Σκοπός του μαθήματος. Έλεγχος μηδενικής υπόθεσης OR-RR. Έλεγχος μηδενικής υπόθεσης. Σφάλαμα τύπου Ι -Σφάλμα τύπου ΙΙ 20/4/2013

Σχετικά έγγραφα
ΤΕΙ Αθήνας Μεθοδολογία της έρευνας και Ιατρική στατιστική

Έλεγχος Υποθέσεων. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

Αναλυτική Στατιστική

Το τυπικό σφάλμα του μέσου (standard error of mean) ενός δείγματος

Ενότητα 2: Έλεγχοι Υποθέσεων Διαστήματα Εμπιστοσύνης

Έλεγχος υποθέσεων - Ισχύς και Μέγεθος είγματος Sample Size and Power. Γρηγόρης Χλουβεράκης, Ph.D. Αναπληρωτής Καθηγητής Πανεπιστήμιο Κρήτης

Έλεγχος υπόθεσης: διαδικασία αποδοχής ή απόρριψης της υπόθεσης

Έλεγχος υποθέσεων και διαστήματα εμπιστοσύνης

Οικονομετρία Ι. Ενότητα 4: Διάστημα Εμπιστοσύνης - Έλεγχος Υποθέσεων. Δρ. Χαϊδώ Δριτσάκη Τμήμα Λογιστικής & Χρηματοοικονομικής

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

Στατιστική Ι (ΨΥΧ-1202) Διάλεξη 7. Στατιστικός έλεγχος υποθέσεων

ΑΠΟ ΤΟ ΔΕΙΓΜΑ ΣΤΟΝ ΠΛΗΘΥΣΜΟ

Δειγματοληπτικές κατανομές

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

Μπεττίνα Χάιδιτς. Επίκουρη Καθηγήτρια Υγιεινής Ιατρικής Στατιστικής e mail:

Τεκµηριωµένη Ιατρική ΒΛΑΒΗ. Βασίλης Κ. Λιακόπουλος Λέκτορας Νεφρολογίας ΑΠΘ

Οικονομετρία. Απλή Παλινδρόμηση. Έλεγχοι υποθέσεων και διαστήματα εμπιστοσύνης των συντελεστών. Τμήμα: Αγροτικής Οικονομίας & Ανάπτυξης

ΠΕΡΙΓΡΑΦΙΚΗ και ΕΠΑΓΩΓΙΚΗ ΣΤΑΤΙΣΤΙΚΗ

ΠΕΡΙΓΡΑΦΗ ΚΑΙ ΑΝΑΛΥΣΗ ΔΕΔΟΜΕΝΩΝ

Εισαγωγή στην Ανάλυση Δεδομένων

ΚΟΙΝΩΝΙΟΒΙΟΛΟΓΙΑ, ΝΕΥΡΟΕΠΙΣΤΗΜΕΣ ΚΑΙ ΕΚΠΑΙΔΕΥΣΗ

Στατιστική Επιχειρήσεων ΙΙ

Υ: Νόσος. Χ: Παράγοντας Κινδύνου 1 (Ασθενής) 2 (Υγιής) Σύνολο. 1 (Παρόν) n 11 n 12 n 1. 2 (Απών) n 21 n 22 n 2. Σύνολο n.1 n.2 n..

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

ΤΕΙ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ Μεταπτυχιακό Τραπεζικής & Χρηματοοικονομικής

Διάλεξη 1 Βασικές έννοιες

ΕΚΠΑΙΔΕΥΤΙΚΗ ΤΕΧΝΟΛΟΓΙΑ ΚΑΙ ΑΝΑΠΤΥΞΗ ΑΝΘΡΩΠΙΝΩΝ ΠΟΡΩΝ

Μελέτες ασθενών οµάδας ελέγχου

Κλωνάρης Στάθης. ΠΜΣ: Οργάνωση & Διοίκηση Επιχειρήσεων Τροφίμων και Γεωργίας

6 ο ΜΑΘΗΜΑ Έλεγχοι Υποθέσεων

Συγγραφή και κριτική ανάλυση επιδημιολογικής εργασίας

Στατιστική Ι. Ενότητα 9: Κατανομή t-έλεγχος Υποθέσεων. Δρ. Γεώργιος Κοντέος Τμήμα Διοίκησης Επιχειρήσεων Γρεβενών

Λίγα λόγια για τους συγγραφείς 16 Πρόλογος 17

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο )

