Επιδημιολογία. Epidemiology - Επιδημιολογία. Τι είναι Επιδημιολογία;



Σχετικά έγγραφα
Νίκος Τζανάκης Ιατρική Σχολή Πανεπιστήμιο Κρήτης Web Site:

Τι θα µάθουµε σήµερα. Έκφραση κλινικών παρατηρήσεων

ΜΑΘΗΜΑ ΕΠΙ ΗΜΙΟΛΟΓΙΑΣ ΧΡΗΣΙΜΕΣ ΠΛΗΡΟΦΟΡΙΕΣ ΙΑΡΘΡΩΣΗ ΜΑΘΗΜΑΤΟΣ

ΜΑΘΗΜΑ 2 ο ΠΗΓΕΣ ΙΑΚΥΜΑΝΣΗΣ ΑΘΡΟΙΣΤΙΚΗ ΙΑΚΥΜΑΝΣΗ. Έκφραση κλινικών παρατηρήσεων. Web Site: ΤΥΧΑΙΑ ΙΑΚΥΜΑΝΣΗ

Κατανομή συχνοτήτων. Μέτρα κεντρικής τάσης. Μέτρα διασποράς. Σφάλματα μέτρησης. Εγκυρότητα. Ακρίβεια

Επιδημιολογία. Ενότητα 1η: Εισαγωγή Ορισμοί, Αιτιολογία των Νοσημάτων. Προσπάθεια λογικής εξήγησης της εμφάνισης νόσου.

Παρουσίαση κλινικών δεδομένων Φυσιολογικό & Παθολογικό Νίκος Τζανάκης Επίκουρος Καθηγητής

Λογαριθµιστική εξάρτηση

Συγγραφή και κριτική ανάλυση επιδημιολογικής εργασίας

Ζ Σεμινάριο ΕΧΕ 24 Σεπτεμβρίου 2013

Επιδημιολογία. Είδη υπό-μελέτη πληθυσμών. Ο ορισμός του υπό-μελέτη πληθυσμού ΜΕΤΡΗΣΗ ΚΑΙ ΣΥΓΚΡΙΣΗ ΤΗΣ ΣΥΧΝΟΤΗΤΑΣ ΤΩΝ ΝΟΣΗΜΑΤΩΝ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ. Μ. 436

Εισαγωγή στη Βιοστατιστική Βασικές έννοιες Στατιστικής. Μαρία Γκριζιώτη Μsc Ιατρικής Ερευνητικής Μεθοδολογίας

Ενότητα 1: Εισαγωγή. ΤΕΙ Στερεάς Ελλάδας. Τμήμα Φυσικοθεραπείας. Προπτυχιακό Πρόγραμμα. Μάθημα: Βιοστατιστική-Οικονομία της υγείας Εξάμηνο: Ε (5 ο )

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΑΝΑΛΥΣΗ Ε ΟΜΕΝΩΝ. 2. Περιγραφική Στατιστική

1. Τακτικές στατιστικές σειρές: στοιχεία με. 2. Ειδικές επιδημιολογικές έρευνες: περιγραφικές. 10/10/ Απογραφή πληθυσμού

Δρ. Χάϊδω Δριτσάκη. MSc Τραπεζική & Χρηματοοικονομική

Περιγραφική Ανάλυση ποσοτικών μεταβλητών

ΜΑΘΗΜΑ ΕΠΙΔΗΜΙΟΛΟΓΙΑΣ

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ Ι Κ.Μ. 436

Κ Ι Ν Υ Ν Ο Σ ΜΑΘΗΜΑ ΕΠΙ ΗΜΙΟΛΟΓΙΑΣ. ! Εκτίµηση κινδύνου ανάπτυξης νόσου! Παράγοντες κινδύνου! Τρόποι σύγκρισης των παραµέτρων κινδύνου

Ενότητα 1: Πληθυσμός και δείγμα Είδη Μεταβλητών - Περιγραφική στατιστική

Ν. Τζανάκησ Αναπληρωτήσ Καθηγητήσ Ιατρική Σχολή, Πανεπιςτήμιο Κρήτησ

Πίσω στα βασικά: Βασικές αρχές στατιστικής για κοινωνιολογικές έρευνες

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή εργασία ΑΓΧΟΣ ΚΑΙ ΚΑΤΑΘΛΙΨΗ ΣΕ ΓΥΝΑΙΚΕΣ ΜΕ ΚΑΡΚΙΝΟΥ ΤΟΥ ΜΑΣΤΟΥ ΜΕΤΑ ΑΠΟ ΜΑΣΤΕΚΤΟΜΗ

Έκφραση κλινικών παρατηρήσεων

ΠΙΘΑΝΟΤΗΤΕΣ. Κλινική ή ερευνητική παρατήρηση Πόσο αληθινή είναι; Τι θα συζητηθεί σε αυτό το µάθηµα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΦΑΡΜΟΣΜΕΝΗ ΙΑΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΜΕΘΟΔΟΛΟΓΙΑ Μ. ΑΡΒΑΝΙΤΙΔΟΥ- ΒΑΓΙΩΝΑ ΚΑΘΗΓΗΤΡΙΑ

Σκοπός του κεφαλαίου είναι η κατανόηση των βασικών στοιχείων μιας στατιστικής έρευνας.

