* Positieve: gedeeltelijk / volledig verantwoordelijk voor associatie * Negatieve: gaat bestaande associatie verdoezelen / onderschatting
vb.: studie vindt dat overmatig alcohol gebruik leidt tot meer longkanker, eigenlijk gaan alcoholiekers ook vaak roken → dit is de echte oorzaak
5
New cards
Types van bias
* information bias
fouten in meten van exposure of outcome * selection bias
wanneer associatie tussen exposure en outcome verschilt tussen deelnemers van de studie en personen buiten de studie * recall bias * diagnostische bias * participation bias * expectation bias
X ray van rokerslongen zal grondiger bekeken worden dan van niet roker
6
New cards
Voor -en nadelen van verschillende observationele studiedesigns
7
New cards
Wat is reverse causation?
Wanneer een gevolg van de outcome als exposure wordt gezien
vb.: dieetaanpassing bij keelkanker
8
New cards
Wat is een covariaat?
Heeft een associatie met de outcome
9
New cards
Verschil tussen bias en confounding?
Bias: associatie creëren die niet waar zijn
Confounding: associatie beschrijven die waar is maar misleidend
\
10
New cards
Hoe omgaan met confounders?
Voor start van de studie
* randomisatie * restrictie: enkel participanten die gelijk zijn voor een variabele * matching
Na start
* stratifiëring: aparte analyse voor confounders * multivariabele statistische modellen
11
New cards
Hoe omgaan met random errors?
* p waarden * probabiliteit dat het geobserveerde verschil niet puur toeval is * 95% confidentie intervallen * probabiliteit dat het echte effect binnen het interval ligt = 95% * 100x puntestimatie zal in 95% van de gevallen in het confidentie interval liggen * statistisch significant indien geen 1 in interval