Help! Statistiek! Doel: Informeren over statistiek in klinisch onderzoek. Tijd: Derde woensdag in de maand, 12-13 uur 21 januari : Poisson regressie 18 februari : Graven naar causaliteit 18 maart : Betrouwbaarheidsintervallen Sprekers: Vaclav Fidler, Hans Burgerhof, Wendy Post, Sacha la Bastide DG Epidemiologie Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk.
30
Embed
Help! Statistiek! Doel:Informeren over statistiek in klinisch onderzoek. Tijd:Derde woensdag in de maand, 12-13 uur 21 januari: Poisson regressie 18 februari:
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Help! Statistiek!
Doel: Informeren over statistiek in klinisch onderzoek.
Tijd: Derde woensdag in de maand, 12-13 uur
21 januari : Poisson regressie18 februari : Graven naar causaliteit18 maart : Betrouwbaarheidsintervallen
Sprekers: Vaclav Fidler, Hans Burgerhof, Wendy Post, Sacha la Bastide
DG Epidemiologie
Doorlopende serie laagdrempelige lezingen, voor iedereen vrij toegankelijk.
Overzicht
- Welke soort onderzoeksvragen- Introductie van voorbeeld
- Waarom geen gewone lineaire regressie?- Wat is het Poisson regressiemodel
- De Poisson verdeling- Specificatie van het regressiemodel- Interpretatie van parameters
- Schatten en toetsen- Model fit- Hoe in SPSS- Referenties
Onderzoeksvragen
Mogelijke vragen:1. Zijn er in Nederland economische determinanten
die het aantal kinderen voorspellen?2. Welke variabelen voorspellen het aantal blessures
in een bepaald sport seizoen?3. Welke variabelen bepalen het aantal nieuwe
tumorgevallen in een bepaald gebied in een jaar?
Algemeen:Men is geïnteresseerd in relatie tussen Y: aantal events (afhankelijke variabele); niet
Altijd relatie tussen afhankelijke variabele Yen onafhankelijke variabelen- Lineaire regressie: Y is continu- Logistische regressie: Y is dichotoom- Poisson regressie: Y is een aantal
niet negatief gehele getallen
Schat gemiddelde van Y als functie van predictoren
data
Gegevens (gemanipuleerde data van Michel Brink): 50 topsporters in leeftijd 15-19 jaar Afhankelijke variabele: aantal blessures in een seizoen