2. Att skilja sjukt från
friskt
Enklare på sjukhus....På
IVA är alla sjuka
Enkelt med det gravt
patologiska/avvikande
Svårare ute i samhället:
Vem är förkyld, vem har 2 veckor
pneumoni, vem har gammalt barn
sepsis? med feber
3. Förenkla data (Tabell 2.1)
När vi ska agera utifrån lab-värden/kliniska
fynd behöver vi klassificera dem som
normala/avvikande
Behöver ett barn med feber och 10(4) E Coli
i urinen genomgå ultraljud njurar akut?
Behöver ett barn med ASAT/ALAT 1.5 i
samband med en infektion följas upp?
5. Typer av data - Ordinal
Latent CD Inflammation O som i ordningsföljd
Celiaki
100 FASS: klasser: amning
75
50
25
0
2004 2005 2006 2007
När liten blir stor...
6. Intervalldata
Ordningsföljd
Samma avstånd
Kontinuerliga data: Diskreta data:
ex. blodsocker ex. antal graviditeter
(egentligen “alla” värden) (bara “vissa” värden)
7. problem med “det
normala”
Aldrig för nominaldata
ordinaldata och intervalldata
När blir en prostata alltför stor? När blir ett
EMA/gliadin-värde alltför högt?
8. Validitet
“Accuracy”
Definition: att mäta det man vill mäta
Ett sätt är att jämföra med gold standard
Ibland testa inför undersökning
Neg + Pos prov vid pricktest
Men ibland saknas gold standard:
ex. smärta, illamående, depression
9. Items; constructs, scales
Items: delar som mäter något
Constructs: det vi mäter (ex. symptom,
attityd)
Mätning av flera constructs kan tillsammans
utgöra en skala/scale.
10. Olika typer av validitet
Content validity = att mäta “allt” (ex. alla
aspekter av smärta)
Construct validity = att vårt sätt att mäta
(ex. vår “skala”) har samband med andra
skalor (vår HV-skala, med andras depressions-
skala)
Criterion validity = att våra resultat kan
förutsäga en observation. Ex. att om vi får
höga resultat på smärtskala:
vanligare med njursvikt, eller att patienten
ofta gråter, svettas i samband med smärta
11. Hårda-mjuka data
Som forskare älskar man “hårda data”. De
kan mätas, jämföras, bearbetas statistiskt:
ex. vikt, blodtryck, kostnad
Mjuka data ofta viktiga för patienten: ex.
välbefinnande. “Vad bryr jag mig om mitt
blodtryck om jag mår bra” - subjektiva
omdömen
Hårda data: ofta “avhumaniserade”, ex.
Bentäthet -2SD, hos apa / hos människa?
Förekomst av viss gen: människa / fluga?
12. Reliabilitet
“precision”
Definition: upprepade mätningar ger samma
resultat (men “alla resultat” kan vara fel)
Olika observatörer: mindre reliabilitet
Responsiveness: När tillstånd förändras
förändras också svar på mätning:
A. ex. Klinisk klassificering av hjärtsvikt
B. ex. Ultraljud klassific. ejektionsfraktion
13. låg - RELIABITLITET - hög Validitet-Reliabilitet
hög - VALIDITET - låg
frekvens
15. Genomsnitt, median,
mode
Genomsnitt: Bra-beräkningar, dåligt-påverkas
av extrema värden
Median: Hälften ovanför+hälften under. Bra:
påverkas ej av extermvärden. Dåligt: ej bra
för beräkningar
Mode: vanligaste observationen. Bra: lätt att
förstå. Dåligt - matte
17. Spridning 1
Standarddeviation: genomsnittlig skillnad
mellan individuella värden och medel
bra: matte
dåligt: icke-normalfördelade data
Det finns inget som säger
att det normalfördelade
är det naturliga
19. Variation
MÄTNING:
a) instrument, ex. kapselbiopsi (var i tarmen
ligger kapseln?).
b) den som mäter: vilken patolog granskar
biopsierna?
BIOLOGISK:
a) mellan individer, ex. personer med CD kan
ha antingen partiell eller total villusatrofi
b) inom samma individ: partiell VA på vissa
ställen.
20. Mätning - variation
Skeva resultat (bias) p.g.a. låg validitet
Spridda resultat (p.g.a.) låg reliabilitet
Den som mäter förvanskar, ex. låg/hög fetal
hjärtrytm
Variation = sampling fraction. Ex. Leverbiopsi
= 1/10,000-del av levern! Tunntarmsbiopsi?
24. Kan vi minska variation?
Slumpmässig V Balanserar varandra
Oprecis V Gör fler mätningar
Bias fler mätingar = bättre
25. Det avvikande
Genotypiskt = enkelt
Fenotypiskt = svårare
Genetisk skillnad, men mängden fenylalanin kan vara låg
p.g.a. lågt intag...
OBS! Bara 1/5 som hittas på PKU-testet
har fenylketonuri”
27. Avvikande: Det ovanliga 1
Oftast jämför man med de friska
Men, postoperativt: är det normalt/avvikande
att ha ont?
Normalt/avvikande att ha klåda vid eksem?
28. Avvikande: Det ovanliga2
+ 2 SD = ca 2.5% längst bort, eller över 95e
percentilen - men är de säkert onormala? Alla
sjukdomar förekommer inte hos 5% av befolkningen...
Olika sjukdomar - inte lika vanliga: diabetes/leukemi
“över 95%” - kanske ingen relation till klinisk
sjukdom...först när 99% av njurfunktionen är borta
(?) så har man njursvikt
Vissa extremvärden är bra - ex lågt blodtryck
Vissa mätvärden är “normala” men ökar ändå risk för
sjukdom, ex. från 120 till 135 i systoliskt blodtryck
29. Avvikande: Det ovanliga3
Cut-off för det avvikande kan bero på vilken sjukdom
vi vill studera...
BMI>19 ökar risken för död i hjärtkärlsjukdom
BMI>19 minskar risken för total död, tills BMI når 25
30. Det avvikande
Vad som är behandlingsbart varierar över tid
I Finland, begränsade resurser: allergi definieras
annorlunda - vill att de flesta ska vara friska, inte
medicinera
Folsyra: normal intag är lågt under 1970-tal
(målsättning förhindra anemi)
Folsyra: normalt intag idag är högre (målsättning hos
gravid kvinna: ej neuralrörsdefekt)
31. Regression to the mean
Färre extremvärden vid upprepade mätningar
Om ett första värde förefaller osannolikt
högt, rimligt att betrakat andra värdet som
det korrekta
