ana sayfa      e-posta

Aile Hekimi - Aile Hekimliği Konuları

AİLE DOKTORLUĞUNDA TEMEL EPİDEMİYOLOJİK VE İSTATİSTİKSEL KAVRAMLAR

Dr. Nazan BİLGEL[1], Dr. Serpil AYDIN[2]

 

Epidemiyoloji nedir?

Epidemiyoloji, belirli bir toplumda, sağlıkla ilgili olgu ve durumların ve bunların belirleyicilerinin dağılımının incelenmesi ve bu çalışmaların, sağlıkla ilgili sorunların kontrolünde kullanılmasıdır. Bu tanım bize, epidemiyolojinin sadece ölüm, hastalık veya özürlülük durumları ile uğraşmadığını, aynı zamanda ve daha çok olarak, pozitif sağlık durumları ve sağlığı iyileştirme ile ilgili olduğunu göstermektedir.

Epidemiyolojik bir çalışmada hedef bir insan topluluğudur. Bu toplum, coğrafik olarak belirlenebilir veya başka şekillerde de saptanabilir. Örneğin, hastanede yatan hastaların belli bir bölümü veya fabrika işçileri çalışma ünitesini oluşturabilir. Epidemiyolojide en sık olarak kullanılan topluluk, belli bir zamanda, belli bir bölge veya ülkedeki topluluktur. Yaş, cins, etnik özellikler vb. niteliklere göre alt gruplar belirlenebilir. Epidemiyolojik analizde bu tür varyasyonlar dikkate alınır.

Epidemiyoloji aynı zamanda kişilerde ve gruplardaki hastalıkların doğal seyirleri ile de ilgilidir. Epidemiyolojik kurallar ve yöntemlerin, tıp uygulamalarında karşılaşılan hasta sorunlarına yöneltilmesi, klinik epidemiyolojinin doğmasını sağlamıştır. Bu anlamıyla epidemiyoloji, hem koruyucu, hem de klinik tıbba büyük destek sağlamaktadır.

Epidemiyolojide kullanılan tanımlamalar kesin olarak belirlenmiş, kolay kullanılan, çok farklı yapı ve durumdaki toplumlarda aynı standart şekilde ölçülebilir tanımlamalardır. Klinik uygulamalarda ise tanımlamalar fazla katı değildir ve tanı doğrulanana kadar, basamak basamak test uygulayabilme olanağı olduğundan, tanıda, klinik karar verme önem taşır. Epidemiyolojik çalışmalar, klinik uygulama verilerini de kullanır. Ama epidemiyolojik çalışmaların verileri genellikle, hastalıkların erken tanısı için toplanan verilere dayanır.

 Hastalık sıklıklarının ölçülmesi

Risk altındaki nüfus

Hastalık sıklıklarıyla ilgili ölçütlerin çoğu, prevalans ve insidans görüşlerini temel alarak oluşturulmuştur. Ne yazık ki epidemiyologlar hala bu alanda kullanılan terimlerin tanımlarında görüş birliğine varamamışlardır. Bu metinde Last’ın, “Epidemiyoloji sözlüğündeki” tanımlamaları kullanılmıştır.

Hastalık sıklıklarıyla ilgili ölçütlerin hesaplanmasında etki altında bulunan kişi sayısının önemi büyüktür. İdeal olanı, incelenen hastalığa karşı potansiyel olarak duyarlı olan kişilerin alınmasıdır. Örneğin, serviks kanseri ile ilgili olarak yapılacak olan hesaplarda, erkeklerin dikkate alınmaması gerekmektedir. Hastalığa karşı duyarlı olan nüfusa risk altındaki nüfus denilir. Bu nüfus, demografik veya çevresel etmenlere göre tanımlanabilir. Örneğin iş kazaları, sadece çalışan kişilerde oluşur, dolayısıyla risk altındaki nüfus, iş yerinde çalışanlar, yani işçilerdir. Bazı ülkelerde brusellozis sadece enfekte hayvanlarla teması olanlarda görülür, dolayısıyla risk altındaki nüfus, çiftliklerde, mezbahalarda çalışan kişilerdir.

Bir hastalığın, belli bir zaman noktasında, belirli, tanımlanmış bir toplumda görülen olgu sayısı prevalanstır. Bir hastalığın, belli bir zaman aralığında görülen yeni olgularının sayısı ise insidanstır. Bunlar, hastalıkların, görülme sıklıklarını ölçen farklı ölçütlerdir ve insidans ile prevalans arasındaki ilişki çeşitli hastalıklarda farklıdır. Diyabette olduğu gibi, prevalans yüksek, insidans düşük olabilir veya soğuk algınlığında olduğu gibi prevalans düşük, insidans yüksek olabilir. Çünkü soğuk algınlığı diyabete göre daha sık görülür, ancak kısa sürer. Oysa diyabete bir kere yakalanılınca, bu kalıcıdır.

Risk altındaki nüfus söz konusu edilmeksizin, sadece hastalık olgusunun sayılarının verilmesi, sağlık sorununun büyüklüğü hakkında yeterli bilgi vermez. Prevalans ve insidans ile ilgili veriler, hızlar şeklinde ifade edildiklerinde daha yararlı olurlar. Olgu sayısının, risk altındaki nüfustaki kişi sayısına bölünmesiyle hız elde edilir ve bu genellikle 10 n kişideki olgu sayısı olarak gösterilir.

 

Prevalans hızı

            Prevalans hızı (P) belli bir hastalık için şöyle hesaplanır :

 

 

           Belli bir zamanda bir hastalık veya durumun görüldüğü kişi sayısı

    P  =       ----------------------------------------------------------------------- x 10 n

                    Aynı zamanda risk altında olan nüfustaki kişi sayısı

 

Risk altındaki nüfus ile ilgili veri her zaman elde edilmeyebilir ve pek çok çalışmada, çalışma bölgesindeki toplam nüfus bunun yerine kullanılır.

Prevalans hızı, genellikle 1000 ve 100 kişideki olgu sayısı olarak ifade edilir. P nin uygun bir 10 faktörü ile çarpılması gerekir.

Prevalans hızını pek çok faktör etkiler. Başlıcaları şunlardır :

1) Hastalığın ciddiyeti ( hastalığın görüldüğü kişilerin çoğu ölürse   prevalans hızı azalır );

2) Hastalığın süresi ( hastalık kısa sürüyorsa, prevalans hızı azalır );

3) Yeni olgu sayısı ( çok kişide hastalık ortaya çıkıyorsa prevalans hızı  yükselir )

Sağlık hizmeti ihtiyacını saptamada ve sağlık hizmetlerinin planlanmasında yararlıdır. Prevalans hızı genellikle kademeli olarak gelişen durumların, (diyabet veya romatoid artrit gibi)değerlendirilmesinde kullanılır.

