Fel och fel. slumpmässiga och systema4ska fel i epidemiologiska studier Katja Fall Vetenskapligt förhållningssä>

Fel och fel slumpmässiga och systema4ska fel i epidemiologiska studier Katja Fall Vetenskapligt förhållningssä>

Varför? En hjälp då man kri4skt granskar studier - andras. och egna! A> ta fram e> es4mat (ex: RR=2.1) E# epidemiologisk es/mat är slutprodukten av studiens design, genomförande och dataanalys Rothman KJ et al. Modern epidemiology. 3rd ed. Lippinco> Williams & Wilkins. 2008, p. 128.)

Tolkningar av observerade resultat RR =2.1 Exponering UYall (sjukdom) Är de#a (RR=2.1) e# resultat av systemfel (bias), slumpen eller representerar det e# sant es/mat? Mao e# kausalt eller icke-kausalt samband?

Typer av fel i epidemiologiska studier ACCURACY (validitet och precision är båda komponenter av accuracy) Slumpmässiga fel Precision Systema4ska fel (Bias) Validitet Selek4onsbias Confounding Informa4onsbias (missklassificering) Intern validitet (inom studiebasen) Extern validitet (generaliserbarhet) Exponering Sjukdom

Fel Fel (errors) Ex: må>band Systema4ska fel Slumpmässiga fel Studiestorlek Rothman KJ. Epidemiology: an introduc4on. New York: Oxford University Press, 2002, p. 95.

Systematiska fel kan leda till: över- eller underska.ning av det observerade es4matet utspädning av styrkan på det observerade es4matet (RR 1) RR=0.7 RR=1 RR=2.2

Typer av fel i epidemiologiska studier ACCURACY (validitet och precision är båda komponenter av accuracy) Slumpmässiga fel Precision Systema4ska fel (Bias) Validitet Selek4onsbias Confounding Informa4onsbias (missklassificering) Intern validitet (inom studiebasen) Extern validitet (generaliserbarhet) Exponering Sjukdom

Selek4onsbias Skillnaden i resultat om man skulle jämföra det es4mat man får i studiepopula4onen med det man skulle få från den bakomliggande (sanna) popula4onen Bakgrundspopula4on eller Pa4enter vid inklusion Icke valbara, tackar nej, för sjuka, papperslösa mm Studiepopula4on eller Pa4enter vid studiens slut Uppstår om deltagandet i studien är relaterad 4ll både exponering och sjukdom

Selek&onsbias Uppstår utifrån studiedeltagandet Kohortstudier: loss to follow-up (drop-outs) Är studiedeltagarna med komplett uppföljning representativa för hela studiekohorten (vid studiestarten)? De som förloras under uppföljningen eller som drar sig ur studien kan skilja sig åt from de som följs hela studietiden Fall-kontrollstudier: icke-deltagande Är de inkluderade fallen och kontrollerna representativa för studiebasen (som man vill dra slutsatser kring)? De som väljer att inte delta i studier skiljer sig nästan alltid åt från de som deltar

Typer av fel i epidemiologiska studier Accuracy (validitet och precision är båda komponenter av accuracy) Slumpmässiga fel Precision Systema4ska fel (Bias) Validitet Selek4onsbias Confounding Informa4onsbias (missklassificering) Intern validitet (inom studiebasen) Extern validitet (generaliserbarhet) Exponering Sjukdom

Informa4onsbias E> slags systema4skt fel som introduceras i studien när man klassificerar exponering eller uyall Kallas för missklassificering och leder 4ll a> individer hamnar i fel kategorier: sjuk/frisk exponerad/icke-exponerad

Informa4onsbias Missklassificering slumpmässig (icke-differen4ell) missklassificeringen är inte relaterad 4ll exponering eller sjukdom, ex undermåliga enkäyrågor icke-slumpmässig (differen4ell) missklassificeringen är relaterad 4ll an4ngen exponering eller sjukdom

Icke-slumpmässig missklassifika4on Uppföljnings-bias (surveillance bias, detek4onsbias) Kohortstudie, RTC Exponerade Oexponerade (rökare) (icke-rökare) KOL (emfysem)? KOL (emfysem)?

Vad blir effekten av icke-slumpmässig (differen4ell) missklassificering? Oberäknelig!

