METODOLOGIA CERCETARII

STIINTIFICE MEDICALE

modul 5.
 MODULUL 5.

1. Studii terapeutice ce evalueaza teste

diagnostice
2. Studiile de prognostic (supravietuire)
 I. Studii ce evalueaza testele
diagnostice
1. De ce? Importanta “testelor dg.” in practica medicala
zilnica
In practica zilnica trebuie sa distingem
normalul de anormal deci trebuie sa utilizam
Teste diagnostice fiabile si valide…Deoarece
implicit, pe baza lor delimitam ANORMALITATEA
STARII unui pacient/individpunem ”dg + de
boala” luam decizia de al trata!!!

Descriem 2 tipuri principale de teste

dg.:
 Cantitative (rezultate numerice=variabile
cantitative)
2. Evaluarea NORMALITATII, sau cum stabilim care
sunt “valorile normale” a unui anumit/(nou) test
diagnostic?

In studiile clinice care evalueaza noi teste

diagnostice aparute, exista mai multe metode de a
hotara validitatea (calitatea) acestora, reflectata
prin cat de bine reflecta ele “normalul” functiilor/
valorilor cercetate -asa zisele “valori normale”

Metode de stabilire a”valorilor normale” VN:

1. Metoda distributiei Gaussiene : valabila numai in
cazul in care presupunem ca distributia valorilor
testului diagnostic respectiv in populatia generala
este normala (de tip Gaussian)
“NORMALUL” = media valorilor (masurate cu noul test) +/-2SD
ale acestor valori
repros Deci 95% din populatie sunt normali, atunci
2. Metoda procentuala:
VN=valorile a 95% din populatie , 5%
valori sup. sau inf (deci “patologice”???)
3. Metoda preferintei culturale:
….adica VN sunt ceea ce este “normal”
pt societate…
4. Metoda factorului de risc:
VN este pragul pt care valorile FR sunt
demonstrate a fi patologice
5. Metoda terapeutica:
…daca tratam tot ce depaseste aceste VN,
este benefic!
6. Metoda moderna= metoda
3. Teste diagnostice: 2 caracteristici
de baza
a. ACURATETEA: reflecta validitatea si corectitudinea masuratorii
Se evalueaza determinand diferenta dintre media rezultatelor si valoarea lor reala

b. PRECIZIA:este “reproductibilitatea” valorilor

1. Se verifica pentru Testele dg. cu rezultate gen variabile cantitative (Teste dg cu
rezultate “numere”):
Metoda distributiei frecventelor masuratorilor-calculandu se SD a rezultatelor
acestora
2. Se verifica pentru Testele dg. cu rezultate gen variabile calitative
binare/dihotomice (=Teste dg cu rezultate “pozitiv/negativ”/“prezent/absent”):
A.Metoda calculului”acordului simplu inter-observator” (ASIO):

ASIO=nr.rezultate “concordante”/nr.rez. “Neconcordante”(cu simptomatologia

pacientului testat)

Deci acordul simplu interobservator : reflecta

concordanta testelor cu clinica!
B. Metoda acordul interobservator “corectat “ : Coef.de
concordanta Kappa
=ASIO “corectat“, adica scazand si contributia intamplarii. Mai adecvata,
deoarece in realitate joaca si intamplarea un rol. Ilustreaza gradul de
“corespondenta cu clinica” a rezultatului Testului Dg. Utilizat, adica in
corelatie cu simpt. clinica a afectiunii diagnosticate cu ajutorul acestui test,
dar tinand cont si de jocul intamplarii.

INTERPRETAREA VALORILOR:
Coef. Concordanta Kappa

 0-0.2 concordanta slaba (0-20%)

 0.2-0.4 concordanta acceptabila
 0.4-0.6 concordanta moderata
 0.6-0.8 concordanta substantiala
 0.8-1 concordanta perfecta
 diagnostic”

(5 etape obligatorii, similar celorlalte studii

clinice):

Au fost pacientii
analizati inrolati
A fost comparat testul consecutiv?
dg utilizat (“nou”)cu A fost comparatia
testul etalon “gold “oarba”? …Altfel, e risc de
standard”? supraestimare a
valorii noului test
dg.analizat..
A fost efectuata
analiza comparandu- Testul nou e
se si cu testul “reproductibil”
“etalon” (cel vechi, intra/inter
classic, =“gold observator? (ce
standard”) la toti valori are
pacientii (alaturi de coef.Kappa=?)
testul nou evaluat)?
 5. PARAMETRII EPIDEMIOLOGICI GENERALI ai testelor
diagnostice:

A. Sensibilitatea (=Sn):
Probabilitatea de a avea testul pozitiv cand pacientul este bolnav de boala cercetata!

Sn =nr. bolnavi cu test “+”/toti bolnavii testati

1-Sn =% de “Falsi negative”

Un test f sensibil ne ajuta mai ales atunci cand este “negativ”!...... Ne ajuta sa
depistam bolnavii!
De ce?: pt ca % de rezultate fals negative fiind f.mic,(testul e f. sensibil), deci noi
putem exclude boala aproape sigur!

B. Specificitatea (=Sp):
Reflecta probabilitatea de a avea testul dg. negativ atunci cand pacientul investigat
nu are boala, deci e sanatos

Sp=sanatosii cu test “-”/toti sanatosii

1-Sp=%Falsi pozitivi

De ce?: Un test f. specific ne ajuta mai ales atunci cand este pozitiv!...... Sp este
invers proportionala cu % de falsi pozitivi! Ne va ajuta sa depistam “sanatosii”…
In analiza testelor diagnostice, in afara si cu ajutorul Sp si Sn , in functie de
CATEGORIA de variabila a rezultatelor testului dg. evaluat vom determina
ulterior si alti parametri epid.de validitate specifici acestor teste dg.:

A. Pentru teste dg cu rezultate tip variabila nominala binara

(dihotomica) : raportul de probabilitate LR, Prevalenta, cota si valoarea
predictiva
B. Pentru teste dg cu rezultate tip variabila cantitativa continua,
curba ROC

a. Raportul de probabilitate: likelihood ratio

1.Raportul de probabilitate (likelihood ratio) pt un rezultat “+” al
testului dg….reprezinta “LR+”
LR+ =Sn/(1-Sp)
2.Raportul de probabilitate (likelihood ratio) pt un rezultat “-” al
testului dg…….reprezinta “LR-”
LR- = (1-Sn)/Sp
Importanta:
LR este un criteriu universal de validitate al studiilor dg. pt ca LR nu se
modifica odata cu prevalenta bolii tinta!
LR se determina de regula in analiza clinica a testelor dg cu rezultate tip
variabila binara, dihotomica
Sunt parametrii secundari, care fiind calculati Testelor dg. cu “rezultate gen
variabile nominale dihotomice”, se vor determina cu ajutorul tabelului de
contingenta 2x2 (…similar “riscurilor” din RTC), valorile lor fiind
interconectate!!!…La nevoie, si rezultatele testelor cu variabile numerice pot fi
transformate in dihotomice, prin raportare la o “valoare de prag”, fata de care
consideram rezultatul testului numeric ca “pozitiv”sau “negative”
Atentie: ei se calculeaza doar pt rezultate variabile dihotomice !!!
Valorile A B C D se vor genera si lua ulterior din tabelul de
contingenta!

 Prevalenta: nr de cazuri de o anumita boala, existente la un moment

dat intr-o populatie (esantion, grup) data.
Prevalenta =probabilitatea pretest = (A+C)/(A+B+C+D)

 Cota:
Cota pretest=Prevalenta/(1-Prevalenta)
Cota posttest=cota pretest x LR

 Valoarea predictiva:
Valoarea predictiva “+”=VPP=A/(A+B)
Valoarea predictiva “-”=VPN=D/(C+D)

 Probabilitatea posttest:
Probabilitatea posttest=cota posttest/(cota posttest-1)
 Parametrii de evaluare a unui studiu clinic pt.
evaluarea de Teste dg. cu rezultate (variabile) de
categorie nominala, dihotomice
se determina cu ajutorul
unui Tabel de contingenta HI2 (2x2), de unde calculam:
parametrii epid. ai testului de dg, Hi2 si ulterior p-value, CI95%….

