Perifert insatt central venkateter
|
|
- Astrid Sundberg
- för 7 år sedan
- Visningar:
Transkript
1 Perifert insatt central venkateter En jämförelse mellan två inläggningsmetoder Marcus Larsson Maria Schalén Kandidatuppsats i statistik 15 hp, HT 2011 Handledare: Jan Lanke 1
2 Förord Vi vill tacka Katarina Sjövall på Skånes onkologiska klinik i Lund för uppdrag och datamaterial. 2
3 Sammanfattning Perifert insatt central venkateter, piccline, blir allt vanligare inom svensk sjukvård. Vid Skånes onkologiska klinik i Lund har man sedan 2002 använt piccline och 2008 introducerade kliniken en ny inläggningsteknik. Tidigare hade man lagt in katetern via ett synligt kärl i armvecket. Den nya inläggningstekniken innebär att man lägger in katetern i ett kärl i överarmen med hjälp av ultraljud. På uppdrag av Skånes onkologiska klinik har vi utvärderat förekomsten av komplikationer före och efter introducerandet av ultraljudtekniken. Data insamlades retrospektivt genom journalgranskning av sjuksköterskor på onkologiska kliniken. Totalt 502 patienter ingår i studien, varav 250 har fått piccline inlagd i armvecket och 252 har fått piccline inlagd i överarmen med ultraljudteknik. Fishers exakta test visar att den ultraljudguidade inläggningstekniken leder till en minskad infektionsfrekvens. Med logistisk regression kunde vi visa att den enda förklarande variabeln är insticksställe. Vi kunde även se att med den ultraljudguidade inläggningstekniken blev det lägre antal misslyckade inläggningar. Vi kunde inte påvisa någon signifikant skillnad av frekvensen tromboser vid de olika metoderna. Studien visar att piccline med ultraljudguidad teknik är att föredra. För den enskilde patienten innebär det minskat obehag och smärta på grund av färre komplikationer. Det leder i sin tur till bättre livskvalitet och patienttillfredsställelse. Nyckelord: Fishers exakta test, logistisk regression, oddskvot, piccline, komplikation, infektion, trombos, misslyckad inläggning 3
4 Abstract Peripherally inserted central venous catheter, piccline, is becoming more common in Swedish hospitals. Picclines have been used at Skånes oncological clinic since 2002 and a new insertion technique was introduced in Previously the catheter was inserted in a visible vein in the arm. With the new insertion technique it can be placed in a vein in the upper arm using ultrasound. On behalf of Skånes oncological clinic, the incidence of complications before and after the introduction of this ultrasound technique was evaluated. Data were collected retrospectively by the nurses at the oncological clinic. A total of 502 patients were included in the study. Out of those, 250 picclines were inserted in patients antecubital and 252 were inserted in the upper arm using the ultrasound technique. Fisher's exact test shows that the ultrasound guided insertion technique leads to a reduction in the rate of infections. Logistic regression method showed that the only explanatory variable is "puncture site". We also observed that the number of failed insertions was less with the ultrasound technique. No significant difference was observed in the frequency of thromboses using the different methods. The conclusion of the study is that piccline insertion with ultrasound guided technique is preferable. For the individual patient it means less discomfort and pain due to fewer complications. This leads to better quality of life and patient satisfaction. Key words: Fisher s exact test, logistic regression, odds ratio, piccline, complication, infection, thrombosis, failed insertion 4
5 Innehållsförteckning 1. Inledning Bakgrund Problemformulering & syfte Data Beskrivning av data Beskrivning av utfallsvariablerna Beskrivning av de förklarande variablerna Databehandling Teori Fishers exakta test Logistisk regression Koefficienterna Val av variabler Oddskvoten Tolkning av oddskvoten Analys Komplikation efter lyckad inläggning Infektion Trombos Infektion och/eller trombos Misslyckad inläggning Diskussion Referenser Appendix Infektion som beroende variabel Trombos som beroende variabel Infektion och/eller trombos som beroende variabel Misslyckad inläggning
6 1. Inledning 1.1 Bakgrund Vid Skånes onkologiska klinik i Lund har man sedan hösten 2002 använt perifert insatt central venkateter, i fortsättningen kallad piccline (Jönsson & Sjövall, 2011). En piccline är en kateter som läggs in i en ven i armen och som sedan följer kärlet till en central ven ovanför hjärtat. Inläggningen kan utföras av läkare eller specialistutbildad sjuksköterska (SBU, 2011). Piccline blir allt vanligare inom svensk sjukvård. Indikationer för piccline är cytostatikabehandling, antibiotikabehandling, näringsterapi, provtagning med mera (SBU, 2011). Enligt Tian et al. (2009) förekommer komplikationer i samband med användning av piccline oftare hos cancerpatienter än hos andra patienter. Förklaringen anses vara nedsättning av immunförsvaret samt en ökad trombosrisk hos cancerpatienter (Tian et al., 2009). Komplikationer kan öka lidandet för patienten, öka vårdkostnaden och även få letal utgång (SBU, 2011). Hösten 2008 introducerade Skånes onkologiska klinik i Lund en ny inläggningsteknik av piccline. Tidigare har katetern blivit inlagd via armvecket i ett synligt kärl. Med den nya metoden används ultraljud, varvid katetern kan stickas in i en ven i överarmen. Det anses att den nya metoden har lett till mindre obehag för patienterna samt färre komplikationer (Jönsson & Sjövall, 2011). I en studie gjord i Australien 2005 undersöktes antalet komplikationer hos onkologiska patienter före och efter förändrade rutiner för kateterinläggning. Härvid utbildade man både patienter och sjuksköterskor i hanterandet av piccline, införde en radiologisk undersökningsmetod samt utsåg en sjuksköterska som ansvarade för picclines. Studien visade att frekvensen komplikationer minskade från 40.7% till 15.9% efter interventionen. Infektionsfrekvensen minskade från 25.9% till 5.7%. Man fann ingen signifikant skillnad beträffande de övriga undersökta komplikationerna (Yap et al., 2006). I Taiwan 2011 utfördes en studie där man undersökte faktorer som kunde påverka hur många dagar katetern var inlagd. En av slutsatserna i studien var att då man utbildade sjuksköterskorna i hanterandet av picclinen fick patienterna färre komplikationer och katetern kunde vara inlagd längre tid (Leung et al., 2011). 1.2 Problemformulering & syfte Det föreligger en diskrepans mellan resultaten i en del befintliga studier och den kliniska erfarenheten av picclines. Dessutom förekommer en 6
7 kunskapskapsbrist om picclines på grund av för få publicerade studier av god kvalité (SBU, 2011). Studien syftar till att utvärdera förekomsten av komplikationer före och efter introduktionen av ultraljudtekniken (Jönsson & Sjövall, 2011). I studien undersöks om det finns andra variabler än insticksstället som kan förklara skillnaden i komplikationsfrekvens. Studien avser även att undersöka om antalet misslyckade inläggningar skiljer sig mellan de båda inläggningsteknikerna. 2. Data 2.1 Beskrivning av data Data har insamlats vid en retrospektiv journalgranskning utförd av sjuksköterskor på Skånes onkologiska klinik i Lund. I undersökningen ingår totalt 502 patienter, varav 250 har fått piccline inlagd i armvecket och 252 har fått piccline inlagd i överarmen. 2.2 Beskrivning av utfallsvariablerna Infektion (Y 1 ): Ett smittämne har överförts till kroppen. Infektion är en binär variabel med utfallen 0=Ej infektion, 1=Infektion. Trombos (Y 2 ): Bildning av en blodpropp i ett kärl. Trombos är en binär variabel där 0=Ej trombos, 1=Trombos. Infektion och/eller trombos (Y 3 ): Det är en binär variabel med två möjliga utfall där 0=varken infektion eller trombos, 1=har infektion och/eller trombos. Misslyckad inläggning(y 4 ): Misslyckad inläggning innebär att katetern har hamnat fel och därmed dragits ut. Det är en binär variabel där 0=Lyckad inläggning, 1=Misslyckad inläggning. Av de 250 patienterna som fått piccline via armveck drabbades 27 av infektion och 11 av trombos. Av de 252 patienterna som fått piccline inlagd i överarm med ultraljudsguidning drabbades 8 av infektion och 8 av trombos. 7