ΔΗΜΟΠΑΘΟΛΟΓΙΑ ΤΗΣ ΔΙΑΤΡΟΦΗΣ

Βασικές έννοιες περιγραφικής επιδημιολογίας. Ιωάννα Τζουλάκη, Λέκτορας επιδημιολογίας

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Βιοστατιστική ΒΙΟ-309

ΒΙΟΣΤΑΤΙΣΤΙΚΗ. ΑΛΕΓΚΑΚΗΣ ΑΘΑΝΑΣΙΟΣ Φυσικός, PH.D. Σχολής Επιστηµών Υγείας

Μελέτες αναλυτικής επιδημιολογίας στηδιερεύνησηεπιδημιών

Επαναληπτικό μάθημα Βασικών επιδημιολογικών εννοιών. Ειρήνη Αγιαννιωτάκη

ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

Βιοστατιστική ΒΙΟ-309

Μοντέλα πρόγνωσης. του Σακχαρώδη Διαβήτη. Ηλιάδης Φώτης. Επίκουρος Καθηγητής Παθολογίας-Διαβητολογίας ΑΠΘ Α ΠΡΠ, Νοσοκοµείο ΑΧΕΠΑ

ΜΑΘΗΜΑ ΕΠΙ ΗΜΙΟΛΟΓΙΑΣ

Βιοστατιστική ΒΙΟ-309

Δειγματοληψία στην εκπαιδευτική έρευνα. Είδη δειγματοληψίας

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

6 / 4 / Βιοστατιστικός, MSc, PhD

5.4 The Poisson Distribution.

Κλινικές Μελέτες στην Ελλάδα Ο δρόμος προς την αξιοπιστία από την πλευρά του ερευνητή: Εμπειρίες, προβλήματα και λύσεις. Γεώργιος Β.

Πανεπιστήμιο Θεσσαλίας Σχολή Επιστημών Υγείας Ιατρικό Τμήμα. Μάθημα: Επιδημιολογία και Εφαρμοσμένη Ιατρική Έρευνα

Περιγραφική Στατιστική

Δείγμα πριν τις διορθώσεις

Αξιοπιστία προληπτικών εργαστηριακών εξετάσεων. Γ. Κολιάκος Καθηγητής Βιοχημείας

ΠΕΡΙΛΗΨΗ. Εισαγωγή. Σκοπός

Μέρος 1ο. Περιγραφική Στατιστική (Descriptive Statistics)

Κλινική Επιδηµιολογία. Μέτρα κινδύνου Αιτιολογική συσχέτιση

Διάγνωση και προσυμπτωματικός έλεγχος

Τυχαία vs. συστηµατικά σφάλµατα (random vs. systematic errors)

ΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης

Αναλυτική Στατιστική

Διάλεξη 1 Βασικές έννοιες

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

Στατιστική Επιχειρήσεων Ι

Είδη Μεταβλητών Κλίμακα Μέτρησης Οι τεχνικές της Περιγραφικής στατιστικής ανάλογα με την κλίμακα μέτρησης Οι τελεστές Π και Σ

Από τους πιο σημαντικούς ελέγχους που πρέπει να κάνουμε πολύ συχνά μέχρι μια συγκεκριμένη ηλικία του παιδιού είναι η σωματική του ανάπτυξη!

ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ. Αριάδνη Αργυράκη

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή Εργασία. Κόπωση και ποιότητα ζωής ασθενών με καρκίνο.

Περιεχόμενα. Πρόλογος... 15

ΕΚΤΙΜΗΣΗ ΑΒΕΒΑΙΟΤΗΤΑΣ ΓΕΩΧΗΜΙΚΩΝ ΜΕΤΡΗΣΕΩΝ

Είδη Επιδημιολογικής Έρευνας. Εμμανουήλ Σμυρνάκης Λέκτορας ΠΦΥ Ιατρικής Σχολής ΑΠΘ Στάθης Γιαννακόπουλος Γενικός Ιατρός, Διδάκτωρ Ιατρικής Σχολής ΑΠΘ