Κλινική Επιδηµιολογία. Μέτρα κινδύνου Αιτιολογική συσχέτιση

Έλεγχοι Υποθέσεων. Χρήση της Στατιστικής. Η λογική του Ελέγχου Υπόθεσης Ο Έλεγχος Υπόθεσης 7-2

Μεθοδολογία των επιστημών του Ανθρώπου : Στατιστική Εργαστήριο 6 :

Έλεγχος Υποθέσεων (Hypothesis Testing)

Μέρος IV. Ελεγχοι Υποθέσεων (Hypothesis Testing)

ΟΙΚΟΝΟΜΕΤΡΙΑ. Παπάνα Αγγελική

5. Έλεγχοι Υποθέσεων

Διαστήματα εμπιστοσύνης. Δρ. Αθανάσιος Δαγούμας, Επ. Καθηγητής Οικονομικής της Ενέργειας & των Φυσικών Πόρων, Πανεπιστήμιο Πειραιώς

ΕΙΣΑΓΩΓΗ ΣΤΗ ΣΤΑΤΙΣΤΙΚΗ

Διαδικασία Ελέγχου Μηδενικών Υποθέσεων

Στατιστικοί Έλεγχοι Υποθέσεων. Σαλαντή Γεωργία Εργαστήριο Υγιεινής και Επιδημιολογίας Ιατρική Σχολή

Εργαστήριο Μαθηματικών & Στατιστικής 2η Πρόοδος στο Μάθημα Στατιστική 28/01/2011 (Για τα Τμήματα Ε.Τ.Τ. και Γ.Β.) 1ο Θέμα [40] α) στ) 2ο Θέμα [40]

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Ιατρικά Μαθηματικά & Βιοστατιστική

ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΙΓΑΙΟΥ ΣΧΟΛΗ ΕΠΙΣΤΗΜΩΝ ΤΗΣ ΔΙΟΙΚΗΣΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΟΙΚΟΝΟΜΙΑΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ ΣΤΑΤΙΣΤΙΚΗ

Κεφάλαιο 11 Εισαγωγή στον Έλεγχο Υποθέσεων

Αιτιότητα και τυχαίο σφάλμα στις επιδημιολογικές μελέτες

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

Μελέτες αναλυτικής επιδημιολογίας στηδιερεύνησηεπιδημιών

Μέτρα σχέσης. Ιωάννα Τζουλάκη Λέκτορας Επιδημιολογίας Υγιεινή και Επιδημιολογία

Α Ν Ω Τ Α Τ Ο Σ Υ Μ Β Ο Υ Λ Ι Ο Ε Π Ι Λ Ο Γ Η Σ Π Ρ Ο Σ Ω Π Ι Κ Ο Υ Ε Ρ Ω Τ Η Μ Α Τ Ο Λ Ο Γ Ι Ο

Επιδημιολογία 3 ΣΧΕΔΙΑΣΜΟΣ ΜΕΛΕΤΩΝ. Ροβίθης Μ. 2006

Περιγραφική στατιστική

Στατιστικός έλεγχος υποθέσεων (Μέρος 1 ο ) 24/2/2017

Εκπαιδευτική Έρευνα: Μέθοδοι Συλλογής και Ανάλυσης εδομένων Έλεγχοι Υποθέσεων

Εξαρτημένα δείγματα (εξαρτημένες μετρήσεις)

Μέθοδοι δειγματοληψίας, καθορισμός μεγέθους δείγματος, τύποι σφαλμάτων, κριτήρια εισαγωγής και αποκλεισμού

Εφαρμοσμένη Στατιστική

Αντικείμενο των επιδημιολογικών μελετών

ΕΛΕΓΧΟΙ ΥΠΟΘΕΣΕΩΝ ΚΕΦΑΛΑΙΟ 17

ΤΕΙ ΔΥΤΙΚΗΣ ΕΛΛΑΔΑΣ ΣΧΟΛΗ ΔΙΟΙΚΗΣΗΣ ΚΑΙ ΟΙΚΟΝΟΜΙΑΣ ΤΜΗΜΑ ΛΟΓΙΣΤΙΚΗΣ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ «ΕΛΕΓΧΟΣ ΥΠΟΘΕΣΕΩΝ» ΚΑΛΥΒΑ ΠΑΝΑΓΙΩΤΑ ΛΑΖΑΡΟΥ ΜΑΡΙΕΛΕΝΑ

2.4 ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ ΓΙΑ ΜΙΑ ΠΙΘΑΝΟΤΗΤΑ

8. Ελεγχος Υποθεσεων. Μαθηματικά και Στατιστικη στην Βιολογια ΧΕΙΜΕΡΙΝΟ ΕΞΑΜΗΝΟ (1 ο ) Τμημα Βιολογιας Αριστοτελειο Πανεπιστημιο Θεσσαλονικης

