College 4 EBP
‘’achterhalen van risicofactoren en oorzaken van ziekten’’.
1. 2x2 tabel kunnen interpreteren
2. begrip krijgen en kunnen berekenen van associatiematen (OR en RR)
3. kent de onderzoeksdesign die associaties onderzoeken
4. kent criteria voor causaliteit (dat wat ik zie… veroorzaakt het een ziekte?)
Belangrijkste zaken van het hoofdstuk
- associatie: correlatie/verband
- je moet causaliteit kunnen definiëren, kunnen gebruiken en toepassen
- van 2x2 tabel moet je kunnen rekenen en je moet weten dat er vele variaties zijn
- confounding
- cohort onderzoek
- pt controle onderzoek
- associatie maten
- pijlendiagrammen
‘’Cholera epidemie London 1854’’
Vraag; wat is de oorzaak en hoe is de ziekte te stoppen?
Cholera stonk, dus ze dachten dat de ziekte veroorzaakt werd door stank. Ze hadden zelfs evidence
dat cholera door die stank kwam.. (met luchtdruk, regen, wind). Het is niet meer dan wat je WIL zien.
Dat is hetzelfde als de cholera evidence.
John snow maakte hier een ander onderzoek van en ging tellen waar de meeste doden vielen rondom
bepaalde watervoorzieningsbedrijven. Hij vond: als je met een ‘’tunnelvisie’’ kijkt naar alleen wat je
weet en niet verder, dan krijg je een ‘’narrow view’’ en loop je op een gegeven moment achter.
Hij heeft per wijk de mensen geteld en daarbij het dodenaantal geteld. Bij een kolom ernaast heeft hij
per 10.000 mensen het aantal doden berekend, zo kon hij per stad vergelijken waar het grootste en
het kleinste doden aantal viel. Aan de hand daarvan heeft hij een kaart gemaakt met bolletjes (zodat
je kunt zien waar de meeste doden vielen): er viel op dat bij een bepaalde waterfabriek/kraan meer
doden vielen hij heeft deze kraan kapot gemaakt waardoor je naar een andere kraan moest om
water te halen (blauw bolletje) zodat minder doden vielen.
Hij is verder gegaan met onderzoek, het bleek: niet iedere kraan is van hetzelfde bedrijf dus elke
waterkraan heeft zijn eigen plek waar het water vandaan komt (river thames of de grond
bijvoorbeeld). Als je water drinkt uit de grond is de kans op dood vele malen hoger (omdat mensen
hun behoefte deden in de grond). Hij kwam op de conclusie:
Cholera heeft niet te maken met de slechte lucht, het heeft te maken met drinkwater. Hij associeert
dus: drinkwater met cholera.
Associatie, causaliteit en confounding
Associatie
= relatie/verband met een factor en een bepaalde outcome. Of determinant met een ziekte. Of
blootstelling met ziekte.
Als er een verband is tussen iets, betekent dit niet meteen dat het een causaal verband heeft
(oorzakelijk gevolg). Als er een verband/associatie is, kun je praten over
- niet causaal verband
Voorbeeld: mensen met longkanker hebben allemaal een aansteker (gehad) maar de aansteker
veroorzaakt deze longkanker niet, een andere factor wel (bijvoorbeeld roken).
Toch hebben rokers veel vaker een aansteker, dus er is wel een verband tussen mensen met een
aansteker en longkanker, maar niet causaal.
, Causaal verband (TV)
De factor is de oorzaak van de outcome. Het moet ermee te maken hebben dat er een biologisch
mechanisme is (bijvoorbeeld; causaal verband tussen plaque en cariës want je kunt dit uitleggen op
microscopisch niveau)
Daarbij verminderd de kans op cariës als je plaque verwijderd: een schakelaar. Er is een noodzakelijk
en directe oorzaak. Dat moet er altijd zijn.
Criteria causaliteit (TV)
1. volgorde in tijd; blootstelling moet voorafgaan aan de ziekte
2. kracht van associatie; op moment dat je het berekent dan zie je dat er een krachtige associatie is
tussen de twee factoren wat niet op toeval berust
3. dosis-respons relatie; hoe meer van iets hoe groter de kans op de ziekte (hoe meer water je drinkt,
hoe meer cholera je kunt krijgen) (hoe meer zon hoe meer kans op huidkanker)
4. alternatieve uitleg; als je denkt… ‘’maar, als’’ dan klopt het niet meer. Je hebt bijvoorbeeld bij een
onderzoek geen rekening gehouden met een groep van oudere mensen (die al bijna op sterven
liggen). Als je dus een correctie doet, een andere analyse, dan weet je dat het nog een sterk bewijs
krijgt. Outcome blijft hetzelfde, blijft toch voorkomen.
