Deze samenvatting is gebaseerd op het studiejaar 2013-2014.

Opzet blok – 20/01/2014

De klassieke benadering voor het aanleren van wetenschappelijke vorming:

• Eerst: veel theorie.

• Oefenen met fictieve voorbeelden.

• Luisteren naar voorbeelden van de docent.

• Literatuuronderzoek doen.

• Wetenschapsstage.

Bij LUMC leert met wetenschappelijke vorming op een eigen manier aan:

• Integratie met kliniek.

• Zelf doen

Toetsing: In dit blok wordt er een tentamen gehouden dat voor 60% meetelt. Daarnaast moet je een presentatie houden en een verslag schrijven over je onderzoek die elk voor 20% meetellen.

Aanvullende eisen:

• Data verzamelen (zorgstage)

• Actieve deelname in de werkgroepen

• Verslag van je onderzoek inleveren aan begin van de werkgroep 3

• Presentatie houden over je onderzoek in werkgroep 3.

Onderzoek in de praktijk – 20/01/2014

Wetenschappelijk onderzoek is vaak nauw verbonden met de klinische praktijk.

Een vrouw (86 jaar) valt:

• Konden we dit zien aankomen?

• Voorspellen?

• Voorkomen? (Bijvoorbeeld door medicatie, wooninrichting, etc.)

• Hard maken? (Helpt het om het bed in de laagste stand te zetten?)

• Evidence nodig? (Vroeger was er bijvoorbeeld geen onderzoek.)

Vallen heeft met meerdere factoren te maken. Bij ouderen kan het te maken hebben met medicatie, BMI, ziekten, woonomstandigheden etc. Aan de hand van verschillende onderzoeken zijn bepaalde richtlijnen opgesteld.

Arts in de praktijk: hoe kan ik deze patiënt beter helpen?

Biomedische onderzoeker: ziekte onderzoeken

Er is nog zeer veel wat men nog niet weet. Wel zijn er ideeën over wat goed is, maar nog niet over alles is er evidence. Vragen stellen, nadenken en kritisch zijn, zijn belangrijke vaardigheden die vallen onder wetenschappelijke vorming.

Bij onderzoek maakt men gebruik van twee groepen: 1 groep met de onderzochte factor en 1 groep zonder de onderzochte factor (de controle groep).

Vaak maakt men gebruik van observationeel onderzoek. Hierbij worden mensen geselecteerd en voor een bepaalde tijd geobserveerd.

Wanneer mensen gevolgd worden in de tijd: follow-up onderzoek (cohort onderzoek). Hierbij worden eerst mensen geselecteerd en vervolgens stelt men een risicofactor vast. Hierna zoekt men naar een uitkomst. Dit kan op twee manieren gebeuren:

1. Vooruitkijkend/prospectief: hierbij is meer controle, maar het is niet waterdicht.

2. Terugkijkend/retrospectief: dit kost minder tijd, maar de gegevens zijn iets minder.

Retrospectief en prospectief onderzoek kunnen even goed zijn, maar dit hoeft niet.

Iemand kan prospectief gegevens verzamelen, maar voor de persoon die deze gegevens gaat gebruiken zijn de gegevens retrospectief verkregen.

Voor een grotere betrouwbaarheid is een grote onderzoeksgroep nodig. De groep moet echter niet zó groot zijn, dat het onderzoek niet meer efficiënt is.

Case-control studie (patiënt-controle onderzoek): hierbij wordt er gekeken naar 2 groepen mensen: 1 met de cases (bijv. een heupfractuur) en 1 groep zonder de aandoening (de controles, in dit geval zonder heupfractuur).

Een voorbeeld hierbij: roken en longkanker (dit is een arche-type).

RCT: Randomized Control Trial -> randomiseren. Dit wordt vaak gebruikt bij onderzoek naar effect van medicatie.

Bij observationeel onderzoek: Worden mensen geselecteerd (restrictie of stratificeren).

Cross-sectioneel onderzoek: risicofactor en de uitkomst meten op hetzelfde moment (deze uitkomst is in de meeste gevallen erg matig).

Case report: beschrijving van één of enkele patiënten. Case serie: beschrijving van een groepje patiënten.

