Fagets Formidling (FF) og Metode Lære (ML) Artikler struktur Introduktion Metoder Resultater Diskussioner, Konklusioner Referencer Indhold ML kursus FF.

Præsentationer af emnet: "Fagets Formidling (FF) og Metode Lære (ML) Artikler struktur Introduktion Metoder Resultater Diskussioner, Konklusioner Referencer Indhold ML kursus FF."— Præsentationens transcript:

1 Fagets Formidling (FF) og Metode Lære (ML) Artikler struktur Introduktion Metoder Resultater Diskussioner, Konklusioner Referencer Indhold ML kursus FF kursus Problem definition. Problemet i kontekst. Informationsøgning (MM 1) Typer af forsøg(MM2) Forsøgsdesign (MM3) Metode beskrivelser. Grafisk præsentation. Opsummering mål. Formidling af resultater(MM4) Medicinsk statistik (MM5) Opsummering af resultater. Resultater i kontekst. Fremtiden. Formidling af viden(MM6) Reference liste Referencesystemer Referencekvalitet (MM 1) Abstrakt Opsummering af artikel

2 MM1 - Hvordan finder og læser man en artikel? Kursusintroduktion Informationsøgning – hvorfra? Typer af information Kvalitet af informationskilde Forskellige typer af artikler Søgestrategier med MedLine (PubMed) Referencesystemer (Harvard/Vancouver) Fagets Formidling (FF) og Metode Lære (ML)

3 ” Rational diagnostik og behandling bør baseres på resultaterne af stringent klinisk forskning vedrørende den diagnostiske værdi af forskellige test og den terapeutiske gevinst ved andvendelse af forsklellige behandlinger” MM2 Diagnose og behandling- Evidencebaseret klinik Hvad er en diagnose? Hvordan sammenligner mand en nyt metoder med ’the gold standard’

4 Sygdomsnavn Sygdomsdefinition –Symptomsdiagnoser –Syndromer –Patoanatomisk definerede sygdomme –Fysiologisk eller metabolisk definerede sygdomme –Ætiologisk definerede sygdomme Sygdomsårsager Sygdomsbillede og prognose Sygdomsklassifikation: lærebøger struktur

5 Table 3 Two by two table showing results of validation study of urine glucose testing for diabetes against gold standard 3 Result of glucose tolerance test Result of urine test for glucose Diabetes positive (n=27) Diabetes negative (n=973) Glucose present; (n=13) True positive (n=6)False positive (n=7) Glucose absent (n=987) False negative (n=21)True negative (n=966) Table 2 Two by two table notation for expressing the results of validation study for diagnostic or screening test Result of gold standard test Result of screening test Disease positive (a+c) Disease negative (b+d) Test positive; (a+b) True positive (a)False positive (b) Test negative (c+d) False negative (c)True negative (d) Sensitivity: How good is this test at picking up people who have the condition a/ (a+c) 6/27 = 22% Specificity: How good is this test at correctly excluding people without the condition? d/ (b+d) 966/973 = 99% Positive predictive value: If a person tests positive, what is the probability that he or she has the condition? a/ (a+b) 6/13 = 46% Negative predictive value: If a person tests negative, what is the probability that he or she does not have the condition?d/ (c+d) 966/987 = 98%

6 Resultater af ny behandling Definition af ’outcome’ / ’surrogate outcome’ Måling hvis ny behandling giver bedre ’outcome’ MM3 - Behandlings artikler

7 Variabler definerede før forsøgsstart. Evidensbaserede ’outcome’ målinger. ’Surrogate outcome’ målinger Behandlings artikler : ’Outcome’ definition

8 MM3 - Kliniske forsøg: Metoder til forsøgsdesign Kategorier af forsøgsdesign –Observationel eller experimentiel. –Prospektive eller retrospektive –Longditudinal or cross-sectional Forsøgsdesign –Bias –Randomisering: Randomiserings metoder –Blind –Placeboeffekten Protokoller Etiske Regler Fagets Formidling (FF) og Metode Lære (ML)

9 Protokoller Alle forskningsforsøg skal være godkendt af amtets etiske komite Vurdering foregår udfra en skriftlig protokol.

