prof. MUDr. martin rusnak, csc

Presentazione sul tema: "prof. MUDr. martin rusnak, csc"— Transcript della presentazione:

1 Critical components of data analysis Componenti critici dell'analisi dei dati
prof. MUDr. martin rusnak, csc Based on: Curley, A. L. (2019). Population-Based Nursing, Third Edition: Concepts and Competencies for Advanced Practice. New York, Springer Publishing Company. contact:

2 ERRORS IN MEASUREMENT ERRORI NELLA MISURA
A dilemma that may occur with population research is the difficulty of controlling for variables that are not being studied but that may have an impact on the results. Finding a statistical association between an intervention and an outcome or an exposure and a particular disease is meaningful only if variables are correctly controlled, tested, and measured. The purpose of a well-designed study is to properly identify the impact of the variable (or variables) under study and to avoid bias and/or design flaws caused by another, unmeasured variable. Un dilemma che può verificarsi con la ricerca sulla popolazione è la difficoltà di controllare variabili non studiate ma che potrebbero avere un impatto sui risultati. Trovare un'associazione statistica tra un intervento e un risultato o un'esposizione e una particolare malattia è significativo solo se le variabili sono correttamente controllate, testate e misurate. Lo scopo di uno studio ben progettato è quello di identificare correttamente l'impatto della variabile (o delle variabili) in studio e di evitare errori e difetti di progettazione causati da un'altra variabile non misurata.

3 Type I or type II error Errore di tipo I o di tipo II
When a researcher draws the wrong conclusion because of a problem with the research methodology, the result is a type I or type II error, also referred to as errors of inference. A type I error occurs when a null hypothesis is rejected when in fact it is true. A type II error occurs when one fails to reject a null hypothesis when in fact it is false. Quando un ricercatore trae la conclusione sbagliata a causa di un problema con la metodologia di ricerca, il risultato è un errore di tipo I o di tipo II, anche chiamato errore di inferenza. Un errore di tipo I si verifica quando viene rifiutata un'ipotesi nulla quando in realtà è vera. Un errore di tipo II si verifica quando uno non riesce a rifiutare un'ipotesi nulla quando in realtà è falso.

4

5 To err is human Errare è umano
When using data or working with data sets, it is critical to understand that mistakes can occur where measurements are involved. There are two basic forms of error of measurement: random error (also known as nondifferential error) and systematic error (also known as bias). Random errors occur as the result of the usual, everyday variations that are expected and that can be anticipated during certain situations. The result is a fluctuation in the measurement of a variable around a true value. Systematic errors occur not as the result of chance but because of inherent inaccuracies in measurement. They are typically constant or proportional to the true value. Systematic error is generally considered the more critical of the two. It can be the result of either a weak study design or a deliberate distortion of the truth. Quando si utilizzano dati o si lavora con insiemi di dati, è fondamentale comprendere che possono verificarsi errori in cui sono coinvolte le misure. Esistono due forme base di errore di misurazione: errore casuale (noto anche come errore non differenziale) e errore sistematico (noto anche come bias). Gli errori casuali si verificano come risultato delle solite variazioni quotidiane previste e che possono essere anticipate in determinate situazioni. Il risultato è una fluttuazione nella misurazione di una variabile attorno a un valore reale. Gli errori sistematici non si verificano a causa del caso ma a causa di inesattezze intrinseche nella misurazione. Sono tipicamente costanti o proporzionali al vero valore. L'errore sistematico è generalmente considerato il più critico dei due. Può essere il risultato di un design di studio debole o di una deliberata distorsione della verità.

6

7 Random Error Errore casuale
Random error measurements tend to be either too high or too low in about equal amounts because of random factors. Although all errors in measurement are serious, random errors are considered to be less serious than bias because they are less likely to distort findings. Random errors do, however, reduce the statistical power of a study and can occur because of unpredictable changes in an instrument used for collecting data or because of changes in the environment. For example, if one of three rooms being used to interview subjects became overheated occasionally during data collection, making the subjects uncomfortable, it could affect some of their responses. This effect in their responses is an example of a random error of measurement. Le misure di errore casuale tendono ad essere troppo alte o troppo basse in quantità uguali a causa di fattori casuali. Sebbene tutti gli errori di misurazione siano seri, gli errori casuali sono considerati meno gravi dei pregiudizi perché hanno meno probabilità di distorcere i risultati. Gli errori casuali, tuttavia, riducono il potere statistico di uno studio e possono verificarsi a causa di cambiamenti imprevedibili in uno strumento utilizzato per la raccolta di dati o a causa di cambiamenti nell'ambiente. Ad esempio, se una delle tre stanze utilizzate per intervistare i soggetti si è surriscaldata di tanto in tanto durante la raccolta dei dati, rendendo i soggetti a disagio, potrebbe influire su alcune delle loro risposte. Questo effetto nelle loro risposte è un esempio di errore casuale di misurazione.