 

İnsidans hızı

İnsidans hızının hesaplanmasında payda belli bir zaman süresi  içerisinde oluşan yeni olgu sayısı, paydada ise aynı süre içerisinde risk altında bulunan nüfus yer almaktadır.

 

         İnsidans hızı ( I ) şöyle hesaplanır :

 

                     Belirli bir süre içerisinde yeni ortaya çıkan hastalık olgularının sayısı

   I =     ------------------------------------------------------------------------------------- x10 n

                     Toplumdaki her kişinin risk altında bulunduğu sürenin toplam uzunluğu

 

İnsidans hızı mutlaka bir zaman göstergesi ( gün, ay, yıl gibi ) ile birlikte ifade edilmelidir.

Toplumdaki her kişi için risk altındaki süre, gözlem altındaki kişinin hastalıksız olarak geçirdiği süredir. İnsidans hızının paydası, belirli bir çalışma süresi içerisinde, kişilerin hastalıksız olarak geçirdikleri sürelerin toplamıdır. Hızın hesaplanmasında, paydada kullanılacak değer, çalışma toplumunun  ortalama büyüklüğü ile çalışma süresinin uzunluğu çarpılarak bulunmaktadır. Toplum büyüklüğü sabit ve insidans hızı düşükse, paydayı bu şekilde hesaplama oldukça doğru olarak kabul edilebilir.

 

Kümulatif insidans hızı veya riski

Hastalıkların veya sağlıkla ilgili durumların görülme sıklıklarının hesaplanmasında kullanılan daha basit bir hızdır. İnsidans hızından farklı olarak paydada yer alan değer, sadece çalışmanın başlangıcında bulunan değerdir.

Kümulatif insidans hızı şöyle hesaplanır :

                                  Belli bir süre içerisinde hastalanan kişi sayısı

   CI  =         --------------------------------------------------------------------------------x10n              

                    Risk altındaki nüfusta çalışma süresinin başlangıcında hasta olmayan kişi sayısı

 

Kümulatif insidans hızı genellikle 1000 de olarak ifade edilir. Kümulatif insidans hızı basitliği nedeniyle, sağlık alanında karar verici konumlarda olanlar için yararlıdır.

 

Olgu – fatalite Hızı

Olgu-fatalite, hastalığın  ciddiyetini ölçer. Belirli bir süre içerisinde, belirli bir durum veya hastalığa yakalananlar arasında ölenlerin oranını gösterir.

 

                          Belli bir süre içerisinde bir hastalık nedeniyle olan ölümlerin sayısı  

Olgu-fatalite(%) =     ------------------------------------------------------------x100

                           Aynı süre içerisinde aynı hastalığa yakalananların sayısı

 

Bu, fatalite (ölüm)/ olgu oranıdır. Ancak, sıklıkla olgu-fatalite(ölüm) hızı olarak adlandırılmaktadır.

 

Farklı ölçütler arasındaki ilişkiler

Prevalans Hızı

Prevalans hızı, hem insidans hızına, hem de hastalığın süresine bağlıdır. Prevalans hızının (P) düşük ve zaman içerisinde fazla değişken olmadığını varsayarsak, prevalans hızı doğruya yakın bir biçimde şöyle hesaplanabilir :

P= İnsidans hızı x ortalama hastalık süresi

Hastalıkların kümulatif insidans hızı, hem insidans hızına hem de ilgilenilen sürenin uzunluğuna bağlıdır. İnsidans hızları, yaşla birlikte değiştiğinden, genellikle yaşa özel insidans hızları kullanılır. İnsidans hızı çok düşük veya çalışma süresi çok kısa ise, kümulatif insidans hızı yararlı olmaktadır.

Hastalıkların görülme sıklıklarıyla ilgili bu çeşitli ölçütleri 7 yıl süreyle, 7 kişinin incelendiği hipotetik bir örnekle açıklayalım.

 

·        7 yıllık süre boyunca oluşan yeni olgu sayısı ( 3), hastalığa yakalanma riski altında olan toplam süreye (33 kişi-yıl) bölünürse, insidans hızı, 100 kişi-yılda 9,1 olgu olmaktadır;

·        Kümulatif insidans hızı, yeni olgu sayısının (3) çalışmanın başlangıcında hastalığı olmayan kişi sayısı (7) na bölünmesiyle elde edilir ve 7 yıllık süre için 100 kişide 43 olgudur;

·        Hastalığın ortalama süresi ise toplam hastalık yılının, olgu sayısına bölünmesiyle elde edilir va 10/3 = 3,3 yıldır;

·        Prevalans hızı, çalışmanın yapıldığı zaman aralığı içerisindeki bir noktaya bağlı olarak değişebilir. Örneğin, 4. çalışma yılında prevalans hızı, hastalığı olan kişi sayısının (2) , o sırada çalışma grubunda yer alan  kişi sayısına (6) bölünmesiyle elde edilir ve 100 kişide 33 olgudur;

·        Prevalans hızı = insidans hızı x ortalama hastalık süresi formülü ile prevalans hızı hesaplanırsa (9.1´3.3) 100 kişide 30 olgu olarak bulunur.

 

Mortalite

Bir çok ülkede ölümlerin ve ölüm nedenlerinin standart bir ölüm sertifikasına kayıt edildiği bilinmektedir. Bu ölüm sertifikalarında yaş, cinsiyet, doğum yeri ve ikametgah ile ilgili bilgiler de vardır. Bu verilerde çeşitli hatalar bulunabilir ve epidemiyolojik bakış açısından toplumların sağlık durumları hakkında değerli bilgiler sağlamaz. Kayıtların eksik tutulması, esas ölüm nedeninin doğru olarak saptanmamış olması, otopsi olmaksızın ölüm nedeninin belirlenmiş olması gibi nedenlerle veriler hatalı olabilir.

  

Ölüm hızı veya kaba mortalite hızı şöyle hesaplanır :

 

                                            Belli bir sürede olan ölüm sayısı

Kaba mortalite hızı =             ----------------------------------------------------x10 n

                                         Aynı süredeki ortalama toplum nüfusu

 

Kaba mortalite hızının en büyük dezavantajı, yaşa, cinse, sosyo-ekonomik düzeye ve diğer etmenlere göre değişen ölüm olasılığını göz önüne almamasıdır. Bu nedenle değişik zaman sürelerinin veya coğrafik bölgelerin birbiriyle kıyaslanması için kullanılması uygun değildir. Farklı yaş yapısında olan toplumların mortalite hızları arasındaki karşılaştırmalar, genellikle yaşa göre standardize edilmiş hızlar kullanılarak yapılmaktadır.