Beschrijvende statistiek – 20/01/2014

Kans: een proportie in een populatie. Hierbij kans: P (probability). P = (gevallen van het fenomeen) / populatie = frequentie.

Meten m.b.v. een steekproef. Dit is een aselecte (willekeurige) trekking uit de populatie. Wet van grote aantallen: als de steekproef groot is, ligt de proportie in de steekproef dichtbij de kans in de populatie. Men is nooit geïnteresseerd in de steekproef, maar in de achterliggende populatie.

Statistiek: uit een steekproef conclusies trekken over de achterliggende populatie.

Voorwaardelijke kans: een proportie in een deelpopulatie.

De kans op TB gegeven een positieve Mantoux-test: P( TB | positieve Mantoux)

P (A|B) = P (A én B) / P (B)

Regel van Bayes:

P (A|B) = PBA*P(A)PBA*PA+ PBnietA*P(nietA)

In diagnostiek zijn er twee soorten fouten: vals positief en vals negatief.

• Sensitiviteit: P (test + | echt +)

• Specificiteit: P (test - | echt -)

• Positief voorspellende waarde: P (echt + | test +)

• Negatief voorspellende waarde: P (echt - | test -)

Een hoge sensitiviteit en specificiteit kunnen een lage PVW geven. Dit is vaak het geval bij lage prevalentie (zeldzame aandoeningen).

Numerieke waarnemingen en kansen:

• Niet m.b.v. een steekproef

• Normale verdeling met μ=gemiddelde en σ=standaarddeviatie (gemiddelde afwijking / spreiding).

• 95% van de bevolking ligt tussen μ-1,96σ en μ+1,96σ : dit is de normaalwaarde of het referentie interval. Hierbuiten: zeer hoge/lage waarden.

A en B zijn statistisch onafhankelijk als: het optreden van B is niet tot een andere waarde van A leidt. Als A en B onafhankelijk zijn, geldt: P(A en B): P(A) * P(B).

Binomiale verdeling – sommige kansen gaan over tellingen en deze worden gemodelleerd met een binomiale verdeling.

Statistiek: het afleiden van kenmerken van een populatie uit kenmerken van een steekproef.

Aanname bij alle statistiek: de steekproef is aselect (willekeurig).

Beschrijvende statistiek: het beschrijven van kenmerken van de steekproef.

Wet van de grote aantallen: als de steekproef steeds groter wordt, zullen de kenmerken van de steekproef steeds meer gaan lijken op de kenmerken van de populatie. Steekproeven zijn variabel. De kenmerken van een steekproef zijn altijd ongeveer gelijk aan die van de populatie. Onze conclusies over de populatie zijn daardoor altijd onzeker. Via een grote steekproef kan een populatie vaak adequaat beschreven worden.

Toetsende statistiek: realiseert zich dat steekproeven altijd een beetje afwijken van de populatie, ook wel: het kwantificeren van de onzekerheid.

Twee typen variabelen:

1. Categorisch: data zijn categorieën

   1. Nominaal: zonder volgorde (beroep of geslacht).

   2. Ordinaal: met volgorde (tumorstadium of 5-punts schaal).

2. Numeriek: data zijn getallen

   1. Discreet: tellingen; alleen gehele getallen (pariteit of apgar score).

   2. Continu: kan niet-gehele waarden aannemen (lengte of bloeddruk).

Categorische variabelen beschrijven we in een frequentietabel. Visualiseren kan m.b.v. een cirkeldiagram of een staafdiagram.

Numerieke variabelen beschrijven:

• Locatiematen

  • Gemiddelde

  • Mediaan: hierbij sorteert men de getallen & kiest men de middelste als de mediaan. Wanneer er een even aantal getallen is, is de median de gemiddelde van de middelste twee.

  • Modus

• Spreidingsmaten

  • Standaarddeviatie

  • Kwartielen; interkwartielafstand

Gemiddelde en median zijn maten voor de centrale tendentie. Dit is de meest ‘typische’ waarde die de variabele kan hebben.

Spreiding: hoe ver ligt een waarde ‘typisch’ van het gemiddelde af.

De steekproefstandaarddeviatie: dit meet de ‘typische’ afstand tot het gemiddelde.
De kwartielen: meten de ‘typische’ afstand tot de mediaan.

