populatie) worden gebruikt, afhankelijk van de vraagstelling die men probeert te beantwoorden.
Met inferentiële statistiek wordt de nulhypothese getest en een p-waarde bepaald op basis van de
standard error (SE). Inferentiële statistiek bestaat uit testen, schatten, verklaren en voorspellen.
Voor dichotome data wordt een proportie en een standaarddeviatie (SD) bepaald om het sample te
beschrijven. Verschillen tussen samples (bijvoorbeeld tussen een therapiegroep en een
controlegroep) worden absoluut (verschil in proporties met 95% betrouwbaarheidsinterval (CI)) of
relatief (relatief risico of odds ratio met 95% CI) bepaald. Numerieke data wordt beschreven door een
gemiddelde en een SD (mits normaal verdeeld, anders de mediaan en min-max als spreidingsmaat).
Verschillen tussen samples worden weer gegeven door het verschil in gemiddelden met 95% CI. De
puntschatter (proportie, gemiddelde) wordt gezien als signaal en de spreiding is de ruis (SD, 95% CI).
De ratio tussen signaal en ruis wordt getest en hier komt de p-waarde uit voort. Hiervoor wordt
bijvoorbeeld de t-test, ANOVA of de χ² gebruikt. Hiervoor moet worden bepaald of het gaat om
gepaarde of ongepaarde data (gepaarde data heeft een lagere SE) en of het gaat om twee of
meerdere groepen.
Verder kan de samenhang tussen waardes worden gemeten, dit wordt correlatie genoemd. Wanneer
er tussen twee variabelen meerdere associaties mogelijk zijn door verschillen in de sample kan
regressie analyse worden toegepast. Regressie analyse wordt gebruikt om een uitkomst te
voorspellen, om een uitkomst te verklaren of om een betrouwbare schatting te geven van het effect.
1.3 Lineaire regressie analyse
Het general linear model (GLM) is een groep van verschillende regressie analyses. De afhankelijke
variabele bepaald welke variant wordt gebruikt. Zo wordt voor een dichotome uitkomst logistische
4