Yaşa, cinse, ırka, mesleğe, coğrafik alana veya nedenlere göre ölüm hızları hesaplanabilir. Örneğin yaşa ve cinse özel ölüm hızı şöyle tanımlanır :

 

     Belli bir sürede, bir toplumda belli bir yaş ve cins grubunda oluşan ölümlerin sayısı

                                                                                                                                                   ---------------------------------------------------------------------------------x10n                          
Aynı toplumda ve aynı süre içerisinde söz konusu olan yaş ve cins grubundaki toplam kişi sayısı

 

Bir toplumdaki ölümler bazen de orantılı ölüm hızı olarak belirtilir. Bu aslında bir oran olup, bir toplumda, belli bir süre içerisinde, belli bir nedenle olan ölümlerin sayısının, o toplumda, aynı süre içerisinde olan tüm ölümlere bölünmesi ile elde edilir ve 100 veya 1000 de olarak gösterilir.

Orantılı hız, bir toplumdaki kişilerin hastalığa yakalanma veya ölme riskini belirlemez. Grupların orantılı hızlarının birbirleriyle karşılaştırılması ilginç farklılıkları akla getirebilir. Ancak kaba veya gruplara özel ölüm hızları bilinmedikçe, bu farklılıkların paydaki mi yoksa paydadaki mi değişikliklerden kaynaklandığı anlaşılamaz. Örneğin, kanser ile ilgili orantılı ölüm hızları daha çok yaşlı nüfusa sahip gelişmiş ülkelerde, daha az yaşlı nüfusu olan gelişmekte olan ülkelere göre daha fazladır. Ancak hem gelişmiş ve hem de gelişmekte olan ülkelerde yaşam boyu kanser olma riski aynıdır.

Bebek ölüm hızı, bir toplumun sağlık düzeyini belirleyen bir ölçüt olarak sıkça kullanılmaktadır. Yaşamın ilk yılında, çocuklardaki ölüm hızını ölçer ve paydada aynı yılda oluşan canlı doğumlar yer alır.

 

            Bebek ölüm hızı şöyle hesaplanır

 

                         1 yılda bir yaşından küçük çocuklarda olan ölüm sayısı
    Bebek ölüm hızı = -------------------------------------------------x1000
                           Aynı yıl içerisinde olan canlı doğum sayısı

 

Bebek ölüm hızının, toplumun genel sağlık durumunun saptanmasında bir ölçüt olarak kullanılmasının nedeni, bu hızın toplumdaki sosyo-ekonomik değişikliklere ve sağlık hizmetleri ile ilgili girişimlere karşı duyarlı olduğunun kabul edilmesindendir. Erken çocukluk dönemindeki diğer mortalite ölçütleri arasında, fötal ölüm hızı, ölü doğum veya geç fötal ölüm hızı, perinatal mortalite hızı, neonatal mortalite hızı, postneonatal mortalite hızı yer alır.Çocuk ölüm hızı, 1-4 yaş çocukların ölümleriyle ilgilidir ve bu grupta, kazalar, malnutrisyon ve enfeksiyon hastalıkları sık görüldüğünden önemlidir.

Araştırma sırasında, yaşayan çocukların sayıları ve yaşları hakkında bilgiler de toplanırsa çocuk ölüm hızı oldukça doğru bir biçimde tahmin edilebilir. Eğer, doğru bilgiler mevcut değilse, yetişkin ölümleri de hane halkı araştırmalarıyla değerlendirilebilir.

Önemli bir istatistik olan anne ölüm hızı ihmal edilmektedir. Çünkü doğru olarak hesaplanması zordur. Şöyle hesaplanmaktadır :

 

                                     Annelik ve gebelik ile ilgili olarak 1 yılda oluşan ölümler

      Anne ölüm hızı =     -----------------------------------------------------------x10 n
                                         Aynı yıldaki canlı doğumlar

 

Bir toplumun sağlık durumu hakkında bilgi sahibi olabilmek için sık kullanılan bir başka ölçüt de yaşam beklentisidir. Bu ölçüt, mevcut ölüm hızları devam ettiği sürece, belli bir yaştaki kişinin yaşayacağı varsayılan ortalama yıl sayısıdır. Yaşam beklentisinin ülkeler arasında farklı olmasının nedenlerini açıklamak, her zaman kolay değildir. Kullanılan ölçütlere göre farklı eğilimler ortaya çıkabilir. Doğumdaki yaşam beklentisi, sağlık durumunun genel bir değerlendirilmesidir ve bebeklikteki ölümlere, ileri yaş ölümlerine göre daha büyük önem verir.

 Standardize edilmiş hızlar

Yaşa göre standardize edilmiş ölüm hızı (bazen yaşa özel ölüm hızı da denilir), toplumun standart bir yaş yapısı olduğu varsayılarak hesaplanan bir ölüm hızıdır. Ölüm riskine etki eden bazı temel özellikleri birbirinden farklı olan ( yaş, ırk, sosyo-ekonomik durum vb. gibi) iki veya daha fazla toplum karşılaştırıldığında standardizasyon gereklidir. En çok kullanılan standart nüfuslar, Segi Dünya Nüfusu ve Avrupa Standart Nüfusudur.

Morbidite

Olgu- fatalite hızı yüksek olan hastalıkların araştırılmasında ölüm hızları önemlidir. Bununla birlikte birçok hastalıkta, olgu - fatalite hızı düşüktür. Bu durumlarda morbidite verileri (hastalığın görülme sıklığı verileri) mortalite verilerine göre daha yararlıdır. Bir çok ülkede, bazı morbidite verileri yasal bir zorunluluk olarak toplanmaktadır. Örneğin bildirimi zorunlu hastalıklarda olduğu gibi. Kolera gibi karantinayı gerektiren hastalıklar ve AIDS gibi diğer bazı ciddi bulaşıcı hastalıklar bildirimi zorunlu hastalıklar kapsamındadır. Bildirim, hastanın tıbbi hizmeti almak istemesine, doğru tanı konulmasına ve bildirimin gerekli yerlere yapılmasına bağlıdır ve pek çok olgu hiçbir zaman bildirilmez. Morbidite ile ilgili verilerin temin edildiği diğer kaynaklar, hastane kayıtları, poliklinik kayıtları ve birinci basamak ile ilgili hizmetlerin kayıtları ile kanser ve konjenital malformasyonlar gibi hastalıklarla ilgili olarak tutulan kayıtlardır. Epidemiyolojik çalışmalara yararlı olabilmesi için bu gibi kayıtların geçerli ve kolay elde edilebilir olması gereklidir. Rutin olarak tutulan morbidite verileri çok sınırlı olduğundan, bir çok çalışmada özel olarak düzenlenmiş anketler ve tarama yöntemleri kullanılarak morbidite verileri elde edilmeye çalışılır. Araştırıcılar bu verilere ve bu veriler kullanılarak hesaplanan hızlara daha çok güvenirler.

