Statistisch analyseplan.pdf - Steunpunt Milieu en Gezondheid

More documents

Recommendations

Info

Appendix 7. Statistisch analyseplan.doc Een gewogen totaal gemiddelde, waarbij het gewicht van elk gebied in de berekening van dit totaal gemiddelde evenredig is met het aantal inwoners in het gebied (op populatieniveau). Daar het belang van elk gebied evenredig is met de grootte van het gebied (volgens bevolkingsaantal) is dit gemiddelde een maat voor de blootstelling waar een inwoner van de 8 onderzoeksgebieden gemiddeld aan blootgesteld is. Merken we nogmaals op dat er niet in heel Vlaanderen bloedstalen werden afgenomen. Het gemiddelde is dus niet de gemiddelde blootstelling voor een Vlaming. Dit gemiddelde is de referentiewaarde zoals die in Sectie 2 werd geïntroduceerd. Een gewogen totaal gemiddelde, waarbij elk gebied even belangrijk is. Gebieden met minder stalen krijgen dus een gewicht groter dan 1; en gebieden met meer stalen krijgen een gewicht kleiner dan 1. 3.1.4 Interpretatie van ruwe gegevens De interpretatie van deze ruwe gegevens moet voorzichtig gebeuren en steeds goed gekaderd worden; vandaar dat de ruwe gegevens steeds naast de ‘gecorrigeerde’ data geplaatst zullen worden. Statistisch significante verschillen tussen de gebieden kunnen immers mogelijks verklaard worden door verschillen in de samenstelling van de populatie van de onderzoeksgebieden (bijv. verschillen in leeftijdsverdeling,…). Een vlot haalbare vorm van correctie is stratificatie. Per onderzoeksgebied worden de gegevens dan apart voorgesteld voor verschillende strata bijvoorbeeld de leeftijd van de moeder in klassen van 5 jaar. Maar een grondiger correctie voor verscheidene parameters gelijktijdig, (o.a. leeftijd en roken) kan uitgevoerd worden via een regressie analyse (Sectie 3.3). Laatst vernoemde techniek werd in deze studie toegepast. 3.1.5 Datareductie Bij een datareductieprobleem wordt o.a. de vraag gesteld of variabelen die onderling correleren kunnen worden gesynthetiseerd door een beperkt aantal variabelen. Principale componentenanalyse (PCA) is één van de klassieke multivariate technieken die hiervoor aangewend wordt. Deze techniek zal toegepast worden op de set van onafhankelijke variabelen en confounders. Door middel van de PCA kan de dimensionaliteit van deze set van variabelen verkleind worden. De luiken met betrekking tot verkeer, arbeid en hobby’s uit de algemene vragenlijst zullen aan een PCA onderworpen worden. Indien uit deze verwerkingen blijkt dat de PCA componenten een substantieel deel van de variabiliteit in de oorspronkelijke parameters verklaren en een logische interpretatie hebben, zullen ze in de verdere analyses meegenomen worden. Anders worden de oorspronkelijke vragen behouden. 6
3.1.6 Datamining Appendix 7. Statistisch analyseplan.doc Datamining kan gedefinieerd worden als het proces van het zoeken naar impliciete, voorheen onbekende en potentieel bruikbare informatie uit zeer grote databases door gebruik te maken van efficiënte 'kennis-zoeksystemen'. Specifiek zullen classificatie- en regressiebomen aangewend worden om relaties, structuren en interacties te ontdekken. Daar dit een niet-parametrische techniek is moeten er geen assumpties over de response variabele gemaakt worden. Ook de vorm van de relatie (lineair, kwadratisch,...) moet niet gespecificeerd worden. Bovendien wordt er op een elegante manier om gegaan met ontbrekende gegevens. Voor elke merker zal een boom ontwikkeld worden. 3.2 INFERENTIËLE STATISTIEK Bij de keuze van de aangewezen statistische techniek om de eerder geformuleerde onderzoekshypothesen te onderzoeken, dient er rekening gehouden te worden met het opzet van de studie, type gegevens en de doeleinde van de verwerkingen. We bespreken hier de consequenties van het type gegevens en het doeleinde van de verwerking. 3.2.1 (Niet-gecorrigeerde) gebiedsvergelijkingen (onderzoekshypothesen 1 en 2) - Vergelijken van de onderzoeksgebieden voor continue gegevens: o Indien de gegevens binnen elk onderzoeksgebied (bij benadering) normaal verdeeld zijn (boxplots, histogram, Shapiro Wilk test,…) en indien de varianties voor elke onderzoeksgebied gelijk zijn (Levene-test) kunnen parametrische methoden toegepast worden: variantie analyse (ANOVA). o Indien de ruwe gegevens niet aan deze voorwaarden voldoen kan men gebruik maken van een transformatie. Er zal geopteerd worden voor een natuurlijke logaritmische transformatie daar deze ook vaak in de literatuur gebruikt wordt voor dit type blootstellingmerkers. o Anders moet een niet-parametrische methode uitgevoerd worden: Kruskall-Wallis test. - Vergelijken van de onderzoeksgebieden voor ordinale/binaire gegevens: o Voor het vergelijken van proporties tussen de onderzoeksgebieden zal de Chikwadraat toets gebruikt worden. o Indien meer dan 80% van de cellen in de kruistabel een verwachte celfrequentie van minder dan 5 heeft, zal Fisher’s Exact test gebruikt worden. Omwille van de grote steekproeven is dit praktisch niet haalbaar zijn. 7
Page 1 and 2: Appendix 7. Statistisch analyseplan
Page 5: 3 STATISTISCHE TECHNIEKEN De statis
Page 13 and 14: 3.4.3 Gebiedsverschillen Appendix 7
Page 15 and 16: 3.6 ANDERE VERKLARENDE PARAMETERS 3
Page 23 and 24: Effectmerker Confounders TSH in nav
Page 27 and 28: - aantal maanden…. Appendix 7. St
Page 31 and 32: L) Ouderdom woning: Oude woning? ne
Page 33 and 34: 7.5 COVARIATEN VOOR DE EFFECTMERKER
Page 35 and 36: Effectmerkers fertiliteit moeder Ap
Page 37 and 38: Effectmerkers kind Lengte baby Gewi
Page 39 and 40: 8 BLOOTSTELLINGS-EFFECT RELATIES Ap
Page 43 and 44: Referenties: Appendix 7. Statistisc
Page 45 and 46: PCBs - luchtwegklachten, allergie,
Page 47 and 48: PCBs - TSH Appendix 7. Statistisch
Page 51 and 52: Literatuur: Appendix 7. Statistisch

Statistisch analyseplan.pdf - Steunpunt Milieu en Gezondheid

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?