際際滷

際際滷Share a Scribd company logo
Kap 2 Abnormality
  Jonas Ludvigsson 081130
Att skilja sjukt fr奪n
        friskt
Enklare p奪 sjukhus....P奪
IVA 辰r alla sjuka

Enkelt med det gravt
patologiska/avvikande

Sv奪rare ute i samh辰llet:
Vem 辰r f旦rkyld, vem har      2 veckor
pneumoni, vem har          gammalt barn
sepsis?                     med feber
F旦renkla data (Tabell 2.1)

  N辰r vi ska agera utifr奪n lab-v辰rden/kliniska
  fynd beh旦ver vi klassi鍖cera dem som
  normala/avvikande

  Beh旦ver ett barn med feber och 10(4) E Coli
  i urinen genomg奪 ultraljud njurar akut?

  Beh旦ver ett barn med ASAT/ALAT 1.5 i
  samband med en infektion f旦ljas upp?
Typer av data - Nominal
             Man        Kvinna           Svenskar       Danskar


100                                100


75                                 75


50                                 50


25                                 25


 0                                  0
      2004    2005   2006   2007         2004   2005   2006   2007

      Dikotoma data: levande/d旦d, frisk/sjuk
Typer av data - Ordinal
      Latent CD     Inflammation   O som i ordningsf旦ljd
      Celiaki
100                                FASS: klasser: amning
75

50

25

 0
      2004   2005   2006   2007


                                    N辰r liten blir stor...
Intervalldata



                      Ordningsf旦ljd
                     Samma avst奪nd
   Kontinuerliga data:           Diskreta data:
     ex. blodsocker          ex. antal graviditeter
(egentligen alla v辰rden)    (bara vissa v辰rden)
problem med det
       normala

Aldrig f旦r nominaldata

ordinaldata och intervalldata

N辰r blir en prostata alltf旦r stor? N辰r blir ett
EMA/gliadin-v辰rde alltf旦r h旦gt?
Validitet
                            Accuracy

De鍖nition: att m辰ta det man vill m辰ta

Ett s辰tt 辰r att j辰mf旦ra med gold standard


            Ibland testa inf旦r unders旦kning
              Neg + Pos prov vid pricktest

           Men ibland saknas gold standard:
           ex. sm辰rta, illam奪ende, depression
Items; constructs, scales

 Items: delar som m辰ter n奪got

 Constructs: det vi m辰ter (ex. symptom,
 attityd)

 M辰tning av 鍖era constructs kan tillsammans
 utg旦ra en skala/scale.
Olika typer av validitet
 Content validity = att m辰ta allt (ex. alla
 aspekter av sm辰rta)

 Construct validity = att v奪rt s辰tt att m辰ta
 (ex. v奪r skala) har samband med andra
 skalor (v奪r HV-skala, med andras depressions-
 skala)

 Criterion validity = att v奪ra resultat kan
 f旦ruts辰ga en observation. Ex. att om vi f奪r
 h旦ga resultat p奪 sm辰rtskala:
 vanligare med njursvikt, eller att patienten
 ofta gr奪ter, svettas i samband med sm辰rta
H奪rda-mjuka data
Som forskare 辰lskar man h奪rda data. De
kan m辰tas, j辰mf旦ras, bearbetas statistiskt:
ex. vikt, blodtryck, kostnad

Mjuka data ofta viktiga f旦r patienten: ex.
v辰lbe鍖nnande. Vad bryr jag mig om mitt
blodtryck om jag m奪r bra - subjektiva
omd旦men

H奪rda data: ofta avhumaniserade, ex.
Bent辰thet -2SD, hos apa / hos m辰nniska?
F旦rekomst av viss gen: m辰nniska / 鍖uga?
Reliabilitet
                                precision


De鍖nition: upprepade m辰tningar ger samma
resultat (men alla resultat kan vara fel)

Olika observat旦rer: mindre reliabilitet

Responsiveness: N辰r tillst奪nd f旦r辰ndras
f旦r辰ndras ocks奪 svar p奪 m辰tning:
A. ex. Klinisk klassi鍖cering av hj辰rtsvikt
B. ex. Ultraljud klassi鍖c. ejektionsfraktion
l奪g - RELIABITLITET - h旦g   Validitet-Reliabilitet
                                h旦g - VALIDITET - l奪g
        frekvens
F旦rdelning

Frekvensf旦rdelning - visar antal
i varje intervall eller procent i
varje intervall.
Genomsnitt, median,
       mode
Genomsnitt: Bra-ber辰kningar, d奪ligt-p奪verkas
av extrema v辰rden

Median: H辰lften ovanf旦r+h辰lften under. Bra:
p奪verkas ej av extermv辰rden. D奪ligt: ej bra
f旦r ber辰kningar

Mode: vanligaste observationen. Bra: l辰tt att
f旦rst奪. D奪ligt - matte
Exempel - amningsl辰ngd

     Hur l辰nge har ammade du ditt barn?