Hastalıklar sonucunda oluşan bozukluklar, sakatlıklar ve engellilik durumları gibi sorunlar da ölçülebilir. Sakatlıkların prevalansının ölçülmesi zordur. Buradaki zorluklar morbidite ölçümlerindekinden bile daha fazladır, pek çok sosyal faktörden etkilenme söz konusudur. Bununla birlikte bu konu, giderek yaşlanan ve akut ve ölümcül hastalıkların düşüş göstermeye başladığı toplumlarda artan bir önem kazanmaktadır.

Hastalıkların veya sağlıkla ilgili durumların görülme sıklıklarının ölçülmesi, epidemiyolojik çalışmanın sadece başlangıcıdır. Bundan sonraki aşama, etken ile farklı şekillerde karşılaşmış olan iki veya daha fazla grup arasında karşılaştırma yapılmasıdır. Nitelik olarak bakıldığında, çalışma kapsamındaki bir kişi, söz konusu etken ile karşılaşmış veya karşılaşmamış olabilir. Etken ile karşılaşmamış olan grup genellikle kontrol grubu olarak kabul edilir.Nicelik olarak ise, etkenle karşılaşmış olan kişilerde karşılaşma süreleri ve karşılaşılan etken miktarı farklı olabilir.

Görülme sıklıklarının karşılaştırılması işlemi etken ile karşılaşma sonucunda oluşacak olan sağlık riskini kıyaslamak amacıyla kullanılır. Mutlak ve relatif (göreceli) karşılaştırmalar yapılabilir; sonuçlar etkenle karşılaşma ile bunun sonucu arasındaki ilişkinin kuvvet derecesini gösterir.

 

Mutlak karşılaştırma

Risk farklılığı

Risk farklılığı aynı zamanda atfedilen risk, aşırı risk veya mutlak risk olarak da adlandırılır; etken ile karşılaşan ve karşılaşmayan gruplar arasında, hastalığın veya durumun görülme sıklıkları hızları arasındaki farktır. Etken ile karşılaşma sonucunda oluşan bir sağlık sorununun büyüklüğünü değerlendirmede yararlı bir ölçüttür. Örneğin, sigara içme ile akciğer kanseri görülmesi arasındaki ilişkiyi araştıran ve sekiz yıl boyunca devam eden bir çalışmada sigara içmeyen grupta akciğer kanseri insidans hızı yüzbinde 17,7 kişi-yıl; sigara içen grupta ise yüzbinde 49,6 kişi-yıl olarak hesaplanmışsa sigara içen ve sigara içmeyen gruplar akciğer kanseri insidans hızları açısından karşılaştırıldıklarında risk farklılığı (atfedilen risk, aşırı risk, mutlak risk) 49,6- 17,7 = 31,9 olacaktır. Yani risk farklılığı yüzbinde 31,9 kişi-yıldır.

 

Atfedilen kısım

Atfedilen kısım veya etyolojik kısım, risk farklılığının etkenle karşılaşan gruptaki hastalık veya durumun görülme sıklığı hızına bölünmesiyle elde edilir. Yukarıdaki örneğimizde atfedilen kısım [(49,6-17,7) /  49,6] x100 = % 64 olacaktır. Belirli bir hastalığın nedeninin etkenle karşılaşma olduğuna inanılıyorsa, atfedilen kısım, etkenle karşılaşma ortadan kaldırıldığında, toplumdan yok edilecek olan hastalık oranıdır. Sigara içmenin hem nedensel hem de önlenebilir olduğu görüşünden hareketle, yukarıdaki örnekte, sigara içen kişiler, sigara içmeyi bırakırlarsa, akciğer kanseri oluşması riskinde % 64 oranında bir azalma olacaktır. Atfedilen kısım, sağlığı korumak için uygulanacak işlerin önceliklerini belirlemede yararlı bir ölçüttür. Örneğin, hem sigara içme hem de hava kirliliği akciğer kanserinin nedenidir, ancak sigara içmenin  atfedilen kısmı, hava kirliliğininkine göre daha büyüktür. O nedenle de sağlığı korumak için öncelik sigara içmenin önlenmesine verilmelidir.

 

Topluma atfedilen risk

Topluma atfedilen risk veya topluma atfedilen kısım, bir etkene maruz kalmaya atfedilen hastalığın, toplam çalışma grubu içerisindeki aşırı hızının ölçülmesidir. Bu ölçüt, etkenle karşılaşmanın, tüm toplum için göreceli önemini saptamada yararlıdır. Etkenle karşılaşma ortadan kaldırıldığında, o etkene atfedilen hastalığın tüm toplumdaki insidans hızında oluşacak olan azalmanın oranının bir ifadesidir. Şu formül ile hesaplanır:

 

                                          Toplumdaki insidans hızı  -  Etkenle karşılaşmayan gruptaki insidans hızı

Topluma atfedilen risk = --------------------------------------------------------------------------------

                                                                Toplumdaki insidans hızı

 

Yukarıdaki sigara içme ve akciğer kanseri ilişkisiyle ilgili örnekte toplumdaki insidans hızı yüzbinde 30,2 kişi-yıl ise topluma atfedilen risk (30,2-17,7) / 30,2 = 0,414 yani % 41,4 olacaktır.        

Relatif karşılaştırma

Risk oranı veya relatif risk, etkenle karşılaşan kişilerdeki hastalık görülme riskinin, etkenle karşılaşmayan kişilerdeki hastalık görülme riskine oranıdır. Örneğimizde sigara içenlerde akciğer kanseri görülme riskinin, hiç sigara içmeyenlerdeki akciğer kanseri görülme riskine oranı 2,8 dir (49.6/17.7). Bu da akciğer kanserinin, sigara içenlerde sigara içmeyenlere göre 2,8 kez daha fazla oluştuğu anlamına gelir.

