Bevat een BulletPoint samenvatting met een beknopte behandeling van de verplichte stof. Gebaseerd op 2014-2015

Diagnostisch onderzoek
 

• Diagnosticeren in de praktijk is het schatten van een kans op ziekte op basis van anamnese, lichamelijk onderzoek en testuitslagen van de patiënt.

• We doen niet alle mogelijke testen omdat dit belastend is (voor patiënt en budget) en omdat dit overbodig is (verschillende testuitslagen geven dezelfde informatie).

  • In de praktijk wordt vaak meer getest dan nodig is.

• Prior kans = vooraf-kans op ziekte voordat er diagnostiek plaats vindt.

• Posterior kans = achteraf-kans op ziekte na diagnostiek. Ofwel kans op ziekte gegeven de testuitslagen.

  • Een ideaal diagnostisch proces leidt tot een posteriorkans van 0 of 100%.

Kenmerken diagnostisch onderzoek:

• Vraagstelling:

  • Kunnen we met behulp van (determinant) betrouwbaar (uitkomst) vaststellen bij (domein)?

  • Wat is de toegevoegde diagnostische waarde van (determinant) bij het vaststellen van (uitkomst) bij (domein)?

• Domein:

  • Type patiënt met een bepaald symptoom + settting
    patiënten met …(klacht)… verdacht voor …(ziekte)… in de ….(setting)…

• Onderzoekspopulatie:

  • Steekproef uit het domein

• Determinanten:

  • Dit zijn de te onderzoeken testen

• Uitkomst:

  • Werkelijke aan/afwezigheid van de ziekte (bepaald met referentietest).

  • De referentie test is de beste test die beschikbaar is. Deze wordt echter niet bij iedereen afgenomen om verschillende redenen; belastend, risicovol, duur, etc.

  • De nieuwe test wordt als het ware vergeleken met de referentietest.

  • Beoordeling van de referentietest moet blind zijn voor de determinanten.

• Determinant-uitkomst relatie:

  • Kans op ziekte als functie van de testuitslagen

• Onderzoeksontwerp:

  • Observationeel:
    Dit houdt in dat er geen manipulatie van determinanten is.

    • Voorbeeld: in de trial gaat het lot bepalen wie wel of niet de behandeling gaat krijgen. Bij observationeel onderzoek krijgt iedereen alle testen.

  • Descriptief:
    Dit houdt niet-causaal in. Er wordt niet meteen etiologisch geïnterpreteerd en niet meteen causaal. Als de determinant maar voorspelt. Er is geen hypothese werkingsmechanisme. Het gaat om determinant-uitkomst.

  • >1 determinanten:
    Er wordt vaak gezien dat er meer dan 1 determinant is, de diagnose wordt immers ook bijna nooit aan de hand van 1 test bepaald.

  • Cross-sectioneel (dwarsdoorsnede):
    Dit houdt in dat determinanten en uitkomst op ‘hetzelfde’ moment bepaald worden, dus op een bepaald moment. Men wilt hierbij niks zeggen over later, maar over het hier en nu. Het afnemen van de testen moet in het onderzoek dan ook zo dicht mogelijk bij elkaar liggen.

• Data-analyse:
  Data-analyse vindt plaats na verzameling van de data per patiënt. De waarde van de determinanten (testuitslagen) en de diagnostische uitkomst (referentietest) wordt bepaald.

  • Stap 1: Schatten a-prior kans.

  • Stap 2: Univariate analyse: vergelijken van elke determinant met referentie. Gebruikt hiervoor een 2x2 tabel.

  • Stap 3: Multivariate analyse: vergelijken van combinatie determinanten met referentie, waardoor een logistisch regressie model ontstaat (predictieregel). Vervolgens wordt de predictieregel getest met behulp van een ROC-curve

• Rapportage: met name de toegevoegde waarde van de test.

• Uitkomstmaten: prevalentie (absoluut risico), posterior kans, sensitiviteit, specificiteit, positief voorspellende waarden, negatief voorspellende waarden, OR, AUC.