8 Tabell 2.1: Antal patienter som drabbats av infektion och trombos. Infektion och/eller trombos Infektion Trombos Armveck 34 (13.6%) 27 (10.8%) 11 (4.4%) Överarm 16 (6.3%) 8 (3.2%) 8 (3.2%) 2.3 Beskrivning av de förklarande variablerna Insticksställe (X): Läge för kateterinläggning. Det är en binär variabel där 0=Armveck, 1=Överarm. Kön (Z 1 ): Kön är en binär variabel där 0=Kvinna, 1=Man. Palliativ/kurativ (Z 2 ): Med palliativ behandling avses en behandling som ger tillfällig lindring utan att häva sjukdomsorsaken. Kurativ behandling avser en botande behandling. Det är en binär variabel där 0=Kurativ, 1=Palliativ. Indikation (Z 3 ): Omständighet (exempelvis symtom eller sjukdom) som motiverar en specifik behandling. Det är en nominal variabel där 1=Cytostatikabehandling (Z 31 ), 2=Antibiotikabehandling (Z 32 ), 3=Vätsketerapi, provtagning (Z 33 ), 4=Övrigt (Z 34 ). Antal kateterdagar (Z 4 ): Antal dagar katetern varit inlagd. Det är en kvantitativ variabel. Diagnos (Z 5 ): Preciserat angivande av en sjukdomsgrupp. Diagnos är en nominal variabel där patienterna delas in i fem olika grupper, beroende på diagnos. 1=Bröstcancer (Z 51 ), 2=Gastrointestinal cancer (Z 52 ), 3=Gynekologisk cancer (Z 53 ), 4=Cancer i lymfa och blod (Z 54 ), 5=Urologisk cancer, endokrinologisk cancer, övriga cancerdiagnoser samt övriga diagnoser (icke cancer) (Z 55 ). Tabell 2.2 Fördelning mellan olika diagnosgrupper av patienter som erhållit piccline i armveck respektive ultraljudguidad inläggning av piccline i överarm. Grupp 1 Bröstcancer (Z 51 ) Grupp 2 Gastrointestinal cancer (Z 52 ) Grupp 3 Gynekologisk cancer (Z 53 ) Grupp 4: Lymf- och blodcancer (Z 54 ) Grupp 5: Urologisk och endokrinologisk cancer, övriga cancer samt övriga diagnoser (Z 55 ) Armveck Överarm Totalt: 8
9 2.4 Databehandling Rådatafilen som Skånes onkologiska klinik tillhandahöll var i form av en Excelfil. Som statistisk programvara har vi valt att använda oss av SAS version 9.3. I SAS används olika procedurer, så kallade PROC:ar. De PROC:ar som användes för att beräkna Fishers exakta test och den logistiska regressionen var PROC FREQ respektive PROC LOGISTIC. 3. Teori 3.1 Fishers exakta test Fishers exakta test används för att testa homogenitet mellan två grupper och bygger på sannolikheter baserat på marginalfrekvenserna. För att beräkna p- värdet för ett tvåsidigt test adderas den för experimentet specifika sannolikheten med samtliga sannolikheter som är mindre. Uträkningarna av korstabellerna i PROC FREQ bygger på en nätverksalgoritm av Mehta och Patel (1983). Algoritmen anses fördelaktig eftersom den är mindre tidskrävande att använda jämfört med en uppräkningsmetod som annars används (SAS, 2012). Fishers exakta test valdes framför ett Chi-2 test eller G-test. Fishers exakta test valdes på grund av att det är ett exakt test medan både Chi-2 testet och G-testet kan uppvisa oriktighet vid små urval. (McDonald, 2009). 3.2 Logistisk regression. Logistisk regressionsanalys används för att skatta en modell av förklarande variabler som beskriver en utfallsvariabel. Skillnaden mellan logistisk regressionsanalys och den mer kända linjära regressionen är att i logistisk regression är utfallsvariabeln binär, medan utfallsvariabeln i en linjär regression ofta är kontinuerlig. De förklarande variablerna i en logistisk regression är många gånger binära eller nominala. Typiska förklarande variabler är man/kvinna eller arbetssökande/student/arbetare. Logistisk regression bygger på omkodning av variabler från kvinna/man till 0/1 eller i det nominala fallet från grön/blå/vit till 1/2/3 där tilldelningen inte på något sätt är förenad med en skala utan en ren omskrivning. I det nominala fallet kan även dessa variabler göras om till binära variabler med utfallet 0 eller 1, vilket har gjorts i denna undersökning. Dock är det inte nödvändigt att koda om variablerna, det funkar utmärkt att analysera kontinuerliga variabler. En av fördelarna med att använda logistisk regressionsanalys är att resultatet presenteras som en oddskvot (Hosmer & Lemeshow, 1989; McDonald, 2009). 9
10 Matematiskt definieras enkel logistisk regression: Formel 3.1 Logit transformation: [ ] Formel 3.2 Multivariat logistisk regression: Formel 3.3 Logit transformation: [ ] Formel Koefficienterna För att skatta koefficienterna i den logistiska regressionen används maximum-likelihood-metoden. Fördelen med maximum-likelihoodmetoden är att den inte behöver utnyttja antagande om lika fördelning av mätdata. De skattade koefficienterna som ges via maximum-likelihoodmetoden är de som ger modellen högst förklaringsgrad gentemot datamaterialet. I maximum-likelihood-metoden logaritmeras likelihoodfunktion för att förenkla beräkningarna (Blom et al., 2005). i [ ] Formel 3.5 Formel 3.6 [ ] [ ] [ ] Formel 3.7 Genom att derivera funktionen ovan med avseende på β 0 och β 1 genereras två nya funktioner (se Formel 3.8 och Formel 3.9) vilka kombineras och med hjälp av ett statistiskt datorprogram ger de skattade värdena och. 10
11 [ ] Formel 3.8 [ ] Formel 3.9 I det multivariata fallet kombineras formlerna 3.10 och 3.11 för att ge de skattade koefficienterna och. [ ] Formel 3.10 [ ] Formel Val av variabler Vid val av oberoende variabler i en logistisk regressionsformel finns det olika tillvägagångssätt. I den här uppsatsen utgås det från Hosmer & Lemeshow (1989) och målet med modellen är att den ska beskriva datamaterialet med så få variabler som möjligt, men samtidigt vara förklarande. Det kan innebära att en variabel inte behöver ingå i den slutgiltiga modellen trots att den är signifikant. Risken att ta med en variabel trots att den är signifikant men inte tillför modellen något i förklaringsgrad är att modellen blir mer beroende av datamaterialet och får en sämre generaliserande förklaringsgrad. Enligt Hosmer & Lemeshow (1989) påbörjas variabelurvalet med att köra de förklarande variablerna var för sig gentemot utfallsvariabeln. Därefter byggs en modell av de variabler som har ett p-värde som är 0.25 eller mindre. Att ta med variabler i modellen som saknar en enskild signifikans på nivån motiveras med att betydelsefulla variabler annars riskerar att falla bort. Likväl finns det nackdelar med att ändra på signifikansnivån från den sedvanliga 0.05-nivån till 0.25-nivån, det kan komma med oönskade variabler i modellen. Det finns även undantagsfall. En regel säger att då en variabel har stor biologisk betydelse bör den inkluderas i modellen trots att den inte uppfyller antaganden gällande signifikansnivån. 3.3 Oddskvoten. I vårt fall anger oddskvoten risken för komplikation mellan de båda insticksställena för piccline. Oddskvoten visar alltså hur många gånger 11
12 större eller mindre oddset är för en komplikation beroende på vilket ställe på armen picclinen sticks in i. Oddskvoten definieras som: Formel 3.12 Oddskvoten är talet e upphöjt till koefficienten från maximum-likelihoodskattningen. De skattade koefficienterna som är negativa får en oddskvot mindre än 1 vilket beror på att e 0 är 1. Koefficientens konfidensintervall fås genom ta den skattade koefficienten plusminus det skattade medelfelet (SE) multiplicerat med z-värdet 1-α/2. Därpå tas e upphöjt till gränserna för koefficienternas konfidensintervall och konfidensintervallet för oddskvoten erhålls. [ ( )] Formel Tolkning av oddskvoten Om vi får en oddskvoten större än 1, innebär det att patienterna som fått piccline instucken i överarmen med hjälp av ultraljud löper en större risk att få en komplikation än de patienter som har fått piccline instucken i armvecket. Skulle oddskvoten däremot bli mindre än ett, innebär det att patienterna i den gruppen som fått piccline instucken i överarmen har en mindre risk att få komplikation (Körner & Wahlgren, 2006; McDonald, 2009). 4. Analys 4.1 Komplikation efter lyckad inläggning Infektion Fishers exakta test utfördes för att undersöka om det finns någon skillnad i frekvensen infektioner i patientgrupperna. Hypoteserna formulerades som: H 0 : Infektionsfrekvensen är lika stor i båda patientgrupperna H 1 : Infektionsfrekvensen skiljer sig åt i de båda patientgrupperna 12
