06.03.2025: Når man planlegger en studie, er det viktig å ha klart for seg spørsmålet man ønsker å besvare. I randomiserte kontrollerte kliniske studier er man ofte ute etter å vise at en ny behandling er bedre enn den eksisterende, men det kan også være at spørsmålet er om den nye behandlingen er like god, eller ikke dårligere, enn den eksisterende behandlingen. De tre tilnærmingene er grunnleggende forskjellige, og valget må gjøres før studien igangsettes. Om man forsøker å vise at én behandling er bedre enn en annen, og feiler, kan man ikke konkludere med at de er like gode (1). Er ny behandling bedre...

25.02.2025: Man skulle tro at et sykehus var et godt sted å studere sykdom. Paradoksalt nok vil fraværet av friske individer kunne føre til at man finner sammenhenger i tallene som egentlig ikke er der. Anne er på utkikk etter en kjæreste. Helst ønsker hun seg en mann hun synes er både veldig kjekk og veldig snill. Men – man kan ikke alltid få i pose og sekk, og Anne er fornøyd med en viss balanse: En mann der summen av kjekkhet og snillhet til sammen er tilstrekkelig høy (1). Etter en rekke dater kommer Anne med et hjertesukk til sine venner. Kjekke menn er ikke noe snille, forteller hun. Faktisk, jo...

18.02.2025: Det finnes mange kliniske prediksjonsmodeller som hevder å forutsi risikoen for nåværende eller fremtidig sykdom. Men hvilke egenskaper kjennetegner en god modell? Kliniske prediksjonsmodeller som vil si noe om pasientens diagnose, prognose eller valg av behandlingsforløp, utvikles fortløpende. For å vurdere kvaliteten og relevansen av disse modellene bør egenskapene til modellen være godt kartlagt (1, 2). Et illustrativt eksempel kan være beskrivelsen av en prediksjonsmodell om tilbakefall ved multippel sklerose (3). Forskningsspørsmålet, dataene og den statistiske analysen Det første steget...

06.02.2025: Begrepet bias har ulike fortolkninger i ulike disipliner. I statistikk betyr bias at en metode ikke besvarer forskningsspørsmålet av interesse. Men er bias en egenskap til estimander, estimatorer eller estimater? Og hva betyr disse begrepene? Anta at vi ønsker å studere effekten av koloskopiscreening versus ingen screening på tiårsrisikoen for død av tarmkreft hos personer over 55 år. Svaret på dette forskningsspørsmålet, for eksempel kvantifisert som en risikodifferanse eller -ratio, er et eksempel på en estimand. Vi analyserer data for å finne en tilnærming til dette svaret, altså til...

13.01.2025: Vi registrerer ofte geografiske eller stedfestede opplysninger i medisinske og helsefaglige prosjekter. Men hvordan tar vi hensyn til den romlige komponenten når vi skal analysere slike data? Eksempler på geografiske opplysninger er fylkeshelseundersøkelsene, som blant annet inneholder opplysninger om hvilken kommune, bydel eller postnummer deltakerne bor i. Kliniske studier kan inneholde opplysninger om hvilket sykehus eller hvilken helseregion pasientene er rekruttert fra. Vi er alle knyttet til et geografisk område, og i folkehelsevitenskap vet vi at egenskaper knyttet til dette området har...

05.12.2024: Kvalitetsjusterte leveår (quality-adjusted life years, QALYs) er det anbefalte målet for helsegevinst i kostnadseffektivitetsanalyser. QALYs kombinerer helserelatert livskvalitet og levetid. Mens levetid er lett å måle, er helserelatert livskvalitet mer kompleks. Kostnadseffektivitetsanalyser gjennomføres for å gi informasjon om hvordan begrensede ressurser best kan fordeles, slik at vi får mest mulig helse for pengene. Dette innebærer å estimere hvor mye ressurser et tiltak krever, sett opp mot hvilke helsegevinster tiltaket gir (1). Men hvordan skal helsegevinster beregnes? Kvalitetsjusterte...

07.10.2024: I enkelte studier er data samlet inn fra grupper eller klynger, slik at data fra samme gruppe er mer lik hverandre enn data fra forskjellige grupper. Dette må tas hensyn til i statistiske analyser. Data kan være samlet i grupper eller klynger av forskjellige grunner. La oss nevne noen eksempler: Man kan registrere flere datapunkter fra samme individ, slik at individet utgjør «gruppen». Dette er tilfelle hvis man har gjentatte målinger av samme utfallsvariabel, enten flere parallelle målinger fra samme tidspunkt eller data fra longitudinelle studier. I andre studier kan data fra samme individ...

