STATISTIEK: SAMENVATTING
I. INLEIDING: Wat is medische statistiek?
II. STUDIEDESIGN: Wat maakt een empirische studie kwalitatief?
a. Een kwalitatieve steekproef vertrekt van een representatieve steekproef
- Doel? Conclusie vd studie is overdraagbaar op een ruimere doelpopulatie
- Zorgvuldig ontworpen studie van beperkte omvang vaak kwalitatievere resultaten dan
grootschalige studie (minder duidelijk op deelnemers gerekruteerd werden)
- Representativiteit verliezen: deelnemers verlaten vroegtijdig de studie, weigeren info te
geven…
b. Experimentele vs observationele studies
- Pre-test/post-test studies: groot nadeel = afwezigheid controlegroep!
o Andere factoren kunnen gewijzigd zijn => uitkomst beïnvloeden
Bv. In klinische studies deelnemers rekruteren uit ziekenhuis (= kritisch)
Zonder interventie wrs toch verbeterd
= Regression-to-the-mean
- Analyse corrigeren/adjusting: confounder wegwerken => appels met appels vergelijken
o Confounding: vaak bij observationele studies (bv. Studie van roken ~ longkanker)
Gecontroleerd; maar niet experimenteel (ze kiezen zelf wat welke behandeling
ze nemen)
>>> realistische context weergeven dan experimentele studies
c. Gecontroleerde experimenten
- Parallele, gecontroleerde groep
o Als groep vd cases en controles een verschillende grootte hebben, is dit niet
problematisch => % vergelijken tss elkaar.
o Ook risico op confounding!!
- Randomisatieprocedures: toewijzing mensen aan verschillende behandelingsarmen
volledig lukraak => = gerandomiseerd gecontroleerd of randomized controlled
o De verschillende interventiegroepen in alle gekende en ongekende factoren
vergelijkbaar => verschillen in uitkomst tss groepen kunnen toegeschreven worden
aan de interventie (‘in principe’)
Bij kleine/beperkte experimenten: toevallige verschillen tussen beide groepen
(geen sprake van confounding bij puur toevallige verschillen; nauwkeurigheid ↓)
o Bij randomisatie eerst toestemming vragen => differentiële uitval vermijden; wel?
Niet langer vergelijkbare groepen garanderen!
d. Gerandomiseerde gecontroleerde klinische studies
- Randomisatie slechts uitgevoerd op patiënten die voldoen aan de toelatingscriteria vd
studie en voor wie elk vd aangeboden interventies (test & controle) geschikt zijn.
o Eligible/verkiesbaar ineligible/onverkiesbaar + 50% kans op vaccin of placebo
o Pas randomisatie na toestemming tot deelname => uitval vermijden!!
Bv. Chirurg wil operatie enkel uitvoeren op meer gezonde patiënten => anderen
aan de controlegroep toewijzen => cases & controles niet vergelijkbaar
Sterker behandelingseffect blootleggen dan er in werkelijkheid is.
1
, - Randomisatie zonder systemische allocatie via degelijke randomisatietechnieken:
o Eenvoudige randomisatie (verzekert niet dat beide groepen even groot zullen zijn…)
Studie meermaals uitvoeren onder = omstandigheden; resultaten > variabeler
van studie tot studie
o Gebalanceerde randomisatie
Bij echte randomisatie niet allemaal dezelfde blokgrootte nodig! Dokter kan de
laatste behandeling voorspellen adhv blokgrootte dan.
o Gestratificeerde randomisatie: voorkomen dat prognostische factoren door toeval
niet gelijk verdeeld zullen worden over de interventies => storende invloed op
associaties vermijden (zoals bij confounders)
e. Belangrijke case studies
- Adherers en non-adherers vergelijken in de groep (= niet vergelijkbaar!)
o Adherers zorgen vaak beter voor zichzelf = healthy user effect)
o sick stopper effect: de meest zieke mensen zijn snelst geneigd te stoppen met de
behandeling
- Intent-to-treat: concentreert op vergelijkbare groepen
o Is er een behandelingseffect?
o NIET: Wat zou het behandelingseffect zijn bij perfecte therapietrouw?
- 2 groepen met verschillende blootstelling, maar = leeftijd vergelijken => voorkomen dat
leeftijd een storende invloed heeft op de associatie tussen vit E en coronaire hartziektes
=> adjusted / controlled
o Multivariate: mannen van +- = leeftijd en met = risicofactoren voor coronaire
hartziektes vergeleken
o Bij observationele studie: nooit uitsluiten dat belangrijke confounders niet in de
analyse van de gegevens opgenomen worden!!