13 Tabell 4.1: Antal patienter med och utan infektion vid respektive insticksställe. Bortfall: 50 patienter. Ej infektion Har infektion Total Armveck Överarm Total Testet ger ett p-värde på , vilket innebär att nollhypotesen förkastas. Den nya inläggningsmetoden med ultraljud leder till en minskning av infektionsfrekvensen hos patienterna. Logistiska regressioner utfördes för att undersöka om skillnaden i frekvensen infektioner kan förklaras av fler variabler än insticksstället. Först testades variablernas huvudeffekter för att kunna göra ett första urval av vilka förklarande variabler som eventuellt bör vara med i modellen. 13
14 Tabell 4.2: Effekterna för de olika variablerna vid enkel logistisk regression. Variabel Pr>ChiSq Insticksställe (X) Kön (Z 1 ) 0.79 Palliativ/kurativ behandling (Z 2 ) Indikation (Z 3 ) Cytostatikabehandling (Z 31 ) 0.50 Antibiotikabehandling (Z 32 ) 0.99 Vätsketerapi, provtagning (Z 33 ) 0.82 Övrigt (Z 34 ) 0.99 Antal kateterdagar (Z 4 ) 0.50 Diagnos (Z 5 ) Bröstcancer (Z 51 ) 0.24 Gastrointestinal cancer (Z 52 ) 0.66 Gynekologisk cancer (Z 53 ) 0.31 Lymf- och blodcancer (Z 54 ) 0.33 Urologisk och endokrinologisk cancer, övriga cancer samt övriga diagnoser (Z 55 ) 0.75 Variablerna insticksställe, palliativ/kurativ behandling och diagnosen bröstcancer tas med i den logistiska regressionsmodellen baserat på p- värden under Tabell 4.3: Resultatet av multipel logistisk regression med de förklarande variablerna insticksställe, palliativ/kurativ behandling och diagnosen bröstcancer. Parameter Frihetsgrader Estimate Pr>ChiSq Exp(Est) Intercept < Insticksställe (X) Palliativ/kurativ behandling (Z 2 ) Bröstcancer (Z 51 )
15 Tabell 4.4: Oddskvoter och konfidensintervall för variablerna insticksställe, palliativ/kurativ behandling och diagnosen bröstcancer. Parameter Oddskvot 95% Wald konfidensintervall Insticksställe (X) Palliativ/kurativ behandling (Z 2 ) Bröstcancer (Z 51 ) Variabeln insticksställe blir signifikant och får ett p-värde på (se Tabell 4.3). Palliativ/kurativ behandling och diagnosen bröstcancer blir inte signifikanta. Det är alltså endast insticksställe som förklarar skillnaden i infektionsfrekvensen mellan de två inläggningsteknikerna Trombos Ett Fishers exakta test utfördes för att undersöka om det finns någon skillnad i frekvensen av tromboser i patientgrupperna. Hypoteserna formulerades: H 0 : Trombosfrekvensen är lika stor i båda patientgrupperna H 1 : Trombosfrekvensen skiljer sig åt i de båda patientgrupperna Tabell 4.5: Antal patienter med och utan trombos vid respektive insticksställe. Bortfall: 50 patienter. Ej trombos Har trombos Total Armveck Överarm Total Nollhypotesen kan inte förkastas då p-värdet är Det kan inte påvisas någon signifikant skillnad i trombosfrekvensen mellan patientgrupperna Infektion och/eller trombos För att testa om det finns en skillnad i frekvensen av infektioner och/eller tromboser mellan de båda metoderna utfördes Fishers exakta test. 15
16 Hypoteserna löd: H 0 : Frekvensen av infektion och/eller trombos är lika stor i båda patientgrupperna H 1 : Frekvensen av infektion och/eller trombos skiljer sig åt i de båda patientgrupperna Tabell 4.6: Antal patienter med och utan infektion och/eller trombos vid respektive insticksställe. Bortfall: 50 patienter. Varken infektion eller trombos Har infektion och/eller trombos Total Armveck Överarm Total Vid Fishers exakta test blir p-värdet vilket betyder att nollhypotesen förkastas. Det finns alltså en signifikant skillnad mellan de olika insticksställena i frekvensen av infektion och/eller trombos. En logistisk regression utfördes för att undersöka om det finns andra variabler än insticksstället som kan förklara skillnaden i frekvensen infektion och/eller trombos. Först testades huvudeffekterna av samtliga tänkbara förklarande variabler. 16
17 Tabell 4.7: Effekterna för de olika variablerna vid enkel logistisk regression. Variabel Pr>ChiSq Insticksställe (X) Kön (Z 1 ) 0.29 Palliativ/kurativ behandling (Z 2 ) Indikation (Z 3 ) Cytostatikabehandling (Z 31 ) 0.29 Antibiotikabehandling (Z 32 ) 0.99 Vätsketerapi, provtagning (Z 33 ) 0.54 Övrigt (Z 34 ) 0.99 Antal kateterdagar (Z 4 ) 0.11 Diagnos (Z 5 ) Bröstcancer (Z 51 ) 0.34 Gastrointestinal cancer (Z 52 ) 0.92 Gynekologisk cancer (Z 53 ) 0.15 Lymf- och blodcancer (Z 54 ) 0.64 Urologisk och endokrinologisk cancer, övriga cancer samt övriga diagnoser (Z 55 ) 0.33 I tabell 4.7 syns att variablerna insticksställe, palliativ/kurativ, antal kateterdagar samt diagnosen gynekologisk cancer har p-värden som är under I den logistiska regressionsmodellen testades de förklarande variablerna insticksställe, palliativ/kurativ behandling, antal kateterdagar och diagnosen gynekologisk cancer. 17
18 Tabell 4.8: Resultatet av multipel logistisk regression med variablerna insticksställe, palliativ/kurativ behandling, antal kateterdagar och diagnosen gynekologisk cancer. Parameter Frihetsgrader Estimate Pr>ChiSq Exp(Est) Intercept Insticksställe (X) Palliativ/kurativ behandling (Z 2 ) Antal kateterdagar (Z 4 ) Gynekologisk cancer (Z 53 ) Tabell 4.9: Oddskvoter och konfidensintervall för variablerna insticksställe, palliativ/kurativ behandling, antal kateterdagar och diagnosen gynekologisk cancer. Parameter Oddskvot 95% Wald konfidensintervall Insticksställe (X) Palliativ/kurativ behandling (Z 2 ) Antal kateterdagar (Z 4 ) Gynekologisk cancer (Z 53 ) I den logistiska regressionen framkommer att det endast är insticksstället som förklarar skillnaderna mellan frekvensen av komplikationerna. Insticksställe har ett p-värde på (se Tabell 4.8). 4.2 Misslyckad inläggning Fishers exakta test utfördes för att undersöka om antal misslyckade inläggningar skiljer sig mellan de båda inläggningsteknikerna. Hypoteserna utformades: H 0 : Ingen skillnad mellan grupperna i frekvensen misslyckade inläggningar H 1 : Det finns en skillnad mellan grupperna i frekvensen misslyckade inläggningar 18
19 Tabell 4.10: Antal lyckade och antal misslyckade inläggningar i respektive insticksställe. Bortfall: 4 patienter. Lyckad inläggning Misslyckad inläggning Total Armveck Överarm Total Ett p-värde på < visar att det finns en skillnad i frekvensen av misslyckade inläggningar mellan de olika insticksställena. Då man använder tekniken med ultraljud och alltså sticker in picclinen i överarmen blir det färre misslyckade inläggningar. 5. Diskussion Syftet med studien var att utvärdera förekomsten av komplikationer i samband med användning av piccline vid Skånes onkologiska klinik i Lund. Jämfört med motsvarande centrala venösa infarter är piccline en relativt ny metod och det finns för få studier av god kvalité som har utvärderat piccline. Piccline blir dessutom allt vanligare inom svensk sjukvård och framför allt inom onkologisk vård, och det är av stor vikt att skaffa mer kunskap om metoden (SBU, 2011). Vi har undersökt om det finns några skillnader i frekvensen av komplikationer mellan de två inläggningsmetoderna. Vid den första metoden har picclinen stuckits in i armvecket och i den andra metoden har picclinen stuckits in i överarmen och då med hjälp av ultraljud. Studien talar för att piccline i överarmen med hjälp av ultraljudteknik är att föredra. Vid användning av metoden med ultraljud har vi funnit att infektionsfrekvensen är lägre jämfört med användning av den gamla metoden. Före införandet av den nya metoden fann man att 10.8% av patienterna drabbades av infektion och med den nya metoden var andelen endast 3.2%. Däremot kan det inte påvisas någon signifikant skillnad av frekvensen tromboser mellan metoderna. I första gruppen var andelen patienter med tromboser 4.4% och i andra gruppen var andelen 3.2%. Beträffande frekvensen infektioner och/eller tromboser påvisades en signifikant skillnad. I den första gruppen hade 13.6% av patienterna infektion och/eller trombos och i den andra gruppen var andelen 6.3%. Då frekvenserna av de båda komplikationerna redovisas kan man se ett relativt stort bortfall på 50 patienter. 45 av dessa beror på att katetern har 19