09.09.2024: Når man skal rapportere antall og sammenlikne andeler, kan det være nyttig å vise tallene i en krysstabell. Men bør man rapportere prosenter innen rader eller innen kolonner? For å besvare dette spørsmålet kan man spørre seg hva som er eksponering og hva som er utfall, og rapportere prosentandeler innenfor hver gruppe av eksponering. Vanligvis vil det være naturlig å vise eksponering i rader, og dermed også prosenter innen rader (1, s.85). Eksponering eller utfall? La oss se på et eksempel. Gårdvik og medarbeidere rapporterer resultater fra en oppfølgingsstudie av personer tre år etter at de...

14.08.2024: Pasienter spør ofte legen om risikoen for nåværende eller fremtidig sykdom. I tillegg til medisinsk kunnskap og klinisk erfaring, er kliniske prediksjonsmodeller et viktig verktøy for både diagnose og prognose. Kliniske prediksjonsmodeller hjelper til med å forutse helseutfall eller helsetilstander. Disse modellene kan variere fra enkle trafikklyslignende metoder til komplekse «svart boks»-matematiske modeller og maskinlæring (1). Ofte brukes klassiske statistiske metoder som lineær, logistisk eller Cox-regresjon. Prediksjonsmodeller utviklet fra datasett med få deltagere, kan medføre ustabile...

23.05.2024: Helsevesenet er fullt av tall, og en god tallforståelse er viktig for å kunne ta riktige avgjørelser for både egen og andres helse. Men noen tall er vanskeligere å forstå enn andre. Hjernen har en medfødt forståelse for grunnleggende matematikk – de fleste pattedyr vet hvor mange barn de har. Men mens de fleste kan lære seg mengder og telling, så er forholdstall verre. Og det er kanskje ikke så rart. For mens man kan dele to tall på hverandre og få et nytt, meningsfullt tall, så kan man ikke dele to ord på hverandre, eller dele en katt på en elg og få et nytt dyr. Å forstå forholdstall er en...

25.02.2024: En kasus–overkrysningsstudie kan brukes til å undersøke om en viss eksponering øker risikoen for en akutt hendelse. Personer som har opplevd hendelsen, blir inkludert i studien. Så registrerer man grad av eksponering i tidsintervallet rett før hendelsen, og i ett eller flere tidligere tidsintervaller. I en vanlig kasus–kontroll-studie innhenter man data fra personer som er kasus, altså som har opplevd hendelsen, samt fra kontrollpersoner som ikke har opplevd hendelsen. Så registrerer man hvem som har vært eksponert i de to gruppene (1). I en kasus–overkrysningsstudie, derimot, innhentes data...

01.02.2024: I en kasusstudie undersøker vi behandlingseffekten til én enkelt deltager. Med gjentatte målinger, visuell vurdering av dataene og skarpsindige effektmål kan vi si mye om den enkelte. Medisinske fremskritt skjer ofte takket være forskning med mange deltagere, typisk randomiserte multisenterstudier og befolkningsundersøkelser med langtidsoppfølging. Historien gir likevel flere eksempler på at sykdoms- og behandlingsforløp til et enkeltindivid (kasus) har endret medisinsk vitenskap og behandling. Kasusstudier er spesielt viktige der antallet forsøkspersoner eller -dyr som kan inkluderes, er lavt...

20.11.2023: En konkurrerende hendelse er en hendelse som gjør det umulig for utfallet å finne sted. I analyser av kliniske og epidemiologiske data må vi ofte ta stilling til slike hendelser. Valgene vi tar, kan ha store konsekvenser for fortolkningen av resultatene. Hvordan vi håndterer konkurrerende hendelser i statistiske analyser, avhenger hva slags data vi samler inn og hva vi definerer som primærutfall. Anta at vi er interessert i tid til død for en gruppe innlagte pasienter. Hvis vi bare har data fra sykehusoppholdet, kan vi se på død under sykehusoppholdet som primærutfall. Da blir utskrivinger...

30.10.2023: Norge har lenge hatt en åpen offentlig debatt rundt prioritering i helsetjenesten. De gjeldende prioriteringskriteriene er nytte, ressursbruk og alvorlighet. Disse operasjonaliseres gjennom kostnadseffektivitetsanalyser. I Norge ble prioritering for alvor satt på agendaen i 1987 med Lønning-utvalget (1). I påfølgende utvalg, som Lønning II-utvalget, Nordheim-utvalget, Magnussen-gruppen og Blankholm-utvalget, ble det lagt føringer for, og gjennom Prioriteringsmeldingen bestemt, at kriteriene som skal legges til grunn ved prioritering i spesialisthelsetjenesten og i de kommunale pleie- og...

12.06.2023: Helsetjenestekostnadene øker stadig. Er denne økningen problematisk? Og hvorfor bruker vi kostnad-effekt-analyser i prioriteringen av helsetjenester? Helsetjenestekostnaden per person økte fra 58 300 kr i 2011 til 64 600 kr i 2021 i faste 2015-priser (1). Hva skyldes denne økningen? Økt etterspørsel Økt inntekt øker etterspørselen etter helsetjenester. Når vi blir rikere, ønsker vi mer av såkalte normale goder: litt finere hjem, litt bedre bil og helse- og omsorgstjenester med litt bedre kvalitet. Videre utvider teknologisk utvikling grunnlaget for hvem som får helsetjenester. Vi screener for...