<1      1-2     3     4      5      6     7

                      X
Spridning 1

Standarddeviation: genomsnittlig skillnad
mellan individuella v辰rden och medel

bra: matte

d奪ligt: icke-normalf旦rdelade data

                      Det 鍖nns inget som s辰ger
                      att det normalf旦rdelade
                          辰r det naturliga
Spridning 2


Percentil, decentil = andel av alla
observationer

D奪ligt: s辰ger inget om avst奪ndet fr奪n medel
eller dylikt.
Variation
MTNING:

a) instrument, ex. kapselbiopsi (var i tarmen
ligger kapseln?).

b) den som m辰ter: vilken patolog granskar
biopsierna?

BIOLOGISK:

a) mellan individer, ex. personer med CD kan
ha antingen partiell eller total villusatro鍖

b) inom samma individ: partiell VA p奪 vissa
st辰llen.
M辰tning - variation

Skeva resultat (bias) p.g.a. l奪g validitet

Spridda resultat (p.g.a.) l奪g reliabilitet

Den som m辰ter f旦rvanskar, ex. l奪g/h旦g fetal
hj辰rtrytm

Variation = sampling fraction. Ex. Leverbiopsi
= 1/10,000-del av levern! Tunntarmsbiopsi?
M辰tfel, just det...




Leverbiopsi   ...host en h辰st?
Biologisk variation



        旦ver tid



F旦r att kunna p奪visa en skillnad i VES med EN 24-
    timmarsm辰tning beh旦vdes 83% reduktion...
Variation



En patolog      En patolog-olika tillf辰llen




Tv奪 patologer     Flera patienter
Kan vi minska variation?


 Slumpm辰ssig V            Balanserar varandra

 Oprecis V           G旦r 鍖er m辰tningar

 Bias            鍖er m辰tingar = b辰ttre
Det avvikande


             Genotypiskt = enkelt

             Fenotypiskt = sv奪rare

Genetisk skillnad, men m辰ngden fenylalanin kan vara l奪g
                    p.g.a. l奪gt intag...


        OBS! Bara 1/5 som hittas p奪 PKU-testet
                  har fenylketonuri
Vad 辰r avvikande


Ovanligt

Sjuk

Kan botas
Avvikande: Det ovanliga 1


  Oftast j辰mf旦r man med de friska

  Men, postoperativt: 辰r det normalt/avvikande
  att ha ont?

  Normalt/avvikande att ha kl奪da vid eksem?
Avvikande: Det ovanliga2
 + 2 SD = ca 2.5% l辰ngst bort, eller 旦ver 95e
 percentilen - men 辰r de s辰kert onormala? Alla
 sjukdomar f旦rekommer inte hos 5% av befolkningen...

 Olika sjukdomar - inte lika vanliga: diabetes/leukemi

 旦ver 95% - kanske ingen relation till klinisk
 sjukdom...f旦rst n辰r 99% av njurfunktionen 辰r borta
 (?) s奪 har man njursvikt

 Vissa extremv辰rden 辰r bra - ex l奪gt blodtryck

 Vissa m辰tv辰rden 辰r normala men 旦kar 辰nd奪 risk f旦r
 sjukdom, ex. fr奪n 120 till 135 i systoliskt blodtryck
Avvikande: Det ovanliga3


 Cut-off f旦r det avvikande kan bero p奪 vilken sjukdom
 vi vill studera...

 BMI>19 旦kar risken f旦r d旦d i hj辰rtk辰rlsjukdom

 BMI>19 minskar risken f旦r total d旦d, tills BMI n奪r 25
Det avvikande

Vad som 辰r behandlingsbart varierar 旦ver tid

I Finland, begr辰nsade resurser: allergi de鍖nieras
annorlunda - vill att de 鍖esta ska vara friska, inte
medicinera

Folsyra: normal intag 辰r l奪gt under 1970-tal
(m奪ls辰ttning f旦rhindra anemi)

Folsyra: normalt intag idag 辰r h旦gre (m奪ls辰ttning hos
gravid kvinna: ej neuralr旦rsdefekt)
Regression to the mean