8 Systematic Error Errore sistematico
There are several types of systematic error or bias and all of them can impact the validity of study results. Bias can occur in many ways and is commonly broken down into 2 categories: selection and information bias. Such things as how the study design is selected, how subjects are selected, how information is collected, how the study is carried out (the conduct), or how the study is interpreted by investigators are all forms of potential bias. These problems can result in a deviation from the truth, which can lead to false conclusions. Esistono diversi tipi di errori sistematici o di pregiudizi e tutti possono influire sulla validità dei risultati dello studio. La distorsione può verificarsi in molti modi ed è comunemente suddivisa in 2 categorie: selezione e distorsione delle informazioni. Cose come il modo in cui viene selezionato il disegno dello studio, come vengono selezionati i soggetti, come vengono raccolte le informazioni, come viene condotto lo studio (la condotta), o come lo studio è interpretato dagli investigatori sono tutte forme di potenziale pregiudizio. Questi problemi possono comportare una deviazione dalla verità, che può portare a conclusioni false.

9 Selection Bias Selezione Bias
Selection bias occurs when the selected subjects in a sample are not representative of the population of interest or representative of the comparison group, and as a result, this selection of subjects can make it appear (falsely) that there is or is not an association between an exposure and an outcome. Selection bias is not simply an error in the selection of subjects for a study, but rather the systematic error that occurs with “selecting a study group or groups within the study”. La distorsione di selezione si verifica quando i soggetti selezionati in un campione non sono rappresentativi della popolazione di interesse o rappresentativi del gruppo di confronto e, di conseguenza, questa selezione di soggetti può far sembrare (falsamente) che esista o meno un'associazione tra un'esposizione e un risultato. Il bias di selezione non è semplicemente un errore nella selezione dei soggetti per uno studio, ma piuttosto l'errore sistematico che si verifica con "la selezione di un gruppo di studio o di gruppi all'interno dello studio".

10 Information Bias Bias informativo
Information bias deals with how information or data are collected for a study. This includes the source of data that are collected, such as hospital records, outpatient charts, or national databases. Many of these types of data are not collected for research purposes; so they may be incomplete, inaccurate, or contain information that is misleading. This can complicate data analysis as the information abstracted from these sources may be incorrect and can lead to invalid conclusions. Recall bias happens when subjects are asked to remember or recall events from the past. For example, people who experience a traumatic event in their lives may recall events of that day more accurately and with more detail than someone asked to recall events from a day without significance. Reporting bias occurs when a subject may not report a certain exposure as he or she may be embarrassed or not want to disclose certain personal information, or the subject may report certain things to gain approval from the investigator. La distorsione delle informazioni riguarda il modo in cui le informazioni oi dati vengono raccolti per uno studio. Ciò include la fonte dei dati raccolti, come i registri ospedalieri, i grafici ambulatoriali oi database nazionali. Molti di questi tipi di dati non sono raccolti per scopi di ricerca; quindi possono essere incomplete, inaccurate o contenere informazioni fuorvianti. Ciò può complicare l'analisi dei dati in quanto le informazioni estratte da queste fonti possono essere errate e possono portare a conclusioni non valide. Il richiamo del pregiudizio si verifica quando ai soggetti viene chiesto di ricordare o ricordare eventi del passato. Ad esempio, le persone che vivono un evento traumatico nelle loro vite possono ricordare gli eventi di quel giorno in modo più accurato e con più dettagli di quelli che hanno chiesto di ricordare eventi di un giorno senza significato. Il pregiudizio di segnalazione si verifica quando un soggetto non può segnalare una certa esposizione in quanto può essere imbarazzato o non voler divulgare determinate informazioni personali, oppure l'argomento può segnalare alcune cose per ottenere l'approvazione dallo sperimentatore.

