Top

2016 | Boek

Inleiding in de toegepaste biostatistiek

Name: Inleiding in de toegepaste biostatistiek
ISBN: 978-90-368-1533-8

eerste hoofdstuk lezen

Auteur: Prof.dr. J.W.R. Twisk

Uitgeverij: Bohn Stafleu van Loghum

Print ISBN: 978-90-368-1533-8

Elektronisch ISBN: 978-90-368-1534-5

Koop nu Inhoudsopgave Extras

Over dit boek

Hoewel er al veel boeken over (inleidingen in) biostatistiek zijn geschreven, is Inleiding in de toegepaste biostatistiek anders.

Het uitgangspunt van de uitleg van de verschillende technieken is steeds de wetenschappelijke vraagstelling. Statistiek is immers niet meer dan een hulpmiddel om een antwoord te krijgen op een wetenschappelijke onderzoeksvraag.
Inleiding in de toegepaste biostatistiek is met nadruk geschreven voor de gebruiker. Dit betekent dat wiskundige afl eidingen tot een minimum zijn beperkt en dat de nadruk ligt op het goed interpreteren van de resultaten van statistische analyses. Vandaar dat in de titel van dit boek nadrukkelijk het woord 'toegepast' voorkomt.
Iedere uitgevoerde analyse in Inleiding in de toegepaste biostatistiek wordt vergezeld van computeroutput, gegenereerd door het statistische softwareprogramma SPSS. Er is gekozen voor SPSS omdat dit programma - zeker in Nederland - verreweg het meest wordt gebruikt.
Inleiding in de toegepaste biostatistiek is geschreven in het Nederlands. Dit lijkt vreemd in een tijd van verregaande internationalisering, maar is voor een vakgebied als de toegepaste biostatistiek uitermate handig. De meeste studenten en cursisten vinden de materie al ingewikkeld genoeg.

Op deze site zijn ook oefenvragen bij de hoofdstukken te raadplegen; zoek onder E-learning.

Hoewel Inleiding in de toegepaste biostatistiek primair is bedoeld voor studenten Geneeskunde en Gezondheidswetenschappen, is het boek ook geschikt voor andere bio- en paramedische disciplines. Verder kan het door (bio)medische onderzoekers prima worden gebruikt als naslagwerk.

Inhoudsopgave

Voorwerk

1 Inleiding

Samenvatting

Hoewel dit boek niet (direct) gaat over het opzetten en uitvoeren van (medisch−) wetenschappelijk onderzoek is het toch van belang om aandacht te besteden aan de verschillende onderzoeksvormen die veel gebruikt worden binnen het (medisch−) wetenschappelijk onderzoek. Dit heeft voornamelijk te maken met het feit dat het gebruik van bepaalde effectmaten (en soms ook statistische analyses) afhankelijk is van de gebruikte onderzoeksvorm. Grofweg kunnen medische (of epidemiologische) onderzoeken worden onderverdeeld in twee groepen: observationele en experimentele onderzoeken. Bij een observationeel onderzoek wordt alleen maar ‘geobserveerd’; men verricht een aantal metingen aan de proefpersoon (of patiënt) zonder dat dit de betreffende persoon beïnvloedt. Vervolgens brengt men de resultaten van verschillende metingen met elkaar in verband. Bij een experimenteel onderzoek wordt de patiënt/proefpersoon wel beïnvloed. In feite is de beïnvloeding (meestal interventie genoemd) het belangrijkste onderdeel van het onderzoek, want het doel van het onderzoek is het effect van de interventie te evalueren.

J.W.R. Twisk

2 Beschrijvende statistiek

Samenvatting

Zoals in hoofdstuk 1 al ter sprake kwam, heeft de beschrijvende statistiek tot doel onderzoeksgegevens op een overzichtelijke manier samen te vatten. Dit kan grafisch of numeriek. De keuze tussen de twee heeft meestal te maken met het doel van de samenvatting. Worden de gegevens samengevat in een mondelinge presentatie op een congres of iets dergelijks, dan is het vaak mooier om ze grafisch weer te geven. Als de gegevens gepresenteerd worden in een wetenschappelijk artikel, dan is het vaak niet toegestaan om veel figuren te gebruiken en dan is het gebruikelijker om ze numeriek te presenteren. Het voordeel van een numerieke presentatie is dat de informatie compacter en preciezer kan worden weergegeven. De mogelijkheden worden besproken aan de hand van voorbeeld 2.1, achteraan het hoofdstuk. Het voorbeeld is een observationeel cross-sectioneel cohortonderzoek onder honderd personen, waarbij de onderzoekers wilden weten of er een relatie bestond tussen het totaal cholesterolgehalte en een aantal andere variabelen zoals leeftijd, sekse, roken en alcoholgebruik. In dit voorbeeld zijn de afhankelijke variabele (cholesterol in mmol/l) en de onafhankelijke variabele (leeftijd in jaren) continu. De onafhankelijke variabelen sekse (man/vrouw) is een dichotome variabele en de onafhankelijke variabele alcoholgebruik is een ordinale categoriale variabele (geen, één tot twee glazen per dag, meer dan twee glazen per dag).