20 dragits ur direkt på grund av felläge. De övriga 5 tolkar vi som brist på dokumentation i patienternas journaler. Efter introduktionen av den nya inläggningstekniken har även antalet misslyckade inläggningar minskat. Vi bedömer att förklaringen är att med ultraljudtekniken har man en bättre visuell kontroll av kateterinläggningen jämfört med den gamla tekniken. I datamaterialet är det 4 bortfall vilket vi även här tolkar som bristfällig dokumentation. Kostnadseffektiviteten för piccline med den nya inläggningsmetoden har inte undersökts. Många faktorer påverkar kostnadseffektiviteten. Komplikationer innebär visserligen mer kostnader för vården då de leder till ökat vårdbehov men samtidigt kostar en inläggning med hjälp av ultraljud mer (SBU, 2011). I den här studien tas ingen hänsyn till den mänskliga faktorn. Enligt SBUrapporten (2011) minskar komplikationerna då erfaren personal sätter in katetern. På onkologiska kliniken i Lund utför specialutbildade sjuksköterskor och läkare inläggningen. I vår undersökning tas heller ingen hänsyn till handhavandet av katetern efter inläggningen. Vi har utgått från att alla patienter får likvärdig vård. En annan variabel som kan vara av betydelse vid en sådan här undersökning är till exempel patientens ålder. För den enskilde patienten betyder användning av ultraljud i samband med inläggning av piccline minskat obehag och smärta tack vare färre komplikationer. Det leder i sin tur till bättre livskvalitet och patienttillfredsställelse. Eftersom det visade sig att antalet misslyckade inläggningar minskade med ultraljudtekniken blir den metoden även mer tidseffektiv (SBU, 2011). Piccline är ett av ett flertal alternativ till centrala venösa infarter. Vid samtliga venösa infarter finns olika risker beroende på typ av kateter, insticksställe, metod etcetera. Ur ett etiskt perspektiv är det viktigt att utvärdera samtliga metoder så att patienter kan känna sig trygga och vara säkra på att få bästa möjliga vård. Ytterligare studier i detta avseende behövs för att utveckla och förbättra rutiner kring kateterinläggning. 20
21 6. Referenser Blom, G., Enger, J., Englund, G., Grandell, J. & Holst, L. (2005). Sannolikhetsteori och statistikteori med tillämpningar. Lund: Studentlitteratur. Hosmer, D. & Lemeshow, S. (1989). Applied Logistic Regression. United States of America: John Wiley & Sons. Jönsson, K. & Sjövall, K. (2011). Utvärdering av komplikationer i samband med piccline (Elektronisk). Tillgänglig: /Jönsson,Kerstin.pdf. ( ). Körner, S. & Wahlgren, L. (2006). Statistisk dataanalys. Lund: Studentlitteratur. Leung, T-K., Lee, C-M., Tai, C-J., Liang, Y-L. & Lin, C-C. (2011). A Retrospective Study in the Long-term Placement of Peripherally Inserted Central Catheters and the Importance of Nursing Care and Education. Cancer Nursing. 34 (1) McDonald, J. (2009). Handbook of Biological Statistics. (2:a uppl) (Elektronisk). Sparky House Publishing: Baltimore. Tillgänglig: ( ). SAS (2012). SAS/STAT(R) 9.3 User s Guide. (Elektronisk) Tillgänglig: ewer.htm#statug_freq_a htm ( ). SBU [Statens beredning för medicinsk utvärdering]. (2011). Perifert inlagd central venkateter (PICC). (SBU-rapport, ). Stockholm: Statens beredning för medicinsk utvärdering. Tian, G., Zhu, Y., Qi, L., Guo, F. & Xu, H. (2009). Efficacy of multifaceted interventions in reducing complications of peripherally inserted central catheter in adult oncology patients. Support Care Cancer, Yap, Y-S., Karapetis, C., Lerose, S., Iyer, S. & Koczwara B. (2006). Reducing the risk of peripherally inserted central catheter line complications in oncology setting. European Journal of Cancer Care 15,
22 7. Appendix 7.1 Infektion som beroende variabel Nedan syns resultatet av Fishers exakta test. Infektion Insticksställe 0 1 Total Armveck Överarm Total Fisher's Exact Test Two-sidedPr<= P 1.428E-04 Nedan syns resultatet av en multipel logistisk regression med beroende variabel infektion och förklarande variabler insticksställe, palliativ/kurativ behandling och diagnosen bröstcancer. Infektion Total Testing Global NullHypothesis: BETA=0 Test Chi-Square DF Pr>ChiSq LikelihoodRatio Score Wald Analysis of Maximum Likelihood Estimates Parameter DF Estimate Standard Error Wald Chi- Square Pr>ChiS q Exp(Est) Intercept < Insticksställe Palliativ/kurativ Bröstcancer Odds Ratio Estimates Effect Point Estimate 95% Wald Confidence Limits Insticksställe Palliativ/kurativ Bröstcancer
23 7.2 Trombos som beroende variabel Nedan syns resultatet av Fishers exakta test. Trombos Insticksställe 0 1 Total Armveck Överarm Total Fisher's Exact Test Two-sided Pr<= P Infektion och/eller trombos som beroende variabel Nedan syns resultatet av Fishers exakta test. Infektion och/eller trombos Insticksställe 0 1 Total Armveck Överarm Total Fisher'sExact Test Two-sided Pr<= P Nedan syns resultatet av en multipel logistisk regression med de förklarande variablerna insticksställe, palliativ/kurativ behandling, antal kateterdagar och diagnosen gynekologisk cancer. Infektion och/eller Total trombos Testing Global NullHypothesis: BETA=0 Test Chi-Square DF Pr>ChiSq LikelihoodRatio Score Wald
24 Analysis of Maximum Likelihood Estimates Parameter DF Estimate Standard Error Wald Chi- Square Pr>ChiS q Exp(Est) Intercept Insticksställe Palliativ/kurativ Antal kateterdagar Gynekologisk cancer Odds Ratio Estimates Effect Point Estimate 95% Wald Confidence Limits Insticksställe Palliativ/kurativ Antal kateterdagar Gynekologisk cancer Misslyckad inläggning Nedan syns resultatet av Fishers exakta test. Misslyckadinläggning Insticksställe 0 1 Total Armveck Överarm Total Fisher'sExact Test Two-sided Pr<= P 2.922E-06 24
Retrospektiv studie av akuta och långsiktiga komplikationer av venportar
Retrospektiv studie av akuta och långsiktiga komplikationer av venportar 2015-02-17 Version 9 Emma Sundwall, ST-läkare, Anestesi och intensivvård, Sunderby sjukhus Handledare Magnus Hultin, Universitetslektor,
Lösningar till SPSS-övning: Analytisk statistik
UMEÅ UNIVERSITET Statistiska institutionen 2006--28 Lösningar till SPSS-övning: Analytisk statistik Test av skillnad i medelvärden mellan två grupper Uppgift Testa om det är någon skillnad i medelvikt
Uppgift 1. Produktmomentkorrelationskoefficienten
Uppgift 1 Produktmomentkorrelationskoefficienten Både Vikt och Längd är variabler på kvotskalan och således kvantitativa variabler. Det innebär att vi inte har så stor nytta av korstabeller om vi vill
Datorövning 5. Statistisk teori med tillämpningar. Lära sig beräkna konfidensintervall och utföra hypotestest för:
Datorövning 5 Statistisk teori med tillämpningar Hypotestest i SAS Syfte Lära sig beräkna konfidensintervall och utföra hypotestest för: 1. Populationsmedelvärdet, µ. 2. Skillnaden mellan två populationsmedelvärden,
Giltig legitimation/pass är obligatoriskt att ha med sig. Tentamensvakt kontrollerar detta. Tentamensresultaten anslås med hjälp av kodnummer.