11 CONFOUNDING CONFONDENDO
Confounding occurs when it appears that a true association exists between an exposure and an outcome, but in reality, this association is confounded by another variable or exposure. Identification of confounding or other causes of spurious associations are important in population studies. A confounder is a variable that is linked to both a causative factor or an exposure and the outcome. There are many examples of confounders, such as age, gender, and socioeconomic status. Confounding occurs when a study is performed, and it appears from the study results that an association exists between an exposure and an outcome, when, in fact, the association is actually between the confounder and the outcome. La confusione si verifica quando sembra che esista una vera associazione tra un'esposizione e un risultato, ma in realtà questa associazione è confusa da un'altra variabile o esposizione. L'identificazione di confondenti o altre cause di associazioni spurie è importante negli studi di popolazione. Un fattore di confusione è una variabile che è collegata sia a un fattore causale sia a un'esposizione e al risultato. Esistono molti esempi di fattori confondenti, come età, sesso e stato socioeconomico. La confusione si verifica quando uno studio viene eseguito, e dai risultati dello studio risulta che esiste un'associazione tra un'esposizione e un risultato, quando, in realtà, l'associazione è in realtà tra il confondente e l'esito.

12 CONFOUNDING CONFONDENDO
Another example of confounding might occur if a nurse carried out a study to determine whether there is a relationship between age and medication compliance without controlling for income. Younger, working patients might be more compliant not because of the age factor, but because they have the resources to buy their medications. If confounding is ignored, there can be long-term implications as the nurse may implement interventions for medication compliance with education programs aimed at older patients without considering problems related to income. The intervention would ultimately not succeed because the relationship is false or not causal due to confounding. By definition, confounders must be known risk factors for the outcome and must not be affected by the exposure or the outcome. Confounding, although difficult to avoid, must be recognized and accounted for in studies. Un altro esempio di confondimento potrebbe verificarsi se un'infermiera ha effettuato uno studio per determinare se esiste una relazione tra età e compliance del farmaco senza controllo del reddito. I pazienti più giovani e attivi potrebbero essere più compiacenti non a causa del fattore età, ma perché hanno le risorse per acquistare i loro farmaci. Se il confondimento viene ignorato, possono esserci implicazioni a lungo termine in quanto l'infermiere può attuare interventi per il rispetto dei farmaci con programmi educativi rivolti ai pazienti più anziani senza considerare i problemi legati al reddito. L'intervento alla fine non ha esito positivo perché la relazione è falsa o non causale a causa di confusione. Per definizione, i fattori confondenti devono essere noti fattori di rischio per l'esito e non devono essere influenzati dall'esposizione o dal risultato (Gordis, ). La confondenza, sebbene difficile da evitare, deve essere riconosciuta e giustificata negli studi.

13 Techniques to reduce the effects of confounding variables Tecniche per ridurre gli effetti delle variabili confondenti Random assignment to treatment and nontreatment groups can reduce confounding by ensuring each group has similar shared characteristics that otherwise might lead to spurious associations. In the earlier example, if you were concerned about the socioeconomic status and education level, you may stratify early on for those characteristics and randomly assign from each of those groups so that they are equally represented in your intervention and non-intervention groups. When random assignment is not possible, the matching of cases and controls for possible confounding variables can improve equal representation of subjects and can minimize the effect of confounding. L'assegnazione casuale ai gruppi di trattamento e di non trattamento può ridurre il confondimento assicurando che ciascun gruppo abbia caratteristiche condivise simili che altrimenti potrebbero portare a associazioni spurie. Nell'esempio precedente, se eri preoccupato per lo stato socioeconomico e il livello di istruzione, puoi stratificarti presto per quelle caratteristiche e assegnarle casualmente a ciascuno di questi gruppi in modo che siano ugualmente rappresentati nei gruppi di intervento e non di intervento. Quando l'assegnazione casuale non è possibile, l'abbinamento di casi e controlli per possibili variabili confondenti può migliorare la rappresentanza dei soggetti e può minimizzare l'effetto del confondimento.