ΔΗΜΟΠΑΘΟΛΟΓΙΑ ΤΗΣ ΔΙΑΤΡΟΦΗΣ

Aιτιότητα. Ιωάννα Τζουλάκη

ΜΑΘΗΜΑ ΕΠΙ ΗΜΙΟΛΟΓΙΑΣ

Δεδομένα (data) και Στατιστική (Statistics)

ΚΑΡΔΙΑΚΗ ΑΝΕΠΑΡΚΕΙΑ & ΚΑΤΑΘΛΙΨΗ: ΝΕΟΤΕΡΑ ΔΕΔΟΜΕΝΑ. Ο. Καρδακάρη, Νοσηλεύτρια M sc,κ/δ ΚΛΙΝΙΚΗ ΠΓΝΙ

Methods of analysis. Assumptions. Normality. Variables. Normality. Groups. Summary Guide. Quantitative Qualitative. Normal Non-normal distributed

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ ΤΜΗΜΑ ΝΟΣΗΛΕΥΤΙΚΗΣ. Πτυχιακή διατριβή

ΕΙΣΑΓΩΓΗ ΜΑΘΗΜΑ ΕΠΙ ΗΜΙΟΛΟΓΙΑΣ. ΜΑΘΗΜΑ 6 ο. Epidemiology and Public Health Dept of Epidemiology and Public Health

ΙΜΒ 023: Επιδημιολογία και Μεθοδολογία έρευνας

Αιτιότητα και τυχαίο σφάλμα στις επιδημιολογικές μελέτες

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ. Πτυχιακή διατριβή. Ονοματεπώνυμο: Αργυρώ Ιωάννου. Επιβλέπων καθηγητής: Δρ. Αντρέας Χαραλάμπους

Ανάλυση ποσοτικών δεδομένων. ΕΡΓΑΣΤΗΡΙΟ 2 ΔΙΟΙΚΗΣΗ & ΚΟΙΝΩΝΙΚΟΣ ΣΧΕΔΙΑΣΜΟΣ ΣΤΗΝ ΤΟΞΙΚΟΕΞΆΡΤΗΣΗ Dr. Ρέμος Αρμάος

Ποσοτική & Ποιοτική Ανάλυση εδομένων Βασικές Έννοιες. Παιδαγωγικό Τμήμα ημοτικής Εκπαίδευσης ημοκρίτειο Πανεπιστήμιο Θράκης Αλεξανδρούπολη

ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική

Στατιστική Επιχειρήσεων Ι. Περιγραφική Στατιστική 1

Η ΣΤΑΤΙΣΤΙΚΗ ΣΤΟ ΕΡΓΑΣΤΗΡΙΟ ΣΠΕΡΜΑΤΟΣ

ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΥΓΕΙΑΣ

ΚΛΙΝΙΚΕΣ ΔΟΚΙΜΕΣ - ΑΞΙΟΛΟΓΗΣΗ ΘΕΡΑΠΕΥΤΙΚΩΝ ΜΕΤΡΩΝ

Επιδημιολογία HIV. Χρύσα Τσιάρα Γραφείο HIV & ΣΜΝ Κέντρο Ελέγχου & Πρόληψης Νοσημάτων

Ευάγγελος Ευαγγέλου, Λεκτορας επιδημιολογίας Ιωάννα Τζουλάκη, Λεκτορας επιδημιολογίας

Εισαγωγή στη Στατιστική

ΒΙΟΣΤΑΤΙΣΤΙΚΗ Πρακτική με SPSS (1)

ΜΟΝΟΠΑΡΑΜΕΤΡΙΚΗ ΚΑΙ ΠΟΛΥΠΑΡΑΜΕΤΡΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ & ΕΚΠΑΙΔΕΥΣΗ

Εργαστήριο στατιστικής Στατιστικό πακέτο S.P.S.S.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ

Μεθοδολογία της Έρευνας και Εφαρμοσμένη Στατιστική

University of Cyprus Optical Diagnostics Laboratory. ΗΜΥ 370 Εισαγωγή στη Βιοϊατρική Μηχανική. Κλινικές Μελέτες και Βιοστατιστική

ΧΑΡΑΛΑΜΠΟΣ Ι. ΚΑΡΒΟΥΝΗΣ Καθηγητής Καρδιολογίας Α.Π.Θ.