2x2tabel
 

• Verticaal:

  • Sensitiviteit = A/(A+C)
    de kans op een positieve testuitslag bij zieken

  • Specificiteit = D/(C+D)
    de kans op een negatieve testuitslag bij niet-zieken

• Horizontaal:

  • Positief voorspellende waarde = A/(A+B)
    De kans op ziekte bij een positieve testuitslag

  • Negatief voorspellende waarde = C/(C+D)
    De kans op niet-ziekte bij een negatieve testuitslag

ROC-curve
 

• ROC-cruve:

  • X-as = 1-specificiteit (vals positief)

  • Y-as = sensitiviteit (terecht positief)

• Een ROC curve wordt gemaakt door allerlei afkappunten in te plitten.

• Kwantificeren toegevoegde waarde nieuwe test door het vergelijken van de oude en de nieuwe ROC. De nieuwe testbatterij is beter wanneer AUC groter wordt.

• AUC zegt iets over de testeigenschappen, maar zegt niets over de toepasbaarheid van de test in de praktijk.

Blindering:

• Diagnostisch onderzoek kan geblindeerd of juist niet geblindeerd worden uitgevoerd.

  • Geblindeerd: Bepalen van de determinanten zonder kennis (geblindeerd) van de uitkomst. Dus de nieuwe testen worden uitgevoerd, zonder dat de arts op de hoogte is van de ziekte van de patiënt (vastgesteld door de referentietest).

    • Op het moment dat er een test gedaan wordt wanneer men al weet dat er sprake is van kanker ergens in het lichaam, dan kan men hier gericht naar zoeken en wordt de praktijk natuurlijk niet meer gevolgd.

• Een andere manier op determinanten te bepalen is volgens dezelfde methode als in de praktijk. Onderzoek en praktijk moeten hierbij dus hetzelfde zijn. Er mag dus nooit preciezer gemeten worden dan in de praktijk gedaan wordt (overschatting van de informatiewinst).

Prognostisch onderzoek

• Prognostisch onderzoek is het onderzoek naar het beloop van een ziekte. Bij prognostisch onderzoek gaan we ervanuit dat de diagnose die gesteld is, juist is.

• Het gaat bij prognostisch onderzoek om het inschatten van een kans. De prognostische kans is een alles of niets verschijnsel: wel/geen leven na een bepaalde tijd of wel/geen recidief na een bepaalde tijd.

• Definitie van prognose: het beloop van een ziekte.

• In prognostisch onderzoek ga je na welke determinanten het beloop van een ziekte voorspellen. Het is de bedoeling door dit onderzoek betrouwbare informatie te verkrijgen over de toekomst. Kennis hiervan is voor zowel de patiënt als de arts van belang. In het onderzoek zit dus een tijdsdimensie, in tegenstelling tot in diagnostisch onderzoek.

• De onderzoeksvraagstelling in prognostisch onderzoek sluit altijd aan bij de praktijk. Met een beperkt aantal eenvoudige, veilige en niet te dure testen (determinanten c.q. gegevens) wordt de absolute kans op een bepaald beloop en een bepaalde uitkomst geschat.

• Het doel van prognostisch onderzoek: het met een beperkt aantal eenvoudige, veilige en niet te dure testen (determinanten c.q. gegevens) schatten van absolute kans op een bepaald beloop en bepaalde uitkomst.

• De prognose van de patiënt wordt bepaald aan de hand van scoringssystemen, ook wel prognostische modellen of predictieregels.

• Om een scoringssysteem te ontwikkelen is wetenschappelijk onderzoek nodig, epidemiologisch prognostisch onderzoek.

  • Met behulp van de gegevens uit het onderzoek wordt een regressiemodel opgesteld.

  • De kern van een regressiemodel is y=a+bx.

    • X staat voor risicofactor

    • a is het intercept (de basiskans)

    • b staat voor het gewicht van een bepaalde risicofactor

    • y is de kans van de patiënt

  • Uiteindelijk kom je tot een score voor die unieke patiënt.

• Het nadeel van zo’n scoringssysteem is dat je altijd uitgaat van een beperkt aantal karakteristieken. Een heleboel andere unieke patiëntinformatie moet je achterwege laten. Aan de andere kant is dit een voordeel omdat het scoresysteem anders in de praktijk niet meer hanteerbaar zou zijn.

Kenmerken prognostisch onderzoek:

• Vraagstelling: Welke factoren (determinanten) voorspellen de kans op (uitkomst) bij (domein)?

• Domein:

  • Personen at risk voor …(ziekte)…

• Onderzoekspopulatie:

  • Steekproef uit domein.

• Determinanten:

  • Voorspellende factoren.

• Determinant-uitkomstrelatie:

  • Kans op (uitkomst) als functie van voorspellende factoren.

