Always laugh when you can, it is cheap medicine.

Home » Kennis » Voortgangstoets/Crux » Epidemiologie en statistiek

Epidemiologie en statistiek

Validiteit en betrouwbaarheid
Twee termen die in de statistiek veelvuldig worden gebruikt zijn validiteit en betrouwbaarheid. Validiteit meet de precisie van hetgeen wat je wil meten. De betrouwbaarheid daarentegen meet hoe consistent de metingen zijn. Stel dat een bloeddrukmeter bij een 20-jarige gezonde man het ene moment 190/130 mmHg aangeeft en het andere moment 120/75. Je kan dan zeggen dat de validiteit laag is, omdat het waarschijnlijk niet heel precies is, immers is een bloeddruk van 190/130 bij een 20-jarige gezonde man erg onwaarschijnlijk. Daarnaast kan je ook zeggen dat de betrouwbaarheid laag is: de ene meting verschilt heel erg van de andere (figuur 1).

Figuur 1: het verschil in validiteit (valid) en betrouwbaarheid (reliable).


Sensitiviteit en specificiteit
Twee parameters die veelvuldig voorkomen zijn de sensitiviteit en specificiteit van een bepaald onderzoek (figuur 2). Ze worden vooral waardevol gevonden en geïnterpreteerd door onderzoekers. Maar wat geven deze twee termen precies aan? De sensitiviteit van een test geeft aan hoeveel procent van de patiëntenpopulatie die een aandoening heeft ook positief test, oftewel de echte positieven. De specificiteit van een test geeft daarentegen de echte negatieven weer: de procentuele hoeveelheid van de patiëntenpopulatie die een aandoening niet heeft, dan ook negatief testen. Om een ezelsbruggetje te vinden hierin:

  • Sensitiviteit: de positieve patiënten die positief testen.
  • Specificiteit: de negatieve patiënten die negatief testen.

Een hoge sensitiviteit geeft dus met hoge zekerheid weer dat een ziekte aanwezig is en is hierom handig om diagnoses uit te sluiten. Daarentegen is de specificiteit handig om een ziekte aan te tonen.
De patiënten die negatief testen wanneer ze eigenlijk positief zouden moeten testen, heten de vals-negatieven. De patiënten die positief testen wanneer ze eigenlijk negatief zouden moeten zijn, heten de vals-positieven.

 

Positive predicted value en negative predicted value
De positive predicted value (PPV; positief voorspellende waarde) en negative predicted value (NPV; negatief voorspellende waarde) lijken erg op de sensitiviteit en specificiteit en zijn belangrijker voor artsen, dan voor onderzoekers. Deze waardes geven aan hoe waarschijnlijk het is of een patiënt ziek is wanneer de uitslag positief is of dat een patiënt niet ziek is wanneer deze negatief is (figuur 2).

Figuur 2: het berekenen van verschillende parameters.


Absolute risicoreductie (ARR) of risicoverschil
Het verschil in risico tussen 2 groepen, het risicoverschil of risk difference (RD), geeft aan wat het verschil in uitkomst in met een bepaalde interventie, behandeling, eigenschap etc. Om dit te berekenen, moet je de proporties kennen. Bijvoorbeeld:

  • Alcoholgebruikers: van de 9.000 alcoholgebruikers is 6.000 ziek en 3.000 is gezond.. De proportie (p1) is 6.000/9.000 (ziek/totale populatie), in dit geval is het dus 67%.
  • Niet-alcoholgebruikers: van de 6.000 niet-alcoholgebruikers is 500 ziek en 5.500 is gezond. De proportie (p2) is 500/6.000, in dit geval is het dus 8%.

Uit dit voorbeeldje kan je dus zeggen dat het risicoverschil 59% is, of te wel een reductie van 59%.

 

Number-needed-to-treat (NNT)
Deze waarde geeft in de statistiek weer hoeveel patiënten er behandeld moeten worden alvorens een ongewild evenement, bijvoorbeeld een ziekte, zich manifesteert. NNT is de inverse van het risicoverschil en wordt berekent door 1/RD.

 

Relatieve risico (RR) en odds ratio (OR)
De relatieve risico geeft weer wat de verhouding is tussen 2 risico's. Dit bereken makkelijk door p1/p2. Als we kijken naar het voorbeeldje bij het risicoverschil, is dit 67/8= 8,375. De odds ratio, daarentegen, geeft aan hoe waarschijnlijk het is dat iets zich manifesteert. Deze bereken je door odds1/odds2. De odds zijn in dit geval ziekte (odds1) en gezond (odds2). Ziekte is hierbij 6.000/500=12 en gezond zijn is 3.000/5.500=0,55. De odds ratio wordt dan 12/0,55=22.

