EKSAMEN I: DOF 610 STATISTISKE METODER I MEDISINSK FORSKNING 2

Transkript

1 EKSAMEN I: DOF 610 STATISTISKE METODER I MEDISINSK FORSKNING 2 INNLEVERINGSFRIST: Tirsdag 27. april kl EKSAMENSINFORMASJON: Merk at dette er en individuell hjemmeeksamen, dvs man skal arbeide individuelt med å løse oppgavene og levere individuelle besvarelser. For å få bestått må det være besvart bra på alle tre oppgavene. INNLEVERINGSINFORMASJON: Skriv ut besvarelsen på papir og lever til Fredrik Feyling, 2. etg. sydbygg, rom 252H (legg besvarelsen i postboksen utenfor kontoret hans dersom han ikke er inne). Skriv studentnummer på besvarelsen (ikke navn). Sørg for å få med alle ark og heft de godt sammen slik at ikke noe faller ut Oppgave 1 I filen bly.sav finnes data samlet inn blant barn som har vært utsatt for ulik grad av blyeksponering. Dataene gir alder (age), kjønn (sex), ekponeringsgruppe (group, der 1=kontrollgruppe, 2=eksponert nå, 3=eksponert før), maks verdi på måling av en test av finger-tapping på høyre og venstre hånd (maxfwt). a) Først skal vi se på om det er noen forskjell i maxfwt-verdi mellom eksponeringsgruppene. Lag relevante plott for å illustrere datene for maxfwt-verdi i de tre ekponeringsgruppene. Skriv ned nullhypotesen og alternative hypotese for en enveis variansanalyse og spesifiser forutsetningene. b) Utfør en enveis variansanalyse for å undersøke om det er forskjell i maxfwt-verdi mellom eksponeringsgruppene. Lag plott av residualer for å sjekke modellantagelsene og kommenter plottene. c) Utfør en posthoc-test og kommenter hva den forteller oss. Hvordan vil du formulere en kontrast for å teste om det er forskjell mellom kontrollgruppen og gjennomsnittet av de eksponerte gruppene? d) Man ønsker videre å kontrollere for eventuelle effekter av kjønn og alder. Gjør dette ved å gjøre en ANCOVA-analyse. Kommenter resultatene av analysen.

2 Oppgave 2 Filen royk.sav inneholder data fra personer som har sluttet å røyke, og som er fulgt opp i ett år fra tidspunktet de sluttet å røyke. Filen inneholder variablene alder (Age), kjønn (Gender), antall sigaretter personen røykte per dag mens han røykte (CigDay), en indeks som angir i hvor stor grad personen inhalerte røyken mens han var røyker (inhal_index), tid til tilbakefall målt som antall dager fra røykeslutt til personen enten begynte å røyke igjen eller studien ble avsluttet (Days), hvorvidt personen begynte å røyke på nytt eller om vedkommende fremdeles var røykfri ved studieslutt (Event, der Event=1 betyr at personene begynte å røyke igjen). a) En av hypotesene i denne studien var at eldre røykere hadde større sjanse for tilbakefall enn andre. Lag en kategorisk aldersvariabel der den ene kategorien er alder<=40 og den andre kategorien er alder>40. Plott i samme figur estimerte overlevelseskurver (Kaplan- Meier-kurver) for tid til tilbakefall for de to aldersgruppene. Kommenter om plottet støtter opp om hypotesen. Lag og kommenter også et tilsvarende plott for kvinner versus menn. b) Utfør en hypotesetest for om det er forskjell i overlevelseskurvene for tid til tilbakefall mellom aldersgruppene definert i punkt a). Gjør også en tilsvarende test for om det er forskjell mellom menn og kvinner. Hvilke generelle antagelser må være oppfylt for at analysene vi har gjort så langt skal være gyldige? c) Lag passende kategoriseringer av antall sigaretter per dag og inhaleringsindeksen og gjør tilsvarende analyser som i punkt a) og b) over til å avgjøre om disse variablene har betydning for tid til tilbakefall. d) Tilpass separate Cox-regresjonsmodeller for tid til tilbakefall med hver enkelt av forklaringsvariablene alder, kjønn, antall sigaretter og inhaleringsindeks som forklaringsvariable. Bruk de opprinnelige variablene (ikke kategoriske). Kommenter resultatet. e) Kommenter kort fordeler og ulemper med å bruke de kontinuerlige (numerisk verdi) versus de kategoriske versjonene av de i utgangspunktet kontinuerlige forklaringsvariablene alder, antall sigaretter og inhaleringsindeks. f) Sjekk om proporsjonalitetsantagelsen holder for de fire forklaringsvariablene analyserte i punkt d). Bruk gjerne de samme kategoriseringene som du brukte i a) og c). g) En annen måte å analysere disse dataene på kunne være å bruke som respons om personen fremdeles var røykfri etter ett år eller ikke (dvs bruke variabelen Event som respons) og gjøre en logistisk regresjonsanalyse med dette som respons og de samme forklaringsvariablene som før. Diskuter fordeler og ulemper ved å analysere dataene med en slik logistisk regresjonsmodell versus Cox-modellen brukt over. I mange studier av forløpstider er det ikke like greit å alternativt gjøre en logistisk regresjon som her. Forklar kort hvorfor.

