Sanasto
Sanasto
Sanasto
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Sanasto</strong><br />
Vaikutusarvo<br />
”Leverage value” sana ”leverage” tarkoittaa vipu- tai vääntövoimaa. Vaikutusarvoja<br />
käytetään mm. regressiomallien diagnostiikassa. Niiden avulla voidaan tunnistaa ne<br />
havaintoarvot, joilla on selvästi suurin vaikutus kuin muilla mallin parametrien arviointiin.<br />
Vakiointi<br />
”Standardization”, ”Adjustment” on sekoittavien tekijöiden (esim. ikä ja sukupuoli)<br />
vaikutuksen korjaamismenettely. Menetelmiä on kahta tyyppiä: suora (”direct”) ja epäsuora<br />
(”indirect”) vakiointi. Esimerkiksi kohdeväestön (-ryhmän) ikävakiointi suoralla menetelmällä<br />
tehdään siten, että lasketaan ikäspesifiset tapahtumien määrät kohdeväestössä ja niiden<br />
perusteella lasketaan tapahtumien odotettu määrä olettaen, että kohdeväestön ikärakenne<br />
olisi jonkin vakioväestön (standardin) mukainen. Tämä menetelmä soveltuu suurille<br />
kohdeväestöille, muuten ikäspesifiset luvut ovat epätarkkoja. Suoraa vakiointia yleisempi<br />
menettely on epäsuora vakiointi. Siinä vakioiväestön ikäspesifisiä lukuja käytetään<br />
odotusarvoina (E) ja niitä verrataan kohdeväestön vastaaviin havaittuihin määriin (O). Näin<br />
saadaan vakioitu ilmaantuvuussuhde, SIR-luku, SIR=O/E. Vakiointia voidaan tehdä myös<br />
osittamalla (”stratification”) ja monimuuttujamallien avulla.<br />
Vakioitu ilmaantuvuussuhde<br />
”Standardized incidence ratio” (SIR) ks. vakiointi.<br />
Vakioitu kuolleisuussuhde<br />
”Standardized mortality ratio” (SMR) on havaittujen ja odotettujen kuolemantapausten<br />
suhde kerrottuna luvulla 100. SMR lasketaan epäsuoraa vakiointia käyttäen.<br />
Vakiotermi<br />
”Intercept” on vastemuuttujan arvioitu arvo regressiomallissa silloin, kun kaikkien<br />
selittäjämuuttujien arvot ovat nollia. Mikäli selittäjämuuttujia (x) on vain yksi, niin vakiotermi<br />
ilmaisee (x, y)-koordinaatistoon piirretyn regressiosuoran tai -käyrän ja y-akselin<br />
leikkauspisteen.<br />
Vakiovarianssius<br />
”Homoscedastisity” tarkoittaa vertailtavien varianssien yhtäsuuruutta esim. t-testin, Anovan<br />
yhteydessä ja regressioanalyysissä sitä, että selitettävän muuttujan (y) hajonta on sama<br />
kaikilla selittäjämuuttun (x) arvoilla. Vastakohta on heteroskedastisuus.<br />
Validiteetti<br />
”Validity” a) on kliinisten mittareiden kyky mitata juuri sitä, mitä niiden halutaankin mittaavan;<br />
esim. kuinka hyvin FEV1 mittaa tutkittavan henkilön keuhkofunktiota. Mittarin osuvuus<br />
(”accuracy”) ja toistettavuus (”reliability”) ovat hyvän validiteetin välttämättömiä, muttei<br />
riittäviä ehtoja. b) Kliinisissä kokeissa ja otantatutkimuksissa validiteetti tarkoittaa<br />
tutkimuksen harhattomuutta. Satunnaistamisella pyritään turvaamaan tulosten sisäinen<br />
(“internal”) validiteetti ja oikeaoppisella otannalla tulosten yleistettävyys, eli ulkoinen<br />
(“external”) validiteetti.<br />
Valkoitumisharha, valintaharha<br />
”Selection bias” Valikoitusharha vaikeuttaa tai saattaa vääristää tutkimustulosten tulkintaa.<br />
Se liittyy moniin eri tutkimusasetelmiin ja se saattaa johtua monista eri syistä.<br />
Kyselytutkimuksissa valikoitumisharha syntyy siten, että kyselyyn vastanneiden joukko ei<br />
edusta koko kohderyhmää. Valikoitumisharha saattaa syntyä myös siten, että otanta on<br />
suoritettu osasta kohderyhmää (tavoiteperusjoukkoa), esim. erikoissairaalan potilaista<br />
kerätty potilasaineisto on usein monella tavoin valikoitunut. Kliinisissä kokeissa hoidon<br />
allokinnissa voi tapahtua valikoitumista, epätasapainoa vertailtavien ryhmien välille<br />
ennusteeseen vaikuttavissa tekijöissä. Tapaus-verrokkitutkimuksissa valikoitumisharha on<br />
46<br />
Kliinisen biostatistiikan kurssi Seppo Sarna, 2012