<
CKG Hem

CKG Hem

 ORGANISERA ANALYSERA PRESENTERA OM MIG ☰


 


Analysera dina data

 

Bakgrundsdata

Information kan komma från olika källor, t ex

  • Publicerade studier och rapporter
  • Offentlig statistik
  • Tillförlitliga webbaserade informationskällor

Sammanställd information från olika källor kan ha många användningsområden

  • Kartlägga det aktuella kunskapsläget inom ett område, t ex som bakgrundsinformation för en studie
  • Jämförelser mellan egna och andras resultat
  • Jämförelser med historiska resultat


Externa datakällor

Externa källor kan bidra med bakgrundsinformation och jämförelsematerial



Kvalitetskontroll av insamlade data

Insamlade data följer inte alltid de mallar man planerat.
Därför måste mätvärden och fritextsvar kontrolleras noga

  • Kontroll av inklusions- och exklusionskriterier
  • Kontroll mot valideringsregler, t ex min- och maxvärden
  • Kontroll av logiska hopp och motstridiga svar
  • Kontroll av bortfall av svar
  • Kontroll och ev. kodning av fritextsvar
  • Dokumentation av
    — alla ändringar av rådata
    — variabelnamn i datafiler
    — kodning av kategori-variabler
    — formler för beräknade värden och index
    — bortfall
Exempel dataverifiering

Exempel dataverifiering. Felaktiga koordinter inringade.





Statistisk analys

Vilken typ av data man har styr valet av statistiska analysmetoder. Fel analysmetod kan få stora konsekvenser.
Är inte värdena normalfördelade kan parametriska metoder ge vilseledande resultat.
Upprepade mätningar på samma objekt ger ofta problem med autokorrelation, och vanliga statistiska analyser kan då ge missvisande resultat.
Urvalskriterier eller bortfall kan göra att datamaterialet inte är representativt för det man vill studera.

  • Analys av saknade data (bortfallsanalys)
  • Beräknade variabler, t ex BMI från vikt- och längd, eller index för relaterade frågor
  • Vanliga statistiska analyser av resultaten, med parametriska och icke-parametriska metoder
    – Deskriptiv statistik
    – Analys av gruppvisa skillander
    – Regressionsanalyser
    – Epidemiologiska analyser
            mm.
Statistikmetoder.

Skillnader mellan två kliniker hur väl pojkar och flickor med diabetes kan kontrollera sin blodsockernivå.

 
 
Jag använder flera olika statistikprogram, beroende på vad som är mest lämpligt, t ex

  • Systat liknar SPSS, med många avancerade analysmetoder, men mindre "lull-lull"
  • R, med olika analysmoduler är ett mycket avancerat open-source-baserat programpaket
  • EpiInfo, ett programpaket från CDC, framför allt för epiedmiologi
  • Tidigare använde jag SPSS, men det har jag inte tillgång till för närvarande.
    Jag kan dock överföra datafiler till och från SPSS-format, liksom de flesta andra större statistikprogram eller kalkylbladsprogram.

Kalkylprogram som Excel ska aldrig användas för statistiska beräkningar.



Exempel på vad jag arbetar med finns på sidan med Diverse demo-material