Transcript Biostatic
1 BIOSTATIC & EPIDEMIOLOGY 2 By M.H.DAVARI M.D Surveillance Health care providers Investigation Feedback 3 امروزه برای مطالعه پژوهشهایی که در زمینه پزشکی انجام می شوند، دانستن اطالعات آماری و اپیدمیولوژیک ضروری است. به خصوص در حیطه طب کار و بیماری های شغلی که بسیاری از یافته ها بر اساس بررسی های اپیدمیولوژیک بر روی افراد دارای مواجهات بسیار اندک با مواد خاص ،بدست می آید. 4 (DATA ,VARIABLE)متغیر مشخصه یک فرد و یا پدیده ای که قابل اندازه گیری است و می تواند .مقادیر مختلفی را بپذیرد :Quantitative کمی.1 Discrete Continuous Interval Ratio :Qualitative کیفی Nominal Ordinal .2 5 QUANTITATIVEکمی: فاصله ای :Interval مثال درجه حرارت ،تاریخ تقویمی مبدا قراردادی است صفر به معنی نبودن خاصیت مورد نظر نیست و با عوض شدن مقیاس اندازه صفر دیگر برابر صفر نیست نسبی :Ratio مثال :وزن ،سرعت ،میزان FVC صفر به معنی نبودن است 6 QUANTITATIVEکمی: گسسته ):(Discrete تعداد کارگران ،تعداد مشاغل موجود در یک کارخانه پیوسته ):(Continuous قد ،وزن ،سطح سرب خون ،میزان ،FEV1سابقه کار 7 QUALITATIVEکیفی: :Nominal برتری در کار نیست مثال :سن ،جنس ،نژاد ،گروه خونی ،شغل :Ordinal بین گروهها از نظر متغیر مورد نظر برتری وجود دارد مثال :شدت بیماری ) ، (NIHLنمرات علمی دستیارانILO ، ،Socioeconomic status ،classificationشدت obstructionدر اسپیرومتری 8 برای آنالیز اطالعات 2مرحله باید طی شود: مرحله اول :توصیف و خالصه سازی اطالعات بوسیله آمار توصیفی (میانگین ،میانه ،واریانس و انحراف معیار) مرحله دوم :آزمایش فرضیه های خاصی که قبل از اجرای پژوهش تعیین شده اند 9 خالصه سازی اطالعات بوسیله آمار توصیفی .1 10 شاخص های مرکزی: (Mean میانگین): میانگین حسابی کل داده ها است به شدت تحت تاثیر extreme dataقرار میگیرند (Median میانه): داده میانی اطالعات است به طوری که نیمی از داده ها در باالی آن و نیمی دیگر در زیر آن قرار دارند در صورت وجود extreme dataمیانه نسبت به میانگین شاخص مرکزی بهتری است :Mode پر تکرار ترین داده در میان کل داده ها در پزشکی کاربرد چندانی ندارد 7 7 7 77 7 8 7 77 6 7 3 2 7 8 13 9 Mean = 7 SD=0 Mean = 7 SD=0.63 Mean = 7 SD=4.04 11 شاخص های پراکندگی: .2 (Rangeدامنه) (Varianceپراش) نشان دهنده پراکندگی داده ها نسبت به میانگین (Standard deviationانحراف معیار) ( (Coefficient of Variations)CVضریب تغییرات) 12 اختالف بین بیشترین و کمترین داده برای مقایسه پراکندگی 2صفت و یا یک صفت با 2واحد متفاوت توزیع نرمال منحنی پراکندگی بیشتر صفات در جمعیت عمومی تقریبا ً مشابه یک دیگر است زنگوله ای شکل و قرینه نقش اصلی در آزمودن فرضیات میانگین=میانه میانگین و انحراف معیار 13 Frequency 95% • میانگین • انحراف معیار 69% μ-2SD μ-SD μ μ+SD μ+2SD 14 B A B A Two normal distributions with identical means but different standard deviations Two normal distributions with different means but identical standard deviations 15 آزمون فرضیه تعیین نوع آزمون برای سنجش فرضیه باید قبل از جمع آوری داده ها صورت گیرد. Null hypothesisفرضیه خنثی):(H0 هیچ اختالفی در پارامتر های PFTبین کارگران معادن زیر زمینی و کارگران معادن روباز وجود ندارد( .اختالف دیده شده در نتایج به علت تفاوت های فردی طبیعی در بین افراد جامعه است ونه به علت عامل خاص مد نظر ما) Alternative hypothesisفرضیه مخالف ):(H1 or HA پارامترهای PFTبین کارگران معادن زیر زمینی و کارگران معادن روبازمتفاوت 16 است. 17 P-VALUES • احتمال اینکه رخ دادن واقعه فقط در اثر شانس باشد • در مطالعات پزشکی معموالً سطح معناداری را %5در نظر می گیریم وباید اختالف دیده شده از نظر آماری زیر %5یا 0/05باشد • اگر P-Valueبزرگتر و یا مساوی نقطه بحرانی (cut-off ) pointباشد فرضیه صفر مورد قبول واقع می شود. 18 انواع خطا ها در آزمون خطای نوع اول (:)α غلط دانستن فرضیه H0در حالی که درست است. خطای نوع دوم (:)β قبول فرضیه H0در صورتی که این فرضیه غلط است. 1-Βیا توان آزمون :احتمال رد شدن فرضیه صفر در حالی که غلط است. 19 STANDARD ERRORخطای معیار: برای آنکه مشخص کنیم میانگین بدست آمده از نمونه تا چه اندازه به میانگین واقعی جامعه نزدیک است =SE جذر تعداد نمونه ها /انحراف معیار جامعه مثال: در یک مطالعه میانگین FVCدر 100فرد عادی 4لیتر بدست آمده.