Onderzoeksopzet:

1
Onderzoeksopzet "Bezint eer ge begint"
Math Candel Universiteit Maastricht
2
Onderdelen van onderzoeksopzet

• Heldere en haalbare probleemstelling
• Keuze van het design
• Keuze van onderzoeks/analyse-eenheid
• Operationalisatie van variabelen
• Keuze van statistische technieken
• Afbakening van populatie
• Steekproefmethode, steekproefomvang en power
• Tijdschema en procedures
• Dit is ook de volgorde van het verslag !!

3
Als rode draad een voorbeeld
1. Vraagstelling
Leidt langdurige blootstelling aan harde muziek
in discos tot gehoorbeschadiging ?
2. Design

• Wel of geen interventie ?
• - Wel of niet longitudinaal ?

4
L O N G I T U D I N A A L I _______________
_____________________________ N ja
nee T ___________________________________________
_ E ja Experiment R Quasi-experiment V E nee C
ohort studie Dwarsdoorsnede N (Steekproef uit
basispopulatie) T Patiënt-controle I (Selectie
van zieken) E ______________________
______________________
5
Voorbeeld

• Interventie
• Onmogelijk, expositie aan harde muziek niet
  ethisch
• Longitudinaal meer zicht op causatie
• Geen individuele informatie omtrent blootstelling
  aan muziek ? prospectieve cohort studie

6
3. Keuze van onderzoeks/analyse-eenheid
Vaak geneste structuur (voorbeeld)
7
3. Keuze van onderzoeks/analyse-eenheid
Vaak geneste structuur (voorbeeld)
Niveau 3
Niveau 2
Niveau 1
8
3. Keuze van onderzoeks/analyse-eenheid
Vaak geneste structuur (voorbeeld)
Niveau 3
Niveau 2
Niveau 1
9
3. Keuze van onderzoeks/analyse-eenheid
Vaak geneste structuur (voorbeeld)
Niveau 3
Niveau 2
Niveau 1
10
Vragen Keuze analysetechniek

• Bij random niveaus Random-effects of Multilevel
  Analyse
• Uitzondering
• Hoogste niveau gebalanceerd design Aggregeer
  metingen tot op hoogste niveau

• Zijn de niveaus fixed of random ?
• Op welk niveau speelt de vraagstelling zich af ?
• Is het design gebalanceerd ?

11
4. Operationalisatie van variabelen
Hoe zet ik begrippen als blootstelling aan harde
muziek en gehoorschade om in meetbare
grootheden ?

• Afhankelijke variabele slechts op 1 manier
  operationaliseren ? multiple testing

• Metingen dienen betrouwbaar te zijn
• (doe hermetingen en neem gemiddelde)

• Metingen dienen valide te zijn (voorkom bijv.
  antwoordtendenties bij vragenlijsten)

12
Multiple testing

• Dubbelzinnige resultaten
• Sommige operationalisaties laten wel een effect
  zien, andere niet
• Veel type I fouten
• Oplossing Bonferroni correctie
• Bij K toetsen, neem dan als significantieniveau
  
• ? ?/K

13
Illustratie Bonferroni correctie
14
Voorbeeld

• Effectmaat Gehoorverlies in dB,
• gemiddeld over een reeks toonhoogten

• Onafhankelijke variabelen
• Duur van blootstelling
• Via een vragenlijst het aantal uren in 5 jaar
• (gemiddelde per week x aantal weken)
• Intensiteit
• Aantal dB via audiometer
• (meerdere metingen over 5 jaar in gefrequenteerde
  discos)

• Confounders / Effectmodificatoren
• Geslacht, leeftijd, expositie aan ander lawaai
  (via vragenlijst)

15
5. Keuze van statistische techniek

• Aantal variabelen
• Onafhankelijke variabelen
• Afhankelijke variabelen
• Type variabele
• Binair
• Polytoom
• Continu
• Type design
• Tussen-subject design
• Binnen-subject design

16
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere Xen
Lineaire regressie ANOVA Logistische regressie
17
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere X-en
Lineaire regressie ANOVA Logistische regressie
18
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere X-en
Lineaire regressie ANOVA Logistische regressie
19
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere X-en
Lineaire regressie ANOVA Logistische regressie
20
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere X-en
Lineaire regressie ANOVA Logistische regressie
21
Y continu Y binair
1 X
binair T-toets Mann-Whitney ?2- toets voor kruistabel
polytoom 1-weg ANOVA Kruskal-Wallis test ?2- toets voor kruistabel
continu (Rang)correlatie Lineaire regressie Logistische regressie
Meerdere X-en
Lineaire regressie ANOVA Logistische regressie
22
Voorbeeld

• Afhankelijke variabele Gehoorbeschadiging (GB)

• Blootstellingsduur (DUUR) is een
  effectmodificator van de muziekintensiteit (INT)

• Potentiële confounders
• Overig lawaai (LAWAAI), geslacht (GESL) en
  leeftijd (LEEFT)

• Meervoudige lineaire regressie
• GB B0 B1INT B2DUUR B3INTDUUR
  B4LAWAAI B5GESL B6LEEFT ?