Hoe ver ligt een punt van de mediaan?

• 1^e kwartiel (Q1): de middelste van alle waarnemingen onder de mediaan. 25% van de waarnemingen ligt onder het 1^e kwartiel en 75% van de waarnemingen ligt erboven.

• 3^e kwartiel (Q3): de middelste van alle waarnemingen boven de mediaan. 75% van de waarnemingen ligt onder het 1^e kwartiel en 25% van de waarnemingen ligt erboven.

Een kwartiel is een lijn: Bij 25%, 50% en 75%. 1^e kwartiel berekenen: de waarden onder de mediaan & hier het gemiddelde van nemen. Interkwartielafstand: het verschil tussen twee kwartielen (Q3-Q1).

K-de percentiel: de waarde waaronder k% van de data ligt.

Het 97,5-de percentiel van de standaardnormale verdeling ligt op 1,96.

Boxplot: hierin zijn de uitbijters (hele extreme waarden), de kwartielen en de mediaan te zien. Uitbijters kunnen meetfouten of schrijffouten zijn, maar het kunnen ook extreme waarden zijn die biologisch correct zijn.

Het gemiddelde wordt meer beïnvloed door uitbijters dan de mediaan.

Histogram: een staafdiagram. Scheve verdelingen hebben een grote staart naar één kant en de gemiddelde is groter of kleiner dan de mediaan. Symmetrische verdeling: het gemiddelde is gelijk aan de mediaan; aan beide kanten zijn staarten.

Betrouwbaarheid van gegevens – 21/01/2014

Meten is weten, maar niet bij iedereen komen er dezelfde meetwaardes uit (bijv. bloeddruk). Dit komt door variatie:

• Biologische variatie (tussen personen en binnen een individu)

• Meetfouten

  • Systematische fouten (werken steeds in dezelfde richting. Per saldo blijven ze daarom aanwezig; verschillende waarnemingen van hetzelfde object lijden aan dezelfde systematische fouten, zodat we ze niet kunnen door onze waarnemingen eenvoudigweg te herhalen zoals bij random fouten wel mogelijk is.)

  • Random fouten (willekeurige verstoringen die nu eens in de ene richting werken, dan weer in de andere richting, en nu eens groot zijn, dan weer klein. Deze fouten heffen elkaar per saldo op.)

Precisie: reproduceerbaarheid. Er zijn dan weinig random fouten.

Validiteit: ‘meten wat je wilt meten’. Er zijn dan weinig systematische fouten.

Random fouten zijn voor een individu wel ernstig, maar voor een groep niet. Het gemiddelde is goed, maar de standaarddeviatie is te groot, net als de standard error. Het betrouwbaarheidsinterval is te groot (verschillen zijn niet significant). Random fouten kunnen voorkomen worden door te:

1. standaardiseren (instructie/procedures)

2. herhaald te meten bij dezelfde person

3. synoniemen (dezelfde vraag stellen, maar in andere woorden)

4. meer mensen in onderzoek op te nemen.

Of systematische fouten erg zijn is afhankelijk van het doel van de meting (evalueren van verandering of classificeren/onderscheiden).

Inherent variability: er kan een uitschieter zijn, er is dan niet meteen iets aan de hand. Na een nieuwe meting kan de waarde weer tussen de normale grenswaarden zitten. Hierdoor kan er weer regressie naar het gemiddelde zijn (dit is wanneer men selecteert op extremen en vervolgens nog een meting doet. Er zullen mensen zijn die ‘per toeval’ 1x een extreme waarde hadden en boven het afkappunt zaten, maar bij de tweede meting een heel andere waarde hebben. Hierdoor halen ze het gemiddelde naar beneden/boven).

Bias: onzuiverheid. Bias heeft betrekking op de aanwezigheid van systematische fouten en dus op problemen met de validiteit. Deze worden ingedeeld naar de bron van de fout:

• Selectie bias: probleem t.g.v. selectie onvergelijkbare groepen; probleem zoals het zoeken van een controle groep.

• Informatie bias: probleem t.g.v. onvergelijkbare informatieverzameling, bijvorbeeld door het liegen over bepaalde informative over de controle en index groep.