Το κάπνισμα στην Ελλάδα

Transcript:

Επιδημιολογία Web Site: www.pagni.gr/users/epidemiology Epidemiology - Επιδημιολογία Σύνθετη λέξη 3 Ελληνικών λέξεων Επί Epi(αφορά, επί upon, on) Δήμος Demos(πληθυσμός population) Λόγος Logos (σπουδή, γνώση Knowledge, Science) Τι είναι Επιδημιολογία; H Επιστήμη που μελετά την κατανομή και της εξέλιξη διαφόρων νοσημάτων ή χαρακτηριστικών στον ανθρώπινο πληθυσμό και των παραγόντων που τον διαμορφώνουν ή τον επηρεάζουν. Επίσης εξετάζει χαρακτηριστικά που συνδέονται τόσο με τον περιβαλλοντικό όσο και με το γενετικό έλεγχο. Αντικείμενο της Επιδημιολογίας είναι και η περιγραφική κατανομή των παραγόντων που επηρεάζουν τον πληθυσμό όπως για παράδειγμα ηλικία, φύλο, φυλή, γεωγραφική περιοχή και επάγγελμα (περιγραφική επιδημιολογία). Επιπλέον οι αιτίες που προκαλούν ασθένειες ή αλλαγές στον ανθρώπινο πληθυσμό είναι αντικείμενο της επαγωγικής ή αναλυτικής Επιδημιολογίας. Στην Επιδημιολογία κάθε νόσος περιγράφεται κυρίως από τη συχνότητα εμφάνισης, το χρόνο διάρκειας και την εξέλιξη της. 1

Τι είναι Επιδημιολογία; H μέτρηση και περιγραφή της νοσηρότητας και θνησιμότητας ενός πληθυσμού. Ο έλεγχος της χρονικής εξέλιξης μίας νόσου. Η ανακάλυψη αιτιολογικών παραγόντων που προκαλούν μια νόσο (επαγωγική Επιδημιολογία). Η μελέτη των συνθηκών και των αιτιών που προκαλούν επιδημίες (monitoring) - για παράδειγμα κάπνισμα και καρκίνος των πνευμόνων. Η κατανόηση της ιστορίας των νοσημάτων (για πρόληψη και έλεγχο - screening). Οι παράγοντες που επηρεάζουν την φυσική ιστορία της νόσου (πρόγνωση/θεραπεία) Ο προγραμματισμός, οργάνωση και αξιολόγηση των υπηρεσιών υγείας. Ιστορική αναδρομή (I) Μελέτη μεγάλων επιδημιών κατά το μεσαίωνα (χολέρα, ευλογιά, πανώλη). Ιπποκράτης (460-357 π.χ.): "Περί αέρος, ύδατος και τόπων ". Περιγραφή εμπειρικών σχέσεων μεταξύ εκδήλωσης/εμφάνισης ασθενειών και διαφόρων συνθηκών διαβίωσης (διατροφή, κατοικία, κλιματολογικές συνθήκες) και άλλα πιθανά αίτια. Graunt (1620-1674) χρησιμοποίησε ποσοτικές μεθόδους για τη μελέτη της θνησιμότητας αγοριών και τις ιδιομορφίες της βρεφικήςθνησιμότητας. Farr (1807-1883) έθεσε τις βάσεις για την επιδημιολογική χρήσηδημογραφικών δεδομένων εργαζόμενος ως υπεύθυνος Ιατρικών θεμάτων στη στατιστική υπηρεσία της Αγγλίας. Ιστορική αναδρομή (II) Snow (1813-1858) απέδειξε ότι η χολέρα προερχόταν από μικρόβιο που μεταδιδόταν από το νερό και την κοπριά. Στο αποτέλεσμα αυτό κατέληξε αφού μελέτησε το νερό από την κεντρική ύδρευση δύο περιοχών με άτομα ίδιων χαρακτηριστικών (ηλικία, φύλο, κοινωνικοοικονομική κατάσταση): το Lambeth (με καθαρό νερό) και το Soutwork (όπου το νερό περιείχε απόβλητα). Το Lambeth είχε 8 φορές μικρότερη θνησιμότητα από χολέρα. Άρα το νερό ήταν το κλειδί και όχι ο αέρας όπως πίστευαν εκείνη την εποχή. 20ος αιώνας: Σύνδεση καπνίσματος με τον καρκίνο του πνεύμονα [Doll and Peto (1976)]. Ίδρυση Σχολή Δημόσιας Υγείας (1922) στο Πανεπιστήμιο του Harvard η οποία περιλαμβάνει τμήματα Επιδημιολογίας και Βιοστατιστικής 2

Field epidemiology (1850) This investigates and identifies the causes of outbreaks of infectious disease. A good example is John Snow s work in the Soho cholera epidemic. However, even today, epidemiologists are called in to find and remove the cause of outbreaks of disease such as food poisoning, Legionnaires disease, etc. Descriptive epidemiology (1920) This describes the frequency and distribution of disease in populations and groups. In dentistry, systematic work of this kind appeared around the 1920 s and continues today monitoring the oral health of the population. This work enables us to estimate the need and demand for health services as well as providing important clues to the causes of disease. Analytic epidemiology (1950) This identifies the determinants or causes of disease. The methods used were developed in the 1950 s as part of the investigation of the role of smoking in lung cancer. Smoking as a cause of periodontal disease is now of considerable interest in dentistry. 3

