Skip to main content

Nya statistiska metoder vid utvärdering av behandlingar

Pressmeddelande   •   Sep 03, 2008 16:55 CEST

Vid utvärderingsstudier av t ex medicinska behandlingar är det viktigt att ta hänsyn till skillnader i egenskaper som ålder och kön mellan olika grupper. Enligt en ny avhandling i statistik vid Umeå universitet kan det vara bättre att bara kontrollera för ett urval egenskaper än alltför många.




Om rehabilitering minskar antalet sjukdagar, eller om en arbetsmarknadsutbildning gör att fler återgår till arbete kan undersökas i utvärderingsstudier med data från stora register. Ett statistiskt problem är att behandlingar och åtgärder inte sker slumpmässigt, och resultatet av studierna kan istället bero på att de jämförda grupperna har olika ålder, utbildning eller kön. Umeåforskaren Ingeborg Waernbaum har i sitt doktorsarbete studerat vilka och hur många av dessa individegenskaper som man bör ta hänsyn till i statistiska jämförelser.

Vid utvärderingsstudier kontrollerar man i normala fall för alla variabler där det finns skillnader mellan behandlade och icke-behandlade individer. Enligt Ingeborg Waernbaum är detta mindre bra eftersom denna metod gör att man ofta tar hänsyn till alltför många egenskaper hos de studerade individerna.

Istället bör man ta hänsyn till en delmängd av de egenskaper som skiljer sig åt mellan grupperna, eller kontrollera för de variabler som i första hand påverkar behandlingsresultatet. Ingeborg Waernbaum presenterar också olika metoder som under vissa antaganden kan göra det lättare att välja det minsta antalet egenskaper som behövs för att göra en korrekt skattning.

Med sin avhandling bidrar Ingeborg Waernbaum till nya resultat inom den teoretiska så kallade Rubin-modellen, som tillsammans med särskilda beräkningsmetoder används för att kunna korrigera för skillnader i olika egenskaper som inte beror på en behandling eller åtgärd.

Fredagen den 12 september försvarar Ingeborg Waernbaum, statistiska institutionen, Umeå universitet, sin avhandling med titeln Covariate selection and propensity score specification in causal inference. Svensk titel: Val av bakgrundsvariabler vid skattning av behandlingseffekter i observationsstudier. Disputationen äger rum kl. 13.15 i hörsal D, Samhällsvetarhuset, Fakultetsopponent är professor Elena Stanghellini, Department of Economics, Finance and Statistics, Perugia University.

Kontaktinformation:

Ingeborg Waernbaum,
statistiska institutionen,
Umeå universitet,
Tel: 090-786 5571,
e-post: ingeborg.waernbaum@stat.umu.se


Läs hela eller delar av avhandlingen på
http://www.diva-portal.org/umu/abstract.xsql?dbid=1688〈=sv.