29.05.2023: Maskinlæring brukes til å finne underliggende mønster i data. Dette kan være nyttig i medisinsk forskning. Maskinlæring er en form for kunstig intelligens og brukes til finne underliggende mønster i data. Maskinlæring kan bygge på statistiske metoder eller andre metoder fra matematikk eller informatikk som ikke legger en sannsynlighetsmodell til grunn. Maskinlæring er spesielt nyttig når man har store datasett med mange variabler, og læringen innebærer å trene opp en modell for å finne sammenhenger mellom variablene. Ofte er hensikten å bygge en modell som kan predikere et utfall. Et typisk...

02.05.2023: Hvis vi oppgir for få desimaler, blir resultatet unøyaktig fremstilt. Og oppgir vi flere desimaler enn nødvendig, gir vi inntrykk av at resultatene er mer nøyaktige enn de i realiteten er. Man bør være bevisst på hvor mange desimaler man rapporterer. Det er ikke direkte feil å oppgi flere desimaler enn nødvendig. Men et unødvendig stort antall desimaler etterlater et inntrykk av at man ikke har forholdt seg bevisst verken til måleusikkerhet eller tilfeldig variasjon. I tillegg drukner budskapet – man «ser ikke resultatene for bare tall». Høyden til voksne personer oppgis vanligvis i hele...

21.04.2023: Noen ganger må forskere trekke konklusjoner basert på resultater fra små utvalg. Da er planlegging av studien og valg av statistiske metoder spesielt viktig. Sjeldne sykdommer, eksperimentell utprøvning på forsøksdyr eller tidkrevende laboratorieanalyser er typiske årsaker til at utvalgsstørrelsen blir mindre enn det som er nødvendig for å trekke en tilstrekkelig sikker konklusjon. Statistisk analyse av små utvalg kan være utfordrende, fordi en liten utvalgsstørrelse gir økt usikkerhet og ustabile estimater. Jo mindre utvalg og færre observasjoner, desto større er risikoen for at man ikke kan...

13.02.2023: Et venndiagram er nyttig for å illustrere forekomst av hendelser som kan inntreffe samtidig. Hvis vi skal beskrive forekomst av hendelser som ikke kan inntreffe samtidig, kan en enkel tabell eller et stolpediagram være egnet. Men ved hendelser som ikke utelukker hverandre, f.eks. visse symptomer eller diagnoser, er et venndiagram mer egnet. Inntil tre hendelser La oss starte med et eksempel. Paulsen og medarbeidere beskrev forekomsten av positive funn for tre forskjellige infeksjoner i urinprøver (1). De illustrerte dette i form av et venndiagram, som vist i figur 1. Termen skriver seg fra...

30.01.2023: Data som er samlet inn, enten automatisk eller av mennesker, vil i de aller fleste tilfeller inneholde små og store feil eller mangler. Om de ikke håndteres, kan det skape problemer. Feil i innsamlede data kan og vil oppstå i de aller fleste epidemiologiske og kliniske studier, til tross for godt design, nøye planlegging og god utførelse. Disse feilene må identifiseres, rettes opp i (hvis mulig) og rapporteres. Prosessen kaller vi gjerne datavask (1). Vasking bør foretas i forkant av analysering. En grundig vaskeprosess er tidkrevende, spesielt om datamaterialet er stort, og kan være teknisk...

09.12.2022: Ikke alle datasett har forklaringsvariabler og utfall. Allikevel kan det finnes sammenhenger i dataene som er nyttige å avdekke. På 2010-tallet arbeidet Intervensjonssenteret på Rikshospitalet med å utvikle en dataalgoritme som automatisk kunne finne tumorer i et radiologisk bilde. Resultatet av dataalgoritmen var en todimensjonal geometrisk form: omrisset av en tumor. Om algoritmen fungerte eller ikke, ble fastslått ved å sammenligne omrisset fra den automatiske metoden med omriss laget manuelt av fire erfarne radiologer. En geometrisk form er matematikk, men den er ikke et tall, og å...

07.11.2022: Ved hjelp av standardisering er det mulig å sette sammen resultater fra studier med ulike målemetoder og ulike statistiske analyser i en metaanalyse. I en enkel og ideell verden ville en metaanalyse ha bestått av tilnærmet identiske studier med like utfallsmål. Disse kunne vi enkelt samlet til et oppsummert resultat. Litteratursøket gir oss ofte en rask realitetsorientering. Studier som egentlig undersøker det samme, kan ha atskillig variasjon i pasientutvalg, behandling, oppfølgingstid og målemetode. Som om dette ikke var krevende nok, er ofte resultatene analysert og gjengitt med...