• Uitkomst:

  • Absolute kans op sterfte, recidief, ziekte, goede kwaliteit van leven, enz. Vaak gecombineerd met een tijdsdimensie.

  • Het gaat om individuele schattingen van absolute kansen. Een patiënt met veel risicofactoren, heeft een hogere kans om te overlijden i.t.t. de kans van een jong iemand.

• Onderzoeksontwerp:

  • Cohortonderzoek (longitudinaal):
    Een cohort is een groep die gevolgd wordt in de tijd (longitudinaal). De expositie is aanwezig voor de uitkomst. Determinanten leiden tot een uitkomst.

  • Observationeel:
    Prognostisch onderzoek is ook puur observationeel onderzoek, er wordt geen factor gemanipuleerd.

  • Descriptief

  • Meestal >1 determinanten

• Data-analyse:

  • Stap1: Beschrijven relatie determinant uitkomst

  • Stap 2: Univariate analyse determinant-uitkomstrelatie, waarna eventueel selectie van predictoren.

  • Stap 3: Multivariate analyse determinant-uitkomstrelatie, waarbij predictoren samen in een multivariate model worden opgenomen: y=…X1 + …X2 + …X3

  • Stap 4: Onafhankelijke invloed van predictor schatten

  • Stap 5: Stapsgewijs toevoegen predictoren

  • Stap 6: ROC curve (toont de toegevoegde waarde van predictoren).

  • Stap 7: Scoringssysteem omzetten n individueel berekende kans

• Uitkomstmaten: incidentie (absoluut risico), OR, AUC.

Etiologisch onderzoek

• Hier onderzoekt men hoe een determinant oorzakelijk samenhangt met de uitkomst. Men wilt weten of de determinant verantwoordelijk is of beschermend werkt voor de opgetreden uitkomst.

  • Dit is anders dan in de diagnostiek en prognostiek, daar zoekt men geen oorzakelijk verband.

• Etiologische onderzoek is verklarend onderzoek. Dit i.t.t. descriptief onderzoek. Het wil causaliteit aantonen (oorzaak-gevolg-relatie).

• Oorzaak komt voor gevolg. Blootstelling aan de determinant treedt op voordat de ziekte-uitkomst is opgetreden. In sommige onderzoeken is het lastig dit uit elkaar te houden (mogelijk is de relatie juist andersom).

Kenmerken etiologisch onderzoek:

• Vraagstelling: Is (determinant) een oorzakelijke factor voor (uitkomst) bij (domein)?

• Domein:

  • Gezonde populatie +setting, de ziekte nog niet hebben, maar wel kunnen krijgen.

• Onderzoekspopulatie:

  • Steekproef uit domein.

  • Een groep personen met determinant wordt vergeleken met een groep personen zonder de determinant.

• Determinanten:

  • oorzakelijke factor

• Determinant-uitkomstrelatie:

  • De kans op ziekte als functie van de oorzakelijke factor

• Uitkomst:

  • Kans op ziekte/recidief/complicatie/enz.

• Onderzoeksontwerp:

  • Causaal

  • Eén determinant

  • Niet-experimenteel:
    Blootstelling aan de determinant wordt niet door de onderzoeker toegewezen (i.t.t. experimenteel).

  • Cohortonderzoek (of cross-sectioneel/case-control)

    • prospectief (determinant wordt gemeten voordat de ziekte is opgetreden)

    • retrospectief (ziekte is al opgetreden).

• Data-analyse:
  Bij etiolgisch onderzoek wordt er gecorrigeerd voor confounders (verstorende werking van andere reeds bekende determinanten).

  • Stap 1: Selecteren van confouders

  • Stap 2: Rekening houden met confounders

    • In studie-opzet: onderzoekspopulatie selecteren met homogene confounder = restrictie.

    • In analysefase: het verband tussen determinant en ziekte berekenen voor verschillende klassen van de confounder = stratificeren. Waarna een Mantel Haenszel procedure wordt uitgevoerd om de gewogen OR te berekenen.

    • In de analysefase: multivariate analysetechniek, logistisch regressiemodel.

• Uitkomstmaten: incidentie (absoluut risico), RR, OR.