Boala clinica TOTAL

Prezenta Absenta
(=bolnav) (=sanatos)
Valori Test dg “+” A B A+B
(dihotomice) “-” C D C+D
A+C B+D A+B+C+D

A=real pozitivi Valoarea predictiva “+” =VPP=A/(A+B)

Prevalenta =probabilitatea Valoarea predictiva “-” =VPN=D/(C+D)
B=real negativi pretest=(A+C)/(A+B+C+D)
C=falsi pozitivi Cota pretest =Prevalenta/(1- LR+ =Sn/(1-Sp)
D=falsi negativi Prevalenta) LR- = (1-Sn)/Sp
Cota posttest =cota pretest x LR
Sn(sensibilitatea)=A/(A+C) Probabilitatea posttest = cota
Sp(specificitatea)=D/(B+D) posttest/(cota posttest-1)
Interpretarea valorilor LR (ale raportului de probabilitate,
likelihood ratio)
in aprecierea testelor diagnostice cu rezultate valori
dihotomice:

INTERPRETARE LR:
ATENTIE: valorile LR “supraunitare” se refera la
un test cu rezultat “+”, iar cele LR “subunitare” ,
cand testul este”-”

 LR >5-10 sau LR 0.1 - <0.2 = modificari

importante
 LR >2-5 sau LR<0.5-0.2 =modificari
moderate teste dg cu LR >10 (la test”+” se afirma boala)
 LR 1-2 sau
sau LR 0.5 -<1 =modificari
neimportanteteste dg cu LR<0.1 (la test”-”, se exclude boala):
………indica faptul ca rezultatele din masuratori (teste dg) genereaza modificari
mari ale probabilitatii LR (pre sau post test, in functie de rezultat +/-)
….si deci testele dg. respective pot confirma dg. De boala (prin LR
supraunitare,”+”) sau infirma (prin LR subunitare,”-”) in mod acceptabil/fezabil
prezenta/absenta bolii!!!
 ADICA TESTELE DG. ANALIZATE POT FI UTILIZATE IN PRACTICA!)
 B. La un test dg cu rezultate exprimate prin “date de
categorie variabila cantitativa”(=numericals), vom
evalua ca parametru epid. curba ROC
 Curba ROC (Receiver Operating Characteristics) este o curbă bidimensională
care prezintă grafic valorile perechi ale Sensibilităţii (pe axa OY, rata adevărat
pozitivilor) şi Specificităţii (pe axa OX, “1-Sp” = rata falşi pozitivilor) şi permitând
astfel evaluarea unui test diagnostic cu rezultate variabile cantitative
 Curba ROC= graficul Sn in functie de (1-Sp) al unui test dg. evaluat intr un studiu
 Analiza sa consta de fapt in aprecierea ariei de sub curba (=AUC)”area under the
curve” prin raportarea sa fata de linia de referinta mijlocie de 0.5. Curba este
generata de software!
INTERPRETARE VIZUALA: daca valoarea ariei de sub curba obtinuta este
“mica” si tinde (se apropie) puternic catre linia de “mijloc“, (de 0.5)=
valorile testului dg. sunt doar rezultatul intamplarii, deci testul Dg.
analizat este imprecis, nerecomandat!
Analiza ROC: obţinerea valorilor
ariei de sub curbă (AUC = Area
Under the Curve).
Metoda ROC este utilizată la evaluarea unui test diagnostic sau la
compararea a două metode diferite de diagnostic, ambele aplicate
fiecărui pacient.

Aria de sub curbă (AUC): indicator unidimensional care rezumă

localizarea "generală" a întregii curbe ROC.

Interpretare AUC se face cu ajutorul intervalului de încredere/confidenţă

de 95% asociat:
Valoarea maximă este egală cu 1 şi indică un test diagnostic
perfect, capabil să identifice corect atât subiecţii bolnavi cât şi
cei indemni de boală.

AUC≥0,9 acurateţea diagnostică este Identificarea valorilor prag se face

excelentă, frecvent utilizând una din următoarele
AUC 0,8≤ 0,9 acurateţe diagnostică foarte metode:
bună,
AUC ≤ 0,8 test cu acurateţe diagnostică fără d2=minim, unde d2=(1-Sn)2+(1-Sp)2
valoare.
AUC=0,5 discriminare întâmplătoare; J=max, unde J =indicele Youden=
AUC=0 testul clasifică incorect toţi subiecţii (Sn+Sp-1),
bolnavi ca negativi şi toţi subiecţii indemni de
boală ca pozitivi.