• Confounding: probleem t.g.v. vertekening door andere risicofactor.

Hoe groter de study size, hoe minder random fouten er gemaakt worden. Het aantal systematische fouten neemt echter niet af.

Misclassificatie: verwijst naar meetfouten.

Non-differentiële misclassificatie – onafhankelijk van de blootstellingsstatus of uitkomst; de proportie misclassificatie is dan in beide groepen hetzelfde: leidt tot een onderschatting van het effect (verdunning/uitdoving)

Differentiële misclassificatie – afhankelijk van de blootstellingsstatus of uitkomst; de proportie misclassificatie is dan in beide groepen ongelijk: effect kan twee kanten opgaan: onderschatting of overschatting van het effect.

Confounding – vermenging van het effect van de bestudeerde determinant op de uitkomst door andere determinanten. Een determinant is een confounder als deze zelf een onafhankelijke determinant is van de bestudeerde uitkomst én gerelateerd is met de bestudeerde determinant, maar geen tussenschakel is in de keten tussen de bestudeerde determinant en de uitkomst.

Ethiek – 21/01/2014

Medisch wetenschappelijk onderzoek kan op verschillende manieren plaatsvinden, aangezien er verschillende typen van onderzoek bestaan. De meest gebruikte typen van onderzoek zijn:

• Onderzoek met mensen

• Onderzoek met dieren

• Onderzoek met humaan lichaamsmateriaal

• Onderzoek met persoonsgegevens

Er zijn verschillende wetten en regels over het uitvoeren van medisch wetenschappelijk onderzoek. Deze regels staan opgesteld in de Nederlandse wetgeving. Zo bestaat er de wet ‘Wet Medisch-wetenschappelijk onderzoek met mensen’ en de wet ‘geneeskundige behandelingsovereenkomst.

De definitie van wetenschappelijk onderzoek is: onderzoek waarvan deel uitmaakt het onderwerpen van personen aan handelingen of het opleggen aan personen van een bepaalde gedragswijze.

Er zijn diverse thema’s die betrekking hebben op de wet medisch-wetenschappelijk onderzoek met mensen (bijvoorbeeld de thema’s: protocol plicht, bescherming van kwetsbare personen, strafbepalingen, informatie en toestemming, etc.). Medisch wetenschappelijk onderzoek met mensen is aanvaardbaar wanneer het wetenschappelijk is, de patiënt toestemming heeft en als het aan de medisch-ethische toetsing (de duur van het onderzoek, de beperkingen, hospitalisering). voldoet.

Bij het uitvoeren van medisch-wetenschappelijk onderzoek wordt er vooral gekeken naar de volgende kernwoorden:

• Wilsbekwaam / wilsonbekwaam

• Therapeutisch / niet-therapeutisch

• Observatie / interventie

• Niet-invasief / invasief

Geanonimiseerde persoonsgegevens zijn geen persoonsgegevens en kunnen dus vrij gemakkelijk voor onderzoek gebruikt worden. Gecodeerde gegevens zijn wel persoonsgegevens.

Hoe schrijf ik mijn verslag? – 22/01/2014

Taalgebruik:

• Schrijftaal gebruiken in plaats van spreektaal.

• Passieve vorm gebruiken niet de actieve (dus niet ‘ik onderzocht’, maar ‘onderzocht werd’).

• Tijd: Inleiding tegenwoordige tijd, methode verleden tijd, resultaten verleden tijd, conclusie tegenwoordige tijd.

• Spel en stijlfouten moeten vermeden worden, dit maakt een onprofessionele indruk.

Lay-out:

• Genoeg regelafstand (ruimte voor commentaar, geen enkel werk is perfect).

• Indelen in alinea’s (structuur, leesbaarder).

Opbouw wetenschappelijk artikel:

Inleiding: Betoog, de lezer moet het antwoord op de vraagstelling willen weten.

Óf: algemeen probleem - specifiek probleem - vraagstelling (breed naar smal)

Óf: Wat is bekend - wat is niet bekend - vraagstelling.

Methode: design (case control/follow-up), patiënten (inclusiecriteria, exclusiecriteria, wervingsprocedure), verzamelde gegevens (welke belangrijk zijn voor het onderzoek), statistische analyse.

