EPIDEMIOLOĢISKO PĒTĪJUMU DIZAINI

Abstract

Bakalaura darbs ir veltīts epidemioloģijas pētījumu dizainiem. Šādi pētījumi parasti sastopami medicīnā, bioloģijā, sabiedrības veselības zinātnē u.c. nozarēs. Darbā aprakstīts pētījumu dizainu iedalījums atkarībā no tā, vai tie ir novērojumu vai eksperimentālie pētījumi, kuri, savukārt, attiecīgi iedalās apakšdizainos, piemēram, novērojošie pētījumi iedalās gadījuma-kontroles, kohortas un šķērsgriezuma pētījumos, bet eksperimentālo pētījumu dizaini ietver kvazi-eksperimentus un randomizētus kontrolētus pētījumus. Katram dizainam tiek sniegts galveno priekšrocību un trūkumu apraksts, kā arī norādīti atbilstoši statistiskie aprēķini. Sniegtas arī galvenās epidemioloģijas zinātnes pamatjēdzienu definīcijas, kā arī biežāk izmantoto aprēķinu, tādu kā relatīvais risks un izredžu attiecība, formulas. Sekmīgai pētījuma plānošanai papildus atbilstoša dizaina izvēlei, nepieciešams arī korekti aprēķināt nepieciešamo izlases apjomu, tāpēc darbā iekļautas izlases apjoma un jaudas aprēķināšanas formulas atkarībā no plānotās hipotēžu pārbaudes. Darba praktiskajā daļā apskatīti divi datu piemēri, balstīti uz Latvijas un Lietuvas diabēta pacientu datiem, kā arī simulētu datu piemērs savietošanas metodes ilustrācijai. Aprēķinu veikšanai tika izmantota datorprogramma R, programmas kods iekļauts pielikumā.

The bachelor work is devoted to epidemiological study designs. They are usually used in medicine, biology, social health study and other fields. The work describes the study division according to the way of research: observational or experimental ones, which in their turn are divided into sub-designs. The observational ones are subdivided into case-control, cohort and cross-sectional studies; the experimental ones include quasi-experimental studies and randomized controlled trials. Advantages and disadvantages of each design are presented in the work as well as corresponding statistical calculations. Definitions of key concepts in epidemiological science are also provided, as well as formulas for commonly used calculations such as relative risk and odds ratio. In addition to the choice of the corresponding design, for successful study planning it is important to calculate the necessary sample size, therefore the work contains the sample size and power determination formulas, based on the planned hypothesis test. In the practical part of the work two real-life data samples, based on the Latvian and Lithuanian diabetes patient data are described and analyzed. In addition, some simulating data are applied for the illustration of the work of the matching method. The statistical software program R has been used for calculation conduction and the code is included in the appendix.