Risk oranı, risk ilişkisinin derecesini gösterme bakımından risk farklılığına göre daha iyi bir ölçüttür. Çünkü, görülme düzeyine göre göreceli olan bir ifadedir. Yüksek bir risk oranı ilişkinin şansa bağlı olmadığını ve bir neden sonuç ilişkisinin kuvvetli olduğunu gösterir.

 

Klinik Epidemiyoloji

Klinik epidemiyoloji, epidemiyolojik yöntem ve kuralların klinik tıp alanında uygulanmasıdır. Böylece epidemiyolojide geliştirilmiş olan yöntemler klinik tıp bilimi ile bütünleştirilir.“Klinik epidemiyolojinin” terim olarak bir zıtlık taşıdığı düşünülür. Çünkü, epidemiyoloji topluluklar ile uğraşır oysa klinik tıpta uğraşı alanı kişilerdir. Bu zıtlık, klinik epidemiyolojinin topluma dayalı topluluklarla değil de, hastalardan oluşan bir toplulukla uğraştığı kabul edilirse ortadan kalkar. Klinik epidemiyolojinin ana konuları, normallik ve anormalliğin tanımı, tanı testlerinin doğruluğu, hastalıkların doğal hikayesi ve prognozu, tedavinin etkinliği ve klinik uygulamalarda korumadır.

 

Normallik ve Anormalliğin Tanımları

Klinik bir konsültasyonda öncelikli konu, hastadaki semptomların, belirtilerin veya uygulanan tanı testlerinin sonuçlarının normal mi yoksa anormal mi olduğuna karar vermektir. Daha ileri işlemler ki bunlar bir araştırma, tedavi veya izleme olabilir, uygulamaya konulmadan önce bu işin yapılması gereklidir. Bazen, frekans dağılımları birbiri üzerine biner, ancak daha sık olarak görülen tek bir dağılımın olmasıdır ve anormal kişiler de bu dağılımın uç noktalarında yer alırlar. Bu durumda, pratik karar vermede, klinisyenlere üç tip kriter yardımcı olur.

 

Sık Görülen Olgu Olarak Normal

Klinik uygulamalarda, bu kriter, sık olarak görülen değerlerin normal, sık olarak görülmeyen değerlerin ise anormal olarak değerlendirilmesi şeklinde kabul edilir. Frekans dağılımındaki bir nokta (bu nokta isteğe bağlıdır ama genellikle ortalamanın iki standart sapma altında veya üstündeki bir noktadır) normallik sınırı olarak kabul edilir. Bu noktanın dışındaki tüm  değerler anormal olarak kabul edilir. Buna anormalliğin uygulamadaki tanımı denilir. Gerçekte dağılım Gauss dağılımı (normal dağılım) ise bu sınır noktası , toplumun %2.5 inin anormal olduğunu ortaya koyacaktır. Buna karşı geliştirilen diğer bir görüşten hareketle, dağılımın normal olduğu kabul edilmez ve yüzdelikler kullanılır. Genellikle, %95, normal ve anormal sınırını ayıran çizgi olarak kabul edilir ve bu nedenle de toplumun %5 i anormal sınırı içerisine girer.Bu kriterin kullanılmasındaki en büyük sınırlama, pek çok değişken için anormalliğin göstergesi olabilecek bir sınır noktasının biyolojik olarak saptanmasının mümkün olmamasıdır.

 

Hastalıkla İlişkili Anormallik

İkinci kriter, hem hasta hem de sağlıklı kişilerde yapılan gözlemlerin dağılımını esas olarak kabul eder ve bu iki grubu ayırmak için açık bir sınır noktası bulmayı hedefler. İki sıklık dağılımının karşılaştırılmasında, genellikle birbirinin üzerine binmelerin olduğu görülür. Bu dağılımda sağlamları hastalardan ayırabilecek bir sınır noktası saptamak hemen hemen imkansızdır. Her zaman, sınır noktasının anormal tarafında sağlıklı kişiler ve normal olarak nitelendirilen tarafta da gerçek hastalar var olacaktır.

Bu tipteki sınıflandırma hatası, nitelik olarak testin sensitivitesi (duyarlılığı) ve spesivitesi (seçiciliği) yardımıyla azaltılabilir. Sensitivite (duyarlılık) test tarafından anormal kategorisine sokulan, gerçek hastaların oranıdır. Spesivite (seçicilik) ise test tarafından normal olarak değerlendirilen ve gerçekten de normal olan kişilerin oranıdır. Sensitivite ile spesivite arasında bir denge olmalıdır, çünkü birinin artması diğerini azaltmaktadır.

 

Tedavi Edilebilirliğe Göre Anormal

Yukarıdaki kriterleri kullanarak, normal ve anormal arasında ayırım yapmanın güçlüğü, randomize kontrollü deneyler sonucunda elde edilen delillere dayanılarak yeni bir kriterin geliştirilmesine neden olmuştur. Bu kriterde kabul edilen tedavinin hangi düzeyde, kişiye zarardan çok yarar sağlayacağıdır. Ne yazık ki bu bilgi klinik uygulamalarda çok nadir olarak elde edilebilmektedir.

Tedavinin etkinliği

Bazı tedaviler o kadar etkilidir ki, formal bir onaylamayı gerektirmezler. Pnömoni için antibiyotik kullanımı veya ciddi travma için cerrahi girişim uygulaması gibi. Bununla birlikte bu durum, klinik tıpta göreceli olarak nadirdir. Genellikle tedavinin etkisi çok kesin değildir ve pek çok girişimin değerinin saptanması için araştırmaların yapılması gerekir. Bu özel girişimlerin, sadece bunları kullanan kişilerde (teorik olarak etkin, yararlı) değil aynı zamanda, bu girişimlerin önerildiği tüm kişilerde de (pratik olarak etkin) zarardan çok yarar sağlaması gerekir. Yararlılık çalışmalarına sadece işbirliğine uyumlu hastaların alınması avantajlıdır. Uyumluluk, hastanın tıbbi önerilere uyma derecesidir. Pratik etkinlik, tedavinin önerildiği fakat sadece bazılarının buna uyduğu bir grup kişideki sonuçlar üzerinde yapılan çalışmalarla saptanır. Pratik açıdan bakıldığında, etkinlik, yararlılıktan daha faydalı bir ölçüttür.Yararlılığı ve etkinliği ölçmenin en iyi yöntemi, randomize kontrollü çalışmalardır. Randomize kontrollü çalışmalar hakkında kitabın araştırmalarla ilgili bölümünde bilgi verilmiştir.