2x2tabel

• Horitzontaal:

  • Absoluut risico D+ (kans op ziekte bij determinant+) = A/(A+B)

  • Absoluut risico D- (kans op ziekte bij determinant-) = C/(C+D)

• Relatief Risico = Incidentie + / Incidentie –
  Het relatief risico geeft aan hoeveel keer het absolute risico (de kans op ziekte) hoger is bij D+ tegenover D –.

• Verticaal:

  • Odds deterinant + bij cases = A/C

  • Odds determinant + bij controls = B/D

• Odds-ratio = (AxD)/(BxC)

<

p>OR is benadering van RR wanneer de ziekte zeldzaam is (cumulatieve incidentie <10%).

Designs etiologisch onderzoek:

• Er kunnen verschillende designs gebruikt worden (beide observationeel):

  • Cohortonderzoek.

    • Een groep mensen die de ziekte nog niet hebben worden voor een bepaalde tijd gevolgd, waarbij wordt vastgelegd wie blootgesteld wordt aan de determinant en wie uiteindelijk een bepaalde ziekte krijgt.

    • Omdat er bij de blootstelling begonnen wordt, moet er gewacht worden tot er een uitkomst optreedt, hierom wordt het ook wel follow-up onderzoek genoemd.

    • De definitie van cohortonderzoek luidt als volgt: ‘Onderzoek waarin personen op basis van hun blootstelling aan een determinant en vrij van de ziekte-uitkomst bij aanvang van het onderzoek in de tijd gevolgd worden om het optreden van de ziekte-uitkomst vast te stellen.’

    • Wanneer de determinant en de uitkomst gemeten zijn, kan een 2 bij 2 tabel worden opgesteld.

      • Hoe kom je aan je cohort?

        • Geografisch. Groep mensen nemen die in een bepaald gebied wonen.

        • Geboortecohort. groep mensen nemen die in een bepaald jaar geboren zijn.

        • Dynamisch cohort (Leidsche Rijn). Er kunnen mensen in en uit de studie gaan.

        • Occupational cohort. Op het moment dat je bijvoorbeeld weet dat het om asbest blootstelling gaat, dat je kunt kijken naar mensen in een bepaalde beroepsgroep.

      • Patiënt-controle onderzoek.

        • Dit wordt ook wel case-control onderzoek genoemd. Men begint hierbij eigenlijk aan het eind. Er wordt begonnen met de mensen die de ziekte hebben (de cases) en we vergelijken deze met mensen die de ziekte niet hebben (de controles), er wordt dan teruggevraagd naar de determinanten.

        • De definitie luidt als volgt: ‘onderzoek waarin patiënten met de ziekte-uitkomst en een controlegroep zonder ziekte-uitkomst geselecteerd worden en vastgesteld wordt hoeveel mensen in beide groepen tevoren blootgesteld zijn geweest aan de determinant.

        • Deze methode is efficiënter: het kost minder tijd omdat het op één moment uitgezocht kan worden.

        • Wanneer de determinant en de uitkomst gemeten zijn, kan een 2 bij 2 tabel worden opgesteld.

          • De verhouding tussen de twee kolommen in de 2 bij 2 tabel is door de onderzoeker zelf bepaald, doordat hij zelf de onderzoekpopulatie heeft vastgesteld zonder en met de uitkomst. Hierdoor kan er geen relatief risico berekend worden. Een maat die wel berekend kan worden is de odds.

          • Een odds is de reciproke van de kans (dus de kans/1-kans)

          • Bij een zeldzame ziekte benaderd de odds ratio het relatieve risico. Het relatieve risico bereken je met de formule (a/(a+b))/(c/(c+d).Bij een zeldzame ziekte zullen a en c beide ongeveer gelijk zijn aan 0. Zowel het relatieve risico als de odss ratio worden dan bepaald door b/d.

• Voor en nadelen van cohortonderzoek:

  • Voordelen:

    • Oorzaak wordt voor gevolg gemeten.

    • Weinig gevoelig voor selectie- en informatiebias.

    • Geschikt bij zeldzame determinant.

    • Kan meerdere uitkomsten bestuderen.

  • Nadelen:

    • Selectieve uitval/loss to follow-up.

    • Duur en tijdrovend.

    • Niet geschikt bij zeldzame uitkomst.

• Voor en nadelen van patiënt-controle onderzoek:

  • Voordelen:

    • Efficiënt en relatief goedkoop.

    • Geschikt bij zeldzame uitkomst.

    • Kan meerdere determinanten bestuderen.

    • Geen loss to follow up.