Για το δείγμα από την παραγωγή της εταιρείας τροφίμων δίνεται επίσης ότι, = 1.3 και για το δείγμα από το συνεταιρισμό ότι, x

5 o Μάθημα Έλεγχοι Υποθέσεων

Περιγραφική Ανάλυση ποσοτικών μεταβλητών

Γ. Πειραματισμός - Βιομετρία

ΕΡΓΑΣΤΗΡΙΟ ΣΤΑΤΙΣΤΙΚΗΣ

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2011 για τα Τμήματα Ε.Τ.Τ. και Γ.Β. στη Στατιστική 25/02/2011

ΕΛΕΓΧΟΣ ΣΤΑΤΙΣΤΙΚΩΝ ΥΠΟΘΕΣΕΩΝ. Επαγωγική στατιστική (Στατιστική Συμπερασματολογία) Εκτιμητική Έλεγχος Στατιστικών Υποθέσεων

Έλεγχος υποθέσεων Ι z-test & t-test

Μελέτες αναλυτικής. επιδημιολογίας στη διερεύνηση επιδημιών. Φάσεις διερεύνησης επιδημίας. Σκοπός μελετών αναλυτικής

Μεθοδολογία των Επιστημών του Ανθρώπου: Στατιστική

ΑΝΑΛΥΣΗ ΔΙΑΚΥΜΑΝΣΗΣ. Επικ. Καθ. Στέλιος Ζήμερας. Τμήμα Μαθηματικών Κατεύθυνση Στατιστικής και Αναλογιστικά Χρηματοοικονομικά Μαθηματικά

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

Στατιστικοί έλεγχοι για διακριτά δεδομένα

Γραπτή Εξέταση Περιόδου Φεβρουαρίου 2013 στη Στατιστική

Στατιστική για Οικονομολόγους ΙΙ ΛΥΜΕΝΑ ΘΕΜΑΤΑ παλαιοτέρων ετών από «ανώνυμο φοιτητή» (Στις ΛΥΣΕΙΣ ενδεχομένως να υπάρχουν λάθη. )

4 o Μάθημα Διάστημα Εμπιστοσύνης του Μέσου

Στατιστική ΙΙ-Διαστήματα Εμπιστοσύνης Ι (εκδ. 1.1)

Ιατρικά Μαθηματικά & Βιοστατιστική

ΜΕΘΟΔΟΛΟΓΙΑ ΤΗΣ ΕΡΕΥΝΑΣ Η ΚΛΙΝΙΚΗ ΠΡΟΣΕΓΓΙΣΗ

Στατιστική Ι. Ενότητα 1: Στατιστική Ι (1/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

ΟΙΚΟΝΟΜΕΤΡΙΑ Ι ΦΥΛΛΑΔΙΟ

ΣΤΑΤΙΣΤΙΚΗ ΕΠΙΧΕΙΡΗΣΕΩΝ ΕΙΔΙΚΑ ΘΕΜΑΤΑ. Κεφάλαιο 10. Εισαγωγή στην εκτιμητική

ΜΕΡΟΣ Α Κάθε µια από τις παρακάτω φράσεις (1α, 1β, 1γ, 2α κτλ) µπορεί να είναι σωστή ή λανθασµένη. Ποιες είναι σωστές και ποιες όχι;

Εφαρμοσμένη Στατιστική Δημήτριος Μπάγκαβος Τμήμα Μαθηματικών και Εφαρμοσμένων Μαθηματικών Πανεπισ τήμιο Κρήτης 22 Μαΐου /32

Στατιστική Ι. Ενότητα 2: Στατιστική Ι (2/4) Αναπλ. Καθηγητής Νικόλαος Σαριαννίδης Τμήμα Διοίκησης Επιχειρήσεων (Κοζάνη)

Στατιστική ΙΙ- Ελεγχος Υποθέσεων ΙΙ (εκδ. 1.1)

Εισαγωγή στην Εκτιμητική

Η ΙΣΧΥΣ ΕΝΟΣ ΕΛΕΓΧΟΥ. (Power of a Test) ΚΕΦΑΛΑΙΟ 21

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

1. Εισαγωγή Ο έλεγχος υποθέσεων αναφέρεται στις ιδιότητες µιας άγνωστης παραµέτρους του πληθυσµού: Ο κατηγορούµενος είναι αθώος