J.W.R. Twisk

3 Achterliggende principes van de verklarende statistiek

Samenvatting

Stel er wordt een onderzoek uitgevoerd naar de werkzaamheid van een nieuw medicijn voor pijnbestrijding bij honderd patiënten. Deze honderd komen uit een heel grote groep patiënten met pijnklachten en zijn door middel van loting in het onderzoek terechtgekomen. Bij de honderd proefpersonen wordt voorafgaand aan het onderzoek de pijn gemeten en vervolgens krijgen ze alle honderd het nieuwe medicijn. Na afloop van de onderzoeksperiode wordt de pijn opnieuw gemeten. De vraagstelling van het onderzoek is of er een pijnverandering heeft plaatsgevonden. Het resultaat van het onderzoek is weer te geven door voor alle honderd patiënten het verschil in pijnscore te berekenen tussen de voormeting en de nameting. Tabel 3.1 toont een deel van de dataset van dit onderzoek en tabel 3.2 toont het uiteindelijke resultaat van dit onderzoek.

J.W.R. Twisk

4 De analyse van continue uitkomstvariabelen

Samenvatting

De analyse van continue uitkomstvariabelen wordt in dit hoofdstuk besproken aan de hand van twee voorbeelden. Voorbeeld 4.1 is een observationeel prospectief cohortonderzoek, waarbij bij honderd personen twee keer de cholesterolconcentratie in het bloed is gemeten. De onderzoekers zijn geïnteresseerd zijn in de verandering in de cholesterolconcentratie over een bepaalde periode (in dit geval zes maanden). voorbeeld 4.2 is een observationeel cross-sectioneel cohortonderzoek dat ook al in hoofdstuk 2 werd gebruikt (voorbeeld 2.1). Bij honderd personen is de relatie onderzocht tussen cholesterol en een aantal determinanten zoals leeftijd, sekse, roken en alcoholgebruik.

J.W.R. Twisk

5 De analyse van dichotome uitkomstvariabelen

Samenvatting

De analyse van dichotome uitkomstvariabelen wordt besproken aan de hand van drie voorbeelden. Voorbeeld 5.1 is een gerandomiseerd experimenteel onderzoek waarbij tweehonderd patiënten met lage rugklachten zijn gerandomiseerd in een controleen een interventiegroep. De interventie bestond uit een activiteitenprogramma, de controleconditie uit zogeheten reguliere zorg. De uitkomstvariabele, ervaren herstel, was dichotoom: de patiënt is wel of niet hersteld. Voorbeeld 5.2 is een case-controlonderzoek onder honderd patiënten (cases) met een hartinfarct, waarbij honderd controlepersonen werden gezocht. Doel was te onderzoeken of bepaalde risicofactoren (rookgedrag, alcoholgebruik en overgewicht) geassocieerd waren met het optreden van een hartinfarct. Voorbeeld 5.3 is een cross-over trial onder vijftig patiënten, waarin de werking van twee pijnstillers (middel A en middel B) met elkaar werd vergeleken. De voorbeelden zijn alle achteraan het hoofdstuk opgenomen.

J.W.R. Twisk

6 De analyse van overlevingsdata (survivaldata)

Samenvatting

In hoofdstuk 5 hebben we de analyse van dichotome uitkomstvariabelen uitgebreid besproken. In dat hoofdstuk bleek dat bij het vergelijken van twee groepen de 2 × 2- tabel een mooie manier is om de resultaten weer te geven. Stel, in een observationeel prospectief cohortonderzoek naar de relatie tussen sterfte en roken zijn zeshonderd mannen van 60 jaar en ouder tien jaar lang gevolgd; de uitkomstvariabele is sterfte. Tabel 6.1 toont het resultaat van dit onderzoek.

J.W.R. Twisk

7 Multiple regressieanalyse: associatiemodellen en predictiemodellen

Samenvatting

In de voorgaande drie hoofdstukken zijn achtereenvolgens lineaire regressieanalyse, logistische regressieanalyse en Cox-regressieanalyse besproken. De keuze voor een techniek hing af van de vorm van de uitkomstvariabele: lineaire regressieanalyse werd gebruikt bij continue uitkomstvariabelen, logistische regressieanalyse werd gebruikt bij dichotome uitkomstvariabelen en Cox-regressieanalyse werd gebruikt bij ‘overlevingsdata’, dat wil zeggen de combinatie van een dichotome uitkomst en de tijd tot die uitkomst.