  • Nadelen:

    • Oorzaak wordt na gevolg gemeten.

    • Zeer gevoelig voor selectie- en informatiebias.

    • Niet geschikt om meerdere uitkomsten te bestuderen.

    • (alleen OR kan berekend worden)

Interventie onderzoek

• Interventieonderzoek is een kwantitatieve meting van effecten van therapie of preventieve maatregelen.

Kenmerken interventie onderzoek

• Vraagstelling: Is er een relatie tussen (determinant) en (uitkomst) bij (domein)?

• Domein:

  • Patiënten waarvoor de interventie zinnig wordt geacht.

• Onderzoekspopulatie:

  • Steekproef uit het domein

• Determinanten:

  • Interventie

• Determinant-uitkomstrelatie:

  • De kans op genezing als functie van een bepaalde interventie

• Uitkomst:

  • Klinisch relevant eindpunt

• Onderzoeksontwerp:

  • Causaal
    Er wordt gekeken naar een oorzakelijk verband.

  • interventie onderzoek/experimenteel:
    De onderzoeker bepaalt wie de therapie krijgt, niet de behandelaar.

  • RCT

• Data-analyse

• Uitkomstmaten: incidentie (absoluut risico), RR, RD, mean difference, NNT

  • Relatief risico = R1(risico op uitkomst in interventie-groep)/R2(risico op uitkomst in controle groep)

    • RR>1 interventiegroep heeft een hoger risico op eindpunt

    • RR

Het effect van een geneesmiddel

• Het werkelijke effect van een geneesmiddel wordt vertekend door:

  • Regressie naar het gemiddelde (biologische variatie)
    Meetwaarden, bijvoorbeeld de bloeddruk, kunnen fluctueren over de tijd. Hierdoor kunnen veranderingen in de meetwaarden onterecht worden toegeschreven aan het geneesmiddel. Dit kan worden opgelost door:

    • Meer metingen

    • Controle groep

• Natuurlijk beloop van de ziekte (veranderingen onafhankelijk van behandeling)
  Onafhankelijk van behandeling kan de meetwaarden veranderen over de tijd en deze verandering kan verschillen tussen mensen. Dit kan orde opgelost door:

  • Selectie of matching

  • Meten en in analyse corrigeren voor prognostische indicatoren

  • Randomisatie (houdt rekening met bekende en onbekende factoren)

• Externe effecten (niet farmacologisch)
  Deze effecten komen erbij naast het effect waar men specifiek geïnteresseerd in is:

  • Geïnduceerde effecten: leefstijlaanpassingen/gedragsveranderingen als gevolg van de behandeling/ziekte.

  • Placebo-effecten

Dit kan worden opgelost door:

• Randomisatie

• Placebo gesimuleerde behandeling in referentiegroep

• Protocolleren en systematiseren

• Waarneemfouten (informatiebias)
  Op het moment dat je als arts heel erg gelooft in de werking van het geneesmiddel, kan dit misschien de waarneming wat vertroebelen. Dit kan optreden bij patiënten, behandelaars en fabrikanten. De verwachtingen die zij hebben van het geneesmiddel kunnen invloed hebben op rapportage van patiënten of metingen door behandelaars. Dit kan worden opgelost door:

  • Placebo gesimuleerde behandeling in referentiegroep

  • Blinderen (afhankelijk van interpreteerbaarheid bestudeerde uitkomst)

  • Protocolleren en systematiseren

Pragmatisch versus verklarend onderzoek:

• Pragmatisch onderzoek: de behandeling met alles wat daarbij hoort wordt geëvalueerd.

• Verklarend onderzoek: er wordt alleen gekeken naar het effectieve bestanddeel in de pil, in placebo gecontroleerde studies.

Loss to follow up:

• Loss to follow up kan de resultaten beïnvloeden. Twee manieren om hier mee om te gaan:

  • Intention to treat = eens ingedeeld, altijd ingedeeld

  • Per treatment/on protocol = alleen analyse van patiënten doe daadwerkelijk de behandeling kregen.

RCT:

• Randomisatie is een krachtige manier om het probleem van verschillen in natuurlijk beloop, externe effecten en op te lossen.

• Door randomisatie worden de interventie groep en controle groep vergelijkbaar. Je wilt dat het natuurlijk beloop/regressie naar het gemiddelde (NB), externe effecten (EE) en waarneemfouten (WF) bij cases en controls gelijk zijn.