14 Techniques to reduce the effects of confounding variables Tecniche per ridurre gli effetti delle variabili confondenti Investigators can match groups or individuals. Group matching allows groups with similar characteristics of interest to be matched to each other. Each group should share a similar proportion of the characteristics of interest. Usually, cases should be selected first, and the control group should be selected with similar proportions of the characteristics of interest. In individual matching, each individual case is matched to a control with similar characteristics of interest. This is referred to as matched pairs. One has to be careful not to match cases and controls for too many characteristics, as it can be difficult to find a control or the control may be too similar to the case and true differences may not be able to be demonstrated in the analysis phase. Using strict inclusion and exclusion criteria also can be helpful and should be applied similarly for comparison groups. There are limitations to the latter two methods. Gli investigatori possono abbinare gruppi o individui. La corrispondenza di gruppo consente ai gruppi con caratteristiche di interesse simili di corrispondere tra loro. Ogni gruppo dovrebbe condividere una proporzione simile delle caratteristiche di interesse. Di solito, i casi devono essere selezionati per primi e il gruppo di controllo deve essere selezionato con proporzioni simili delle caratteristiche di interesse. Nella corrispondenza individuale, ogni singolo caso è abbinato a un controllo con caratteristiche di interesse simili. Questo è indicato come coppie abbinate. Bisogna stare attenti a non abbinare casi e controlli per troppe caratteristiche, in quanto può essere difficile trovare un controllo o il controllo potrebbe essere troppo simile al caso e le vere differenze potrebbero non essere in grado di essere dimostrate nella fase di analisi. Anche l'utilizzo di criteri di inclusione ed esclusione rigidi può essere utile e dovrebbe essere applicato allo stesso modo per i gruppi di confronto. Esistono limitazioni agli ultimi due metodi.

15 Recognition of confounders Riconoscimento dei fattori confondenti
Recognition of confounders requires a basic understanding of the relationship between an exposure and a disease or an outcome, and can also be identified by performing a stratified analysis first. Once confounders are determined, then these variables can be added in and removed from the model one at a time. Interaction needs to be assessed, and the exposure– disease relationship is determined. These inferential methods estimate the contribution of each variable to the outcome while holding all other variables constant in the model. The objective is to include a set of variables that are theoretically or actually correlated with both the intervention and the outcome to reduce the bias of treatment effect. Therefore, the goal of regression analysis is to identify causal relationships by recognizing the confounders to ensure found relationships are real and not spurious. Il riconoscimento dei fattori confondenti richiede una comprensione di base della relazione tra un'esposizione e una malattia o un risultato e può anche essere identificato eseguendo prima un'analisi stratificata. Una volta determinati i fattori di confusione, queste variabili possono essere aggiunte e rimosse dal modello una alla volta. L'interazione deve essere valutata e viene determinata la relazione esposizione-malattia. Questi metodi inferenziali stimano il contributo di ciascuna variabile al risultato mantenendo tutte le altre variabili costanti nel modello. L'obiettivo è quello di includere un insieme di variabili che sono teoricamente o effettivamente correlate sia con l'intervento sia con l'esito per ridurre la distorsione dell'effetto del trattamento. Pertanto, l'obiettivo dell'analisi di regressione è identificare le relazioni causali riconoscendo i fattori di confusione per garantire che le relazioni trovate siano reali e non spurie.