 

Klinik Uygulamalarda Koruma

Epidemiyolojik bilgiler, olağan klinik çalışmalarda korumanın uygulanmasını cesaretlendirmiştir. Bu tür korumaların çoğu, ikincil veya üçüncül koruma düzeyinde olmakla beraber, birincil koruma düzeyi de rutin olarak uygulamaya konabilir. Örneğin çocuk bağışıklama programları, yeni doğanlarda fenilketonüri tarama programları ve antenatal bakım programları birincil koruma ile ilgili olarak klinik çalışmalarda gerçekleştirilen rutin programlardır.

 

AİLE DOKTORLUĞUNDA TEMEL İSTATİSTİK

KAVRAMLAR

Aile doktoru olacak kişilerin istatistik ile ilgili olarak en azından şu beceri ve bilgilere sahip olması gerekir:

1) Sorumlu olduğu kişilerin yaş ve cins dağılımını yapabilmelidir.

2) Bir tablo veya  grafiği değerlendirebilmelidir.

3) İyi bir tarama testinin özelliklerini bilmelidir.

4) Aile doktorluğunda kullanılan araştırma tiplerini bilmelidir.

5) İyi bir araştırma raporunun nasıl yazılacağını bilmelidir.

İstatistik nedir?

Verilerimizin normal dağılıma uygunluğunu tanımlamak için; farklı değişkenler arasındaki ilişkiyi açıklamak için; verilerimize dayanarak tahmin yapmak için; sayıları kullanan bir matematik dalıdır.

Elde ettiğimiz her bilgi bir veridir. Veriler ya mevcut kayıtlardan elde edilir ya da bu amaçla düzenlenen anketler yardımıyla toplanır. Veriler, farklı türlerde olabilir.

1) Nominal (kategorik) veriler:

Veriler sınıflandırılmıştır.Örnek: hastalık ve ölüm sınıflandırmaları, eğitim (okur yazar değil, ilköğretim, orta öğretim, yüksek ) ve medeni durum (hiç evlenmemiş, evli, eşi ölmüş, eşinden boşanmış) sınıflandırmaları gibi.

2) Ordinal (sıra) veriler:

Veriler bir sıralamaya konulmuştur. Örnek: İyi, orta, kötü veya hafif, orta, ağır, ciddi gibi

3) İnterval (aralık) veriler:

İki ölçüm veya değerlendirmenin aralığı tanımlanmıştır. Örneğin yaş grupları(15-19 ; 20-24 .....), sıcaklık değerleri (25-30 0C)  gibi

4) Oransal veriler:

İki ölçüm veya değerlendirmenin hem aralığı hem de oranı tanımlanmıştır. Örneğin uzunluk, hastalık insidansı, çocuk sayısı gibi

Veriler farklı biçimlerde sunulabilir. Verilerin hangi biçimde sunulacağı ise, elde ettiğimiz verinin türüne ve özelliklerine göre değişir. Genel olarak veriler tablolar veya grafikler şeklinde sunulur. Bir dergiye veya bir kuruma bilimsel bir yazı olarak sunulmak istenilen veriler  istatistiksel değerlendirmelerle birlikte hazırlanan tablolar şeklinde düzenlenmelidir. Eğitim, tanıtma, toplantılarda sunma vb görsel öğeleri daha önemli olan işlevler için ise grafik şeklinde veri sunumu daha yararlı olur. Makale ve raporlarda sadece grafik şeklinde veri sunumu yapmak ise hatalı olur.

Tablolar ya sadece basit tanımlayıcı (betimleyici, deskriptif) frekans tabloları şeklinde ya da iki veya daha çok  değişken arasındaki ilişkiyi gösterir biçimde düzenlenen çapraz tablolar şeklinde yapılabilir. Aşağıda frekans tablosu (Tablo: 1) ve çapraz tablo ( Tablo: 2) örnekleri verilmiştir.

 

 

Tablo: 1-  Gültekin İlköğretim Okulu Ana Sınıfı Öğrencilerinin Hemoglobin Değerlerine Göre Dağılımı

 

Hemoglobin - gr/dl

SAYI

7,40 - 8,39

10

8,40 - 9,39

15

9,40 - 10,39

25

10,40 -11,39

50

TOPLAM

100

 

 

Tablo: 2- Gültekin İlköğretim Okulu Ana Sınıfı Öğrencilerinin Cinsiyet ve Hemoglobin Değerlerine Göre Dağılımı

 

Cinsiyet

Hemoglobin (gr/dl)

 

TOPLAM

7,40 - 8,39

8,40 - 9,39

9,40 - 10,39

10,40 -11,39

Erkek

3

5

17

28

53

Kız

7

10

8

22

47

TOPLAM

10

15

25

50

100

            Tablolarda dikkat edilmesi gereken noktalar:

1.      Başlık olmalıdır. Her sütun ve satırın hangi veriyi gösterdiği belirtilmelidir. Toplamlar gösterilmelidir.

2.      Mutlak sayılar mutlaka verilmelidir. İstenirse yüzdeler de verilebilir. Ama hiç bir zaman sadece yüzdeler verilerek tablo düzenlenmemelidir.

3.      Ölçüm birimleri yazılmalıdır. Yukarıdaki örnekte bu birim gr/dl’dir. Bunun gibi tabloda gösterilen verinin niteliğine uygun ölçüm birimi gösterilmelidir. Örneğin yaş için yıl veya ay, uzunluk için cm veya metre, ağırlık için kg veya gr gibi.

4.      Tablolarda kısaltmalar kullanılmamalı eğer mutlaka kullanmak gerekiyorsa neyi ifade ettiği tablonun altına yazılmalıdır.

 

  Veriler grafik ile sunulacaksa farklı grafik türleri arasında bir seçim yapılır. Bu seçimde verinin türü ve özellikleri dikkate alınmalıdır. En sık kullanılan ve yapılması basit olan grafik türleri çubuk, daire ve çizgi grafiklerdir. Yüzde, binde vb. şekilde ifade edilen verilerde daire grafik, zamana bağlı değişiklikleri gösteren verilerde çizgi grafik tercih edilmelidir.

 

Bir dağılımın merkezi ölçütleri 

Aritmetik Ortalama (MEAN), Tepe Noktası (MOD) ve Ortanca Değer (MEDIAN) dir.

MEAN : Aritmetik Ortalama, dağılımda yer alan değerlerin toplanıp veri sayısına bölünmesiyle hesaplanır.

MOD: Tepe Noktası, dağılımda en sık rastlanılan değerdir.

MEDİAN: Ortanca Değer, veriler küçükten büyüğe doğru bir sıralamaya konduğunda, dağılımın tam ortasındaki verinin değeridir.