10 Fagets Formidling (FF) og Metode Lære (ML) Artikler struktur Introduktion Metoder Resultater Diskussioner, Konklusioner Referencer Indhold ML kursus FF kursus Problem definition. Problemet i kontekst. Informationsøgning (MM 1) Typer af forsøg(MM2) Forsøgsdesign (MM3) Metode beskrivelser. Grafisk præsentation. Opsummering mål. Formidling af resultater(MM4) Medicinsk statistik (MM5) Opsummering af resultater. Resultater i kontekst. Fremtiden. Formidling af viden(MM6) Reference liste Referencesystemer Referencekvalitet (MM 1) Abstrakt Opsummering af artikel

11 Fagets Formidling (FF) og Metode Lære (ML): MM5 Medicinsk Statistik

12 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

13 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

14 Variabilitet –Biologisk variabilitet: F.eks. Blod glucose værdier over en dag. – Måling variabilitet: F.eks. 10 blod prøve, reproducibilitet –Intra-patient: F.eks. 10 prøve på samme patient. –Inter-patient: F.eks. 10 prøve på forskellige patient fra samme homogen patient gruppe.

15 Grafisk repræsentation af variabilitet Bar chart Histogram

16 Grafisk repræsentation af variabilitet Relative frequency Cumalative frequency

17 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

18 Kvantitativ repræsentation af Variabilitet Gemsnit målinger –”Mean” : x =  i x i / n –”Median”: Middel værdier i data set –”Mode”: Data værdier set oftest i data set Distributions måling –”Range” : –”Centiles” : 95 5

19 Kvantitativ repræsentation af Variabilitet Distributions måling –”Standard Deviation” : ” Average distance from the mean  i=1:n (x i – x) 2 n-1 –”Variance” : ”Average squared distance from the mean”  i=1:n (x i – x) 2 n-1

20 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

21 Variabilitet i mere end en variable SD over tid”Scatter plots”

22 Variabilitet i mere end en variable Covariance  (x – x) (y – y) n-1

23 Variabilitet i mere end en variable Correlation Coefficient, fra -1 til 1 r=covariance xy SD x SD y

24 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

25 Sandsynlighed Sandsynlighed: ” The proportion of times that an outcome would occur if we repeated the experiment or observation a large number of times”. Sandsynligheds distribution  i P(  i ) = 1

26 Normal Distribution

27

28 Normal Distribution – fortolkning af 

29

30

31 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik

32 Sampling Husk forskel imellem Sand værdier Population distribution, population ,  Sample distribution, sample ,  Standard error of sample mean =  / n-1

33 Hypotese Testning – Et eksempel “Testing the effect of a drug on increasing the mean cholesterol concentration “ Nul hypotese: ”The drug has no effect” Test : ”Evaluate the probability that the null hypothesis is true, i.e. if we measure data what is the probability that the cholesterol level is the same.” Data: ”Mean cholesterol value in a large group of patients is 5.0 mmol/l.” “ Mean cholesterol level in a group of 11 patients after treatment taken from the same population is 5.3 mmol/l with a sample  = 0.5 mmol/l.

34 Hypotese Testning – Et eksempel “Testing the effect of a drug on increasing the mean cholesterol concentration “ xpxp xsxs  x =  / n-1 Population mean Sample mean Sample mean standard deviation, i.e. standard error Probability poupulation and sample mean are the same

35 Hypotese Testning – Et eksempel “Testing the effect of a drug on increasing the mean cholesterol concentration “ x p 5.0 x s 5.3  x = 0.5/ 10 = 0.16 Test statistic = (observed value – hypothesised value) / standard error = (5.3-5.0)/0.16 = 1.88

36 “Testing the effect of a drug on increasing the mean cholesterol concentration “

37 Test statistic = 1.88 ( n = 10) P value ( probability of observing this data when the null hypothesis is true is) 0.025 < p < 0.05 Hence the null hypothesis can be discarded and the drug causes a significant increase in cholesterol concentration.

38 Variabilitet –Biologisk variabilitet, måling variabilitet, osv. –Grafisk repræsentation af variabilitet –Kvantitativ repræsentation Mean, Median Mode Range, standard deviation, variance osv –Variabilitet i mere end en variable Sandsynlighed –Sandsynligheds distributioner ”Normal” distribution –Definition, ligning –”Standard deviation”, ”variance”, fortolkning i normal distribution –”Standard Error” Testning hypotese –”Nul” hypotese –Test statistik –p - vædier Fagets Formidling (FF) og Metode Lære (ML) MM5 – Medicinsk Statistik