16 INTERACTION INTERAZIONE
Whenever two or more factors or exposures are being studied simultaneously, the possibility of interaction exists. Interaction occurs when one factor impacts another such that one sees a greater or lesser effect than would be expected by one factor alone. Synergism occurs when the combined effect of two or more factors is greater than the sum of the individual effects of each factor. And conversely, the opposite or negative impact can be seen with antagonism of factors. One example of antagonism is seen with the interaction of exercise and diet. The combination of these two factors can actually reduce the risk of heart disease more than each factor alone. Synergistic models can have an additive effect in which the effect of one factor or exposure is added to another or can have a multiplicative effect in which the effect of one factor multiples the effect of another factor. For example, epidemiologists identified an interactive effect between cigarettes and alcohol; these two factors together have a multiplicative effect on the risk of developing digestive cancers. Ogni volta che due o più fattori o esposizioni vengono studiati simultaneamente, esiste la possibilità di interazione. L'interazione si verifica quando un fattore influenza un altro in modo tale da vedere un effetto maggiore o minore di quello che ci si aspetterebbe da un solo fattore. Il sinergismo si verifica quando l'effetto combinato di due o più fattori è maggiore della somma dei singoli effetti di ciascun fattore. E viceversa, l'impatto opposto o negativo può essere visto con l'antagonismo di fattori. Un esempio di antagonismo è visto con l'interazione di esercizio fisico e dieta. La combinazione di questi due fattori può effettivamente ridurre il rischio di malattie cardiache più di ogni singolo fattore. I modelli sinergici possono avere un effetto additivo in cui l'effetto di un fattore o di un'esposizione viene aggiunto a un altro o può avere un effetto moltiplicativo in cui l'effetto di un fattore moltiplica l'effetto di un altro fattore. Ad esempio, gli epidemiologi hanno identificato un effetto interattivo tra sigarette e alcol; questi due fattori insieme hanno un effetto moltiplicativo sul rischio di sviluppare cancri digestivi.

17 INTERACTION INTERAZIONE
There are many synergistic effects that can be found in clinical practice, especially as they pertain to drugs. First-generation antihistamines, such as chlorpheniramine, have a synergistic effect on opioids such as codeine. Patients are warned not to take them in combination as the sedative effects are more significant when taken together. Nurses who carry out investigations need to be aware of the potential interactions when examining the effects of multiple exposures on an outcome. A discussion on how to determine whether a model is multiplicative or additive can be found in more detail in an advanced epidemiologic textbook, but a basic understanding is necessary for interpreting the different outcomes that can occur from multiple exposures. There are clearly many sources of error that can occur while conducting a study. The informed nurse needs to identify and acknowledge these types of errors and work to minimize them. Therefore, it is essential that nurses recognize when errors occur and how they can impact a study, and should be familiar with measures that can be taken to avoid or minimize errors. Ci sono molti effetti sinergici che possono essere trovati nella pratica clinica, specialmente per quanto riguarda i farmaci. Gli antistaminici di prima generazione, come la clorfeniramina, hanno un effetto sinergico sugli oppioidi come la codeina. I pazienti sono avvisati di non prenderli in combinazione poiché gli effetti sedativi sono più significativi se assunti insieme. Gli infermieri che effettuano le indagini devono essere consapevoli delle potenziali interazioni quando esaminano gli effetti di esposizioni multiple su un risultato. Una discussione su come determinare se un modello è moltiplicativo o additivo può essere trovata più in dettaglio in un libro di testo epidemiologico avanzato, ma una comprensione di base è necessaria per interpretare i diversi esiti che possono verificarsi da esposizioni multiple. Ci sono chiaramente molte fonti di errore che possono verificarsi durante lo svolgimento di uno studio. L'infermiere informato deve identificare e riconoscere questi tipi di errori e lavorare per minimizzarli. Pertanto, è essenziale che gli infermieri riconoscano quando si verificano errori e in che modo possono avere un impatto su uno studio e dovrebbero conoscere le misure che possono essere adottate per evitare o minimizzare gli errori.

18 Sources of error Molte fonti di errore
There are clearly many sources of error that can occur while conducting a study. The informed nurse needs to identify and acknowledge these types of errors and work to minimize them. Therefore, it is essential that nurses recognize when errors occur and how they can impact a study, and should be familiar with measures that can be taken to avoid or minimize errors. Ci sono chiaramente molte fonti di errore che possono verificarsi durante lo svolgimento di uno studio. L'infermiere informato deve identificare e riconoscere questi tipi di errori e lavorare per minimizzarli. Pertanto, è essenziale che gli infermieri riconoscano quando si verificano errori e in che modo possono avere un impatto su uno studio e dovrebbero conoscere le misure che possono essere adottate per evitare o minimizzare gli errori.