23
(No Transcript)
24
6. Afbakening van populatie

• Ethische redenen (bijv. geen ernstig zieken)
• Praktische redenen
• (beperkte hoeveelheid tijd en geld)
• Methodologische redenen
• Minder onverklaarde variantie
• Minder storende factoren (confounders)
• Voldoende variatie op risicofactor

25
Voorbeeld

• Praktische reden
• Alleen Zuid-Nederland
• Methodologische redenen
• Alleen jongeren tussen de 14 en 20 jaar
• Minder variatie wat betreft gehoorsbeschadiging
  t.g.v. andere factoren (bijv. werk)

26
Tast afbakening de generaliseerbaarheid aan ?
Vraag De generaliseerbaarheid van wat ?
Het gemiddelde ?
27
GB
Randstad
Parkstad
Muziekintensiteit
28
Relatie tussen gehoorbeschadiging en intensiteit ?
29
Conclusies

• Gemiddelde is niet generaliseerbaar
• Dit is anders voor Randstad en Parkstad
• Bestudeerde effect is wel generaliseerbaar
• Gemiddelde toename in gehoorbeschadiging t.g.v.
  een bepaalde toename in muziekintensiteit is
  hetzelfde voor Randstad als voor Parkstad
• Dus
• Een effect kan wel generaliseerbaar zijn naar
  andere populaties, ook als het gemiddelde dat
  niet is !

30
7. Trekken van steekproef

• Eenvoudige toetsende statistiek gaat uit van
• Een aselecte/willekeurige steekproef
• Een populatie die veel groter is dan de
  steekproef
• In de praktijk
• Steekproef gt 10 van de populatie
• Gestratificeerde steekproef
• Bijv. prestratificatie op geslacht of
  sociaal-economische status
• Deze variabelen als covariaat in de analyse
  opnemen

31
Voorbeeld Reden voor stratificatie ?

• Effectmodificatie
• Het effect van muziekintensiteit is anders voor
  lange dan voor korte blootstellingsduren
• Confouding
• Vrouwen en mannen verschillen wat betreft de
  mate van blootstelling aan harde muziek
• In beide gevallen
• Stratificatie-factor als extra covariaat in de
  analyse opnemen

32

• Tweestaps- of clustersteekproef
• Men trekt een groot aantal eenheden (bedrijven,
  scholen, ziekenhuizen, gezondheidscentra,
  steden), en daarbinnen weer

• een aantal individuen tweestapssteekproef
• alle individuen clustersteekproef

• Geschikte analyse Multilevel of
• Random-effects analyse

33
Hoe krijgen we de gewenste power ?

• ? Moet klein zijn om type I fouten te vermijden
• (vaak 0.05 of 0.01)
• Signaal Contrast op interventie of risico-factor
  verhogen
• Ruis
• Invloed van variatie op andere factoren
  minimaliseren middels design of statistische
  correctie
• Minimaliseren van meetfout

34

• Steekproefomvang voldoende groot laten zijn.
• Voorbeeld Model zonder interactie
• Formule voor correlatie (tweezijdige toetsing)

1-? gewenste power, zeg 0.90 Z waarde
uit standaardnormale verdeling Z 0.90 1.28
35
? kans op het type I fout, zeg 0.05 Z
waarde uit standaardnormale verdeling Z
0.975 1.96
36

• Steekproefomvang voldoende groot laten zijn.
• Voorbeeld Model zonder interactie
• Formule voor correlatie (tweezijdige toetsing)

? kleinste correlatie die ontdekt moet
worden, zeg 0.30
37

• Steekproefomvang voldoende groot laten zijn.
• Voorbeeld Model zonder interactie
• Formule voor correlatie (tweezijdige toetsing)

38

• Nog aanpassingen van deze N
• Er zijn covariabelen
• NA N x VIF
• 108.14 x 2 (naar schatting)
• 216.28

• B. Er is uitval te verwachten
• Bij k uitval NAA 100/(100-k) x NA
• Bij 10 uitval NAA 100/90 x 216.28 241

39
Relatie power, steekproefomvang en signaal
40
8. Tijdschema en procedures

• Overzicht van stappen en tijdsplanning

Voorbereiden van onderzoek (testen
vragenlijsten, werven proefpersonen,.)
Dataverzameling
Tussentijdse analyses
Eindrapportage en/of presentatie
41

• Procedures

Waarborgen anonimiteit, werven van proefpersonen,
informed consent, blindering e.d.

• Hoe om te gaan met
• Non-response niet deelnemen
• Uitval voortijdig uit the onderzoek stappen
• Non-compliance niet naleven van instructies

42
Effecten van uitval/nonresponse
43
Effecten van uitval/nonresponse
Intensiteit muziek (kernvariabele)
Gehoorbeschadiging
44
Effecten van uitval/nonresponse
Intensiteit muziek (kernvariabele)
Gehoorbeschadiging
Leeftijd (covariaat)
45
(No Transcript)
46
(No Transcript)
47
(No Transcript)
48
Leeftijd is geen confounder
49
Effecten van uitval/nonresponse
Intensiteit muziek (kernvariabele)
Gehoorbeschadiging
Uitval
Leeftijd (covariaat)
50
Uitval houdt verband met kernvariabele
Intensiteit muziek (kernvariabele)
Gehoorbeschadiging
Uitval
Leeftijd (covariaat)
51
Uitval houdt verband met kernvariabele en
covariaat
52
Uitval houdt verband met kernvariabele en
covariaat
Confouding door covariaat betrek covariaat in de
analyse
53
(No Transcript)
54
Vooral uitval bij hoge muziekintensiteiten Uitval
treedt met name op onder ouderen
55
Vooral uitval bij hoge muziekintensiteiten Uitval
treedt met name op onder ouderen
56
Uitval houdt verband met afhankelijke variabele
en kernvariabele
57
Uitval zelf is confounder uitval als extra
covariaat in de analyse betrekken
Probleem Voor uitvallers kennen we de waarden
niet op de afhankelijke variabele
Gevolg Relatie tussen uitval en afhankelijke
variabele kan niet geschat worden
58
Hoe om te gaan met non-compliance ?

• Intention-to-treat
• Non-compliers betrekken in de analyse
• Adequaat beeld van de effectiviteit van een
  behandeling in de praktijk
• Statistische correctie
• Effect van interventie kan weggepoetst worden