1. 1

2. 2

3. Surveillance Investigation Feedback Health care providers 3

4. امروزه برای مطالعه پژوهشهایی که در زمینه پزشکی انجام می شوند، دانستن اطلاعات آماری و اپیدمیولوژیک ضروری است. به خصوص در حیطه طب کار و بیماری های شغلی که بسیاری از یافته ها بر اساس بررسی های اپیدمیولوژیک بر روی افراد دارای مواجهات بسیار اندک با مواد خاص، بدست می آید. 4

5. متغیر (D ATA,V ARIABLE ) مشخصه یک فرد و یا پدیده ای که قابل اندازه گیری است و می تواند مقادیر مختلفی را بپذیرد. 1. کمی Quantitative: Interval Discrete RatioContinuous 2. کیفی Qualitative: Nominal Ordinal 5

6. کمی :Q UANTITATIVE فاصله ای Interval: فاصله ای Interval: مثال درجه حرارت ، تاریخ تقویمی مبدا قراردادی است صفر به معنی نبودن خاصیت مورد نظر نیست و با عوض شدن مقیاس اندازه صفر دیگر برابر صفر نیست نسبی Ratio نسبی Ratio : مثال : وزن ، سرعت، میزان FVC صفر به معنی نبودن است 6

7. Q UANTITATIVE کمی : گسسته گسسته (Discrete) : تعداد کارگران، تعداد مشاغل موجود در یک کارخانه پیوسته پیوسته (Continuous) : قد، وزن، سطح سرب خون، میزان FEV1 ، سابقه کار 7

8. Q UALITATIVE کیفی : Nominal: Nominal: برتری در کار نیست مثال : سن، جنس، نژاد، گروه خونی، شغل Ordinal Ordinal : بین گروهها از نظر متغیر مورد نظر برتری وجود دارد مثال : شدت بیماری (NIHL) ، نمرات علمی دستیاران، ILO classification ، Socioeconomic status ، شدت obstruction در اسپیرومتری 8

9. 9 برای آنالیز اطلاعات 2 مرحله باید طی شود : مرحله اول : توصیف و خلاصه سازی اطلاعات بوسیله آمار توصیفی ( میانگین، میانه، واریانس و انحراف معیار ) مرحله دوم : آزمایش فرضیه های خاصی که قبل از اجرای پژوهش تعیین شده اند 9

10. خلاصه سازی اطلاعات بوسیله آمار توصیفی 1. شاخص های مرکزی : Mean( میانگین ): میانگین حسابی کل داده ها است به شدت تحت تاثیر extreme data قرار میگیرند Median( میانه ): داده میانی اطلاعات است به طوری که نیمی از داده ها در بالای آن و نیمی دیگر در زیر آن قرار دارند در صورت وجود extreme data میانه نسبت به میانگین شاخص مرکزی بهتری است : Mode پر تکرار ترین داده در میان کل داده ها در پزشکی کاربرد چندانی ندارد 10

11. 11 7 7 7 7 7 7 7 8 7 7 7 6 3 2 7 8 13 9 Mean = 7 SD=0 Mean = 7 SD=0.63 Mean = 7 SD=4.04

12. 2. شاخص های پراکندگی : Range ( دامنه ) اختلاف بین بیشترین و کمترین داده Variance( پراش ) نشان دهنده پراکندگی داده ها نسبت به میانگین Standard deviation ( انحراف معیار ) (Coefficient of Variations)CV ( ضریب تغییرات ) برای مقایسه پراکندگی 2 صفت و یا یک صفت با 2 واحد متفاوت 12

13. توزیع نرمال منحنی پراکندگی بیشتر صفات در جمعیت عمومی تقریباً مشابه یک دیگر است زنگوله ای شکل و قرینه نقش اصلی در آزمودن فرضیات میانگین = میانه میانگین و انحراف معیار 13

14. ميانگين انحراف معيار μ μ-SDμ+SD μ+2SD μ-2SD 69% 95% Frequency 14

15. Two normal distributions with identical means but different standard deviations Two normal distributions with different means but identical standard deviations 15 A B A B

16. آزمون فرضیه تعیین نوع آزمون برای سنجش فرضیه باید قبل از جمع آوری داده ها صورت گیرد. Null Null hypothesis فرضیه خنثی (H0): هیچ اختلافی در پارامتر های PFT بین کارگران معادن زیر زمینی و کارگران معادن روباز وجود ندارد. ( اختلاف دیده شده در نتایج به علت تفاوت های فردی طبیعی در بین افراد جامعه است ونه به علت عامل خاص مد نظر ما ) Alternative Alternative hypothesis فرضیه مخالف (H1 or HA): پارامترهای PFT بین کارگران معادن زیر زمینی و کارگران معادن روبازمتفاوت است. 16