19 RANDOMIZATION RANDOMIZZAZIONE
Randomized controlled trials (RCTs) are considered inherently strong because of their rigorous design. Random selection of a sample and random assignment to groups are objective methods that can be used to prevent bias and produce comparable groups. Random assignment helps to minimize bias by ensuring that every subject has an equal chance of being selected and that results are more likely to be attributed to the intervention being tested and not to some other extraneous factor such as how subjects were assigned to the treatment or control group. Gli studi controllati randomizzati (RCT) sono considerati intrinsecamente forti a causa della loro rigorosa progettazione. La selezione casuale di un campione e l'assegnazione casuale ai gruppi sono metodi obiettivi che possono essere usati per prevenire pregiudizi e produrre gruppi comparabili. L'assegnazione casuale aiuta a minimizzare la distorsione assicurando che ogni soggetto abbia le stesse possibilità di essere selezionato e che i risultati siano più probabilmente attribuiti all'intervento sottoposto a test e non ad altri fattori estranei come il modo in cui i soggetti sono stati assegnati al trattamento o al controllo gruppo.

20 RANDOMIZATION RANDOMIZZAZIONE
It is impossible to know all of the characteristics that could influence results. The random assignment of subjects to different treatment groups helps to ensure that study groups are similar in the characteristics that might affect results (e.g., age, gender, ethnicity, and general health). As a general rule, the greater the number of subjects that are chosen and assigned into the treatment or nontreatment groups, the more likely that the groups will be similar for important characteristics. È impossibile conoscere tutte le caratteristiche che potrebbero influenzare i risultati. L'assegnazione casuale di soggetti a diversi gruppi di trattamento aiuta a garantire che i gruppi di studio siano simili nelle caratteristiche che potrebbero influenzare i risultati (ad es. Età, sesso, etnia e salute generale). Come regola generale, maggiore è il numero di soggetti che vengono scelti e assegnati ai gruppi di trattamento o di non trattamento, maggiore è la probabilità che i gruppi siano simili per caratteristiche importanti.

21 Blinding Cieco Another problem encountered in research occurs when investigators or subjects themselves have an effect on study results. This can happen when a researcher’s personal beliefs or expectations of subjects can influence his or her interpretation of the outcome. Sometimes observers can err in measuring data toward what is expected. If subjects know or believe that they are given a placebo or the nonexperimental treatment, it may cause them to exaggerate symptoms that they would dismiss if given the experimental treatment. These actions by both investigators and subjects are not necessarily intentional; they can occur subconsciously. Un altro problema riscontrato nella ricerca si verifica quando gli investigatori o soggetti stessi hanno un effetto sui risultati dello studio. Ciò può accadere quando le convinzioni personali o le aspettative dei soggetti di un ricercatore possono influenzare la sua interpretazione del risultato. A volte gli osservatori possono errare nel misurare i dati verso ciò che è previsto. Se i soggetti sanno o credono di aver ricevuto un placebo o un trattamento non sperimentale, potrebbero indurli a esagerare i sintomi che potrebbero essere respinti se viene somministrato il trattamento sperimentale. Queste azioni da parte sia degli investigatori che dei soggetti non sono necessariamente intenzionali; possono accadere in modo subconscio.

22 Blinding Cieco The best way to eliminate or minimize this type of bias is to use a single blind or a double-blind study design. In a double-blind study, both the subjects and the investigators are blinded, that is, unaware of which group is receiving the experimental treatment or intervention. Sometimes it is impossible to blind the investigator because of the nature of the treatment, in which case a single blind design, in which the subjects are unaware of which group they are in, can be used. If blinding cannot be used, measures need to be taken that ensure that study groups are followed with strict objectivity. Il modo migliore per eliminare o minimizzare questo tipo di pregiudizio è usare un disegno di studio a singolo cieco o doppio cieco. In uno studio in doppio cieco, sia i soggetti che i ricercatori sono ciechi, cioè inconsapevoli di quale gruppo sta ricevendo il trattamento o l'intervento sperimentale. A volte è impossibile accecare l'investigatore a causa della natura del trattamento, nel qual caso è possibile utilizzare un singolo disegno cieco, in cui i soggetti non sono a conoscenza del gruppo in cui si trovano. Se non si può usare il cieco, è necessario prendere delle misure che garantiscano che i gruppi di studio siano seguiti con rigida obiettività.