Experimental epidemiology (1970) This uses randomized controlled clinical trials to determine if new treatments are better than previous treatments in terms of controlling disease and improving the health of patients. Clinical epidemiology (1980) This is the newest branch of epidemiology and the one likely to have the most immediate impact on clinical practice. It involves the application of epidemiological principles and reasoning to the clinical problems involved in diagnosing and treating individual patients. More recently, this has come to be called evidence-based care. Κλινική επιδημιoλογία Παρατηρεί ομάδες ατόμων (έμφαση σε ασθενείς) και μελετά Παράγοντες κινδύνου Στοιχεία που συμβάλλουν στην ακριβή διάγνωση Παράγοντες πρόγνωσης Εκτίμηση αποτελεσματικότητας θεραπευτικών ή προληπτικών παρεμβάσεων Σκοπός η υποβοήθηση των κλινικών γιατρών στη λήψη αποφάσεων 4

Molecular epidemiology (1990) This draws on advances in molecular biology and genetics to investigate biological parameters which are associated with an increased risk of disease. It also involves the use of biological indicators of the presence of disease and disease progression. Χρησιμότητα Επιδημιολογίας Παρακολούθηση δεικτών υγείας ενός πληθυσμού Ανακάλυψη και μελέτη της φυσικής πορείας και των αιτίων νέων νοσημάτων (πχ. AIDS) Αναγνώριση ομάδων σε κίνδυνο νόσησης και επικέντρωση σε αυτά των προληπτικών & θεραπευτικών μέσων Εκτίμηση των παραγόντων κινδύνου και των συνεπειών τους (πχ. κάπνισμα και καρκίνος του πνεύμονα) Μελέτη των διαγνωστικών μέσων που διαθέτουμε και της αποτελεσματικότητας τους για την διακρίβωση των ασθενειών Εκτίμηση των προγνωστικών παραγόντων που τροποποιούν την διαδρομή και έκβαση μιας ασθένειας Εκτίμηση της αποτελεσματικότητας των θεραπευτικών μέσων Εκτίμηση των αναγκών της υγείας και της αποτελεσματικότητας των υπηρεσιών υγείας Χρόνος Cases 160 140 120 100 80 60 40 20 0 ΑΥΓΟΥΣΤΟΣ ΣΕΠΤΕΜΒΡΙΟΣ Time factor in the cholera epidemic in Broad Street-Golden Square area of London in the 1800s, showing the epidemic curve of the outbreak (John Snow: Snow on Cholera 1936, Harvard) 19 20 21 22 23 24 25 26 27 28 29 30 31 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 5

Population pyramids USA 1900: Age cohort groupings & sex Males 85+ 80-84 75-79 70-74 65-69 60-64 55-59 50-54 54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4 Females 6 5 4 3 2 1 1 2 4 3 5 6 Percent of Total Population Population pyramids USA 1970: Age cohort groupings & sex Males 85+ 80-84 75-79 70-74 65-69 60-64 55-59 50-54 54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4 Females 6 5 4 3 2 1 1 2 4 3 5 6 Percent of Total Population Dependency ratio Ποια είναι η δυνατότητα του πληθυσμού μιας χώρας για ισορροπία μεταξύ ενεργού και μη ενεργού τμήματος του Males 85+ 80-84 75-79 70-74 65-69 60-64 55-59 50-54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4 Females 6 5 4 3 2 1 1 2 4 3 5 6 Percent of Total Population Population < 18 yrs + Population > 65 yrs Dependency ratio = Population ages18 64 yrs 6

Περιγράφοντας βιοϊατρικά δεδομένα Περίληψη είναι η γλώσσα της Ιατρικής Μεταβλητές (Variables) Μεταβλητή: Κάθε ποιοτικό ή ποσοτικό χαρακτηριστικό που μπορεί να μετρηθεί Οι μεταβλητές μπορεί να συγκριθούν και να συσχετιστούν μεταξύ τους Έχουν μια κλίμακα "μέτρησης" Εξ ορισμού η μεταβλητή υπόκειται σε αλλαγή (μεταβολή) της τιμής της Στην κλινική επιδημιολογία οι ερευνητές ασχολούνται με συγκρίσεις ή συσχετίσεις μεταβλητών Έκφραση βιοϊατρικών παρατηρήσεων ΚΛΙΝΙΚΕΣ ΠΑΡΑΤΗΡΗΣΕΙΣ ΠΟΙΟΤΙΚΕΣ (qualitative) ΠΟΣΟΤΙΚΕΣ (quantitative, interval/ratio) Κατηγορικές (ordinal) Ονομαστικές (nominal) Συνεχείς (continuous) Ασυνεχείς (discrete) Δύσπνοια Ι, ΙΙ, ΙΙΙ Φύσημα Ι,ΙΙ,ΙΙΙ,ΙV Σάκχαρο 1+, 2+, Στάδιο καρκίνου Απών/Παρών Παθολογικό/Φυσιολογικό λ ό Ναι/Όχι, Γυναίκα/Άνδρας Ομάδες αίματος mg,ml,cm dl,ng,pg Ακέραιες τιμές συνήθως ποσοστά 7