 

Study designs
De opzet van een onderzoek kan onderverdeeld worden in experimenteel en observationeel. Daarnaast kan je verder uitbreiden in types zoals een randomized control trial (RCT) bij experimentele onderzoeken en een cohort bij observationele onderzoeken. Bij experimentele onderzoeken worden variabelen gemanipuleerd om de uitkomsten vervolgens te beoordelen. Een observationele onderzoek kijkt naar de uitkomsten op basis van niet-gemanipuleerde variabelen.

Medische toetsing van gegevens
Statistiek kan inductief beoordeeld worden en beschrijvend. Inductieve statistiek, ook wel inferentieel genoemd, is het trekken van conclusies uit gegevens. Beschrijvende statistiek legt de nadruk om het kwantificeren van de gegevens, denk aan mediaan, modus, gemiddelde, confidence interval, standard deviation etc.

  • De mediaan is het middelste getal in een rij met getallen van klein naar groot. Bijvoorbeeld bij 1 2 3 4 5 is de mediaan 3. Valt het gemiddelde tussen 2 getallen, dan neem je het gemiddelde van die 2 getallen. Bijvoorbeeld bij 1 2 3 4 is het gemiddelde 2 en 3, maar wordt het (2+3)/2=2,5.
  • De modus is het getal dat het meest voorkomt. Bijvoorbeeld bij 5 2 2 3 4 1 is de modus 2.
  • Het gemiddelde is het middelpunt van een reeks waarbij je alles bij elkaar optelt en deelt door het aantal getallen. Bijvoorbeeld 2 5 3 8 9 geeft een gemiddelde van 27/5=5,4.

Figuur 3: een grafiek op basis van normale distributie.


Bij een normale distributie (figuur 3) is het gemiddelde (μ) in het midden. De standaarddeviaties (SD of σ) is een maat waarin er wordt afgeweken van het gemiddelde. Hierdoor kan je zeggen dat het afwijken van 1 SD neerkomt op μ ± 1 SD; of te wel 68% van de populatie bevindt zich binnen 1 SD van het gemiddelde. Het afwijken van 2 SD, de p-waarde, komt neer op μ ± 2 SD; of te wel 95% van de populatie bevindt zich binnen 2 SD van het gemiddelde. Een deel van de populatie bevindt zich buiten de μ ± 2 SD, deze groep wordt α genoemd. Wanneer de p-waarde <0.05 (en dus de α-groep <5% is) spreken we statistisch gezien van een significant uitkomst.
In werkelijkheid kan dit natuurlijk in de praktijk verschillen. Daarom is er toch altijd kans op het vinden van afwijkende uitkomsten in werkelijkheid. We spreken dan van type 1- en type 2-fouten.

  • Type 1-fouten (α-fout): een significant uitkomst dat effect biedt volgens een onderzoek biedt in werkelijkheid geen effect. De kans hierop is gelijk aan de p-waarde.
  • Type 2-fouten (ß-fout): een significant uitkomst dat geen effect biedt volgens een onderzoek biedt in werkelijkheid wel effect.

Fouten kunnen vele verschillende oorzaken hebben. Een variabel die de uitkomsten beïnvloedt noemen we een confounder. Als deze van invloed is op uitkomsten, maar niet zijn meegenomen in het onderzoek, is deze vatbaar voor fouten.

 

Onderzoek naar geneesmiddelen
Het onderzoek naar geneesmiddelen kent vele stappen en fases. Men begint natuurlijk met het ontrafelen van mechanismes van ziektes om vervolgens op bepaalde processen invloed uit te oefenen. Wanneer een medicijn is ontwikkeld in het laboratorium en getest is op dieren voor de veiligheid, kan men beginnen met het onderzoek naar de werkzaamheid hiervan in mensen. De geneesmiddelenonderzoek kent globaal gezien 4 fases:

  1. In de eerste fase worden gezonde vrijwilligers genomen. Hierbij wordt gelet op de farmacokinetiek in de mens. Ook hier wordt gelet op de veiligheid bij de vrijwilligers en het tolereren van de interventie.
  2. In de volgende fase wordt de effectiviteit getest op een kleine patiënten groep. De focus ligt hier op het optimaliseren van toedieningen en dosis.
  3. In de derde fase wordt er uitgebreid. Het geneesmiddel wordt toegepast op grotere patiënten groepen en de daadwerkelijke effectiviteit wordt nader bekeken. Dit kan gedaan worden door case-control studies, cohort studies of randomized control trials (RCT's).
  4. In de laatste fase komt het geneesmiddel op de markt, kan het gebruikt worden door patiënten en wordt het verbeterd waar nodig. Deze fase wordt ook wel de post-marketing genoemd.