KOD: Kurskod: PC1244 Kursnamn: Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Sandra Buratti Tentamensdatum: 2014-09-26 Tillåtna hjälpmedel: Miniräknare Tentan består av
1. Lära sig plotta en beroende variabel mot en oberoende variabel. 2. Lära sig skatta en enkel linjär regressionsmodell
Datorövning 1 Regressions- och tidsserieanalys Syfte 1. Lära sig plotta en beroende variabel mot en oberoende variabel 2. Lära sig skatta en enkel linjär regressionsmodell 3. Lära sig beräkna en skattning
OBS! Vi har nya rutiner.
KOD: Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod och Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2012-11-17 Tillåtna
Bild 1. Bild 2 Sammanfattning Statistik I. Bild 3 Hypotesprövning. Medicinsk statistik II
Bild 1 Medicinsk statistik II Läkarprogrammet T5 HT 2014 Anna Jöud Arbets- och miljömedicin, Lunds universitet ERC Syd, Skånes Universitetssjukhus anna.joud@med.lu.se Bild 2 Sammanfattning Statistik I
2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna. 4. Lära sig skatta en linjär regressionsmodell med interaktionstermer
Datorövning 2 Regressions- och tidsserieanalys Syfte 1. Lära sig skapa en korrelationsmatris 2. Lära sig skatta en multipel linjär regressionsmodell samt plotta variablerna mot varandra 3. Lära sig beräkna
Kapitel 18: LINJÄRA SANNOLIKHETSMODELLER, LOGIT OCH PROBIT
Kapitel 18: LINJÄRA SANNOLIKHETSMODELLER, LOGIT OCH PROBIT Regressionsanalys handlar om att estimera hur medelvärdet för en variabel (y) varierar med en eller flera oberoende variabler (x). Exempel: Hur
Logistisk regression och Indexteori. Patrik Zetterberg. 7 januari 2013
Föreläsning 9 Logistisk regression och Indexteori Patrik Zetterberg 7 januari 2013 1 / 33 Logistisk regression I logistisk regression har vi en binär (kategorisk) responsvariabel Y i som vanligen kodas
Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8
1 Instuderingsfrågor till avsnittet om statistik, kursen Statistik och Metod, Psykologprogrammet på KI, T8 Dessa instuderingsfrågor är främst tänkta att stämma överens med innehållet i föreläsningarna,
TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS
STOCKHOLMS UNIVERSITET Statistiska institutionen Marcus Berg VT2014 TENTAMEN I REGRESSIONSANALYS OCH TIDSSERIEANALYS Fredag 23 maj 2014 kl. 12-17 Skrivtid: 5 timmar Godkända hjälpmedel: Kalkylator utan
Föreläsning 9. NDAB01 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Exempel på tentamensuppgifter
STOCKHOLMS UNIVERSITET 4 mars 2010 Matematiska institutionen Avd. för matematisk statistik Mikael Andersson Exempel på tentamensuppgifter Uppgift 1 Betrakta en allmän I J-tabell enligt 1 2 3 J Σ 1 n 11
I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Parametriska Icke-parametriska
Innehåll I. Grundläggande begrepp II. Deskriptiv statistik III. Statistisk inferens Hypotesprövnig Statistiska analyser Parametriska analyser Icke-parametriska analyser Univariata analyser Univariata analyser
OBS! Vi har nya rutiner.
Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod OCH Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2011-11-12 Tillåtna hjälpmedel:
1. Lära sig utföra hypotestest för populationsproportionen. 2. Lära sig utföra test för populationsmedelvärdet
Datorövning 3 Statistikens Grunder 2 Syfte 1. Lära sig utföra hypotestest för populationsproportionen 2. Lära sig utföra test för populationsmedelvärdet 3. Lära sig utföra test för skillnaden mellan två
Bilaga 6 till rapport 1 (5)
till rapport 1 (5) Bilddiagnostik vid misstänkt prostatacancer, rapport UTV2012/49 (2014). Värdet av att undvika en prostatabiopsitagning beskrivning av studien SBU har i samarbete med Centrum för utvärdering
Tentamen består av 9 frågor, totalt 34 poäng. Det krävs minst 17 poäng för att få godkänt och minst 26 poäng för att få väl godkänt.
KOD: Kurskod: PX1200 Kursnamn: Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Sara Landström Tentamensdatum: 2017-01-14 Tillåtna hjälpmedel: Miniräknare Tentamen består
Analytisk statistik. Mattias Nilsson Benfatto, PhD.
Analytisk statistik Mattias Nilsson Benfatto, PhD Mattias.nilsson@ki.se Beskrivande statistik kort repetition Centralmått Spridningsmått Normalfördelning Konfidensintervall Korrelation Analytisk statistik
F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT
Stat. teori gk, ht 006, JW F18 MULTIPEL LINJÄR REGRESSION, FORTS. (NCT 1.1, 13.1-13.6, 13.8-13.9) Modell för multipel linjär regression Modellantaganden: 1) x-värdena är fixa. ) Varje y i (i = 1,, n) är
Statistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs
Statistikens grunder 1 och 2, GN, 15 hp, deltid, kvällskurs TE/RC Datorövning 6 Syfte: 1. Lära sig utföra godness of fit-test 2. Lära sig utföra test av homogenitet 3. Lära sig utföra prövning av hypoteser
Föreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Binomialfördelning (kap 24.1) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test
interventions- respektive kontrollgrupp Bortfall 116 patienter PICC: 24 CVK: 83 Venport: 72 Bortfall: okänt
Tillägg till bilaga 4. Sammanfattning av 9 studier som graderades som låg kvalitet. Författare År, Land Kim HJ et al 2010 SydKorea Studiedesign Prospektiv kohortstudie med er Onkologi Ej vedertagen DVTdefinition
KOM IHÅG ATT NOTERA DITT TENTAMENSNUMMER NEDAN OCH TA MED DIG TALONGEN INNAN DU LÄMNAR IN TENTAN!!