Örnek:

Anne sütü ile beslenen, beş aylık 5 bebeğin ağırlığı şöyledir:

6kg, 7kg, 6kg, 6kg, 5 kg

ARİTMETİK ORTALAMA: ( 6+7+6+6+5 )/ 5 =  6 kg yani bu dağılımdaki bebeklerin ortalama ağırlığı 6 kg’dır.

TEPE DEĞERİ (MOD) = 6’dır. Çünkü bu dağılımda en sık rastlanılan değerdir ve 3 kez yer almıştır.

ORTANCA (MEDIAN) = 6’dır. Çünkü bu dağılım küçükten büyüğe göre 5kg, 6 kg, 6 kg, 6 kg, 7 kg şeklinde sıralandığında  tam ortadaki değer 6 olmaktadır.

 

Bir dağılımın yaygınlık ölçütleri 

Merkezi ölçütler bir frekans dağılımının özetlenmesinde yararlıdır.Ancak dağılımın yaygınlığını değerlendiremez Aynı merkezi ölçü değerlerine sahip olan dağılımlarının eğrileri farklı olabilir.

RANGE, VARYANS, STANDART SAPMA

Dağılımın yaygınlığını ölçmede kullanılan ölçütlerdir.

Range: En düşük ve en yüksek değerler arasındaki uzaklığı anlatır.

 

VARYANS (s2)

                 (Gözlenen değer- Aritmetik ortalama)2
-                       --------------------------------------------------------------------------------
                                                         
Gözlem Sayısı –1

formülü ile hesaplanır

 

STANDART DEVİASYON STANDART SAPMA (SD; s)

Standart Sapma (Standart deviasyon) varyansın kare köküdür.

Dağılım normal dağılım (Gauss dağılımı = çan eğrisi) şeklindeyse yararlıdır.

 

STANDART HATA (SE)

Örnek ortalamalarının standart sapmasıdır.

SE =   s /Ön

Formülü ile hesaplanır.

Standart hata dağılımın yaygınlığını göstermez, gözlemler arası değişkenlik hakkında bilgi vermez veya bu değişkenlik aralıklarını göstermez.

 

Normal Dağılım Eğrisi

Normal bir dağılımda olguların % 68’i ortalamadan 1 standart sapma, % 95’i 2 standart sapma uzaklıkta bulunurlar. Biyolojik olayların çoğu normal dağılım şeklindedir.

 

Güvenilirlik aralıkları (confidence interval)

Seçilen örnekten incelenen toplumun özellikleri tahmin edilebilir.Bu tahminler gerçeğe ne kadar yakındır? Güvenilirlik aralığı işte bunu belirlemeyi sağlar. Güvenilirlik aralığını hesaplamada gerekenler:

1) Örnek büyüklüğü

2) Tahmin edilen ortalama

3) Toplumun standart sapması

4) Gerçek toplum değerini kapsayan belirlenmiş bir olasılık değeri

Örnek: 100 çocuğun ortalama Hb değeri 10,5 gr/dl

Hb değerinin 10 standart sapma ile normal dağılıma uyduğu var sayılmaktadır

%95 güvenilirlik  düzeyi ile

Ortalamanın etrafındaki güvenilirlik aralıkları ne olacaktır?

 

Yukarıdaki sorunun cevabını bulmak için bilinmesi gerekenler:

1- Örnek büyüklüğü: Örneğimizde 100 kişidir.

2- Tahmin edilen ortalama: Örneğimizde ortalama Hb değeri 10,5 gr/dl olarak hesaplanmıştır.

3- Toplumun standart sapması: Örneğimizde toplumun standart sapmasının 10 olduğu belirtilmiştir.

4- Gerçek toplum değerini kapsayan belirlenmiş bir olasılık değeri: Örneğimizde % 95 olarak verilmiştir.

 

Güvenilirlik aralığının alt sınırı :

Aritmetik ortalama - [(1,96 x toplumun standart sapması) / Ö örnek büyüklüğü]

10,5 - [(1,96 x 10)/Ö100] = 10,5 - (19,6/10) = 10,5 - 1,96 = 8,54 gr/dl

 

(1,96 sayısı %95’lik güvenilirlik düzeyinde sabit olan bir katsayıdır. Eğer güvenilirlik düzeyi %90 olsaydı bu sayı 1,67 olacaktı. Bu katsayılar istatistik kitaplarında tablo halinde mevcuttur)

 

Güvenilirlik aralığınızın üst sınırı :

Aritmetik ortalama + [(1,96 x toplumun standart sapması) / Ö örnek büyüklüğü]

10,5 + [(1,96 x 10)/Ö100] = 10,5 + (19,6/10) = 10,5 + 1,96 = 12,46 gr/dl

Güvenilirlik aralıkları örnek büyüklüğü ve güvenilirlik düzeyi değiştikçe değişir. Yukarıdaki örneğimizde güvenilirlik düzeyini % 95 yerine  %90 olarak almış olsaydık o takdirde güvenilirlik aralıklarının alt ve üst sınırları şöyle olacaktı:

 

Alt sınır:

10,5 - [(1,67x 10)/Ö100] = 10,5 - (16,7/10) = 10,5 - 1,67 = 8,83 gr/dl

Üst sınır:

10,5 + [(1,67 x 10)/Ö100] = 10,5 + (16,7/10) = 10,5 + 1,67 = 12,17 gr/dl

 

Yine yukarıdaki örneğimizde örnek büyüklüğünü 100 yerine 400 olarak alsaydık ve güvenilirlik düzeyi olarak % 95’i kabul etseydik, alt ve üst sınırlar şöyle olacaktı:

Alt sınır:

10,5 - [(1,96 x 10)/Ö400] = 10,5 - (19,6/20) = 10,5 – 0,98 = 9,52 gr/dl

 

Üst sınır:

10,5 + [(1,96 x 10)/Ö400] = 10,5 + (19,6/20) = 10,5 + 0,98 = 11,48 gr/dl

Anlaşıldığı gibi belirli bir güvenilirlik düzeyinde örnek büyüklüğü arttıkça güvenilirlik aralığı kısalır.

% 95’lik güvenilirlik düzeyinde 100 örnekte güvenilirlik aralıklarını 8,54 gr/dl- 12,46 gr/dl  arasında bulduk. Örnek sayımızı 400’e çıkardığımızda ise güvenilirlik aralıklarının 9,52 gr/dl – 11,48 gr/dl arasında olduğunu gördük. Yani güvenilirlik aralığı kısaldı.

Aynı örnekte ise güvenilirlik düzeyi arttıkça güvenilirlik aralığı uzar.

