Výpracky 1 ke kolokviu z OPZ

RR<1 ⇒ sledovaný faktor má naopak ochranný efekt

RR=1 ⇒ závislost neprokázána

Čím větší je hodnota RR, tím silnější asociace je prokázána (RR>3 silná asociace, RR>10 velmi silná asociace)

U prospektivních studií může výpočet rizik

vycházet z:

incidence risk → risk ratio

incidence rate →rate ratio

relativni riziko = Ie / Io =[a/(a+b)] /[c/(c+d)] = a(c+d) / c(a+b) (RR= risk ratio)

Kolikrát častěji umřou(onemocní) osoby ve skupině exponované(rizikové) než ve skupině neexponované).

b) Atributivní riziko AR

absolutní efekt expozice, neboli o kolik je incidence vyšší u exponovaných než u

neexponovaných AR = Ie-Io

ROZDÍL vyjadřuje absolutní efekt expozice. Umožňuje odhadnout velikost nadbytečných ztrát v důsledku působení rizikového faktoru. Je tedy mírou rozsahu studovaného zdravotního

problému ve skupině exponovaných.

AR=0 ⇒ závislost neprokázána

AR=Ie ⇒ všechny případy nemoci v celé populaci lze přičíst sledovanému faktor

AR<0 ⇒ ochranný faktor

c) Podíl atributivního rizika (AR%)

Jaký podíl (%) případů nemoci ve skupině exponovaných lze připsat vlivu působení studovaného faktoru

AR%=(AR/Ie) x 100=(Ie-Io)/Ie x100

d) Populační atributivní riziko PAR

obdoba AR, ale vychází z incidence nemoci v celém souboru, ne pouze v exponované skupině

PAR = It-Io

It … incidence jevu v celé populaci

Io … incidence jevu v neexponované části populace

PAR = pe x AR

lze použít, pokud je znám podíl exponovaných v celé populaci (pe) uvádí, kolik případů (nemoci, komplikace, úmrtí) lze připsat na vrub sledovaného činitele v celé populaci (podmínkou je reprezentativní výběr

e) Podíl populačního atributivního rizika (atributivní frakce) PAR% (PAF)

podíl případů nemoci, které lze přisoudit expozici v celé populaci

rozdíl mezi výskytem následku u celé populace a neexponovaných vztažený na incidenci v celé populaci

PAR% = (PAR/It)x 100 = [(It-Io)/It]x100

Pokud známe RR, lze použít:

PAR% = pe(RR-1)/[1+pe (RR-1)],

kde pe je podíl osob v populaci vystavených riziku

U retrospektívnych štúdií musíme vychádzať z incidence ODDS expozice:

• Neznáme incidenci nemoci, proto nelze počítat RR ani AR!!!

• Možný odhad RR na základě sázkového poměru- odds ratio OR

• Předpoklady:

nízká frekvence nemoci

reprezentativní výběr

Odhad RR = ODDS RATIO (OR) - poměr pravděpodobnosti expozice ve skupině případů a kontrol OR = (a x d) / (b x c)

OR = absolutní číslo, vyjadřující asociaci mezi expozicí a následkem, ale pouze nepřímo – vychází z porovnání prevalencí expozice zjišťované retrospektivně

Relatívne riziko odds ratio (OR)

AR% u retrospektívnych štúdií:

STATISTIKA

Variabilita dat

– Důsledek působení velkého množství drobných NÁHODNÝCH vlivů, z nichž každý výslednou hodnotu sledované vlastnosti ovlivňuje jen nepatrně.

Deduktivní úvaha: využívání obecných znalostí k rozhodování v jednotlivých případech

Induktivní úvaha: zobecnění poznatků z jednotlivých případů na všechny možné případy

Popis a technické zpracování dat:

Statistické třídění

cíl: uspořádat a zpřehlednit velký soubor dat

Prezentace dat (konstrukce tabulek a grafů)

cíl: znázornit rozložení četností sledovaných znaků

Statistické charakteristiky (ukazatele)

cíl: charakterizovat sledované znaky pomocí

výstižných ukazatelů

Třídění: typy veličin (znaků)

KVALITATIVNÍ (kategoriální) – slovní určení, nelze měřit číselně, lze pouze klasifikovat do různých kategorií (pohlaví, věk, …)

1. Nominální – lze vyjádřit pouze slovně, nelze seřadit

a) alternativní – existují pouze 2 varianty (kuřák x nekuřák, muž x žena)

b) množné – existují > 2 varianty (diagnózy, barva vlasů, …)

2. Ordinální – lze je seřadit dle nějaké míry (ZŠ – SŠ – VŠ, silný – slabý kuřák – nekuřák)

KVANTITATIVNÍ – lze vyjádřit pouze číselně (jejich obměny charakterizovány polohou na číselné ose)

1. Diskrétní (nespojité)– nabývají oddělených hodnot,vyjádřeny celými čísly (počet cigaret, počet onemocnění)

2. Spojité – jejich hodnoty na sebe plynule navazují, desetinná čísla (výška, hmotnost, …) v praxi lze spojité znaky převést na diskrétní

Statistické ukazatele

Kvalit.veličiny - relativní ukazatele - (viz rutinní statistiky – ukazatele frekvence, ukazatele struktury, indexy)

Kvantit. veličiny

1) střední hodnoty (ukazatele polohy)

– aritmetický průměr

– medián

– modus

– kvantil, percentil

2) ukazatele variability

– rozpětí

– rozptyl – směrodatná odchylka – variační koeficient

– kvantily, percentily (nejméně dva)

Volba ukazatele:

1. Tvar (typ)rozložení (symetrické X asymetrické)

2. Typ sledovaného znaku

Ukazatele polohy

• Aritmetický průměr (m):

– sečteme pozorované hodnoty a vydělíme je počtem sledovaných jednotek

• Medián (me): pořadová charakteristika

– hodnota, která je právě uprostřed všech pozorování, která jsme seřadili podle velikosti ( u sudého n = průměr ze 2 prostř.hodnot)

• Modus (mo): nejčastější hodnota, nejvíce typická, leží v modálním intervalu (tj. třída (kategorie) s nejvyšší četností)

• Kvantil (percentil, decil, kvartil)

– pořadový ukazatel, obměna mediánu (=5.decil, 50. percentil)

Ukazatele variability

Spolu se střední hodnotou by se měl vždy udávat příslušný ukazatel variability!

• Rozpětí (u malých souborů, kde n ≤ 10)

• Rozptyl - směrodatná odchylka (nejč.) - variační koeficient

- uvádějí se s aritmetickým průměrem ( u symetrický rozdělení)

• Kvantily (percentily, decily, kvartily)

- uvádějí se s modem či medián (asymetrický rozdělení)

- lze je ale samozřejmě použít i s aritmetickým průměrem

* 68,2%

* 95,4%

* 99,7%

Variační koeficient (v.k.) %