Κεφάλαιο 10 Εισαγωγή στην Εκτίμηση

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Transcript:

Σκοπός του μαθήματος Έλεγχος μηδενικής υπόθεσης OR-RR Μαρία Γκριζιώτη Μsc Ιατρικής Ερευνητικής Μεθοδολογίας Μηδενική υπόθεση p value 95% Διαστήματα Εμπιστοσύνης Odds Ratio Relative Risk Έλεγχος μηδενικής υπόθεσης Έλεγχος μηδενικής υπόθεσης Ηο: μηδενική υπόθεση ή άκυρη υπόθεση (null hypothesis) Hα : εναλλακτική υπόθεση (alternative hypothesis) Σφάλαμα τύπου Ι -Σφάλμα τύπου ΙΙ Πληθυσμός Πληθυσμός Έρευνα Μηδενικήυπόθεση Ψευδής Αληθής Έρευνα Μηδενικήυπόθεση Ψευδής Αληθής Απόρριψη Σωστό αποτέλεσμα Σφάλμα τύπου Ι (α) Απόρριψη 1-β α Αποδοχή Σφάλμα τύπου ΙΙ (β) Σωστό αποτέλεσμα Αποδοχή β 1-α 1

Εάν το ρ είναι μικρότερο του 0,05 απορρίπτουμε τη μηδενική υπόθεση Σφάλμα τύπου Ι η απόρριψη μίας αληθινής μηδενικής υπόθεσης Εάν το ρ είναι μεγαλύτερο του 0,05 αποδεχόμαστε τη μηδενική υπόθεση Σφάλμα τύπου ΙΙ η αποδοχή μίας ψευδούς μηδενικής υπόθεσης Στατιστική Ισχύς Σφάλμα τύπου Ι να μην οδηγηθεί στη φυλακή ένας ένοχος Σφάλμα τύπου ΙΙ να οδηγηθεί στη φυλακή ένας αθώος Η στατιστική ισχύς (Statistical power)μίας δοκιμασίας εκφράζει την πιθανότητα να ανιχνεύσει πραγματικές διαφορές Παράδειγμα: H στατιστική ισχύς είναι 80% Αυτό σημαίνει ότι η πιθανότητα να ανευρεθούν στατιστικά σημαντικές διαφορές στον έλεγχο μίας μηδενικής υπόθεσης είναι 80% Υπολογισμός στατιστικής ισχύος Στατιστική ισχύς=1-β β:η πιθανότητα σφάλματος Τύπου ΙΙ Όσο μειώνεται η πιθανότητα σφάλματος Τύπου ΙΙ αυξάνεται η στατιστική ισχύς μίας δοκιμασίας 95%CI Η τυπική απόκλιση της δειγματοληπτικής κατανομής είναι το τυπικό σφάλμα (standard error): sx=s/ n Ο πληθυσμιακός μέσος θα βρίσκεται με πιθανότητα 95% σε απόσταση δύο τυπικών σφαλμάτων από οποιονδήποτε από τους μέσους όρους των δειγμάτων Η πιθανότητα λάθους είναι ρ=0,05 2

Όρια Εμπιστοσύνης και Επίπεδο στατιστικής σημαντικότητας Επίπεδο στατιστικής σημαντικότητας Tιμή κριτηρίου Ζ=±1,96 Aν η τιμή του κριτηρίου Ζ είναι μεταξύ -1,96 και 1,96τότε δεχόμαστε με βεβαιότητα 95% ότι ο μέσος όρος του δείγματος ανήκει στον πληθυσμό Υπάρχει πάντα και ένα ποσοστό λάθους της τάξεως του 0,05 Επίπεδο στατιστικής σημαντικότητας ρ<0,05 υπάρχει στατιστικά σημαντική διαφορά ρ>0,05 δεν υπάρχει στατιστικά σημαντική διαφορά Πιθανότητα και Κίνδυνος Odds Ratio(OR) καιrelative Risk (RR) δείχνουν τη σχέση μεταξύ δύο διχότομων μεταβλητών (2x2 πίνακες) Εκφράζουν την πιθανότητα-κίνδυνο να εφμανίσουν ένα απoτέλεσμα (outcome) τα άτομαπου έχουν εκτεθεί σε έναν παράγοντα σε σύγκριση με τα άτομα που δεν έχουν εκτεθεί στον ίδιο παράγοντα Πιθανότητα και Κίνδυνος Καπνιστές a b a+b Μη καπνιστές c d c+d a+c b+d N=a+b+c+d Odds Ratio Η πιθανότητα να συμβεί ένα γεγονός προς την πιθανότητα να μη συμβεί αυτό το γεγονός Ο λόγος των συμπληρωματικών αναλογιών Η πιθανότητα να ρίξω έξι με ένα ζάρι είναι 1/6 Η πιθανότητα να μη ρίξω έξι με ένα ζάρι είναι 5/6 Η πιθανότητα τύπου Odds να ρίξω έξι με ένα ζάρι είναι 1/5 OR=(1/6)/(5/6)=1/5 3