3 Oppgave 3 Data: (Hentet fra Hosmer and Lemeshow (2000) Applied Logistic Regression: Second Edition. Copyright John Wiley & Sons Inc. Data were collected at Baystate Medical Center in Springfield, Massachusetts.) The ICU data set consists of a sample of 200 subjects who were part of a much larger study on survival of patients following admission to an adult intensive care unit (ICU). The major goal of this study was to develop a logistic regression model to predict the probability of survival to hospital discharge of these patients and to study the risk factors associated with ICU mortality. Datafilen og forklaringer til kodinger er nærmere beskrevet på siste side i oppgavesettet. Første kolonne i forklaringen kan ses bort fra. Siste kolonne viser variabelnavnene slik de er definert i SPSS-filen ICU.sav. Oppgaven består i hovedsak av å lage og fortolke en multippel logistisk regresjonsmodell for å studere hvilke variable som synes å ha sammenheng med sannsynlighet for ikke å overleve ved ICU. (Variabelen STA er avhengig variabel.) Vi begynner med å studere noen av variablene enkeltvis. Husk å behandle kategoriske variable på riktig måte i SPSS. a) Hvordan er sammenhengen mellom sannsynlighet for ikke å overleve og alder? Lag en figur der du plotter 0/1-verdiene til variabelen STA på y-aksen sammen med alder på x-aksen. Bruk ev. excel-filen ICU-STA-AGE.xls til hjelp. Beregn gjennomsnittlig alder for de 40 yngste og tilhørende gjennomsnittlig verdi på variabelen STA, fortsett med de 40 neste (i økende alder, se ev. figur i punkt c) osv. Merk av de fem tallparene (gj.sn. alder og STA) i figuren. Tilpass en logistisk regresjonsmodell med kun AGE som forklaringsvariabel. Hvilken exp( a + bx) verdi er a og b estimert til i modellen: P( STA = 1 AGE = x) = (modellsannsynlighet for ikke å overleve for en person som er x år)? 1+ exp( a + bx) Tegn også kurven for P ( STA = 1 AGE = x) inn i samme figur. Synes modellen å beskrive dataene tilfredsstillende? Lag et konfidensintervall for sannsynligheten i den midterste aldersgruppen. (Hint: bruk formel for intervall for sannsynlighet, binomisk modell, n=40.) b) Gi en fortolkning av den tilpassede logistiske modellen. Øker eller avtar oddsene for å ikke overleve når alderen øker? Hvor mye endrer oddsene seg? Lag et konfidensintervall for odds ratioen for et individ for en bestemt alder i forhold til et individ som er 10 år yngre. c) En figur tilsvarende den beskrevet i punkt a) er gitt under for variabelen hjerterytme ved innleggelse, HRA. De røde kryssene er gjennomsnittlig STA-verdi for tilsvarende gjennomsnittlig hjerterytme.