Resultaten: logische volgorde (populatie beschrijven, tabel 1, belangrijkste resultaten, tabel 2); naar elke tabel verwijzen in de tekst; tekst leesbaar zonder tabellen; niet tabel overschrijven in tekst; alleen feiten, geen meningen/interpretaties.

Tabellen: helder en beknopt; geen verticale lijnen; nummers volgens tekst; tabel duidelijk zonder tekst, eventueel voetnoot.

Grafieken: helder en beknopt; alle assen een label; alle assen beginnen bij ‘nul’; geen 3D effecten.

Discussie: hoofdresultaat, beperkingen, referentie naar voorgaand onderzoek, interpretatie/ mechanisme, klinische relevantie, conclusie.

Schrijven (inleiding): Per alinea één boodschap. Eerst een alineaschema maken, dan referenties en daarna pas schrijven.

Eisen voor het verslag: 1 A4 + 2 tabellen + 3 referenties.

Inleveren donderdag ochtend aan het begin van werkgroep 3 en presentatie van 5 dia’s in 5 minuten.

Hypothese toetsen/ statistisch toetsen – 22/01/2014

De uitkomst van een analyse van een steekproef is onderhevig aan steekproefvariatie.

Nulhypothese (H0): een veronderstelling over de populatie.

Statisch toetsen: doel: weten hoe je resultaat moet interpreteren. Twee mogelijke uitkomsten:

• Verwerpen van de nulhypothese;

• Niet verwerpen van de nulhypothese.

Toetsstatistiek (V – verschil): het criterium waarop we de steekproef met de veronderstelde populatie vergelijken; meet hoezeer de steekproef afwijkt van een typische steekproef onder H0. Dit is het verschil tussen de twee kansen (P) of metingen.

Centrale limietstelling: V is ongeveer normaal verdeeld met gemiddelde mu=0 en standaarderror sigma = wortel (p(1-p)/n). De grens van 95% van de steekproeven loopt van gemiddelde - 1,96*standaarderror tot gemiddelde + 1.96*standaarderror.

Als de V niet binnen de 95% van de steekproeven valt (en dus een extreme waarde is), dan is de data geen steekproef uit de veronderstelde populatie.

Verdeling van de toetsstatistiek: de verdeling van de toetsstatistiek in typische steekproeven als H0 waar is.

Extreme waarden: de 2,5% grootste en 2,5% kleinste waarden: P-waarde 5%: verwerp H0 niet. Met: P-waarde: het percentage van de verdeling van V dat meer extreem is dan de gevonden waarde van V.

Extreme toetsstatistiek; kleine P-waarde: H0 wordt verworpen.

Niet-extreme toetsstatistiek; grote P-waarde: H0 wordt geaccepteerd, maar het is niet bewezen dat H0 waar is.

Twee fouten bij het wel/niet verwerpen van H0:

• Type I: men verwerpt H0 als H0 waar is: kans: 5%.

• Type II: men verwerpt H0 niet als H0 niet waar is.

Power: 1- de kans op een type II fout. Dit is de kans dat het lukt om H0 te verwerpen als hij niet waar is.

Betrouwbaarheidsinterval: alle waarden die niet onwaarschijnlijk zijn.

Hoe groter de steekproef, hoe smaller het betrouwbaarheidsinterval.

Binnen betrouwbaarheidsinterval: H0 niet verwerpen.

Buiten betrouwbaarheidsinterval: H0 verwerpen.

Wald-betrouwbaarheidsintervallen: eenvoudige manier van maken van betrouwbaarheidsintervallen: schatter - 1,96 * standaarderror tot schatter + 1,96 * standaarderror.

Welke statistische toets? – 22/01/2014

Numeriek: parametrische toetsen en niet-parametrische toetsen.

Parametrisch: nulhypothese in termen van gemiddelde.

Niet-parametrisch: nulhypothese in termen van de mediaan (gebruiken bij uitbijters).

Categorisch: toetsen voor proporties (zoveel procent heeft iets, … procent heeft iets niet).

Één steekproef

Proporties: binomiale toets.

Gepaarde data: er is twee x gemeten en iedere meting in de tweede steekproef, hoort bij precies één meting uit de eerste. De twee steekproeven zijn altijd precies even groot.