 F辰rre extremv辰rden vid upprepade m辰tningar

 Om ett f旦rsta v辰rde f旦refaller osannolikt
 h旦gt, rimligt att betrakat andra v辰rdet som
 det korrekta
Behandlingsbar

More Related Content

Kap2 Abnormality

  • 1. Kap 2 Abnormality Jonas Ludvigsson 081130
  • 2. Att skilja sjukt fr奪n friskt Enklare p奪 sjukhus....P奪 IVA 辰r alla sjuka Enkelt med det gravt patologiska/avvikande Sv奪rare ute i samh辰llet: Vem 辰r f旦rkyld, vem har 2 veckor pneumoni, vem har gammalt barn sepsis? med feber
  • 3. F旦renkla data (Tabell 2.1) N辰r vi ska agera utifr奪n lab-v辰rden/kliniska fynd beh旦ver vi klassi鍖cera dem som normala/avvikande Beh旦ver ett barn med feber och 10(4) E Coli i urinen genomg奪 ultraljud njurar akut? Beh旦ver ett barn med ASAT/ALAT 1.5 i samband med en infektion f旦ljas upp?
  • 4. Typer av data - Nominal Man Kvinna Svenskar Danskar 100 100 75 75 50 50 25 25 0 0 2004 2005 2006 2007 2004 2005 2006 2007 Dikotoma data: levande/d旦d, frisk/sjuk
  • 5. Typer av data - Ordinal Latent CD Inflammation O som i ordningsf旦ljd Celiaki 100 FASS: klasser: amning 75 50 25 0 2004 2005 2006 2007 N辰r liten blir stor...
  • 6. Intervalldata Ordningsf旦ljd Samma avst奪nd Kontinuerliga data: Diskreta data: ex. blodsocker ex. antal graviditeter (egentligen alla v辰rden) (bara vissa v辰rden)
  • 7. problem med det normala Aldrig f旦r nominaldata ordinaldata och intervalldata N辰r blir en prostata alltf旦r stor? N辰r blir ett EMA/gliadin-v辰rde alltf旦r h旦gt?
  • 8. Validitet Accuracy De鍖nition: att m辰ta det man vill m辰ta Ett s辰tt 辰r att j辰mf旦ra med gold standard Ibland testa inf旦r unders旦kning Neg + Pos prov vid pricktest Men ibland saknas gold standard: ex. sm辰rta, illam奪ende, depression
  • 9. Items; constructs, scales Items: delar som m辰ter n奪got Constructs: det vi m辰ter (ex. symptom, attityd) M辰tning av 鍖era constructs kan tillsammans utg旦ra en skala/scale.
  • 10. Olika typer av validitet Content validity = att m辰ta allt (ex. alla aspekter av sm辰rta) Construct validity = att v奪rt s辰tt att m辰ta (ex. v奪r skala) har samband med andra skalor (v奪r HV-skala, med andras depressions- skala) Criterion validity = att v奪ra resultat kan f旦ruts辰ga en observation. Ex. att om vi f奪r h旦ga resultat p奪 sm辰rtskala: vanligare med njursvikt, eller att patienten ofta gr奪ter, svettas i samband med sm辰rta
  • 11. H奪rda-mjuka data Som forskare 辰lskar man h奪rda data. De kan m辰tas, j辰mf旦ras, bearbetas statistiskt: ex. vikt, blodtryck, kostnad Mjuka data ofta viktiga f旦r patienten: ex. v辰lbe鍖nnande. Vad bryr jag mig om mitt blodtryck om jag m奪r bra - subjektiva omd旦men H奪rda data: ofta avhumaniserade, ex. Bent辰thet -2SD, hos apa / hos m辰nniska? F旦rekomst av viss gen: m辰nniska / 鍖uga?
  • 12. Reliabilitet precision De鍖nition: upprepade m辰tningar ger samma resultat (men alla resultat kan vara fel) Olika observat旦rer: mindre reliabilitet Responsiveness: N辰r tillst奪nd f旦r辰ndras f旦r辰ndras ocks奪 svar p奪 m辰tning: A. ex. Klinisk klassi鍖cering av hj辰rtsvikt B. ex. Ultraljud klassi鍖c. ejektionsfraktion
  • 13. l奪g - RELIABITLITET - h旦g Validitet-Reliabilitet h旦g - VALIDITET - l奪g frekvens
  • 14. F旦rdelning Frekvensf旦rdelning - visar antal i varje intervall eller procent i varje intervall.