4 1 0,8 0,6 0,4 0, Ser det ut for at hjerterytme ved innleggelse har sammenheng med sannsynlighet for ikke å overleve? Begrunn svaret. Hvordan ser SPSS-syntaksen ut for en kjøring der du tilpasser en logistisk regresjonsmodell for STA med HRA som forklaringsvariabel? d) Den kontinuerlige variabelen systolisk blodtrykk ved innleggelse, SYS, har en noe kompleks sammenheng med sannsynlighet å ikke overleve, og vi skal bruke en kategorisert versjon istedenfor kontinuerlig. Kategoriser variabelen SYS i tre kategorier (0: tom. 99, 1: 100 tom. 149, 2: fom. 150), og gjør en logistisk regresjon med denne kategoriserte variabelen som forklaringsvariabel. På bakgrunn av resultatene, forklar hvorfor det kan være rimelig å slå sammen kategori 1 og 2 og bruke en variabel med kun to kategorier istedenfor tre? SYS-variabelen med kun to kategorier skal brukes i resten av analysene. (Den opprinnelige SYS-variabelen utelates da.) e) Tilpass en logistisk modell der kun variabelen som beskriver bevissthetsnivå ved innleggelse, LOC, er med. Kommenter resultatene. Lag en krysstabell for STA vs. LOC. Hva er frekvensene (antall individ) i de ulike cellene? Kommenter dette i forhold til resultatene fra den logistiske regresjonen. Lag en ny variabel der kategori 1 og 2 i LOC slås sammen til en kategori. (Tips: Transform, recode into different variables.) LOC-variabelen med kun to kategorier skal brukes i resten av analysene. (Den opprinnelige LOC-variabelen utelates da.) f) Lag en multippel modell med alle potensielle forklaringsvariable inkludert, og lag univariate modeller med hver variabel enkeltvis. (Tips: bruk av syntaksfil kan forenkle arbeidet!) Sett opp en tabell med alle variable der du kan sammenligne OR og tilhørende p-verdi fra multippel analyse med resultatene fra analysene enkeltvis. Kommenter. g) Gjør både forlengs og baklengs variabelutvelgelse. Sett PIN=0.15 og POUT=0.20. Blir det samme resultat? h) Med utgangspunkt i resultatet fra forlengsprosedyren, undersøk om det betydningsfulle kryssledd. (Den dikotomiserte LOC-variabelen bør utelates fra kryssleddundersøkelsen fordi den har svært få individ i den ene kategorien.)

5 LIST OF VARIABLES: Column Position Name Codes/Values Abbreviations Identification Code ID Number ID 11 Vital Status 0 = Lived STA 1 = Died Age Years AGE 18 Sex 0 = Male SEX 1 = Female 21 Race 1 = White RACE 2 = Black 3 = Other 24 Service at ICU Admission 0 = Medical SER 1 = Surgical 27 Cancer Part of Present 0 = No CAN Problem 30 History of Chronic Renal O = No CRN Failure 33 Infection Probable at ICU 0 = No INF Admission 36 CPR Prior to ICU Admission 0 = No CPR Systolic Blood Pressure at mm Hg SYS ICU Admission Heart Rate at ICU Admission Beats/min HRA 49 Previous Admission to an ICU 0 = No PRE within 6 Months 52 Type of Admission 0 = Elective TYP 1 = Emergency 55 Long Bone, Multiple, Neck, 0 = No FRA Single Area, or Hip Fracture 58 PO2 from Initial Blood Gases 0 = > 60 PO2 1 = < PH from Initial Blood Gases 0 => 7.25 PH 1 =< PCO2 from initial Blood 0 = < 45 PCO Gases 1 = > Bicarbonate from Initial 0 = > 18 BIC Blood Gases 1 = < Creatinine from Initial Blood 0 = < 2.0 CRE Gases 1 = > Level of Consciousness at ICU O = No Coma LOC Admission or Stupor 1 = Deep stupor 2 = Coma