Kap2 Abnormality

32
Kap 2 Abnormality Jonas Ludvigsson 081130

Transcript of Kap2 Abnormality

Page 1: Kap2 Abnormality

Kap 2 AbnormalityJonas Ludvigsson 081130

Page 2: Kap2 Abnormality

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 pneumoni, vem har sepsis?

2 veckor gammalt barn med feber

Page 3: Kap2 Abnormality

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?

Page 4: Kap2 Abnormality

Typer av data - Nominal

0

25

50

75

100

2004 2005 2006 2007

Man Kvinna

0

25

50

75

100

2004 2005 2006 2007

Svenskar Danskar

Dikotoma data: levande/död, frisk/sjuk

Page 5: Kap2 Abnormality

Typer av data - Ordinal

0

25

50

75

100

2004 2005 2006 2007

Latent CD InflammationCeliaki

O som i ordningsföljd

När liten blir stor...

FASS: klasser: amning

Page 6: Kap2 Abnormality

Intervalldata

OrdningsföljdSamma avstånd

Kontinuerliga data:ex. blodsocker

(egentligen “alla” värden)

Diskreta data:ex. antal graviditeter(bara “vissa” värden)

Page 7: Kap2 Abnormality

problem med “det normala”

Aldrig för nominaldata

ordinaldata och intervalldata

När blir en prostata alltför stor? När blir ett EMA/gliadin-värde alltför högt?

Page 8: Kap2 Abnormality

Validitet

Definition: att mäta det man vill mäta

Ett sätt är att jämföra med gold standard

“Accuracy”

Ibland testa inför undersökningNeg + Pos prov vid pricktest

Men ibland saknas gold standard:ex. smärta, illamående, depression

Page 9: Kap2 Abnormality

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.

Page 10: Kap2 Abnormality

Olika typer av validitetContent 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

Page 11: Kap2 Abnormality

Hårda-mjuka dataSom 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?

Page 12: Kap2 Abnormality

Reliabilitet

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

“precision”

Page 13: Kap2 Abnormality

Validitet-Reliabilitethög - VALIDITET - låg

låg

- RE

LIAB

ITLI

TET

- hö

gfr

ekve

ns

Page 14: Kap2 Abnormality

Fördelning

Frekvensfördelning - visar antal i varje intervall eller procent i varje intervall.

Page 15: Kap2 Abnormality

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

Page 16: Kap2 Abnormality

Exempel - amningslängd

Hur länge har ammade du ditt barn?

<1 1-2 3 4 5 6 ≥7

X

Page 17: Kap2 Abnormality

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

Page 18: Kap2 Abnormality

Spridning 2

Percentil, decentil = andel av alla observationer

Dåligt: säger inget om avståndet från medel eller dylikt.

Page 19: Kap2 Abnormality

Variation

BIOLOGISK:

a) mellan individer, ex. personer med CD kan ha antingen partiell eller total villusatrofi

b) inom samma individ: partiell VA på vissa ställen.

MÄTNING:

a) instrument, ex. kapselbiopsi (var i tarmen ligger kapseln?).

b) den som mäter: vilken patolog granskar biopsierna?

Page 20: Kap2 Abnormality

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?

Page 21: Kap2 Abnormality

Mätfel, just det...

Leverbiopsi ...host en häst?

Page 22: Kap2 Abnormality

Biologisk variation

över tid

För att kunna påvisa en skillnad i VES med EN 24-timmarsmätning behövdes 83% reduktion...

Page 23: Kap2 Abnormality

Variation

En patolog

Två patologer

En patolog-olika tillfällen

Flera patienter

Page 24: Kap2 Abnormality

Kan vi minska variation?

Slumpmässig V Balanserar varandra

Oprecis V Gör fler mätningar

Bias fler mätingar = bättre

Page 25: Kap2 Abnormality

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”

Page 26: Kap2 Abnormality

Vad är avvikande

Ovanligt

Sjuk

Kan botas

Page 27: Kap2 Abnormality

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?

Page 28: Kap2 Abnormality

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

Page 29: Kap2 Abnormality

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

Page 30: Kap2 Abnormality

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)

Page 31: Kap2 Abnormality

Regression to the mean

Färre extremvärden vid upprepade mätningar

Om ett första värde förefaller osannolikt högt, rimligt att betrakat andra värdet som det korrekta

Page 32: Kap2 Abnormality

Behandlingsbar