Tema Kvalitativ og kvantitativ forskningsmetode. Forskningsmetode. Kausalitet. Reliabilitet og validitet. Usikkerhet. IA mandag 5/9-2014

Transkript

1 Kvalitativ og kvantitativ forskningsmetode IA mandag 5/ Johan Håkon Bjørngaard, Professor Institutt for samfunnsmedisin Name, title of the presentation Forskningsmetode Tema Kausalitet Reliabilitet og validitet Usikkerhet 1

2 Forskningsprosessen Plan for hvordan forskningen skal gjennomføres (protokoll) Etisk godkjenning Finansiering Datainnhenting Bearbeiding og skriving Forskning skrives som IMRAD Introduction, Method, Results and Discussion Standard måte for framstilling av forskningsresultater Introduction Hvorfor er dette interessant? Hva vet vi fra før (litteratur) Hva vet vi ikke? Og hva skal denne studien bidra med 2

3 Hva vet vi? Litteraturgjennomgang helsebiblioteket.no Pubmed.com scholar.google.no Methods Datamateriale Design Framgangsmåte Hvordan er utfall målt? Hvordan er eksponering/behandling målt? Hvordan er andre variabler målt? Data og statistikk Deskriptiv oversikt Results Resultatpresentasjon 3

4 Discussion Oppsummere resultater Svakheter og styrker med studien Hvordan er resultatene relatert til annen litteratur Drøfting av virkningsmekanismene Konklusjon Forskningsmetode Ulike problemstillinger krever ulik forskningsmetode Kvalitativ hvorfor, hvordan, på hvilken måte Kvantitativ hvor mye, hvor ofte, i hvilken grad Hvorfor? Vi ønsker kunnskap om effekter av tiltak og årsaker til sykdom Et nytt medikament En ny type behandling Risikofaktorer for sykdom (røyking) Om x er årsak til y Vi ønsker kunnskap om hvorfor ting er slik de er Hvorfor (sam)handler vi slik vi gjør? Hvordan formes holdninger og oppfatninger? Hvorfor utvikles kulturer slik de gjør? 4

5 Kvalitativ metode Case-studier; mao enkeltobservasjoner som studeres grundig Eks: For å forstå hvordan tverrfaglige team fungerer må disse studeres i detalj. Tid og ressurskrevende, derfor få case Teknikker Deltakende observasjon Intervjuer Fokusgrupper Generaliserbarhet Lav, men gir viktig kunnskap om hvorfor og hvordan Kan dermed være verdifull som grunnlag for å utvikle hypoteser om årsakssammenhenger Eksempel på kvalitativ studie Factors influencing the decision to use hanging as a method of suicide: qualitative study Bakgrunn: Økning i suicid ved henging i England Hvorfor velger noen en slik metode? Dybdeintervju med 12 menn og 10 kvinner som har overlevd a near-fatal suicide attempt 5

6 Kvantitativ metode Vi har informasjon fra et utvalg som vi ønsker å bruke til å si noe om en populasjon Sier noe om kvantifiserbare størrelser Prosent uføre i 2003 etter svangerskapets lengde (barn født ) * * Moster et al (2008) Ulike kvantitative design Randomiserte kontrollerte forsøk Kohortstudier omfatter studier hvor man følger opp en gruppe individer som var sykdomsfrie i utgangspunktet, og ser på risiko for sykdom i løpet av en gitt tidsperiode Kasus-kontroll studier der deltakerne er valgt ut på bakgrunn av sykdomsstatus (har sykdom/har ikke) Tverrsnittstudier 6

7 Sammenheng mellom storkebestand og barnefødsler Storketetthet? Fertilitetsrate Tettere storkebestand assosiert med flere barn per kvinne Konfundering - Finnes det en felles årsak til både storkebestand og barnefødsler?? Storketetthet Fertilitetsrate Konfundering = Felles årsak til eksponering og utfall Urbaniseringsgrad Storketetthet Fertilitetsrate Storkebestand og fertilitetsrate har en felles årsak urbaniseringsgrad. Skaper en falsk sammenheng mellom eksponering og utfall 7

8 Sammenlikningsproblemet Hvordan sammenlikne grupper som kan være forskjellige? Ideelt skal to forsøksgrupper være helt lik med unntak av eksponeringen (for eksempel pille eller ikke-pille) Tenkt eksempel: Eksponert for kaffe eller ikke og lungefunksjon God lunge- Kols (65%) funksjon (35%) Kaffe Ikkekaffe Kaffe øker risiko for KOLS? God lunge- Kols (50%) funksjon (50%) Konfundering (Confounding) felles årsak til eksponering og utfall? Kaffedrikking Kols 8

9 Konfundering (Confounding) felles årsak til eksponering og utfall Røyking Kaffedrikking Kols =røyking =ikke-røyking Er kaffeeksponering det eneste som skiller gruppene? God lunge- Kols (65%) funksjon (35%) Kaffe 75% Røyking 40% God lunge- Kols (50%) funksjon (50%) Ikkekaffe Flere røykere blant kaffedrikkerne og røykerne får oftere KOLS Selektere/justere for røyking God lunge- Kols (80%) funksjon (20%) Kaffe Ikke- Kaffe God lunge- Kols (80%) funksjon (20%) Undersøker andelen KOLS for hhv kaffe-/ikkekaffedrikkere blant de som røyker 9