- Confounding vermijden door analyse afzonderlijk uit te voeren of via meer geavanceerde
technieken (bv. Regressie)
- Resultaten observationele studies doorgaans minder betrouwbaar dan de resultaten van
gerandomiseerd gecontroleerde experimenten.
- Situaties waar pogingen om 2 blootstellingsgroepen vergelijkbaar te maken, kan in het
tegendeel resulteren! Niet corrigeren kan dan meer gepast zijn.
o bv. Geboortegewicht paradox -> birth weight geen confounder van de associatie;
eerder een gevolg dan een oorzaak van het rookgedrag van de moeder)
f. Bijzondere observationele studiedesigns
- Case-controle studies, 2 variaties: = retrospectief => steunen op geheugen of historische
data om info te verzamelen over blootstelling & andere factoren! Kan vertekenen =>
recall bias
o Niet-gematchte case-controle studies (deze bestuderen)
Controlegroep: goedgekozen steekproef uit de populatie individuen zonder de
aandoening
Individuen kiezen die obv persoonlijke karakteristieken, maar afgezien van
hun uitkomst, een case zouden kunnen geweest zijn
Individuen kiezen onafh. van de bloostelling te kiezen
2
, o Gematchte case-controle studies
Voor elke case 1 of meerdere controlesubjecten zoeken die vergelijkbaar zijn met
de case in termen van belangrijke prognostische variabelen voor de bestudeerde
aandoening (zoals leeftijd & geslacht)
Elke case vergelijkbaar met zijn/haar controle => ↑ controle voor
confounders bij het onderzoeken van effect vd risicofactor op uitkomst
Kan leiden tot groot verlies aan observaties
- Recall bias: gevaarlijk wanneer verschillende mate van voorkomen bij cases en controles
3
, III. DATA-VISUALISATIE: Hoe gegevens visualiseren?
a. Types variabelen
- Uitkomst of eindpunt: primaire variabele waarop men het effect van behandeling wil
evalueren
- Kwalitatieve/ categorische variabelen: beperkt # uitkomstcategoriën (n numeriek)
o Nominale variabelen: kan men benoemen; niet gemeten maar geteld; geen ordening
(bv. Geslacht, ras, kleur ogen…)
o Ordinale variabelen: kennen wel ordening (bv. Rokersstatus, differentiatiegraad
tumor, …)
- Numerieke variabelen:
o Numerieke discrete variabelen: bestaan uit tellingen (bv. # kinderen in gezin, #
klanten per dag…)
o Numerieke continue variabelen: kunnen (in theorie) tussen bepaalde grenzen elke
mogelijke waarde aannemen (bv. Leeftijd, diastolische BD…) Worden vaak afgerond ->
discreet worden
Vaak dichotomiseren om ze nominaal te maken, maar infoverlies. Sterk afh van
gekozen drempelwaarde!
Cherry picking: drempelwaarde kiezen zodat de resultaten gunstig lijken
Reeds vooraf drempelwaarde bepalen!!!
b. Univariate beschrijving van variabelen
- = elke variabele wordt apart onderzocht; eerst kijken naar hoe ze verdeeld zijn
(uitschieters of outliers?)
- Bij numerieke continue variabelen: histogram beter ipv staafdiagram OF via een
spreidingsdiagram (visualiseert outliers)
o Ongewenst: conclusies met of zonder outlier ligt anders
Gebruik van robuuste statistische technieken
c. Bivariate beschrijving van continue variabelen
- Op zoek naar associaties of verbanden tss twee reeksen metingen
- Tss 1 kwalitatieve en 1 continue variabele:
o Via dotplot:
Behoudt individuele waarden vd observaties; gemakkelijke vergelijking toe tss
verschillende groepen + outliers zichtbaar
Nadeel: wnr steekproef groot is => veel observaties vallen samen op figuur
o Via box-en-whisker plot (boxplot):
Groot # observaties + is compacter dan histogram
o Via profielplot:
Wnr dezelfde patiënten op verschillende tijdstippen worden geobserveerd,
metingen uitzetten op Y-as en tijdstippen op X-as. => metingen voor eenzelfde
patiënt verbinden met een lijn
- Tss 2 continue variabelen:
o Via puntenwolk:
Zet geobserveerde waarden van de ene variabele uit tegen de andere
4
I. INLEIDING: Wat is medische statistiek?
II. STUDIEDESIGN: Wat maakt een empirische studie kwalitatief?
a. Een kwalitatieve steekproef vertrekt van een representatieve steekproef
- Doel? Conclusie vd studie is overdraagbaar op een ruimere doelpopulatie
- Zorgvuldig ontworpen studie van beperkte omvang vaak kwalitatievere resultaten dan
grootschalige studie (minder duidelijk op deelnemers gerekruteerd werden)
- Representativiteit verliezen: deelnemers verlaten vroegtijdig de studie, weigeren info te
geven…
b. Experimentele vs observationele studies
- Pre-test/post-test studies: groot nadeel = afwezigheid controlegroep!
o Andere factoren kunnen gewijzigd zijn => uitkomst beïnvloeden
Bv. In klinische studies deelnemers rekruteren uit ziekenhuis (= kritisch)
Zonder interventie wrs toch verbeterd
= Regression-to-the-mean
- Analyse corrigeren/adjusting: confounder wegwerken => appels met appels vergelijken
o Confounding: vaak bij observationele studies (bv. Studie van roken ~ longkanker)
Gecontroleerd; maar niet experimenteel (ze kiezen zelf wat welke behandeling
ze nemen)
>>> realistische context weergeven dan experimentele studies
c. Gecontroleerde experimenten
- Parallele, gecontroleerde groep
o Als groep vd cases en controles een verschillende grootte hebben, is dit niet
problematisch => % vergelijken tss elkaar.
o Ook risico op confounding!!
- Randomisatieprocedures: toewijzing mensen aan verschillende behandelingsarmen
volledig lukraak => = gerandomiseerd gecontroleerd of randomized controlled
o De verschillende interventiegroepen in alle gekende en ongekende factoren
vergelijkbaar => verschillen in uitkomst tss groepen kunnen toegeschreven worden
aan de interventie (‘in principe’)
Bij kleine/beperkte experimenten: toevallige verschillen tussen beide groepen
(geen sprake van confounding bij puur toevallige verschillen; nauwkeurigheid ↓)
o Bij randomisatie eerst toestemming vragen => differentiële uitval vermijden; wel?
Niet langer vergelijkbare groepen garanderen!
d. Gerandomiseerde gecontroleerde klinische studies
- Randomisatie slechts uitgevoerd op patiënten die voldoen aan de toelatingscriteria vd
studie en voor wie elk vd aangeboden interventies (test & controle) geschikt zijn.
o Eligible/verkiesbaar ineligible/onverkiesbaar + 50% kans op vaccin of placebo
o Pas randomisatie na toestemming tot deelname => uitval vermijden!!
Bv. Chirurg wil operatie enkel uitvoeren op meer gezonde patiënten => anderen
aan de controlegroep toewijzen => cases & controles niet vergelijkbaar
Sterker behandelingseffect blootleggen dan er in werkelijkheid is.
1
, - Randomisatie zonder systemische allocatie via degelijke randomisatietechnieken:
o Eenvoudige randomisatie (verzekert niet dat beide groepen even groot zullen zijn…)
Studie meermaals uitvoeren onder = omstandigheden; resultaten > variabeler
van studie tot studie
o Gebalanceerde randomisatie
Bij echte randomisatie niet allemaal dezelfde blokgrootte nodig! Dokter kan de
laatste behandeling voorspellen adhv blokgrootte dan.
o Gestratificeerde randomisatie: voorkomen dat prognostische factoren door toeval
niet gelijk verdeeld zullen worden over de interventies => storende invloed op
associaties vermijden (zoals bij confounders)
e. Belangrijke case studies
- Adherers en non-adherers vergelijken in de groep (= niet vergelijkbaar!)
o Adherers zorgen vaak beter voor zichzelf = healthy user effect)
o sick stopper effect: de meest zieke mensen zijn snelst geneigd te stoppen met de
behandeling
- Intent-to-treat: concentreert op vergelijkbare groepen
o Is er een behandelingseffect?
o NIET: Wat zou het behandelingseffect zijn bij perfecte therapietrouw?
- 2 groepen met verschillende blootstelling, maar = leeftijd vergelijken => voorkomen dat
leeftijd een storende invloed heeft op de associatie tussen vit E en coronaire hartziektes
=> adjusted / controlled
o Multivariate: mannen van +- = leeftijd en met = risicofactoren voor coronaire
hartziektes vergeleken
o Bij observationele studie: nooit uitsluiten dat belangrijke confounders niet in de
analyse van de gegevens opgenomen worden!!