Kurskod: PC1203 och PC1244 Kursnamn: Kognitiv psykologi och metod OCH Kognitiv psykologi och utvecklingspsykologi Provmoment: Metod Ansvarig lärare: Linda Hassing Tentamensdatum: 2011-09-19 kl. 09:00 13:00
F5 Introduktion Anpassning Korstabeller Homogenitet Oberoende Sammanfattning Minitab
Repetition: Gnuer i (o)skyddade områden χ 2 -metoder, med koppling till binomialfördelning och genetik. Matematik och statistik för biologer, 10 hp Fredrik Jonsson Januari 2012 Endast 2 av de 13 observationerna
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 05 June 2017, 14:00-18:00. English Version
Kurskod: TAMS28 MATEMATISK STATISTIK Provkod: TEN1 5 June 217, 14:-18: Examiner: Zhenxia Liu (Tel: 7 89528). Please answer in ENGLISH if you can. a. You are allowed to use a calculator, the formula and
Föreläsning 9. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 9 Statistik; teori och tillämpning i biologi 1 (kap. 20) Introduktion I föregående föreläsning diskuterades enkel linjär regression, där en oberoende variabel X förklarar variationen hos en
Laboration 2. i 5B1512, Grundkurs i matematisk statistik för ekonomer
Laboration 2 i 5B52, Grundkurs i matematisk statistik för ekonomer Namn: Elevnummer: Laborationen syftar till ett ge information och träning i Excels rutiner för statistisk slutledning, konfidensintervall,
Statistiska analyser C2 Inferensstatistik. Wieland Wermke
+ Statistiska analyser C2 Inferensstatistik Wieland Wermke + Signifikans och Normalfördelning + Problemet med generaliseringen: inferensstatistik n Om vi vill veta ngt. om en population, då kan vi ju fråga
Analytisk statistik. Tony Pansell, optiker Universitetslektor
Analytisk statistik Tony Pansell, optiker Universitetslektor Analytisk statistik Att dra slutsatser från det insamlade materialet. Två metoder: 1. att generalisera från en mindre grupp mot en större grupp
Hypotestestning och repetition
Hypotestestning och repetition Statistisk inferens Vid inferens använder man urvalet för att uttala sig om populationen Centralmått Medelvärde: x= Σx i / n Median Typvärde Spridningsmått Används för att
Medicinsk statistik II
Medicinsk statistik II Läkarprogrammet termin 5 VT 2013 Susanna Lövdahl, Msc, doktorand Klinisk koagulationsforskning, Lunds universitet E-post: susanna.lovdahl@med.lu.se Dagens föreläsning Fördjupning
Tentan består av 10 frågor, totalt 30 poäng. Det krävs 20 poäng för att få godkänt på tentan, varav 50 % inom respektive moment.
Kurskod: PM1303 Kursnamn: Vetenskapsteori och grundläggande forskningsmetod Ansvarig lärare: Linda Hassing Tentamensdatum: 2010-04-24 kl. 14:30 18:30 Tillåtna hjälpmedel: Miniräknare Tentan består av 10
Till ampad statistik (A5) Förläsning 13: Logistisk regression
Till ampad statistik (A5) Förläsning 13: Logistisk regression Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2016-03-08 Exempel 1: NTU2015 Exempel 2: En jobbannons Exempel 3 1 1 Klofstad, C.
Metod och teori. Statistik för naturvetare Umeå universitet
Statistik för naturvetare -6-8 Metod och teori Uppgift Uppgiften är att undersöka hur hjärtfrekvensen hos en person påverkas av dennes kroppstemperatur. Detta görs genom enkel linjär regression. Låt signifikansnivån
Multipel Regressionsmodellen
Multipel Regressionsmodellen Koefficienterna i multipel regression skattas från ett stickprov enligt: Multipel Regressionsmodell med k förklarande variabler: Skattad (predicerad) Värde på y y ˆ = b + b
Skrivning i ekonometri torsdagen den 8 februari 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA2:3 Skrivning i ekonometri torsdagen den 8 februari 27. Vi vill undersöka hur variationen i lön för 2 belgiska löntagare = WAGE (timlön i euro)
Analytisk statistik. 1. Estimering. Statistisk interferens. Statistisk interferens
Analytisk statistik Tony Pansell, Leg optiker Docent, Universitetslektor Analytisk statistik Att dra slutsatser från den insamlade datan. Två metoder:. att generalisera från en mindre grupp mot en större
Föreläsning 5. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 5 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Andelar (kap 24) o Test och konfidensintervall för en andel (kap 24.5, 24.6, 24.8) o Test och konfidensintervall för två
Residualanalys. Finansiell statistik, vt-05. Normalfördelade? Normalfördelade? För modellen
Residualanalys För modellen Johan Koskinen, Statistiska institutionen, Stockholms universitet Finansiell statistik, vt-5 F7 regressionsanalys antog vi att ε, ε,..., ε är oberoende likafördelade N(,σ Då
Propensity Scores. Bodil Svennblad UCR 16 september 2014
Propensity Scores Bodil Svennblad UCR 16 september 2014 Jämföra två behandlingar Randomiserad studie A B Inte alltid etiskt försvarbart Dyrt Restriktioner på studiepopulationen (generaliserbart?) Real
Statistik för ekonomer, Statistik A1, Statistik A (Moment 2) : (7.5 hp) Personnr:..
TENTAMEN Tentamensdatum 8-3-7 Statistik för ekonomer, Statistik A, Statistik A (Moment ) : (7.5 hp) Namn:.. Personnr:.. Tentakod: A3 Var noga med att fylla i din kod samt uppgiftsnummer på alla lösningsblad
Grundläggande Biostatistik. Joacim Rocklöv, Lektor Epidemiologi och global hälsa Umeå Universitet
Grundläggande Biostatistik Joacim Rocklöv, Lektor Epidemiologi och global hälsa Umeå Universitet Formell analys Informell data analys Design and mätning Problem Formell analys Informell data analys Hur
Medicinsk statistik II
Medicinsk statistik II Läkarprogrammet T5 HT 2014 Susann Ullén FoU-centrum Skåne Skånes Universitetssjukhus Hypotesprövning Man sätter upp en nollhypotes (H0) och en mothypotes (H1) H0: Ingen effekt H1:
VANLIGA TERMER OCH BEGREPP INOM MEDICINSK VETENSKAP OCH STATISTIK
VANLIGA TERMER OCH BEGREPP INOM MEDICINSK VETENSKAP OCH STATISTIK TERM Analytisk statistik Bias Confounder (förväxlingsfaktor)) Deskriptiv statistik Epidemiologi Fall-kontrollstudie (case-control study)
TVM-Matematik Adam Jonsson
TVM-Matematik Adam Jonsson 014-1-09 LABORATION 3 I MATEMATISK STATISTIK, S0001M REGRESSIONSANALYS I denna laboration ska du lösa ett antal uppgifter i regressionsanalys med hjälp av statistikprogrammet
OBS! Vi har nya rutiner.
Försättsblad KOD: Kurskod: PC1546 Kursnamn: Forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Ansvarig lärare: Sara Landström & Pär Bjälkebring Tentamensdatum: 10/1-2015 Tillåtna hjälpmedel:
En rät linje ett enkelt samband. En rät linje + slumpbrus. Observationspar (X i,y i ) MSG Staffan Nilsson, Chalmers 1.