  • Natuurlijk beloop gelijk: zonder behandeling zouden we dezelfde uitkomst moeten zien in beide groepen. Prognose is gelijk. Dit wordt in een RCT bereikt door randomisatie.

  • Je wilt voorkomen dat er confounding optreedt. Op het moment dat er ergens een confounder zit met een positieve of negatieve relatie tot de uitkomst, kan alles verstoord worden. Ook in een trial zijn er potentiele confounders, maar door de randomisatie hoop je dat al die confounders min of meer gelijk verdeeld zitten.

  • Om te voorkomen dat externe effecten en een rol spelen wordt een RCT placebo gecontroleerd.

  • Voorkomen van waarneemfouten in een RCT door blindering.

    • Single: alleen patiënt

    • Double: ook arts

    • Triple: degene die analyse doet of nog iemand anders ook geblindeerd.

• Je hebt wel voldoende groepsgrootte nodig om randomisatie zijn werk te kunnen laten doen. Anders speelt de rol van toeval nog een te grote rol, deze rol wordt kleiner bij een grote groep.

• ‘intention to treat’: eens lid van een cohort, altijd lid van dat cohort. Dit is in tegenstelling tot analyse van alleen die patiënten die daadwerkelijk de behandeling kregen (per treatment of on protocol analyse).

• Het problem is loss-to-follow-up.

  • Mensen stoppen de behandeling vanwege een reden. De behandeling werkt wel of juist niet, mensen kunnen ziek zijn of juist niet. Redenen kunnen verband houden met de occurence relatie: geneesmiddel en uitkomst.

  • We weten niet waarom men stopt.

  • Resultaat: mogelijk vertekenend beeld

• Nadelen RCT

• Grenzen aan generaliseerbaarheid (door selectie studiepopulatie)

• Budget = duur

• Duurt lang (prospectief)

• Veel patiënten nodig

• Ethische dillema’s
  (alleen in geval van equipoise = het is helemaal niet duidelijk wat het effect is)

• Alternatief RCT = vergelijkend niet-experimenteel onderzoek (cohort / case-control onderzoek)

  • Nadelen: niet inherent, minder valide, gevoelig voor bias, grote kans op onvergelijkbaarheid van domein, determinant en uitkomst.

• confounding by indication = prognose beïnvloed de kans om een interventie te krijgen.

Betrouwbaarheid

Validiteit

• Validiteit is de afwezigheid van systematische fouten in opzet, uitvoering en data-analyse.

  • Interne validiteit = in hoeverre het gevonden effect gelijk is aan het werkelijke effect in een populatie met dezelfde karakteristieken als de onderzoekspopulatie, onafhankelijk van toevalsfouten. Dit wordt beïnvloed door bias.

  • Externe validiteit = generaliseerbaarheid: in welke mate de resultaten van toepassing zijn op andere personen met andere karakteristieken dan de onderzoekspopulatie.

Bias

• Bias = verstoring determinant-uitkomst relatie t.g.v. systematische fouten. Dit leidt tot verminderde validiteit.

• Type bias:

  • Selectie bias: verstoring van de determinant-uitkomst relatie die optreedt door systematische fouten bij de selectie van onderzoeksdeelnemers.

Oplossing: Controles selecteren onafhankelijk van determinant status, goede definitie van source populatie.

• Informatie bias: verstoring van de determinant-uitkomst relatie die optreedt door systematische fouten bij het meten van de determinant en/of uitkomst.

  • Informatie bias bij determinant: meer rapportage bij cases

  • Informatie bias bij uitkomst: nauwkeurigere diagnose bij determinant +

Oplossing: ziekte-status blind voor determinant-status, medische dossiers i.p.v. zelfrapportage, zelfde manier rapporteren cases en controls (protocollen).

• Confounding bias: verstoring van de determinant-uitkomst relatie door het effect van een derde factor, wanneer men opzoek is naar een causale relatie.
  Deze confounder moet voldoen aan 3 eisen:

  • Confounder is determinant van de uitkomst

  • Confounder is geassocieerd met de determinant

  • Confounder is geen factor in de causale keten

Oplossing: meten en corrigeren in data-analyse, randomisatie (correctie voor bekende en onbekende factoren)

Precisie

• Precisie (nauwkeurigheid/juistheid van de resultaten) is de afwezigheid van toevalsfouten

• P-waarden: de kans dat de gevonden waarden of nog extremer optreedt, gegeven dat de nulhypothese juist is.
  Ho = geen verband
  H1 = wel een verband
  Bij p
  Bij p>0.05 is er geen bewijs voor het verband

• Betrouwbaarheidsintervallen: Range van waarden die mogelijk zijn, het interval heeft 95% kans om de ware parameter te bevatten.

