Ellen Holm, Forskningscafé 8.1.2015 Databearbejdning Ellen Holm, Forskningscafé 8.1.2015

Indhold Præsentation – af jer og af mig Hvad er data? Statistiske tests (ingen formler) Praktiske eksempler (med brug af excel og SPSS) Hvordan kommer I videre? Pas på statistikprogrammer – man kan let blive troldmandens lærling

Læringsmål: Hvad kan du efter denne time? Forklare hvad data og variable er Forklare hvad en p-værdi betyder Forstå hvad parametrisk og nonparametrisk statistisk metode er Lave simple tabeller, diagrammer og statistiske beregninger i excel Forstå eller fornemme betydning af regression og OR

Præsentation Hvem er I? Hvem er jeg?

Data Spørgeskema/ interview oplysninger Klinisk målte parametre Registerdata Data kan være tekst eller tal

Bearbejdning af data Kvalitative data Kvantitative data

Organisering af data Variable Cases ID alder Vægt_1 Højde Vægt_2 Ødemer Vægt_3 1 94 71 165 65,3 ja 66 2 87 104 180 nej 98 3 80 168 76,4 73,3 4 76 182 69,3 65,7 5 68 87,8 86,5 6 75 83,9 160 77,6 77 7 81 60,2 60 8 174 72 70,9 9 108 187 108,5

Data typer (variable) Kategoriske Kvanititative Dikotome variable(Ja/Nej, Mand/Kvinde) Flere kategorier (fx blodtype A, B, AB og 0) Ordinale – ordnede kategoriske data (aldersgrupper, vurderinger god-bedre-bedst) Kvanititative Diskrete – kan antage værdi af hele tal (antal personer, antal hjerteslag osv.) Kontinuerte – kan antage alle værdier (højde, vægt, tid)

Præsentation af data Start med at se på dine data: Frekvenstabeller (hvor mange får…) Middelværdi, spredning (varians, SD, range) for normalfordelte data Median og percentiler for ikke normalfordelte data

Forklaringsmodeller Med et forskningsstudie er målet at finde forklaringer og mønstre Vi vil derfor gerne kunne påvise statistiske sammenhænge

Statistiske tests Husk: inden du anvender en test at undersøge om forudsætningerne (antagelserne) for at anvende testen er tilstede T-test når man sammenligner gennemsnit i 2 grupper (enkel at gennemføre i excel) Hvad betyder p < 0.05 ? P=0.07 ? Korrelationskoefficient bruges til at beskrive sammenhæng mellem 2 variable

Statistiske tests, fortsat Regressionsanalyse – beskriver sammenhængen mellem 2 variable (eller flere variable i en multipel regressionsanalyse) Variansanalyse anvendes til at sammenligne middelværdien i mere end 2 grupper (ANOVA)

Regressionsanalyse Beskriver i hvor høj grad x (henad) er korreleret med y (opad). Regressionslinje er y=b0+b1* x1 hvor b0 er skæring med y-aksen også kaldet interceptet. Metoden bygger på ”mindste kvadraters metode” least square methods hvor den mindste kumulerede afstand til linjen findes. Du kan vise regressionsanalysen med fx antal medikamenter og alder (R2 angiver den procentdel af variationen, der kan forklares med alderen.

Statistiske tests, kategoriske data Relativ risiko og OR anvendes til at belyse sammenhæng mellem kategoriske variable (Ja/Nej data) Chi i anden test bruges til at vurdere signifikant forskel på 2 proportioner (RR)