17. 17

18. P-V ALUES احتمال اینکه رخ دادن واقعه فقط در اثر شانس باشد در مطالعات پزشکی معمولاً سطح معناداری را 5% در نظر می گیریم وباید اختلاف دیده شده از نظر آماری زیر 5% یا 0/05 باشد اگر P-Value بزرگتر و یا مساوی نقطه بحرانی (cut-off point) باشد فرضیه صفر مورد قبول واقع می شود. 18

19. خطای نوع اول (α): غلط دانستن فرضیه H0 در حالی که درست است. خطای نوع دوم (β): قبول فرضیه H0 در صورتی که این فرضیه غلط است. Β-1 یا توان آزمون : احتمال رد شدن فرضیه صفر در حالی که غلط است. 19 انواع خطا ها در آزمون

20. 20 S TANDARD ERROR خطای معیار : برای آنکه مشخص کنیم میانگین بدست آمده از نمونه تا چه اندازه به میانگین واقعی جامعه نزدیک است =SE جذر تعداد نمونه ها / انحراف معیار جامعه مثال : در یک مطالعه میانگین FVC در 100 فرد عادی 4 لیتر بدست آمده. با فرض توزیع نرمال این پارامتردر سطح جامعه با انحراف معیار 1 ،با فاصله اطمینان 95% ،حدود میانگین جامعه برابر؟؟؟؟؟؟؟؟؟؟ 3/8-4/2 SE = 1/√100 = 0.1 4+,-(2)0.1 =

21. تحلیل بین 2 یا چند متغیر چند گروه متغیر کمی ANOVA دو متغیر کمی ارتباط : Pearson اختلاف : T test دو یا چند متغیر کیفی Chi Square 21

22. 1.C HI SQUARE تعیین ارتباط بین 2 یا چند متغیر کیفی در 2 یا چند گروه مثال : تعیین ارتباط بین مواجهه با سیلیس ( مواجهه دارد یا ندارد ) و ابتلا به برونشیت مزمن ( بیماری دارد و یا ندارد ) مواجهه با فلزات سنگین و ابتلاء به کاهش شنوایی مواجهه با ونیل کلراید و ابتلا به آکرواستئولیزیس در این موارد فرضیه صفر این است که هیچ رابطه ای بین متغییر های واقع در ستون با متغییر های واقع در سطر وجود ندارد 22

23. 2.P EARSON CORRELATION : تعیین ارتباط بین 2 متغیر کمی تعیین ارتباط بین سطح کادمیوم شیر مادر و کادمیوم سرم نوزاد تعیین ارتباط بین میزان سرب موجود در هوا و سطح سرب خون کارگر ضریب +1: نشاندهنده همبستگی کامل و مستقیم ضریب -1: نشاندهنده همبستگی کامل و معکوس 0: ناهمبسته بودن دو صفت ( از نظر خطی ) _ 1+ _ 1-: همبستگی ناقص 23

24. 3.T-T EST مقایسه 2 میانگین وقتی که انحراف معیار جامعه مشخص نباشد مقایسه میانگین در 2 گروه از داده های کمی continuous مثال : تعیین تاثیر مواجهه با حلال های ارگانیک بر زمان واکنش دهی (reaction time) در افراد مواجهه یافته و مواجهه نیافته تعیین تاثیر مواجهه با دی ایزوسیانات ها وتغییرات FEV1 در افراد مواجهه یافته و نیافته 24

25. 4. P AIRED T - TEST مقایسه میانگین 2 جامعه مقایسه میانگین در 2 گروه از داده های continuous مثال : اندازه گیری FEV1 قبل و بعد از نوبت کاری اندازه گیری فشار خون قبل و بعد از نوبت کاری اندازه گیری فشار خون قبل و بعد از مصرف دارو اندازه گیری فشار خون قبل و بعد از مواجهه با صوت 25

26. 5.A NALYSIS OF VARIANCE (ANOVA) مقایسه میانگین بیش از 2 گروه مقایسه میانگین درگروههای از داده های continuous مقایسه میانگین FEV1 در کارگران مواجهه یافته با 3 نوع گاز مختلف مقایسه آستانه شنوایی در 3 روش PTA, High tone PTA, DPOAE 26

27. 27

28. انواع مطالعات اپیدمیولوژیک 28 Observational DescriptiveAnalytic Experimental Clinical trial Field trial Descriptive study: The First step in epidemiologic studies

29. Analytic study Case-controlCohort 29 Descriptive study Cross sectional Ecologic

30. C ROSS S ECTIONAL S TUDIES ExampleAdvantages: Hypothesis generation Estimate overall and specific disease prevalence Estimate exposure proportions in the population Easy, Quick and Inexpensive Best suited to studying permanent factors (race, sex, blood-type, number of workers) 30