• RR - wanneer het 95%BI 1 niet bevat is er een significant verband.

•  

Frequentie maten

Frequentie maten:

• De prevalentie is een momentopname: iemand heeft de ziekte al

  • Prevalentie = Aantal personen met de ziekte op een bepaald moment

  • Prevalentie (%) = Aantal ziekten / totale populatie op een bepaald moment

  • Vaststellen met cross-sectioneel onderzoek (determinanten en ziekte worden op hetzelfde moment gemeten)

  • Voorbeelden van prevalentie:

    • 50% van de mensen met de verdenking op longkanker had een laesie op de X-thorax.

    • In een huisartsenpopulatie van 2500 personen, hadden er 50 astma.

    • 30% van de Nederlanders rookt.

• De Incidentie geeft het aantal nieuwe gevallen van een ziekte weer: iemand krijgt de ziekte

  • cumulatieve incidentie = het aantal events / totale populatie in een gedefinieerde tijdsperiode. Dit wordt vastgesteld in prognostisch, cohort onderzoek.
    Voorbeelden:

    • 5-jaars incidentie op een tweede MI.

    • 10-jaars overleving bij vrouwen met borstkanker.

    • 1-jaars risico op een fractuur bij osteoporotische vrouwen.

  • incidentie dichtheid = aantal nieuwe ziekte gevallen / de observatie tijd (persoonsjaren). Hierbij hou je rekening met voortijdige uitval.

Associatie maten:

• Associatiematen zijn: relatief risico (rate ratio of risico ratio), oddsratio en risico verschil.

• Berekenen van RR en OR vanuit 2x2 tabel
   

• 
  
  

  	Ziek	Niet ziek
  Aantal persoonsjaren determinant +	A	B
  Aantal persoonsjaren determinant -	C	D

• cohort onderzoek  RR = (A/PYR+)/(C/PYR-) = incidentie dichtheid1/incidentie dichtheid2

• Patiënt controle onderzoek - OR = (AXD)/(BxC)

• Risicoverschil: risico groep 1 – risico groep 2

• Er is samenhang tussen het relatief risico en de OR, ze lijken vaak op elkaar. Maar dit gaat eigenlijk alleen maar echt goed wanneer het event waarin je geïnteresseerd bent relatief zeldzaam is. Op dat moment zijn OR en RR vrijwel gelijk. Maar het is altijd zo dat de OR iets extremer is dan de RR. Hoeveel meer hij erboven ligt, hangt af van hoe zeldzaam de uitkomst is.
   

P-waarde en betrouwbaarheidsinterval

• P-waarde:

  • Dit is de kans dat de gevonden associatie nog extremer optreedt, gegeven dat de nulhypothese juist is.

  • De P-waarde wordt vergeleken met α (arbitrair, maar meestal is α 5%).

  • Als deze waarde kleiner is dan 0,005, dan noem je het statistisch significant.

  • Eigenlijk weergeeft de p-waarde ‘hoe groot is de kans op een bepaalde uitkomst is’. Wanneer deze kans klein is, dan betekent het dat je hier waarde aan mag hechten.

  • P-waarden zeggen dus iets over statistische significantie (dit is iets anders dan klinische relevantie) en zijn afhankelijk van de omvang van het effect en de omvang van de onderzoekspopulatie (dus de nauwkeurigheid van het onderzoek).

• Betrouwbaarheidsinterval.

  • Het interval heeft een 95% kans om de ware populatieparameter (bv. de ware OR in je domein) te bevatten.

  • Stel dat je bij 100 personen de bloeddruk meet, en je berekend het gemiddelde uit het onderzoek, dan kijk je waar dit terecht komt.

  • Het betrouwbaarheidsinterval geeft dus iets weer over hoe nauwkeurig je de waarden hebt kunnen meten.

  • Bij meerdere patiënten vergroot je de nauwkeurigheid en wordt het betrouwbaarheidsinterval kleiner.

  • Het betrouwbaarheidsinterval is een objectieve indruk van omvang van het effect van de precisie van de effectschatter.