Slumpmässig (non-differen4al) missklassificering Fall-kontrollstudie Kohortstudie, RCT, X-sekt Fall Kontroller Exponerade Oexponerade Exponerad? Exponerad? Sjukdom? Sjukdom?

Vad blir effekten av slumpmässig (ickedifferen4ell) missklassificering? Driver resultaten mot e>! (gör grupperna mer lika varandra)

Orsaker 4ll informa4onsbias Undermåliga enkäter Recall bias Skillnader i diagnoskriterier mellan olika sjukhus Skev uppföljning (surveillance bias)

Confounding bias (förväxling) Confusion or mixing of effects 1. En confounder måste vara associerad med den exponering man studerar 2. Måste påverka risken a> utveckla den studerade sjukdomen 3. Får inte vara en följd av exponeringen Exponering UYall Confounder

Antal syskon och risken för Down s syndrome Affected Babies per 1000 Live Births 1,8 1,6 1,4 1,2 1 0,8 0,6 0,4 0,2 0 1 2 3 4 5+ Birth order

Maternal age and Downs syndrome 9 Affected Babies per 1000 Live Births 8 7 6 5 4 3 2 1 0 <20 20-24 25-29 30-34 35-39 40+ Maternal age

Affected Babies per 1000 Live Births 10 9 8 7 6 5 4 3 2 1 0 1 2 3 4 5+ 40+ 35-39 30-34 25-29 20-24 <20 Maternal age Birth order

A> fundera på som poten4ella confounders Ålder Kön Bostadsområde/ort (stad/landsbygd etc) Socioeconomisk status, etnicitet, civilstånd Kända riskfaktorer för sjukdomen man studerar Faktorer som är kända för a> samvariera med exponeringen Tidigare sjukdom, komorbiditet

Slumpmässiga fel En studies reliability (pålitlighet) beror på graden av slumpmässiga fel representerar den överensstämmelse mellan resultat man skulle få om man upprepade exakt samma studie flera gånger (100, 1000 ) Beror på studiens storlek Frånvaro av slumpmässiga fel=hög precision

Inferens generalisera resultat från s4ckprov 4ll popula4onen medför viss osäkerhet (benämns i termer av sannolikhet)

Konfidensintervall Es4mat från e> s4ckprov kan redovisas med beskrivande sta4s4k (varia4on mellan individer i gruppen) Ex: medelvärde för längd i en klass och varia4on i mätvärdet (medelvärde och SD) Nu handlar det istället om hur man redovisar den sta4s4ska osäkerheten i uppska>ade es4mat (tex genomsni>svärden, skillnader, RR)

Precision Vi använder konfidensintervall för a> indikera vilken slumpmässig varia4on vi har kring vårt es4mat (ex: RR=2.5 95% CI=1.5-3.6) E= 95% konfidensintervall täcker med 95% sannolikhet det sanna värdet i popula&onen (noggrant: om man beräknar punktes4mat i 100 s4ckprov och beräknar deras konfidensintervall så täcker 95% av dem det sanna värdet i popula4onen) E> bre> konfidensintervall indikerar a> precisionen är låg och e> smal a> den är hög

95% KI för medelvärdet för födelsevikt från 100 s4ckprov (n=25) Popula4onsmedelvärdet för födelsevikt= 3.39 kg Skickat från min iphone E> av 5 konﬁdensintervall som inte inkluderar medelvärdet

Konfidensgrad vs. felrisk E> konfidensintervall som har 95% konfidensgrad kommer a> innehålla målpopula4onens verkliga medelvärde i 95 undersökningar av 100. Felrisken med 95% konfidensgrad är det mao (100-95) 5 % risk a> konfidensintervallet inte innehåller det verkliga medelvärdet (kallas även signifikansgränsen) Vilken konfidensgrad ska man välja?

100% KI

Systema4ska och slumpmässiga fel Vik4ga a> komma ihåg när: Man designar studier Analyserar studier Tolkar resultaten Formulerar scien4fic facts

P-värde p-value = probability value/sannolikhetsmå> p-värdet beräknas eser a> man antagit a> nollhypotesen är sann (a> det inte finns någon skillnad mellan grupperna man undersökt) Om nollhypotesen verkligen är sann (ingen skillnad mellan grupperna), hur stor är då sannolikheten a> vi får det värde vi få> (eller ngt extremare)? P<0.05 P-value - a measure of consistency between the data and the null hypothesis.