23 SUMMARY SOMMARIO Nurses need to carry out studies with strong methodology and designs and understand the factors that can influence study results. One problem with population research is that it is difficult to identify and control for variables that are not part of the study but that may have an effect on the results. When a researcher analyses data in a study and draws the wrong conclusion, the result is a type I or type II error, also referred to as errors of inference . A type I error occurs when a null hypothesis is rejected when in fact it is true. A type II error occurs when a null hypothesis is not rejected when in fact it is false. There are two kinds of error of measurement—random error and systematic error, and it is essential that nurses are aware how these errors can occur, how they can impact a study, and what measures can be taken to avoid or minimize them. RCTs are considered the gold standard in population research and offer the best protection for preventing bias, but they are not always feasible. Well designed cohort and case-control studies are acceptable alternatives when RCTs are not an option. Gli infermieri devono effettuare studi con una metodologia forte e progetti e comprendere i fattori che possono influenzare i risultati dello studio. Un problema con la ricerca sulla popolazione è che è difficile identificare e controllare variabili che non fanno parte dello studio, ma che potrebbero avere un effetto sui risultati. Quando un ricercatore analizza i dati in uno studio e ne trae la conclusione errata, il risultato è un errore di tipo I o di tipo II, noto anche come errore di inferenza. Un errore di tipo I si verifica quando viene rifiutata un'ipotesi nulla quando in realtà è vera. Un errore di tipo II si verifica quando un'ipotesi nulla non viene rifiutata quando in realtà è falsa. Vi sono due tipi di errore di misurazione: errore casuale ed errore sistematico, ed è essenziale che gli infermieri siano consapevoli di come questi errori possono verificarsi, come possono influenzare uno studio e quali misure possono essere adottate per evitarli o minimizzarli. Gli RCT sono considerati il ​​standard d'oro nella ricerca demografica e offrono la migliore protezione per prevenire i pregiudizi, ma non sempre sono fattibili. Studi di coorte e caso-controllo ben disegnati sono alternative accettabili quando gli RCT non sono un'opzione.

24 SUMMARY SOMMARIO Databases are increasingly used in healthcare. Aggregated data provide valuable information about population groups that can be used to direct care and establish evidence for clinical guidelines. Nurses should work closely with technology experts in the planning, implementation, and use of databases in order to maximize their ability to analyse data in an accurate and systematic manner. Strong methodology and data collection with a sound research design are the foundation for an excellent study/intervention that ultimately can contribute to evidence-based practice. I database sono sempre più utilizzati nell'assistenza sanitaria. I dati aggregati forniscono preziose informazioni sui gruppi di popolazione che possono essere utilizzati per dirigere l'assistenza e stabilire prove per le linee guida cliniche. Gli infermieri dovrebbero lavorare a stretto contatto con esperti di tecnologia nella pianificazione, implementazione e utilizzo di banche dati al fine di massimizzare la loro capacità di analizzare i dati in modo accurato e sistematico. La solida metodologia e la raccolta di dati con un solido progetto di ricerca sono alla base di uno studio / intervento eccellente che alla fine può contribuire alla pratica basata sull'evidenza.

25 Exercise 1 Esercizio 1 Over a period of several months, you notice a significant increase in the number of paediatric patients (less than 1 year of age) who present to the emergency department (ED) with traumatic injuries. You are concerned because many of these injuries could have been prevented and some of them appear nonaccidental. You decide to design an intervention to address risk factors for trauma in infants. There are many settings in which such an intervention can be implemented: the new-born nursery, outpatient clinics, and EDs. The target audience can be expectant parents, parents, healthcare providers, or any combination thereof. Where might you find data on traumatic injuries in your area? How can you use these data to help you design an intervention? Design an educational intervention to address the risk factors for traumatic injuries in infants. Decide on a site and a target audience. Identify an outcome. What type of study design might you use for your proposed intervention? What are the advantages and disadvantages of the design you have selected? What variables could be considered confounders? Describe some of the systematic errors that could occur in your study, and why. Per un periodo di diversi mesi, si nota un aumento significativo del numero di pazienti pediatrici (meno di 1 anno di età) che si presentano al pronto soccorso (DE) con lesioni traumatiche. Sei preoccupato perché molte di queste lesioni potrebbero essere state prevenute e alcune di esse appaiono non accidentali. Decidi di progettare un intervento per affrontare i fattori di rischio per il trauma nei bambini. Ci sono molte impostazioni in cui un tale intervento può essere implementato: l'asilo nido neonato, le cliniche ambulatoriali e gli ED. Il pubblico di destinazione può essere genitori in attesa, genitori, fornitori di assistenza sanitaria o qualsiasi combinazione di questi. Dove potresti trovare dati sulle lesioni traumatiche nella tua zona? Come puoi utilizzare questi dati per aiutarti a progettare un intervento? Progettare un intervento educativo per affrontare i fattori di rischio per le lesioni traumatiche nei neonati. Decidi su un sito e un pubblico di destinazione. Identifica un risultato. Quale tipo di progettazione dello studio potresti utilizzare per l'intervento proposto? Quali sono i vantaggi e gli svantaggi del design che hai selezionato? Quali variabili potrebbero essere considerate confondenti? Descrivi alcuni degli errori sistematici che potrebbero verificarsi nel tuo studio e perché.