J.W.R. Twisk

8 Sample-sizeberekeningen

Samenvatting

Alvorens men een medisch-wetenschappelijk onderzoek uitvoert, moet men bepalen hoe groot de onderzoekspopulatie moet zijn. Het belang van de zogeheten sample size-berekeningen (steekproefgrootteberekeningen) is zelfs zo groot dat in alle aanvraagformulieren van subsidies voor medisch-wetenschappelijk onderzoek een paragraaf is ingeruimd voor de sample-sizeberekening. Medisch-ethische commissies geven alleen toestemming voor het uitvoeren van een wetenschappelijk onderzoek als de onderzoeker aan de hand van een sample-sizeberekening duidelijk kan maken waarom hij voor een bepaalde grootte van de onderzoekspopulatie heeft gekozen. Bovendien stelt het zogeheten ‘CONSORT-statement’, een document dat aangeeft aan welke voorwaarden de rapportage van een experimenteel onderzoek moet voldoen om gepubliceerd te kunnen worden in een wetenschappelijk tijdschrift, als voorwaarde dat in het manuscript een sample-sizeberekening is opgenomen. Omdat alle grote medische tijdschriften (New England Journal of Medicine, JAMA, Lancet, British Medical Journal enzovoort) dit CONSORT-statement onderschrijven, is men min of meer verplicht om in de wetenschappelijke rapportage van een experimenteel onderzoek een sample-sizeberekening op te nemen.

J.W.R. Twisk

9 Een stap verder

Samenvatting

In de vorige hoofdstukken zijn de standaard statistische technieken besproken die veel worden gebruikt in medisch-wetenschappelijk onderzoek. In dit hoofdstuk bespreken we, kort en zonder in te gaan op de details, een aantal onderzoekssituaties die een stap verder gaan dan deze standaardtechnieken. Verder staan we in dit hoofdstuk stil bij een paar mogelijke valkuilen die men kan tegenkomen bij het uitvoeren van met name multipele regressieanalyses.

J.W.R. Twisk

10 Betrouwbaarheid van meetinstrumenten

Samenvatting

In (medisch) wetenschappelijk onderzoek speelt de betrouwbaarheid van meetinstrumenten een belangrijke rol. Eén van de problemen die hierbij optreedt, is dat in de (medisch) wetenschappelijke literatuur het vaak onduidelijk is wat met de term betrouwbaarheid wordt bedoeld. In veel gevallen wordt betrouwbaarheid als synoniem gebruikt voor de reproduceerbaarheid, maar in sommige gevallen wordt de reproduceerbaarheid weer gezien als een onderdeel van de betrouwbaarheid. Een ander onderdeel van de betrouwbaarheid is dan de validiteit van een meetinstrument. Bij reproduceerbaarheid gaat het bijvoorbeeld om de test-hertest betrouwbaarheid; c.q. als het meetinstrument twee keer achter elkaar gebruikt wordt bij dezelfde persoon dan moet er (ongeveer) hetzelfde resultaat uitkomen. Het kan ook gaan om de interbeoordelaars- of intrabeoordelaarsbetrouwbaarheid. Als twee onderzoekers hetzelfde meetinstrument gebruiken bij dezelfde persoon, dan moeten zij (ongeveer) hetzelfde resultaat krijgen, of als dezelfde onderzoeker twee keer achter elkaar hetzelfde meetinstrument gebruikt bij dezelfde persoon, dan moet het resultaat ongeveer hetzelfde zijn.

J.W.R. Twisk

Nawerk

Titel: Inleiding in de toegepaste biostatistiek
Uitgeverij: Bohn Stafleu van Loghum
Print ISBN: 978-90-368-1533-8
Elektronisch ISBN: 978-90-368-1534-5
DOI: https://doi.org/10.1007/978-90-368-1534-5
Auteur:: Prof.dr. J.W.R. Twisk
Publicatiedatum (print): 2017

Extras

Inleiding in de toegepaste biostatistiek H10 Betrouwbaarheid van meetinstrumenten

Inleiding in de toegepaste biostatistiek H6 De analyse van overlevingsdata (survivaldata)

Inleiding in de toegepaste biostatistiek H7 Multiple regressieanalyse: associatiemodellen en predictiemodellen

Inleiding in de toegepaste biostatistiek H9 Een stap verder

Inleiding in de toegepaste biostatistiek H3 Achterliggende principes van de verklarende statistiek

Inleiding in de toegepaste biostatistiek H4 De analyse van continue uitkomstvariabelen

Inleiding in de toegepaste biostatistiek H8 Sample-sizeberekeningen

Inleiding in de toegepaste biostatistiek H5 De analyse van dichotome uitkomstvariabelen