با فرض توزیع نرمال این پارامتردر سطح جامعه با انحراف معیار،1با فاصله اطمینان ،%95حدود میانگین جامعه برابر؟؟؟؟؟؟؟؟؟؟ 20 4+,-(2)0.1 = 4/2-3/8 SE = 1/√100 = 0.1 تحلیل بین 2 یا چند متغیر دو یا چند متغیر کیفی Chi Square 21 دو متغیر کمی اختالف: T test ارتباط: Pearson چند گروه متغیر کمی ANOVA 1. CHI SQUARE تعیین ارتباط بین 2یا چند متغیر کیفی در 2یا چند گروه مثال: تعیین ارتباط بین مواجهه با سیلیس (مواجهه دارد یا ندارد) و ابتال به برونشیت مزمن (بیماری دارد و یا ندارد) مواجهه با فلزات سنگین و ابتالء به کاهش شنوایی مواجهه با ونیل کلراید و ابتال به آکرواستئولیزیس در این موارد فرضیه صفر این است که هیچ رابطه ای بین متغییر های واقع در ستون با متغییر های واقع در سطر وجود ندارد 22 2. PEARSON CORRELATION : تعیین ارتباط بین 2متغیر کمی تعیین ارتباط بین سطح کادمیوم شیر مادر و کادمیوم سرم نوزاد تعیین ارتباط بین میزان سرب موجود در هوا و سطح سرب خون کارگر ضریب:1+نشاندهنده همبستگی کامل و مستقیم ضریب:1-نشاندهنده همبستگی کامل و معکوس :0ناهمبسته بودن دو صفت (از نظر خطی) :-1_+1همبستگی ناقص 23 T-TEST 3. مقایسه 2میانگین وقتی که انحراف معیار جامعه مشخص نباشد مقایسه میانگین در 2گروه از داده های کمی continuous مثال: تعیین تاثیر مواجهه با حالل های ارگانیک بر زمان واکنش دهی ) (reaction timeدر افراد مواجهه یافته و مواجهه نیافته تعیین تاثیر مواجهه با دی ایزوسیانات ها وتغییرات FEV1در افراد مواجهه یافته و نیافته 24 4. PAIRED T-TEST مقایسه میانگین 2جامعه مقایسه میانگین در 2گروه از داده های continuous مثال: اندازه گیری FEV1قبل و بعد از نوبت کاری اندازه گیری فشار خون قبل و بعد از نوبت کاری اندازه گیری فشار خون قبل و بعد از مصرف دارو 25 اندازه گیری فشار خون قبل و بعد از مواجهه با صوت 5.ANALYSIS OF VARIANCE )(ANOVA مقایسه میانگین بیش از 2گروه مقایسه میانگین درگروههای از داده های continuous مقایسه میانگین FEV1در کارگران مواجهه یافته با 3نوع گاز مختلف مقایسه آستانه شنوایی در 3روش PTA, High tone PTA, DPOAE 26 27 انواع مطالعات اپیدمیولوژیک Observational Descriptive Analytic Experimental Clinical trial Field trial Descriptive study: The First step in epidemiologic studies 28 Descriptive study Analytic study Cross sectional Case-control Ecologic Cohort 29 CROSS SECTIONAL STUDIES Example Advantages: Hypothesis generation Estimate overall and specific disease prevalence Estimate exposure proportions in the population Easy, Quick and Inexpensive Best suited to studying permanent factors (race, sex, blood-type, number of workers) 30 Disadvantages: Impractical Not for rare diseases a useful type of study for establishing causal relationships Confounding is difficult to control 31 COHORT STUDIES In a cohort study, subjects with an exposure to a causal factor are identified and the incidence of a disease over time (or prospectively) is compared with that of controls (persons who do not have the exposure) to determine whether disease occurs at a rate different from that in a cohort without the exposure. 32 33 34 35 MEASURES OF ASSOCIATION IN A COHORT STUDY 1.Relative risk: + بیماری در افراد با مواجهه ----------------------------+خطر بیماری در مواجهه + کل افراد مواجهه ------------------------ = ------------------------------------------- خطر بیماری در مواجهه - بیماری در افراد مواجهه ---------------------------- کل افراد مواجهه An RR greater than 1 implies a positive association of the disease with the exposure of 36 2.Attributable risk (fraction): is the rate in the exposed population minus the rate in the non exposed population it helps give an idea about the amount of disease that could be avoided by reducing risk factors in individuals 37 3. Population attributable risk percentage: is the proportion of a disease in a population related to (or "attributable to") a given exposure. important for public health policy and planning, that is, in estimating what percent of cases in a population could be eliminated by removing an exposure 38 Advantages: Allows study of rare exposures (In radiation related cancers( Lower potential for bias