OR=ρ/(1-ρ) p= η πιθανότητα να συμβεί ένα γεγονός (1-ρ)= η πιθανότητα να μη συμβεί το γεγονός Η πιθανότητα να ρίξω έξι με ένα ζάρι είναι p=1/6=0,17 Η πιθανότητα να μη ρίξω έξι με ένα ζάρι είναι 1-1/6=5/6=0,83 Η πιθανότητα τύπου Odds να ρίξω έξι με ένα ζάρι είναι OR=ρ/(1-ρ)=0,17/0,83=0,2=20% OR=(a/c)/(b/d)=(a x d)/(b x c) Καπνιστές a b a+b Μη καπνιστές c d c+d a+c b+d N=a+b+c+d OR=(40x75)/(60x25)=2 Καπνιστές 40 25 65 Μη καπνιστές 60 75 135 100 100 N=200 Odds Ratio H πιθανότητα εμφάνισης καρκίνου του μεταξύ καπνιστών και μη καπνιστών είναι 40/60 H πιθανότητα μη εμφάνισης καρκίνου του μεταξύ καπνιστών και μη καπνιστών είναι 25/75 Odds Ratio Η πιθανότητα τύπου Oddsεμφάνισης καρκίνου του μεταξύ καπνιστών και μη καπνιστών είναι (40/60)/(25/75)=40χ75/60χ25=2 p=40/60=0,67 1-p=1-0,67=0,33 OR=p/1-p=0,67/0,33=2 Relative Risk 1 H πιθανότητα να συμβεί ένα γεγονός στους εκτεθειμένους σε σύγκριση με αυτούς που δεν έχουν εκτεθεί στον ίδιο παράγοντα 4

RR= a/(a+b)/c/(c+d) Καπνιστές a b a+b Μη καπνιστές c d c+d a+c b+d N=a+b+c+d RR=(40/65)/(60/135)=1,4 Καπνιστές 40 25 65 Μη καπνιστές 60 75 135 100 100 N=200 Η πιθανότητα να εμφανίσουν καρκίνο του οι καπνιστές είναι 40/65 Η πιθανότητα να εμφανίσουν καρκίνο του οι μη καπνιστές είναι 60/135 Η πιθανότητα να εμφάνισουν καρκίνο του οι καπνιστές σε σχέση με τους μη καπνιστές είναι (40/65)/(60/135)=1,4 Η πιθανότητα να εμφάνισουν καρκίνο του οι μη καπνιστές σε σχέση με τους καπνιστές είναι (60/135) /(40/65)=0,72 RR=(40/200)/(250/320)=0,256 Υπερλιπιδαιμία Υπερλιπιδαιμία Η πιθανότητα να εμφανίσουν υπερλιπιδαιμία όσοι καταναλώνουν ελαιόλαδο είναι 40/200 Ελαιόλαδο Ελαιόλαδο ΟΧΙ 40 160 200 250 70 320 Η πιθανότητα να εμφανίσουν υπερλιπιδαιμία όσοι δεν καταναλώνουν ελαιόλαδο είναι 250/320 290 230 N=520 5

20/4/2013 Η πιθανότητα να εμφάνισουν υπερλιπιδαιμία όσοι καταναλώνουν ελαιόλαδο σε σχέση με αυτούς που δεν καταναλώνουν ελαιόλαδο είναι (40/200)/(250/320)=0,256 25,5% Η πιθανότητα να εμφάνισουν υπερλιπιδαιμία όσοι δεν καταναλώνουν ελαιόλαδο σε σχέση με αυτούς που καταναλώνουν ελαιόλαδο είναι (250/320) /(40/200)=3,9 RR>1 βλαπτική επίδραση RR=1 καμμία επίδραση RR<1 προστατευτική επίδραση 95% ΔΕ OR-RR Τα 95% ΔΕ για το OR και το RR δεν πρέπει να περιλαμβάνουν το 1 έτσι ώστε το αποτέλεσμα να είναι στατιστικά σημαντικό OR vs RR Είδος έρευνας OR RR Cross-sectional Cohort Case-control Όχι Clinical trial 6