31. Disadvantages: Impractical for rare diseases Not a useful type of study for establishing causal relationships Confounding is difficult to control 31

32. C OHORT S TUDIES In a cohort study, subjects with an exposure to a causal factor are identified and the incidence of a disease over time (or prospectively) is compared with that of controls (persons who do not have the exposure) to determine whether disease occurs at a rate different from that in a cohort without the exposure. 32

33. 33

34. 34

35. 35

36. M EASURES OF A SSOCIATION IN A C OHORT S TUDY 1.Relative risk: بیماری در افراد با مواجهه + ----------------------------- کل افراد مواجهه + خطر بیماری در مواجهه + ------------------------------------------- = ------------------------ بیماری در افراد مواجهه - خطر بیماری در مواجهه - ---------------------------- کل افراد مواجهه - An RR greater than 1 implies a positive association of the disease with the exposure of interest An RR greater than 1 implies a positive association of the disease with the exposure of interest 36

37. 2.Attributable risk (fraction): is the rate in the exposed population minus the rate in the non exposed population it helps give an idea about the amount of disease that could be avoided by reducing risk factors in individuals 37

38. 3. Population attributable risk percentage: is the proportion of a disease in a population related to (or "attributable to") a given exposure. important for public health policy and planning, that is, in estimating what percent of cases in a population could be eliminated by removing an exposure 38

39. Advantages: rare exposures Allows study of rare exposures (In radiation related cancers( bias Lower potential for bias than a case-control study - no recall and selection bias Resultsmore conclusive Results are considered more conclusive than results from case-control studies 39

40. Disadvantage Larger sample size than case-control Impractical for rare diseases - even if risk is high, no cases may occur or results Data collection is usually very expensive Long time commitment for follow-up 40

41. C ASE CONTROL STUDY retrospective The case-control study is always retrospective. The investigator starts by identifying diseased and non diseased individuals and looks backward for the presence or absence of exposures in these individuals In occupational epidemiology : to evaluate multiple exposures associated with a single outcome 41

42. 42

43. For example, to study the relationship between asbestos exposure and mesothelioma, a case-control study would compare the history of asbestos exposure in a group of mesothelioma patients with the history of asbestos exposure in a group of subjects who do not have mesothelioma. 43

44. Advantage Advantage: Good for rare disease Inexpensive Possibility of exploring of multiple exposures Requires relatively little time to conduct 44

45. Disadvantage: Bias (recall, selection) Temporary can be difficult to establish Can’t calculate incidence, relative risk or attributable risk 45

46. A NALYSIS OF CASE - CONTROL STUDIES Odd ratio: An estimate of Relative Risk (a)Number of Patients in exposure+ ---------------------------------------------- (b)Number of Patients in exposure- ------------------------------------------------------------- = ad / bc = Odd Ratio (c)Number of Not patients in exposure+ --------------------------------------------------- (d) Number of Not Patients in exposure- 46

47. C LINICAL TRIAL The experimental study is the type of design most familiar to clinical investigators, but it is rarely encountered in occupational epidemiology. Same disease and different treatment Example: men with asbestos exposure, who are at increased risk of lung cancer, were randomly assigned to receive beta- carotene or a placebo. The study was undertaken to determine whether beta-carotene decreases the risk of developing lung cancer 47

48. Men aged 45 years and older with a history of heavy cigarette smoking were assigned to a dual-screened group receiving chest radiographs and sputum cytologic testing or to a group receiving only chest radiographs. The objective was to determine whether the addition of sputum cytologic testing to regular chest radiography resulted in earlier detection and improved lung cancer survival 48

49. 49

50. 50

51. W HAT TYPE OF STUDY TO CHOSE DEPENDS ON :  what is the research question  Time available for study  Resources available for the study  Common/rare disease or production problem  Type of outcome of interest 51

52. S ELECTION OF CASES Sampling Simple Random Systematic Random Paired 52

53. In random sampling, each member of the source group has an equal chance of being represented in the control group. For example, all individuals might be assigned a number, and the sample would be selected using a table of random numbers 53

54. In systematic sampling, the source group for controls is assumed to have an ordered sequence, and every n th individual is selected. As long as the sequence of the source group is not related to an important study variable (e.g., age), the resulting characteristics of a systematic sample are similar to those of a random sample In paired sampling, one or several controls are selected for each case based on a predefined relationship to the case 54

55. Errors Systematic (bias) Selection B. Information B. Confounding B. Random 55

56. Selection Bias: case group: in patient population control patient: out patient population Information Bias: 1. Recall Bias 2. Interviewer Bias 3. Misclassification Confounding bias: cigarette smoking in a study of an occupational exposure (asbestose) and lung cancer 56

57. 57

58. 58