than a case-control study - no recall and selection bias Results are considered more conclusive than results from case-control studies 39 Disadvantage Larger sample size than case-control Impractical for rare diseases - even if risk is high, no cases may occur or results Data collection is usually very expensive Long time commitment for follow-up 40 CASE CONTROL STUDY The case-control study is always retrospective. The investigator starts by identifying diseased and non diseased individuals and looks backward for the presence or absence of exposures in these individuals In occupational epidemiology : to evaluate multiple exposures associated with a single outcome 41 42 For example, to study the relationship between asbestos exposure and mesothelioma, a case-control study would compare the history of asbestos exposure in a group of mesothelioma patients with the history of asbestos exposure in a group of subjects who do not have mesothelioma. 43 Advantage: Good for rare disease Inexpensive Possibility of exploring of multiple exposures Requires relatively little time to conduct 44 Disadvantage: Bias (recall, selection) Temporary can be difficult to establish Can’t calculate incidence, relative risk or attributable risk 45 ANALYSIS OF CASE-CONTROL STUDIES Odd ratio: An estimate of Relative Risk (a)Number of Patients in exposure+ ---------------------------------------------(b)Number of Patients in exposure------------------------------------------------------------- = ad / bc = Odd Ratio (c)Number of Not patients in exposure+ --------------------------------------------------(d) Number of Not Patients in exposure- 46 CLINICAL TRIAL The experimental study is the type of design most familiar to clinical investigators, but it is rarely encountered in occupational epidemiology. Same disease and different treatment Example: men with asbestos exposure, who are at increased risk of lung cancer, were randomly assigned to receive beta- carotene or a placebo. The study was undertaken to determine whether beta-carotene decreases the risk of developing lung cancer 47 Men aged 45 years and older with a history of heavy cigarette smoking were assigned to a dual-screened group receiving chest radiographs and sputum cytologic testing or to a group receiving only chest radiographs. The objective was to determine whether the addition of sputum cytologic testing to regular chest radiography resulted in earlier detection and improved lung cancer survival 48 49 50 WHAT TYPE OF STUDY TO CHOSE DEPENDS ON: what is the research question Time available for study Resources available for the study Common/rare disease or production problem Type of outcome of interest 51 SELECTION OF CASES Sampling Simple Random Systematic Random Paired 52 In random sampling, each member of the source group has an equal chance of being represented in the control group. For example, all individuals might be assigned a number, and the sample would be selected using a table of random numbers 53 In systematic sampling, the source group for controls is assumed to have an ordered sequence, and every nth individual is selected. As long as the sequence of the source group is not related to an important study variable (e.g., age), the resulting characteristics of a systematic sample are similar to those of a random sample In paired sampling, one or several controls are selected for each case based on a predefined relationship to the case 54 Errors Systematic (bias) Random Selection Information Confounding B. B. B. 55 Selection Bias: case group: in patient population control patient: out patient population Information Bias: 1. Recall Bias 2. Interviewer Bias 3. Misclassification Confounding bias: cigarette smoking in a study of an occupational exposure (asbestose) and lung cancer 56 57 58