5. reversibiliteit; als je de oorzaak wegneemt, is er kans dat de ziekte minder wordt. (plaque en cariës)
6. consistentie; verschillende onderzoeken rapporteren hetzelfde resultaat. Doe je het onderzoek
over plaque en cariës in nederland krijg je hetzelfde resultaat als in rusland. Als onderzoeken allemaal
wat anders zeggen, is het gewoon niet causaal. Het kan wel een verband zijn, maar niet causaal.
7. biologische plausibiliteit: op fysiologisch niveau is er een verklaring, dus als je dit niet hebt kun je
niet praten over een causaal verband. Bijvoorbeeld over gezonde voeding (zoals superfoods) en
gezondheid. Je kunt hierbij niet zeggen dat je gezonder bent dan iemand die de superfoods niet
koopt, het kan wel gezond zijn maar niet ‘’gezonder’’ dan iets anders. Je moet het aan kunnen tonen
in het lichaam.
Causaliteit vs. Causaal EFFECT
Hoe onderzoek je of er een causaal verband is?
Je gaat kijken of bij blootstelling de ziekte komt. voorbeeld; roken is een oorzaak van het ontstaan van
longkanker, oftw. zonder blootstelling aan roken heb je minder snel longkanker.
Vraag je af: is dat altijd zo? Er zijn ook mensen die niet roken die longkanker krijgen (zoals door
asbest, genetisch of meeroken).
Cofounding (TV)
Verschillende definitiets staan op pp
- Cofounders zijn factoren die gerelateerd zijn zowel aan de blootstelling als aan de outkomst.
Bijvoorbeeld bij roken: de cofounder kan daarbij zijn alcohol: alcohol met roken samen verhoogd de
kans op de blootstelling aan uitkomsten zoals dood (als je alcohol drinkt ga je sneller roken en krijg je
sneller zin in een sigaret).
- Het beïnvloedt de sterkte van de uitkomst door de blootstelling (kan het versterken of verzwakken),
dus die pijl wordt steeds dikker over hoe sterk de beïnvloeding wordt door de blootstelling ten
opzichte van de uitkomst/ziekte.
- door confounding kan een verband dat ik werkelijkheid afwezig is worden gesuggereerd of kan een
bestaand verband worden ontkent.
Je praat over systematische fouten in onderzoeken (TV)
- studie slecht uitgevoerd
‘’achterhalen van risicofactoren en oorzaken van ziekten’’.
1. 2x2 tabel kunnen interpreteren
2. begrip krijgen en kunnen berekenen van associatiematen (OR en RR)
3. kent de onderzoeksdesign die associaties onderzoeken
4. kent criteria voor causaliteit (dat wat ik zie… veroorzaakt het een ziekte?)
Belangrijkste zaken van het hoofdstuk
- associatie: correlatie/verband
- je moet causaliteit kunnen definiëren, kunnen gebruiken en toepassen
- van 2x2 tabel moet je kunnen rekenen en je moet weten dat er vele variaties zijn
- confounding
- cohort onderzoek
- pt controle onderzoek
- associatie maten
- pijlendiagrammen
‘’Cholera epidemie London 1854’’
Vraag; wat is de oorzaak en hoe is de ziekte te stoppen?
Cholera stonk, dus ze dachten dat de ziekte veroorzaakt werd door stank. Ze hadden zelfs evidence
dat cholera door die stank kwam.. (met luchtdruk, regen, wind). Het is niet meer dan wat je WIL zien.
Dat is hetzelfde als de cholera evidence.
John snow maakte hier een ander onderzoek van en ging tellen waar de meeste doden vielen rondom
bepaalde watervoorzieningsbedrijven. Hij vond: als je met een ‘’tunnelvisie’’ kijkt naar alleen wat je
weet en niet verder, dan krijg je een ‘’narrow view’’ en loop je op een gegeven moment achter.
Hij heeft per wijk de mensen geteld en daarbij het dodenaantal geteld. Bij een kolom ernaast heeft hij
per 10.000 mensen het aantal doden berekend, zo kon hij per stad vergelijken waar het grootste en
het kleinste doden aantal viel. Aan de hand daarvan heeft hij een kaart gemaakt met bolletjes (zodat
je kunt zien waar de meeste doden vielen): er viel op dat bij een bepaalde waterfabriek/kraan meer
doden vielen hij heeft deze kraan kapot gemaakt waardoor je naar een andere kraan moest om
water te halen (blauw bolletje) zodat minder doden vielen.