26 Exercise 2 Esercizio 2 You are working in an ambulatory care clinic in an underserved community and are interested in improving the quality of healthcare that is provided in your area. You are concerned about an increase in the incidence of methicillin-resistant Staphylococcus aureus (MRSA) in the population that you serve. Before you launch an educational campaign aimed at both your staff and the community, you need to establish the severity of the problem. Identify a database at the local, state, or national level that can help you obtain the necessary information. How can you determine the incidence and prevalence of MRSA in your community? What are some of the potential errors that can occur in the reporting of MRSA to a local, state, or national database? How might this affect your interpretation of the data? What are some of the barriers to reporting in your community (i.e., hospital, outpatient clinic, nursing home)? Stai lavorando in una clinica di assistenza ambulatoriale in una comunità sottoservita e sei interessato a migliorare la qualità dell'assistenza sanitaria che viene fornita nella tua zona. Sei preoccupato per un aumento dell'incidenza di Staphylococcus aureus resistente alla meticillina (MRSA) nella popolazione che servi. Prima di lanciare una campagna educativa rivolta sia al personale che alla comunità, è necessario stabilire la gravità del problema. Identificare un database a livello locale, statale o nazionale che possa aiutarti a ottenere le informazioni necessarie. Come puoi determinare l'incidenza e la prevalenza di MRSA nella tua comunità? Quali sono alcuni dei potenziali errori che possono verificarsi nella segnalazione di MRSA a un database locale, statale o nazionale? In che modo ciò potrebbe influenzare la tua interpretazione dei dati? Quali sono alcuni degli ostacoli alla segnalazione nella tua comunità (ad es. Ospedale, ambulatorio, casa di riposo)?

27 Exercise 2 Esercizio 2 You are working in an ambulatory care clinic in an underserved community and are interested in improving the quality of healthcare that is provided in your area. You are concerned about an increase in the incidence of methicillin-resistant Staphylococcus aureus (MRSA) in the population that you serve. Before you launch an educational campaign aimed at both your staff and the community, you need to establish the severity of the problem. You decide to begin collecting data on MRSA-related deaths for your local hospital. What are some of the problems that may occur during data collection? How might you avoid these problems? You determine from your investigation that there is a significant problem in your community. Describe how you would address the increasing morbidity and mortality of MRSA in the population that you serve. What type of study design would you use to evaluate the effectiveness of your intervention? What are potential confounders? Is there potential for interaction? Stai lavorando in una clinica di assistenza ambulatoriale in una comunità sottoservita e sei interessato a migliorare la qualità dell'assistenza sanitaria che viene fornita nella tua zona. Sei preoccupato per un aumento dell'incidenza di Staphylococcus aureus resistente alla meticillina (MRSA) nella popolazione che servi. Prima di lanciare una campagna educativa rivolta sia al personale che alla comunità, è necessario stabilire la gravità del problema. Decidi di iniziare a raccogliere dati sui decessi correlati a MRSA per il tuo ospedale locale. Quali sono alcuni dei problemi che potrebbero verificarsi durante la raccolta dei dati? Come potresti evitare questi problemi? Determinate dalle vostre indagini che vi è un problema significativo nella vostra comunità. Descrivi come affronterai la crescente morbilità e mortalità di MRSA nella popolazione che servi. Che tipo di progettazione dello studio useresti per valutare l'efficacia del tuo intervento? Quali sono i potenziali confondenti? C'è potenziale per l'interazione?