  • 15. Genomsnitt, median, mode Genomsnitt: Bra-ber辰kningar, d奪ligt-p奪verkas av extrema v辰rden Median: H辰lften ovanf旦r+h辰lften under. Bra: p奪verkas ej av extermv辰rden. D奪ligt: ej bra f旦r ber辰kningar Mode: vanligaste observationen. Bra: l辰tt att f旦rst奪. D奪ligt - matte
  • 16. Exempel - amningsl辰ngd Hur l辰nge har ammade du ditt barn? <1 1-2 3 4 5 6 7 X
  • 17. Spridning 1 Standarddeviation: genomsnittlig skillnad mellan individuella v辰rden och medel bra: matte d奪ligt: icke-normalf旦rdelade data Det 鍖nns inget som s辰ger att det normalf旦rdelade 辰r det naturliga
  • 18. Spridning 2 Percentil, decentil = andel av alla observationer D奪ligt: s辰ger inget om avst奪ndet fr奪n medel eller dylikt.
  • 19. Variation MTNING: a) instrument, ex. kapselbiopsi (var i tarmen ligger kapseln?). b) den som m辰ter: vilken patolog granskar biopsierna? BIOLOGISK: a) mellan individer, ex. personer med CD kan ha antingen partiell eller total villusatro鍖 b) inom samma individ: partiell VA p奪 vissa st辰llen.
  • 20. M辰tning - variation Skeva resultat (bias) p.g.a. l奪g validitet Spridda resultat (p.g.a.) l奪g reliabilitet Den som m辰ter f旦rvanskar, ex. l奪g/h旦g fetal hj辰rtrytm Variation = sampling fraction. Ex. Leverbiopsi = 1/10,000-del av levern! Tunntarmsbiopsi?
  • 21. M辰tfel, just det... Leverbiopsi ...host en h辰st?
  • 22. Biologisk variation 旦ver tid F旦r att kunna p奪visa en skillnad i VES med EN 24- timmarsm辰tning beh旦vdes 83% reduktion...
  • 23. Variation En patolog En patolog-olika tillf辰llen Tv奪 patologer Flera patienter
  • 24. Kan vi minska variation? Slumpm辰ssig V Balanserar varandra Oprecis V G旦r 鍖er m辰tningar Bias 鍖er m辰tingar = b辰ttre
  • 25. Det avvikande Genotypiskt = enkelt Fenotypiskt = sv奪rare Genetisk skillnad, men m辰ngden fenylalanin kan vara l奪g p.g.a. l奪gt intag... OBS! Bara 1/5 som hittas p奪 PKU-testet har fenylketonuri
  • 27. Avvikande: Det ovanliga 1 Oftast j辰mf旦r man med de friska Men, postoperativt: 辰r det normalt/avvikande att ha ont? Normalt/avvikande att ha kl奪da vid eksem?
  • 28. Avvikande: Det ovanliga2 + 2 SD = ca 2.5% l辰ngst bort, eller 旦ver 95e percentilen - men 辰r de s辰kert onormala? Alla sjukdomar f旦rekommer inte hos 5% av befolkningen... Olika sjukdomar - inte lika vanliga: diabetes/leukemi 旦ver 95% - kanske ingen relation till klinisk sjukdom...f旦rst n辰r 99% av njurfunktionen 辰r borta (?) s奪 har man njursvikt Vissa extremv辰rden 辰r bra - ex l奪gt blodtryck Vissa m辰tv辰rden 辰r normala men 旦kar 辰nd奪 risk f旦r sjukdom, ex. fr奪n 120 till 135 i systoliskt blodtryck
  • 29. Avvikande: Det ovanliga3 Cut-off f旦r det avvikande kan bero p奪 vilken sjukdom vi vill studera... BMI>19 旦kar risken f旦r d旦d i hj辰rtk辰rlsjukdom BMI>19 minskar risken f旦r total d旦d, tills BMI n奪r 25
  • 30. Det avvikande Vad som 辰r behandlingsbart varierar 旦ver tid I Finland, begr辰nsade resurser: allergi de鍖nieras annorlunda - vill att de 鍖esta ska vara friska, inte medicinera Folsyra: normal intag 辰r l奪gt under 1970-tal (m奪ls辰ttning f旦rhindra anemi) Folsyra: normalt intag idag 辰r h旦gre (m奪ls辰ttning hos gravid kvinna: ej neuralr旦rsdefekt)
  • 31. Regression to the mean F辰rre extremv辰rden vid upprepade m辰tningar Om ett f旦rsta v辰rde f旦refaller osannolikt h旦gt, rimligt att betrakat andra v辰rdet som det korrekta