Se poate verifica statistic dacă AUC este sau nu semnificativă statistic,

prin p value.
Ipoteze statistice posibile:
 6. Interpretarea valoarii predictive a
testelor dg. (cf. teoremei Bayes)
Cand afirmam despre o persoana ca este “bolnava” am facut o predictie de boala.
Efectuarea unei predictii de boala la un pacient, presupune faptul ca medicul
sa“decida” daca acesta este sau nu bolnav! Cum? Pe ce se bazeaza medici/personalul
medical in decizie?.....
Se bazeaza pe “valoarea predictiva a Testelor dg.”, obtinuta prin evaluarea
critica a rezultatelor unui test diagnostic care i-a fost administrat anterior
personei respective…
Baza teoretica a aplicarii acestor “predictii”, este o teorie matematico-
probabilistica teorema Bayes!

Teorema Bayes: spune ca “probabilitatea post-test dg. de a exista boala” (…

adica “dupa ce i s a facut pacientului respectivul test dg”) este direct
proportionala cu “probabilitatea pre-test dg.” (=“prevalenta bolii”) de a exista/a
avea pacientul acea boala, (adica de a o avea inainte de a se cunoaste acest
lucru/inainte de a fi testat!)

Astfel avem doua marimi caracteristice, descrise de teorema BAYES:

1. Probabilitatea post-test:=probabilitatea ca un pacient “sa aiba/sa fie
confirmat cu boala, dupa efectuarea acestui test dg.
2. Prevalenta = Probabilitatea pre-test =nr de cazuri dintr-o anumita
 Cum aflam daca daca testul dg. utilizat se supune teoremei Bayes si deci daca il
putem folosi in practica pentru “predictia/dg de boala” la un pacient?
…adica cum aflam “caracterului predictiv”/predictivitatea unui Test dg? (o conditie obligatorie pt a fi
utilizat in practica!)

Aflarea predictivitatii unui test dg. este necesara in decizia finala legata de utilizarea Testului Dg
respectiv in practica uzuala.
Astfel, se determina (prin calculul) testului dg. studiat,a doi parametri:

1.Valoarea predictiva pozitiva a unui test dg.=VPP

……reprezinta probabilitatea ca la un pacient cu “est dg. “Pozitiv” sa
existe in realitate boala suspicionata! Ea este de fapt identica cu
“probabilitatea post-test” postulata in Teorema Bayes

2.Valoarea predictiva negativa a unui test dg.=VPN

……reprezinta probabilitatea ca la un pacient cu un test dg. “Negativ”
sa NU existe si in realitate boala suspicionata!
 Cum calculam “predictivitatea” Testului dg.
Studiat?
(…adica de fapt “falsii pozitivi| si “falsii negativi”)

….din tabelul de contingenta 2x2 aplicat rezultatelor sale…

VPP=A/(A+B)
VPN=D/(C+D)
…iar valorile Prevalentei afectiunii o cautam si o comparam cu datele din
literatura (comparatii cu valorile prevalentei date de studiile descriptive ale bolii
respective)!

Validarea statistica se face cu ajutorul Hi2 prin calcularea ulterioara a p value si CI95%
(parametrilor doriti a fi estimati)

Boala clinica TOTAL

Prezenta Absenta
(pacienti (pacienti
bolnavi) sanatosi)
Test dg Grup cu test A B A+B
dg.“+”
Grup cu test C D C+D
dg.“-”
TOTAL A+C B+D A+B+C+D

Valoarea predictiva
Prevalenta =“probabilitatea
“+” = VPP=A/(A+B)
pretest” =(A+C)/(A+B+C+D) Valoarea predictiva “-”
= VPN=D/(C+D)
 II. Studiile clinice
prognostice:
Prognosticul: se refera la rezultatele posibile ale unei boli, Deces, Vindecare. Complicatie (=efecte urmarite),
analizand frecventele cu care acestea sunt asteptate sa apara in esantioanele/loturile studiate.

Tipuri de studii prognostice:

 Studiile prognostice sunt de regula studii de cohorta (determina frecventa “efectelor” aparute/urmarite),
in care pacientii intra in studiu avand deja boala si sunt urmariti un timp pentru ca efectul respectiv sa
apara .
 Datele de supravieţuire: reprezintă timpul scurs de la începerea urmăririi unui subiect până la apariţia
evenimentului
 Pot exista si studii prognostice gen caz-martor (retrospective),
 Studii prognostice gen RCT :cand studiem in paralel modificarea prognosticului (aparitia de Deces,
Vindecare. Complicatie) de catre un anumite tratamente
 Pot fi si studii care sugereaza factori de risc, ce disting “pacienti cu risc crescut” sau “scazut” pentru un
anumit efect urmarit