Ongepaarde data: er is twee x gemeten, maar in verschillende groepen. De twee steekproeven kunnen in omvang verschillen.

Meer steekproeven: er is meer dan 2 x gemeten, en in verschillende groepen.

Alternatieve hypothese: er zijn twee mogelijkheden:

• Eenzijdig: het is groter dan… x: niet geïnteresseerd in bijv. de negatieve uitkomst.

• Tweezijdig: het is niet hetzelfde als… x: Dit is wat afgesproken is te gebruiken wordt.

SPSS output:

Één steekproef t-toets

sig. (2-tailed) = P-waarde

95% confidence interval of the difference (lower, upper) = grenzen van betrouwbaarheidsinterval (gebaseerd op mean difference). t = toetsstatistiek (valt buiten 95% confidence interval of the difference -> H0 verwerpen)

Gepaarde t-toets

Twee metingen per patiënt, het verschil per patiënt wordt gemeten.De SPSS output zelfde als bij één steekproef t-toets. Het verschil tussen de metingen is een één-steekproef t-toets.

Ongepaarde t-toets

Twee varianten: Student’s toets (gelijke spreiding) en Welch’s toets (ongelijke spreiding).

Welch toets is altijd goed (gebruik deze!).

SPSS output: Levene’s test negeren (eerste 2 kolommen). Onderste P-waarde (sig. (2-tailed)) is Welch’s test. Betrouwbaarheidsintervallen ook de onderst nemen.

Niet-parametrische toetsen (niet normaal verdeeld)

geen betrouwbaarheidsinterval, want je vergelijkt de medianen. Wilcoxon ranktekentoets gaat over gepaarde tweevoudige steekproeven. Mann-Whitney toets gebruik je bij ongepaarde tweevoudige steekproeven. Je vergelijkt de sig. (de P-waarde) met 0,05: kleiner dan verwerp je de H0, groter verwerp je de H0 niet.

ANOVA F-toets

Meer dan twee ongepaarde steekproeven. H0 is dat het resultaat van alle steekproeven gelijk is. Wanneer de H0 wordt verworpen houdt het dus in dat er minstens twee resultaten van de steekproeven verschillen. Dat houdt dus niet in dat ze alle drie verschillen.

Binomiale toets eerder al uitgebreidt behandeld. Één steekproef vergelijken met een verwachting. Dit is een test van proporties dus wel of niet, geen geleide schaal. Gebruik je bij categorische data. SPSS output: test prop. is de H0, exact sig. (1-sided tailed) = P-waarde, vergelijken met 0,05. Observed prop. is het resultaat van het onderzoek.

Chi-kwadraat toets, proporties, meerdere ongepaarde steekproeven.

De nul-hypothese kan op twee manieren worden beschreven. Bijvoorbeeld: H0: Het percentage patiënten is onder mannen en vrouwen gelijk of H0: het percentage mannen onder patiënten en niet-patiënten is gelijk. SPSS output: De verschillende testen hebben kleine verschillen. Fisher’s exact test (exact sig. (2-sided)) = P-waarde. Deze test is altijd goed.

McNemar’s toets, proporties, gepaarde tweevoudige test.

Voor gepaarde categorische data. Ander soort kruistabel nodig. Informatie zit in de mensen die omwisselen van wel naar niet ziek of vice versa.

De empirische cyclus: het begin van een onderzoek – 22/01/2014

Op basis van waarnemingen (empirie) wordt geconcludeerd of een hypothese waar kan zijn, of dat die verworpen moet worden. Deze hypothesen worden afgeleid (deductie) van een bepaalde theorie. Deze theorie is zelf weer gebaseerd (inductie) op eerder onderzoek of waarnemingen.

Empirische cyclus: Probleemstelling - literatuur - vraagstelling - methode - dataverzameling - analyse - interpretatie - publicatie - literatuur (…)

Werkelijkheid - observatie - inductie - deductie - toetsing - evaluatie - werkelijkheid (…)

Geel: kwalitatief & Blauw: kwantitatief. Het bewijzen wordt alleen gedaan met falsificatie.