En rät linje ett enkelt samband Y β 1 Lutning (slope) β 0 Skärning (intercept) 1 Y= β 0 + β 1 X X En rät linje + slumpbrus Y Y= β 0 + β 1 X + brus brus ~ N(0,σ) X Observationspar (X i,y i ) Y Ökar/minskar
Statistiska analysmetoder, en introduktion. Fördjupad forskningsmetodik, allmän del Våren 2018
Statistiska analysmetoder, en introduktion Fördjupad forskningsmetodik, allmän del Våren 2018 Vad är statistisk dataanalys? Analys och tolkning av kvantitativa data -> förutsätter numeriskt datamaterial
Skrivning i ekonometri lördagen den 29 mars 2008
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STAB, Ekonometri Skrivning i ekonometri lördagen den 9 mars 8.Vi vill undersöka hur variationen i antal arbetande timmar för gifta kvinnor i Michigan
Forsknings- och undersökningsmetodik Skrivtid: 4h
Forsknings- och undersökningsmetodik Skrivtid: h Tentamen 8..00 Hjälpmedel: Kalkylator Formel- & tabellsamling Provtexten får bortföras. DEL, DEL eller HELA KURSEN: Besvara frågor! Varje fråga är värd
Föreläsning 8. NDAB02 Statistik; teori och tillämpning i biologi
Föreläsning 8 Statistik; teori och tillämpning i biologi 1 Dagens föreläsning o Enkel linjär regression (kap 17.1 17.5) o Skatta regressionslinje (kap 17.2) o Signifikant lutning? (kap 17.3, 17.5a) o Förklaringsgrad
InStat Exempel 4 Korrelation och Regression
InStat Exempel 4 Korrelation och Regression Vi ska analysera ett datamaterial som innehåller information om kön, längd och vikt för 2000 personer. Materialet är jämnt fördelat mellan könen (1000 män och
ST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test?
ST-fredag i Biostatistik & Epidemiologi När ska jag använda vilket test? Mikael Eriksson Specialistläkare CIVA Karolinska Universitetssjukhuset, Solna Grund för hypotestestning 1. Definiera noll- och alternativhypotes,
b) antalet timmar Lukas måste arbeta för att sannolikheten att han ska hinna med alla 112 datorerna ska bli minst (3 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 27:E OKTOBER 2014 KL 08.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66, Björn-Olof Skytt, 08-790 86 49.
LTH: Fastighetsekonomi 23-24 sep 2008. Enkel och multipel linjär regressionsanalys HYPOTESPRÖVNING
LTH: Fastighetsekonomi 23-24 sep 2008 Enkel och multipel linjär regressionsanalys HYPOTESPRÖVNING Hypotesprövning (statistisk inferensteori) Statistisk hypotesprövning innebär att man med hjälp av slumpmässiga
b) Beräkna sannolikheten att en mottagen nolla har sänts som en nolla. (7 p)
Avd. Matematisk statistik TENTAMEN I SF90 OCH SF905 SANNOLIKHETSTEORI OCH STATISTIK, FREDAGEN DEN 4:E MARS 204 KL 4.00 9.00. Kursledare: För D och Media: Gunnar Englund, 073 32 37 45 Kursledare: För F:
LABORATION 3 - Regressionsanalys
Institutionen för teknikvetenskap och matematik S0001M Matematisk statistik, LP1, HT 2015, Adam Jonsson LABORATION 3 - Regressionsanalys I denna laboration ska du lösa ett antal uppgifter i enkel regressionsanalys
Kursens upplägg. Roller. Läs studiehandledningen!! Examinatorn - extern granskare (se särskilt dokument)
Kursens upplägg v40 - inledande föreläsningar och börja skriva PM 19/12 - deadline PM till examinatorn 15/1- PM examinationer, grupp 1 18/1 - Forskningsetik, riktlinjer uppsatsarbetet 10/3 - deadline uppsats
Maximalt antal poäng för hela skrivningen är28 poäng. För Godkänt krävs minst 17 poäng. För Väl Godkänt krävs minst 22,5 poäng.
Försättsblad KOD: Kurskod: PC1307/PC1546 Kursnamn: Kurs 7: Samhällsvetenskaplig forskningsmetodik/forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Ansvarig lärare: Sara Landström Tentamensdatum:
En scatterplot gjordes, och linjär regression utfördes därefter med följande hypoteser:
1 Uppgiftsbeskrivning Syftet med denna laboration var att utifrån uppmätt data avgöra: (i) Om något samband finnes mellan kroppstemperatur och hjärtfrekvens. (ii) Om någon signifikant skillnad i sockerhalt
Maximalt antal poäng för hela skrivningen är 22 poäng. För Godkänt krävs minst 13 poäng. För Väl Godkänt krävs minst 18 poäng.
Försättsblad KOD: Kurskod: PC1546 Kursnamn: Kurs 7: Samhällsvetenskaplig forskningsmetodik/forskningsmetodik och fördjupningsarbete Provmoment: Statistik, 5 hp Ansvarig lärare: Pär Bjälkebring Tentamensdatum:
b) Om vi antar att eleven är aktiv i en eller flera studentföreningar vad är sannolikheten att det är en kille? (5 p)
Avd. Matematisk statistik TENTAMEN I SF1920 och SF1921 SANNOLIKHETSTEORI OCH STATISTIK, FREDAGEN DEN 8:E JUNI 2018 KL 14.00 19.00. Examinator: Björn-Olof Skytt, 08 790 86 49. Tillåtna hjälpmedel: Formel-
Regressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet May 4, 2015 Wänström (Linköpings universitet) F1 May 4, 2015 1 / 25 Regressions- och tidsserieanalys,
Föreläsning G60 Statistiska metoder
Föreläsning 8 Statistiska metoder 1 Dagens föreläsning o Chi-två-test Analys av enkla frekvenstabeller Analys av korstabeller (tvåvägs-tabeller) Problem med detta test o Fishers exakta test 2 Analys av
Skrivning i ekonometri lördagen den 25 augusti 2007
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA10:3 Skrivning i ekonometri lördagen den 5 augusti 007 1. Vi vill undersöka hur variationen i ölförsäljningen i ett bryggeri i en stad i USA
Cancersmärta ett folkhälsoproblem?
Cancersmärta ett folkhälsoproblem? Åsa Assmundson Nordiska högskolan för folkhälsovetenskap Master of Public Health MPH 2005:31 Cancersmärta ett folkhälsoproblem? Nordiska högskolan för folkhälsovetenskap
a) Bedöm om villkoren för enkel linjär regression tycks vara uppfyllda! b) Pröva om regressionkoefficienten kan anses vara 1!
LUNDS UNIVERSITET STATISTISKA INSTITUTIONEN MATS HAGNELL STA1:3 Skrivning i ekonometri tisdagen den 1 juni 4 1. Vi vill undersöka hur variationen i brottsligheten i USA:s delstater år 196 = R (i antal
Regressions- och Tidsserieanalys - F7
Regressions- och Tidsserieanalys - F7 Tidsserieregression, kap 6.1-6.4 Linda Wänström Linköpings universitet November 25 Wänström (Linköpings universitet) F7 November 25 1 / 28 Tidsserieregressionsanalys
F3 Introduktion Stickprov
Utrotningshotad tandnoting i arktiska vatten Inferens om väntevärde baserat på medelvärde och standardavvikelse Matematik och statistik för biologer, 10 hp Tandnoting är en torskliknande fisk som lever
F19, (Multipel linjär regression forts) och F20, Chi-två test.
Partiella t-test F19, (Multipel linjär regression forts) och F20, Chi-två test. Christian Tallberg Statistiska institutionen Stockholms universitet Då man testar om en enskild variabel X i skall vara med
Införande av rutiner för hantering och dokumentation av perifer venkateter på Kirurgiska kliniken VIN
Vrinnevisjukhuset i Norrköping, VIN Anna Bergqvist, Spec.sjuksköterska Införande av rutiner för hantering och dokumentation av perifer venkateter på Kirurgiska kliniken VIN Bakgrund Perifer venkateter,
FACIT (korrekta svar i röd fetstil)
v. 2013-01-14 Statistik, 3hp PROTOKOLL FACIT (korrekta svar i röd fetstil) Datorlaboration 2 Konfidensintervall & hypotesprövning Syftet med denna laboration är att ni med hjälp av MS Excel ska fortsätta
(a) sannolikheten för att läkaren ställer rätt diagnos. (b) sannolikheten för att en person med diagnosen ej sjukdom S ändå har sjukdomen, dvs.