Hij is verder gegaan met onderzoek, het bleek: niet iedere kraan is van hetzelfde bedrijf dus elke
waterkraan heeft zijn eigen plek waar het water vandaan komt (river thames of de grond
bijvoorbeeld). Als je water drinkt uit de grond is de kans op dood vele malen hoger (omdat mensen
hun behoefte deden in de grond). Hij kwam op de conclusie:
Cholera heeft niet te maken met de slechte lucht, het heeft te maken met drinkwater. Hij associeert
dus: drinkwater met cholera.
Associatie, causaliteit en confounding
Associatie
= relatie/verband met een factor en een bepaalde outcome. Of determinant met een ziekte. Of
blootstelling met ziekte.
Als er een verband is tussen iets, betekent dit niet meteen dat het een causaal verband heeft
(oorzakelijk gevolg). Als er een verband/associatie is, kun je praten over
- niet causaal verband
Voorbeeld: mensen met longkanker hebben allemaal een aansteker (gehad) maar de aansteker
veroorzaakt deze longkanker niet, een andere factor wel (bijvoorbeeld roken).
Toch hebben rokers veel vaker een aansteker, dus er is wel een verband tussen mensen met een
aansteker en longkanker, maar niet causaal.
, Causaal verband (TV)
De factor is de oorzaak van de outcome. Het moet ermee te maken hebben dat er een biologisch
mechanisme is (bijvoorbeeld; causaal verband tussen plaque en cariës want je kunt dit uitleggen op
microscopisch niveau)
Daarbij verminderd de kans op cariës als je plaque verwijderd: een schakelaar. Er is een noodzakelijk
en directe oorzaak. Dat moet er altijd zijn.
Criteria causaliteit (TV)
1. volgorde in tijd; blootstelling moet voorafgaan aan de ziekte
2. kracht van associatie; op moment dat je het berekent dan zie je dat er een krachtige associatie is
tussen de twee factoren wat niet op toeval berust
3. dosis-respons relatie; hoe meer van iets hoe groter de kans op de ziekte (hoe meer water je drinkt,
hoe meer cholera je kunt krijgen) (hoe meer zon hoe meer kans op huidkanker)
4. alternatieve uitleg; als je denkt… ‘’maar, als’’ dan klopt het niet meer. Je hebt bijvoorbeeld bij een
onderzoek geen rekening gehouden met een groep van oudere mensen (die al bijna op sterven
liggen). Als je dus een correctie doet, een andere analyse, dan weet je dat het nog een sterk bewijs
krijgt. Outcome blijft hetzelfde, blijft toch voorkomen.
5. reversibiliteit; als je de oorzaak wegneemt, is er kans dat de ziekte minder wordt. (plaque en cariës)
6. consistentie; verschillende onderzoeken rapporteren hetzelfde resultaat. Doe je het onderzoek
over plaque en cariës in nederland krijg je hetzelfde resultaat als in rusland. Als onderzoeken allemaal
wat anders zeggen, is het gewoon niet causaal. Het kan wel een verband zijn, maar niet causaal.
7. biologische plausibiliteit: op fysiologisch niveau is er een verklaring, dus als je dit niet hebt kun je
niet praten over een causaal verband. Bijvoorbeeld over gezonde voeding (zoals superfoods) en
gezondheid. Je kunt hierbij niet zeggen dat je gezonder bent dan iemand die de superfoods niet
koopt, het kan wel gezond zijn maar niet ‘’gezonder’’ dan iets anders. Je moet het aan kunnen tonen
in het lichaam.
Causaliteit vs. Causaal EFFECT
Hoe onderzoek je of er een causaal verband is?
Je gaat kijken of bij blootstelling de ziekte komt. voorbeeld; roken is een oorzaak van het ontstaan van
longkanker, oftw. zonder blootstelling aan roken heb je minder snel longkanker.
Vraag je af: is dat altijd zo? Er zijn ook mensen die niet roken die longkanker krijgen (zoals door
asbest, genetisch of meeroken).
Cofounding (TV)
Verschillende definitiets staan op pp
- Cofounders zijn factoren die gerelateerd zijn zowel aan de blootstelling als aan de outkomst.
Bijvoorbeeld bij roken: de cofounder kan daarbij zijn alcohol: alcohol met roken samen verhoogd de
kans op de blootstelling aan uitkomsten zoals dood (als je alcohol drinkt ga je sneller roken en krijg je
sneller zin in een sigaret).
- Het beïnvloedt de sterkte van de uitkomst door de blootstelling (kan het versterken of verzwakken),
dus die pijl wordt steeds dikker over hoe sterk de beïnvloeding wordt door de blootstelling ten
opzichte van de uitkomst/ziekte.
- door confounding kan een verband dat ik werkelijkheid afwezig is worden gesuggereerd of kan een
bestaand verband worden ontkent.
Je praat over systematische fouten in onderzoeken (TV)
- studie slecht uitgevoerd