ΠΗΓΕΣ ΔΙΑΚΥΜΑΝΣΗΣ ΤΥΧΑΙΑ ΙΑΚΥΜΑΝΣΗ ΛΟΓΟΙ ΜΕΤΡΗΣΕΩΝ ΒΙΟΛΟΓΙΚΟΙ ΛΟΓΟΙ ΕΡΓΑΣΤΗΡΙΟ ΜΗΧΑΝΗΜΑ ΚΑΛΙΜΠΡΑΡΙΣΜΑ ΠΡΩΤΟΚΟΛΟ ΕΞΕΤΑΣΗΣ ΕΞΕΤΑΣΤΗΣ ΕΜΠΕΙΡΙΑ ΚΑΤΑΡΤΙΣΗ ΕΦΑΡΜΟΓΗ ΠΡΩΤΟΚΟΛΟΥ ΕΞΕΤΑΖΟΜΕΝΟΣ ΙΑΦΟΡΕΤΙΚΟΣ ΧΡΟΝΟΣ ΙΑΦΟΡΕΤΙΚΗ ΚΑΤΑΣΤΑΣΗ (within individuals) ΒΙΟΛΟΓΙΚΕΣ ΙΑΦΟΡΕΣ ΕΞΕΤΑΖΟΜΕΝΩΝ (among individuals) Αθροιστική συνέργια όλων (cumulative variation) Διακύμανση στις βιοϊατρικές παρατηρήσεις Τυχαία διακύμανση Συστηματική διακύμανση Αληθής τιμή Βιολογική διακύμανση + Λάθος μέτρησης Διακύμανση στις βιοϊατρικές παρατηρήσεις Systemic Variation Random Variation Αληθής τιμή Βιολογική διακύμανση + Λάθος μέτρησης 8

Διακύμανση ατομικών πληθυσμιακών παρατηρήσεων Ατομική διακύμανση (within-individual variation) Διακύμανση των ατομικών τιμών ενός ατόμου λόγω τυχαίας διακύμανσης, λάθους μέτρησης, χρονικής διακύμανσης, παθολογικής κατάστασης Πληθυσμιακή διακύμανση(amongindividual variation) Διακύμανση των τιμών μιας ομάδας ατόμων λόγω βιολογικών διαφορών, λάθους μετρήσεων, διαφορετικών συνθηκών διενέργειας των μετρήσεων ΑΘΡΟΙΣΤΙΚΗ ΔΙΑΚΥΜΑΝΣΗ ΔΙΑΚΥΜΑΝΣΗ (Variation) Μετρήσεις του ίδιου φαινομένου μπορεί να πάρουν διαφορετικές τιμές λόγω των καταστάσεων κάτω από τις οποίες πραγματοποιούνται Η ακριβής επεξήγηση μιάς μέτρησης του ασθενή βρίσκεται στην ικανότητα το γιατρού να αναγνωρίζει όλες αυτές τις σύνθετες πηγές διακύμανσης Ο καθορισμός της πιθανότητας η μέτρηση ή εκτίμηση μιας κατάστασης να μη είναι σωστή για τυχαίους λόγους ή λόγω λάθους είναι απαραίτητος. 9

Περιγραφή διακύμανσης κλινικών παρατηρήσεων Accuracy (ακρίβεια) Precision or reproducibility (αναπαραγωγικότητα) Επιδημιολογία - Βιοστατιστική Η ανάγκη να εκφραστεί η πιθανότητα ότι μια αποτίμηση (μέτρηση) σε ένα βιοϊατρικό γεγονός αντανακλά την πραγματικότητα ή Η πιθανότητα ότι αυτό που μετρήθηκε να είναι και με ποια βεβαιότητα η πραγματική τιμή του φαινομένου Παρουσίαση βιοϊατρικών παρατηρήσεων Κλινικές ανάγκες Ερευνητικοί σκοποί 10

Παρουσίαση βιοϊατρικών ποιοτικών παρατηρήσεων Ιστόγραμμα Ιστόγραμμα ποιοτικής μεταβλητής Ι. Νεοπλασίες ΙΙ. Αγγειακά εγκεφαλικά ΙΙΙ. Καρδιολογικά Παρουσίαση ποιοτικών χαρακτηριστικών (Pie charts) Accidents; 20 Heart; 25 Cancer; 35,2 Αιτίες θανάτων (%) σε δεδομένο πληθυσμό 11