Avd. Matematisk statistik TENTAMEN I SF1901 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 31:E MAJ 2012 KL 08.00 13.00. Examinator: Tobias Rydén, tel 790 8469. Kursledare: Tatjana Pavlenko, tel 790 8466.
Bestäm med hjälp av en lämplig och välmotiverad approximation P (X > 50). (10 p)
Avd. Matematisk statistik TENTAMEN I SF1901, SF1905, SANNOLIKHETSTEORI OCH STATISTIK, MÅNDAGEN DEN 17:E AUGUSTI 2015 KL 8.00 13.00. Kursledare: Tatjana Pavlenko, 08-790 84 66 Tillåtna hjälpmedel: Formel-
Uppgift 1. Deskripitiv statistik. Lön
Uppgift 1 Deskripitiv statistik Lön Variabeln Lön är en kvotvariabel, även om vi knappast kommer att uppleva några negativa värden. Det är sannolikt vår intressantaste variabel i undersökningen, och mot
Regressions- och Tidsserieanalys - F1
Regressions- och Tidsserieanalys - F1 Kap 3: Enkel linjär regression Linda Wänström Linköpings universitet November 4, 2013 Wänström (Linköpings universitet) F1 November 4, 2013 1 / 25 Statistik B, 8 hp
Skattningsmetoder för binär data: En simuleringsstudie
Skattningsmetoder för binär data: En simuleringsstudie Greta Olsson Lööf Kandidatuppsats i matematisk statistik Bachelor Thesis in Mathematical Statistics Kandidatuppsats 2017:7 Matematisk statistik Juni
Lufttorkat trä Ugnstorkat trä
Avd. Matematisk statistik TENTAMEN I SF1901 och SF1905 SANNOLIKHETSTEORI OCH STATISTIK, TORSDAGEN DEN 18:E OKTOBER 2012 KL 14.00 19.00. Examinator: Tatjana Pavlenko, tel 790 8466. Tillåtna hjälpmedel:
Korrelation kausalitet. ˆ Y =bx +a KAPITEL 6: LINEAR REGRESSION: PREDICTION
KAPITEL 6: LINEAR REGRESSION: PREDICTION Prediktion att estimera "poäng" på en variabel (Y), kriteriet, på basis av kunskap om "poäng" på en annan variabel (X), prediktorn. Prediktion heter med ett annat
Tillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1
Tillämpad statistik (A5), HT15 Föreläsning 10: Multipel linjär regression 1 Ronnie Pingel Statistiska institutionen Senast uppdaterad: 2015-11-19 Motivering Vi motiverade enkel linjär regression som ett
Läsanvisningar - Medicinsk statistik - Läkarprogrammet T10
Läsanvisningar - Medicinsk statistik - Läkarprogrammet T10 Läsanvisningarna baseras på boken Björk J. Praktisk statistik för medicin och hälsa, Liber Förlag (2011), som är gemensam kursbok för statistikavsnitten
Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp
Sid 1 (10) Lö sningsfö rslag till tentamen i matematisk statistik Statistik öch kvalitetsteknik 7,5 hp Uppgift 1 Betrakta nedanstående täthetsfunktion för en normalfördelad slumpvariabel X med väntevärde
Samhällsvetenskaplig metod, 7,5 hp
Samhällsvetenskaplig metod, 7,5 hp Provmoment: Individuell skriftlig tentamen kvantitativ metod, 2,0 hp Ladokkod: 11OA63 Tentamen ges för: OPUS kull H13 termin 6 TentamensKod: Tentamensdatum: Fredag 24
Maria Fransson. Handledare: Daniel Jönsson, Odont. Dr
Klassificering av allvarlig kronisk parodontit: En jämförelse av fem olika klassificeringar utifrån prevalensen av allvarlig kronisk parodontit i en population från Kalmar län Maria Fransson Handledare:
Tentamen i Statistik, STA A13 Deltentamen 2, 5p 21 januari 2006, kl
Karlstads universitet Institutionen för informationsteknologi Avdelningen för statistik Tentamen i Statistik, STA A13 Deltentamen, 5p 1 januari 006, kl. 09.00-13.00 Tillåtna hjälpmedel: Bifogad formel-
Handhavande av subcutan venport och piccline på vuxna patienter Ambulansverksamheten
Riktlinje Process: Hälso- och sjukvård Område: Algoritmer arbetsprocesser Giltig fr.o.m: 2018-01-01 Faktaägare: Anders Andersen, MLA Ambulansverksamheten Fastställd av: Anders Andersen, MLA Ambulansverksamheten
SF1901: SANNOLIKHETSLÄRA OCH STATISTIK. MER HYPOTESPRÖVNING. χ 2 -TEST. Jan Grandell & Timo Koski
SF1901: SANNOLIKHETSLÄRA OCH STATISTIK FÖRELÄSNING 12. MER HYPOTESPRÖVNING. χ 2 -TEST Jan Grandell & Timo Koski 25.02.2016 Jan Grandell & Timo Koski Matematisk statistik 25.02.2016 1 / 46 INNEHÅLL Hypotesprövning
I vår laboration kom vi fram till att kroppstemperaturen påverkar hjärtfrekvensen enligt
Introduktion Vi har fått ta del av 13 mätningar av kroppstemperatur och hjärtfrekvens, varav på hälften män, hälften kvinnor, samt en studie på 77 olika flingsorters hyllplaceringar och sockerhalter. Vi
Grundläggande matematisk statistik
Grundläggande matematisk statistik Linjär Regression Uwe Menzel, 2018 uwe.menzel@slu.se; uwe.menzel@matstat.de www.matstat.de Linjär Regression y i y 5 y 3 mätvärden x i, y i y 1 x 1 x 2 x 3 x 4 x 6 x
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström. Omtentamen i Regressionsanalys
STOCKHOLMS UNIVERSITET HT 2008 Statistiska institutionen Linda Wänström Omtentamen i Regressionsanalys 2009-01-08 Skrivtid: 9.00-14.00 Godkända hjälpmedel: Miniräknare utan lagrade formler. Tentamen består
Hypotesprövning. Andrew Hooker. Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University
Hypotesprövning Andrew Hooker Division of Pharmacokinetics and Drug Therapy Department of Pharmaceutical Biosciences Uppsala University Hypotesprövning Liksom konfidensintervall ett hjälpmedel för att
Statistiska metoder för säkerhetsanalys
F10: Intensiteter och Poissonmodeller Frågeställningar Konstant V.v.=Var Cyklister Poissonmodeller för frekvensdata Vi gör oberoende observationer av de (absoluta) frekvenserna n 1, n 2,..., n k från den
Statistik 1 för biologer, logopeder och psykologer
Innehåll 1 Analys av korstabeller 2 Innehåll 1 Analys av korstabeller 2 Korstabeller Vi har tidigare under kursen redan bekantat oss med korstabeller. I en korstabell redovisar man fördelningen på två
DATORÖVNING 3: MER OM STATISTISK INFERENS.
DATORÖVNING 3: MER OM STATISTISK INFERENS. START Logga in och starta Minitab. STATISTISK INFERENS MED DATORNS HJÄLP Vi fortsätter att arbeta med datamaterialet från datorävning 2: HUS.xls. Som vi sett
Mälardalens Högskola. Formelsamling. Statistik, grundkurs
Mälardalens Högskola Formelsamling Statistik, grundkurs Höstterminen 2015 Deskriptiv statistik Populationens medelvärde (population mean): μ = X N Urvalets medelvärde (sample mean): X = X n Där N är storleken
Laboration 3 Inferens fo r andelar och korstabeller
S0005M Statistik2 Lp 4 2016 Laboration 3 Inferens fo r andelar och korstabeller Laborationen behandlar Test av andelar med konfidensintervall och hypotestest Chi två test av oberoende mellan kvalitativa
ÖVNINGSUPPGIFTER KAPITEL 13
ÖVNINGSUPPGIFTER KAPITEL 13 KORSTABELLER 1. Nedan visas tre korstabeller utifrån tre olika dataset (A, B och C). Korstabellerna beskriver sambandet mellan kön och vilken hand man skriver med (vänster,