10 To egenskaper kan samvariere hvis Årsakssammenheng De deler en felles årsak (konfundering) Ved tilfeldighet Ved seleksjonsbias forskjellig sammenheng mellom eksponering og utfall blant de som ble selektert for studien enn de som ikke ble selektert Informasjonsbias (målefeil) Randomisert kontrollert studie (RCT) Deltakerne tilordnes eksponering tilfeldig og uten å vite hvilken gruppe de er i (blindet) Heller ikke forskerne/behandlerne vet hvem som er i hvilken gruppe (dobbelt blindet) Dersom gruppene er store nok vil de dermed være sammenliknbare ift alle faktorer (Kjønn, alder, inntekt, utdanning etc etc) Det gjennomføres en intervensjon (medikament, prosedyre, behandlingsprogram etc) RCT - ideell Eneste som skiller gruppene er eksponeringen/behandlingen Hvis den eksponerte gruppen ikke hadde vært eksponert, så ville forventet verdi for utfall være lik det man finner i den ikke-eksponerte gruppen Forskjellen mellom gruppene kan da tolkes som kausal 10

11 Randomisering Bedring (65%) Medikament Tilfeldig Bedring (25%) Placebo De hvite er mer utsatt, men de er likt fordelt mellom gruppene. Det gjelder også for alle andre mulige konfunderende faktorer. Problemer med RCT Ikke alle problemstillinger lar seg randomisere Praktiske årsaker randomisering ikke mulig Er store sykehus mer effektive enn små? Er innsatsstyrt finansiering lurere enn ett rammebudsjett? Etiske årsaker randomisering ikke ønskelig Hvis problemstillingen er om et nytt medikament kan redde/forlenge liv Overføringsverdi Kontrollbetingelsene så sterke at det er vanskelig å overføre resultatene til andre settinger/pasientgrupper osv Problem med Små studier Publiseringsbias Validitet = Gyldighet Intern validitet Konfundering (eks: kaffe-kols) Informasjonsbias (målefeil) seleksjonsbias Ekstern validitet Kan resultatene generaliseres 11

12 Reliabilitet reproduserbarhet Evnen til å få samme resultat hvis vi gjentar forsøket Presisjon og nøyaktighet Presisjon samme verdi hver gang ( reliabilitet) Nøyaktighet gj.snittlig avvik fra sann verdi ( validitet) Presis Upresis Presis Unøyaktig Nøyaktig Nøyaktig Usikkerhet La oss anta at vi har gjennomført et forsøk og finner forskjell mellom de som har fått en ny type behandling sammenliknet med ordinær behandling Kan denne forskjellen skyldes tilfeldigheter? 12

13 Usikkerhet og sjanse Det er viktig å ta hensyn til usikkerheten til et estimat Hvis du kastet mynt og kroner 5 ganger og kom opp med krone" 4 ganger, ville det vært korrekt å si at mynten vil lande på krone 80% av gangene? Det gjorde det for dine fem myntkast. Men ville det samme skje hvis du kastet mynten 100 eller 1000 ganger? P-verdi P-verdien representerer sannsynligheten, betinget at 0- hypotesen er sann, for at resultatet av studien er like langt eller lengre fra 0-hypotesen enn det som ble observert Nullhypotese=ingen sammenheng Anta at en studie gir en gjennomsnittlig forskjell mellom to behandlingsgrupper mht blodtrykk på 10 mmhg p-verdien (to-sidig) representerer da sannsynligheten, hvis forskjellen egentlig er 0, for at en studie kan ende med: En forskjell lik = + 10 eller høyere eller i En forskjell lik = - 10 eller lavere To typer statistiske feilslutninger Type 1-feil: Forkaster riktig nullhypotese For eksempel sier at et medikament har effekt når det egentlig ikke har det Type 2-feil: Godtar feil nullhypotese Sier at et medikament ikke virker, selv om det faktisk har effekt 13

14 Problem med p-verdi Utrykker både presisjon (størrelse på studien) og grad av forskjell 95% konfidensintervall foretrekkes fremfor p-verdien Konfidensintervall (KI) Et intervall rundt det estimatet vi har funnet som oftest 95% Hvis vi gjentar studien mange ganger vil 95% av KI-ene inneholde den verdien som vi forsøker å estimere Vi kan si at vi er 95% sikre på at vårt KI inneholder den sanne verdien gitt fravær av systematiske feilkilder KI sier noe om hvor presist estimatet er (f.eks en middelverdi) Kan ses på som et omtrentlig intervall der vi kan forvente å finne det sanne effektestimatet Medisinsk uførhet etter svangerskapets lengde* * Moster et al (2008) 14

15 Statistisk slutning (inference) Statistisk inferens baseres på enten: hypotesetesting intervallestimering Ved hypotesetesting prøver vi å forkaste en nullhypotese Ved intervallestimering beregner vi et konfidensintervall, som med for eksempel 95% konfidens, inneholder den sanne parameterverdien Hypotesetesting sjekker hvor sjeldne eller usannsynlig resultatene er, mens konfidensintervall viser presisjonen til resultatene våre Ikke forveksle statistisk signifikans med klinisk betydning! Type signifikans Mening Mål Statistisk Ekskludere sjanse som en mulig årsak til funn Statistisk test Klinisk Resultatene kan endre klinisk praksis Grad av klinisk respons ved intervensjon 15