Map-Dot diagram of Snow s survey Dependency ratio Ποια είναι η δυνατότητα του πληθυσμού μιας χώρας για ισορροπία μεταξύ ενεργού και μη ενεργού τμήματος του Males 85+ 80-84 75-79 70-74 65-69 60-64 55-59 50-54 45-49 40-44 35-39 30-34 25-29 20-24 15-19 10-14 5-9 0-4 Females 6 5 4 3 2 1 1 2 4 3 5 6 Percent of Total Population Population < 18 yrs + Population > 65 yrs Dependency ratio = Population ages18 64 yrs Παρουσίαση βιοϊατρικών ποσοτικών παρατηρήσεων Κατανομή συχνοτήτων 12

Κατανομή συχνοτήτων Η ομαδοποίηση των τιμών κλινικής ή εργαστηριακής παρατήρησης με τρόπο που μεγιστοποιείται η εξαγωγή συμπερασμάτων Τρόποι παρουσίασης δεδομένων κλινικών παρατηρήσεων Κατανομή συχνοτήτων Μέτρα κεντρικής τάσης Μέτρα διασποράς Μελέτη επιπέδων μολύβδου σε παιδιά Σε παιδιατρικό τμήμα μετρήθηκαν τα επίπεδα μολύβδου στον ορό 15 παιδιών. Οι τιμές είναι οι παρακάτω (mmol/ml): 0.6, 2.6, 0.1, 1.1, 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 Ερώτημα: Να παρουσιαστούν τα δεδομένα με την μορφή κατανομής συχνοτήτων 13

Stem and Leaf plots 0.6, 2.6, 0.1, 1.1, 0 6 1 4 8 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 1 1 3 2 5 7 9 9 2 6 0 2 3 2 Stem Leaf Stem and Leaf plots 0.6, 2.6, 0.1, 1.1, 0 1 4 6 8 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 1 1 2 3 5 7 9 9 2 0 2 6 3 2 Stem Leaf Stem and Leaf plots Χονδροειδής κατανομή 0 1 4 6 8 0.6, 2.6, 0.1, 1.1, 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 1 1 2 3 5 7 9 9 2 0 2 6 3 2 Stem Leaf 14

Stem and Leaf plots Χονδροειδής κατανομή 0.6, 2.6, 0.1, 1.1, 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 Leaf Stem 0 1 4 6 8 7 9 9 1 1 2 3 5 2 0 2 6 3 2 Κατανομή συχνοτήτων 0.6, 2.6, 0.1, 1.1, 04 0.4, 2.0, 0.8, 1.3, 1.2, 1.5, 3.2, 1.7, 1.9, 1.9, 2.2 Pb 0,10 0,40 0,60 080 0,80 1,10 1,20 1,30 1,50 1,70 1,90 1,90 2,00 2,20 2,60 3,20 >3 1 2299 2-2.99 3 1-1.99 7 0-0.9 4 0 2 4 6 8 Κατανομή συχνοτήτων Pb 0,10 0,40 0,60 0,80 1,10 1,20 1,30 1,50 1,70 1,90 1,90 2,00 2,20 2,60 3,20 5 4 3 2 1 0 Histogram for Pb 0,0 0,6 1,2 1,8 2,4 3,0 Mid-points for Pb 15

Κατανομές συχνοτήτων εργαστηριακών εξετάσεων Κ + ALP 3.0 5.0 20 140 GLU 60 150 Hb 8.0 16 Κατανομές συχνοτήτων - Επίδραση ηλικίας 20-29 χρ. >80 χρ. Freq BUN Σχήματα καμπυλών κατανομής συχνοτήτων Mean=Median Mean<Median Mean>Median 16

Εκφράσεις κεντρικής τάσης Μέσος: Sum(x)/n - Χρήση σε μαθηματικούς χειρισμούς - Εξάρτηση από ακραίες τιμές Δά Διάμεσος: (n+1)/2 th value. Η μεσαία τιμή - Μη χρήσιμη σε μαθηματικούς χειρισμούς - Ανεξάρτητη από ακραίες τιμές Mode: Η πιο συχνή τιμή - Συχνά δεν υπάρχει ή είναι πολύ συχνή. Μη κανονική κατανομή Perc cent 20 15 10 Mode Mean Median 5 1 2 3 4 5 6 7 8 9 10 PSA (ng/ml) ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ % 40 60 80 100 120 17

ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Central Tendency Διάμεσος Mode Μέση τιμή ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Διάμεσος Mode Μέση τιμή 10 5 Central Tendency 100 150 200 250 350 ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Central Tendency Διάμεσος Mode Μέση τιμή 18

ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ Central Tendency Διάμεσος Mode Μέση τιμή min max Εκφράσεις διασποράς Όρια: Οι ακραίες τιμές - Περιλαμβάνει όλες τις τιμές - Απόλυτη εξάρτηση από ακραίες τιμές Σταθερή απόκλιση: Πολύ χρήσιμη σε μαθηματικούς χειρισμούς - Μη χρήσιμη σε μη κανονικές κατανομές Σ( 1, 2.. Percentile/quartile κ.λ.π:. x x) n 1 2 ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ (Gaussian distribution) x 10 5 SD 68% 100 150 200 250 350 95.4 99.7 19

ΚΑΝΟΝΙΚΗ ΚΑΤΑΝΟΜΗ (Gaussian distribution) ΚΑΤΑΝΟΜΗ ΣΥΧΝΟΤΗΤΩΝ Διάμεσος Mode Μέση τιμή 10 5 x±sd 10-90th Percentile range 100 150 200 250 350 Dispersion ΚΑΤΑΝΟΜΗ ΣΥΧΝΟΤΗΤΩΝ Διάμεσος Mode 10 Μέση τιμή Central Tendency 5 x±sd 10-90th Percentile range 100 150 200 250 350 Dispersion 20

Παρουσίαση δεδομένων Κανονική κατανομή Mean±SD Μη κανονική κατανομή Median (min-max) Κριτήρια διαχωρισμού φυσιολογικού από το παθολογικό Freq παθολογικό φυσιολογικό 10 30 50 70 90 Γλουταθειόνη (mg/100 ml ερυθρά) Κριτήρια διαχωρισμού φυσιολογικού από το παθολογικό Freq Normal Normal Υπερπαρυθεροειδισμός 8.5 9.0 9.5 10 10.5 Ca ορρού (mg/100 ml) 11 21

Κριτήρια διαχωρισμού φυσιολογικού από το παθολογικό Παθολογικό είναι το ασύνηθες (being unusual) Παθολογικό είναι η ύπαρξη νόσου (being sick) Παθολογικό είναι η ανάγκη θεραπείας (being treatable) Παθολογικό είναι το ασύνηθες (being unusual) 10 5 SD 68% 100 150 200 250 350 95.4 99.7 Παθολογικό είναι το ασύνηθες (being unusual) Όλα τα νοσήματα έχουν συχνότητα 5%? Σχέση στατιστικού ορίου (γιατί όχι το 99th percentile) Μερικές ακραίες τιμές είναι απόλυτα φυσιολογικές Πολλές φορές η νόσος υπάρχει παρά τις φυσιολογικές εξετάσεις Μη ύπαρξη ορίων ασφαλείας (π.χ χοληστερόλη) 22

Παθολογικό είναι η ύπαρξη νόσου (being sick) Κλινικές παρατηρήσεις ή εργαστηριακές τιμές που σίγουρα σχετίζονται με νόσο 100 80 60 40 20 8-8.9 6-6.9 7-7.9 <6.0 >9 Ουρικό mg/100 ml Παθολογικό είναι η ανάγκη θεραπείας (being treatable) Κλινικές παρατηρήσεις ή εργαστηριακές τιμές που εάν θεραπευτούν οδηγούν σε μειωμένη νοσηρότητα 120 VA Trial I 110 VA Trial II 100 90 80 HDFP III 1965 1970 1975 1980 Years Accuracy (ακρίβεια) Όταν μια μέθοδος (εργαστηριακή ή κλινική) δίδει μετρήσεις που είναι ίσες ή πολύ κοντά στην πραγματική τιμή τότε είναι ακριβής Υπολογίζεται γζ αν συγκρίνουμε την μέση τιμή των μετρήσεων που μας δίνει η μέθοδος με την αληθινή τιμή (αρκεί να είναι γνωστή) 23

Precision Reproducibility (αναπαραγωγικότητα) Όταν μια μέθοδος (εργαστηριακή ή κλινική) δίδει επανειλημμένα παρόμοιες μετρήσεις ή πολύ κοντά σε μια κεντρική τιμή τότε είναι αναπαραγώγιμη Υπολογίζεται αν συγκρίνουμε τις τιμές των μετρήσεων με την κεντρικότερη ή την πιο κοινή τιμή (τυπική απόκλιση, SD) Παράδειγμα ακρίβειας και αναπαραγωγιμότητας (chance & bias) Αληθής τιμή (Ενδοαρτηριακός Καθετήρας) Μετρήσεις (Πιεσόμετρο) ηρήσεων Αριθμός παρατη Bias Chance 80 90 ιαστολική πίεση (mm Hg) 24