Artikel: Inleiding – vraagstelling – methode – resultaten (analyse bij de empirische cyclus) – discussie (interpretatie bij cyclus).

Vraagstelling: Precies, concreet, duidelijk; beperkt; wetenschappelijk (reproduceerbaar); relevant; onderzoekbaar.

• Doelgroep

• Determinant

• Uitkomst

Wat is het effect van determinant X op uitkomst Y? 2X2 tabel.

PICO:

P – patiënt / probleem

I – interventie

C – controle groep

O – outcome

Vraagstellingen:

1. Welke ziekte heeft mijn patiënt (diagnose)?

2. Hoe is het beloop van de ziekte (prognose)?

3. Wat zijn de oorzaken van de ziekte (etiologie)?

4. Is er een behandeling voor de ziekte?

Onderzoek begint op tijd 0: het moment dat de patiënt in het onderzoek komt.

Diagnostisch onderzoek: op tijdstip 0 kijken naar een diagnostisch criterium.

Prognostisch onderzoek: op tijdstip 0 beginnen & volgen in de tijd, vervolgens kijken of bepaalde determinanten van ziekten samenhangen met bepaalde ziekten.

Therapeutisch onderzoek: of een bepaalde therapie werkt bij een bepaalde ziekte. Onderzoek is:

• predictief of voorspellend: diagnostisch en prognostisch onderzoek.

• causaal of oorzakelijk: etiologisch of therapeutisch onderzoek.

• transversaal/cross-sectioneel/dwarsdoorsnede: verticaal kijken: diagnostisch.

• longitudinaal/follow-up: door de tijd heen kijken: prognostisch/etiologisch/ therapeutisch.

• observationeel: diagnostisch, prognostisch en etiologisch. Dit is het niet manipuleren, maar kijken wat er gebeurt.

• experimenteel: gerandomiseerd onderzoek / therapeutisch.

Likelihood ratio LR: het percentage testpositieven onder de zieken, gedeeld door het percentage testpositieven onder de niet zieken. De verhouding tussen deze percentages is de LR. Deze kan worden uitgerekend voor de positieve en voor de negatieve test: bij de negatieve test is het de verhouding van het percentage negatief getest onder de zieken, gedeeld door het percentage negatief getest onder de niet-zieken. Als LR=1, test is niet discriminatief / predictief.

Post-Test-Probability: de kans dat iemand met een positieve test ook echt ziek is óf de kans dat iemand met een negatieve test toch ziek is. Deze volgt na de Pre-Test-Probability uit de LR.

Bij prognostisch onderzoek:

Incidentie: aantal nieuwe gevallen in een periode

Cumulatieve risico: de kans / risico (op een ziekte / op overlijden).

Incidentiecijfer: aantal nieuwe gevallen met de ziekte gedeeld door aantal persoonsjaren.

Relatief risico: risico in de positief geteste groep gedeeld door het risico in de negatief geteste groep, dit noemt men ook wel risico ratio (RR).

Odds: kans op dood / kans op niet-dood = aantal dood / aantal niet-dood.

Odds ratio: verhouding van twee odds’en (de odds’en van de positief en negatief geteste groep). kans op dood met risicofactor / kans op niet-dood met risicofactor / kans op dood zonder risicofactor / kans op niet-door zonder risicofactor.

Persoonstijd: tijd dat een persoon in een onderzoek zit.

Cumulatieve incidentie: aantal nieuwe gevallen / totaal aantal aan het begin.

Hazard: risico op het event (ziekte/dood).

Hazard ratio: hazard in exposes / hazard in non-exposed.

Etiologisch onderzoek – op zoek naar oorzaken. Lijkt vaak op prognostisch onderzoek, maar de interpretatie is anders. Bij prognostisch: er is een verband, maar het maakt niet uit of het oorzakelijk gerelateerd is. Bij etiologisch is het juist belangrijk of iets oorzakelijk gerelateerd is.

Therapeutisch onderzoek – het lot bepaalt wie welke behandeling gaat krijgen en wie niet: randomisatie.

Risicoverschil (RV): verschil tussen het risico bij toepassing van de therapie en het risico bij geen toepassing van de therapie.

Number-needed-to-treat: NNT: 1 / RV (in decimaal getal).