%95’lik güvenilirlik düzeyinde 100 örnekte güvenilirlik aralıklarını 8,54 gr/dl- 12,46 gr/dl arasında olduğu halde, %90’lık güvenilirlik düzeyinde güvenilirlik aralıklarını 8,83 gr/dl- 12,17 gr/dl arasında bulduk. Yani güvenilirlik düzeyini azalttığımız için güvenilirlik aralığı da azalmış oldu.

 

İstatistiksel önemlilik

İki veya daha fazla değişken arasındaki ilişkinin gerçekten var olması ve tesadüfen gerçekleşmemesi demektir. İstatistiksel önemlilik veya anlamlılık, önemlilik testleriyle değerlendirilir.

TESTLER:

Sıfır veya Null hipotezine dayandırılır.

Bu hipoteze göre iki değişken arasındaki gerçek bir fark  yoktur. Gözlenen fark tesadüfen oluşmuştur.

P DEĞERİ

Hipotez ile test etme yönteminde sıfır hipotezi kabul veya ret edilir.

Bunu belirleyen ise belirlenmiş bir sınır değer olan p değeridir.

Bu değere testin önemlilik düzeyi denir.

P değeri sınır düzeyinin altındaysa sıfır veya null hipotezi yani iki değişken arasında gerçekten bir fark olmadığı hipotezi ret edilir ve değişkenler arasında tesadüfe bağlı olmayan, gerçek bir farkın olduğu kabul edilir.

P değeri sınır düzeyinin üstündeyse hipotez kabul edilir ve değişkenler arasındaki farkın olmadığına, gözlenen farkın tesadüfen oluştuğuna karar verilir

P değeri sınır düzeyi olarak: 0,05; 0,01; 0,001 gibi değerler kullanılır.

“P değeri 0,05’ten küçüktür”ün anlamı: Gözlemimizi veya deneyimizi 20 kez tekrarlarsak, elde ettiğimiz farklı sonuçların sadece 1 tanesi tesadüfen meydana gelmiştir demektir.

P değeri; İlişkinin derecesinden, örnek büyüklüğünden etkilenir.

 

İSTATİSTİKSEL OLARAK ANLAMLI İFADESİ: Sıfır hipotezinin ret edilmesi gerektiğini anlatır.

 

İstatistiksel Testler (Önemlilik Testleri)

Çok çeşitlidir. Toplanan verinin özelliklerine, örnek büyüklüğüne, değerlendirilecek niteliğe göre farklı testler uygulanır.

Test seçimi konusunda biyo-istatistik uzmanı ile görüşülmelidir.

Testler en basit şekliyle parametrik ve non-parametrik testler olarak sınıflandırılabilir. Aşağıdaki tabloda bu iki grup test arasındaki belli başlı farklar özetlenmiştir:

PARAMETRİK

NON-PARAMETRİK

Normal dağılıma uyduğu varsayılan değişkenler için kullanılır

Normal dağılıma uyma şartı yoktur

Ölçüm ile belirlenen değişkenler için, sürekli değişkenler için kullanılır. Kan basıncı değeri, boy, ağırlık, hemoglobin değeri, lipit düzeyi, bilirübin miktarı vb.

Sayımla belirlenen değişkenler için kullanılır. Aile planlaması uygulayan kadın sayısı, cinsiyet, meslek, eğitim düzeyi dağılımları vb.

Sürekli veriler için kullanılır

Kesikli veriler için kullanılır

Örnek büyüklüğü 30’un altında olmamalıdır

Az sayıda veri ile de yapılabilir

BAZI TEST ÖRNEKLERİ

İki ortalama arasındaki farkın önemlilik testi

 

İki eş arasındaki farkın önemlilik testi

 

İki yüzde arasındaki farkın önemlilik testi

 

Tek yönlü varyans analizi (ANOVA)

Mann Whitney U testi

 

Wilcoxon eşleştirilmiş iki örnek testi

 

Ki-kare testi

 

Kruskall-Wallis varyans analizi

 

 

Günümüzde var olan bilgisayar paket programları ile (SPSS, EPIINFO, SYSTAT, MICROSTAT vb) istatistiksel testler kolaylıkla yapılabilir. Önemli olan hangi türdeki veriye hangi testin uygulanabileceğini bilmek ve çıkan sonucu yorumlamaktır. Ancak  sadece basit bir hesap makinası yardımıyla ve elle yapılabilecek testler de vardır. Örneğin  t testi (iki ortalama, iki yüzde ve iki eş arasındaki farkın önemlilik testi); dört gözlü veya çok gözlü düzenlerde ki-kare testi ve tek yönlü varyans analizi gibi. İstatistiksel testler konusunda kaynaklar bölümünde verilen kitaplara başvurulması önerilir.

İstatistiksel analizde hiçbir zaman hipotez “doğrudur” veya “yanlıştır” ifadesi kullanılmaz.

İstatistiksel testin sonucuna göre  hipotez kabul veya ret edilir.

TESTİN GÜCÜ

Yanlış olduğu için sıfır hipotezinin ret edilme olasılığıdır.

Örnek büyüklüğü arttıkça TESTİN GÜCÜ ARTAR.

Seçilen testin önemlilik düzeyi TESTİN GÜCÜNÜ etkiler.

Bir çok çalışmada önemlilik düzeyinin 0,05 ; testin gücünün de 0,8 olması istenir.

 

Sonuç

Epidemiyoloji ve istatistik, yaptığımız gözlemleri değerlendirmemizi sağlayan becerileri bize kazandırır.Değişkenlerin dağılımını, ilişkilerinin derecesini ve araştırma bulgularının klinik önemini anlama yeteneği her aile doktorunda bulunması gereken becerilerdir.

 

Kaynaklar:

1. BEAGLEHOLE  R., BONITA  T., KJELLSTRÖM T. (1993) Basic Epidemiology, Geneva, World Health Organization.

2. GÜLESEN Ö. (1995) Çağdaş  Epidemiyoloji . Uludağ Üniversitesi Yayını, Bursa.

3. LAST J. M. (1995) A dictionary of epidemiology. New York.

4. SÜMBÜLOĞLU K, SÜMBÜLOĞLU V (1989) Biyoistatistik, Hatipoğlu Yayınevi, Ankara.

5. ÖZDAMAR K. (1999) SPSS ile Biyoistatistik. Kaan Kitapevi, Eskişehir.

 


 

[1] Prof.Dr. Uludağ Üniversitesi Tıp fakültesi Aile Hekimliği AD, Bursa

[2] Yrd.Doç.Dr. Süleyman Demirel Üniversitesi Tıp Fakültesi Aile Hekimliği AD, Isparta