- Confounding vermijden door analyse afzonderlijk uit te voeren of via meer geavanceerde
technieken (bv. Regressie)
- Resultaten observationele studies doorgaans minder betrouwbaar dan de resultaten van
gerandomiseerd gecontroleerde experimenten.
- Situaties waar pogingen om 2 blootstellingsgroepen vergelijkbaar te maken, kan in het
tegendeel resulteren! Niet corrigeren kan dan meer gepast zijn.
o bv. Geboortegewicht paradox -> birth weight geen confounder van de associatie;
eerder een gevolg dan een oorzaak van het rookgedrag van de moeder)
f. Bijzondere observationele studiedesigns
- Case-controle studies, 2 variaties: = retrospectief => steunen op geheugen of historische
data om info te verzamelen over blootstelling & andere factoren! Kan vertekenen =>
recall bias
o Niet-gematchte case-controle studies (deze bestuderen)
Controlegroep: goedgekozen steekproef uit de populatie individuen zonder de
aandoening
Individuen kiezen die obv persoonlijke karakteristieken, maar afgezien van
hun uitkomst, een case zouden kunnen geweest zijn
Individuen kiezen onafh. van de bloostelling te kiezen
2
, o Gematchte case-controle studies
Voor elke case 1 of meerdere controlesubjecten zoeken die vergelijkbaar zijn met
de case in termen van belangrijke prognostische variabelen voor de bestudeerde
aandoening (zoals leeftijd & geslacht)
Elke case vergelijkbaar met zijn/haar controle => ↑ controle voor
confounders bij het onderzoeken van effect vd risicofactor op uitkomst
Kan leiden tot groot verlies aan observaties
- Recall bias: gevaarlijk wanneer verschillende mate van voorkomen bij cases en controles
3
, III. DATA-VISUALISATIE: Hoe gegevens visualiseren?
a. Types variabelen
- Uitkomst of eindpunt: primaire variabele waarop men het effect van behandeling wil
evalueren
- Kwalitatieve/ categorische variabelen: beperkt # uitkomstcategoriën (n numeriek)
o Nominale variabelen: kan men benoemen; niet gemeten maar geteld; geen ordening
(bv. Geslacht, ras, kleur ogen…)
o Ordinale variabelen: kennen wel ordening (bv. Rokersstatus, differentiatiegraad
tumor, …)
- Numerieke variabelen:
o Numerieke discrete variabelen: bestaan uit tellingen (bv. # kinderen in gezin, #
klanten per dag…)
o Numerieke continue variabelen: kunnen (in theorie) tussen bepaalde grenzen elke
mogelijke waarde aannemen (bv. Leeftijd, diastolische BD…) Worden vaak afgerond ->
discreet worden
Vaak dichotomiseren om ze nominaal te maken, maar infoverlies. Sterk afh van
gekozen drempelwaarde!
Cherry picking: drempelwaarde kiezen zodat de resultaten gunstig lijken
Reeds vooraf drempelwaarde bepalen!!!
b. Univariate beschrijving van variabelen
- = elke variabele wordt apart onderzocht; eerst kijken naar hoe ze verdeeld zijn
(uitschieters of outliers?)
- Bij numerieke continue variabelen: histogram beter ipv staafdiagram OF via een
spreidingsdiagram (visualiseert outliers)
o Ongewenst: conclusies met of zonder outlier ligt anders
Gebruik van robuuste statistische technieken
c. Bivariate beschrijving van continue variabelen
- Op zoek naar associaties of verbanden tss twee reeksen metingen
- Tss 1 kwalitatieve en 1 continue variabele:
o Via dotplot:
Behoudt individuele waarden vd observaties; gemakkelijke vergelijking toe tss
verschillende groepen + outliers zichtbaar
Nadeel: wnr steekproef groot is => veel observaties vallen samen op figuur
o Via box-en-whisker plot (boxplot):
Groot # observaties + is compacter dan histogram
o Via profielplot:
Wnr dezelfde patiënten op verschillende tijdstippen worden geobserveerd,
metingen uitzetten op Y-as en tijdstippen op X-as. => metingen voor eenzelfde
patiënt verbinden met een lijn
- Tss 2 continue variabelen:
o Via puntenwolk:
Zet geobserveerde waarden van de ene variabele uit tegen de andere
4