Scopul studiilor prognostice : se cauta asocierea dintre factori (=factori prognostici diversi) si efecte.
Factorii prognostici: sunt analogi factorilor de risc din cohorte/ RTC/caz-martor, dar sunt studiati la indivizi deja
bolnavi.
Efectul urmarit poate fi : Deces, Vindecare. Complicatie

In studiul acestora ne intereseaza asocierea statistica cu efectul urmarit (de ce?.....pt ca factorii
respective “prezic” un prognostic!)
Caracteristici principale:
Ele investighează relaţia dintre două categorii de variabile:
factorul(ii) (“de risc”)= factorii de prognostic
efectul (=boală, complicaţie, deces),
căutând să evidenţieze eventualele asocieri/diferente dintre
acestea.

Pentru un studiu prognostic corect, trebuie să existe

întotdeauna si un grup martor Acesta este: o cohorta
“martor”,(”neexpusă), ca in studiile prognostice de cohortă
şi experimentale RTC, sau este “grupul care nu a suferit
efectul”, in cele prognostice retrospective tip studii caz-
martor.

Analiza statistica: in aceste studii o putem descrie (in functie de categoria si

distributia variabilelor comparate):
 fie ca evidenţiere a unei asocieri (între factorul de risc şi efect) deci
folosim TS de asociere Hi2/corelatie-r, s,
 fie ca evidenţiere a unei diferenţe (între grupul de cercetat şi grupul
martor) deci TS Student t.
Cu ajutorul P si CI95% calculate ulterior, vom “testa ipotezele” propuse in
respectivul studiu si validam/invalidam Ha sau Ho.
Designul unui studiu prognostic tipic:
gen studiu de cohorta (+/- cohorta istorica)
 Evaluarea validitatii in studiile clinice
prognostice:

1. A fost esantionul reprezentativ? Inrolarea a fost corecta?

 Exista registre medicale nationale pe tipuri de afectiuni (pt inrolare)

 Pacientii trebuie sa fie inclusi consecutiv prezentarii la consultatie,
 Criterii de includere in studiu :clare, valide international
 Toti diagnosticati la fel (criterii de dg acceptate)
 Sa nu fi trecut printr-un “filtru” anterior (….mai ales prin clinici universitare
specializate, cu cazuri mai grave si investigatii compexe…)

2. Au fost pacientii inclusi omogen (conditii egale, similaritate)?

 Pacientii trebuie inclusi intr-un moment similar evolutiei bolii = moment

zero 0 (=“momentul diagnosticului” este cel mai utilizat, momentul aparitiei
simptomelor, inceputul tratamentului pentru toti).

 Ideal este ca momentul “0” sa fie momentul debutului bolii! (improbabil).

3. Pacientii trebuie urmariti suficient de mult pentru ca “efectul” sa poata aparea!
Deci,cat timp au fost urmariti?

Multi pacienti se pierd din vedere, chiar daca nu mor . Reamintiti-va: in acest caz se va
face analiza rezultatelor clinice cu scenariul evolutiv critic, “in cel mai rau caz”!

4. Cum s-au masurat efectele? (obiectiv si fara erori sistematice?)

Efectele sunt fie usor de masurat (decesul) sau greu de masurat (calitatea
vietii =QOL).

Scala de QOL: deoarece implica multa subiectivitatea, cere alaturi de

chestionare valide si consacrate international si “orbire”!

5. In descrierea prognosticului sau inclus si alte manifestari importante

pentru pacienti (durere, anxietate, etc)?..nu doar mecanisme importante
pentru stiinta medicala!

Daca un efect studiat nu e legat direct si de ce simt pacientii, studiul

prognostic respectiv nu merita folosit pentru a ne ghida tratamentul!
Analiza in studiile prognostice: analiza supravietuirii

Rezultatele cantitative, clinice ale studiilor prognostice sunt

reprezentate de analiza numarului de efecte (frecventa lor) care
apar pe perioada urmaririi din studiu (timp).
Se reflecta in calculul parametrilor de analiza a supravietuirii...

Analiza supravietuirii=
% procentul de pacienti care au suferit efectul /timp
(t de supraveghere =durata studiului)

Analiza supravietuirii este o analiza a timpului scurs pana la aparitia unui

efect (=outcome).
Efectul: poate fi moartea, complicatia sau vindecarea (=remisia).

In analiza clinico-statistica a acestui tip de studiu pentru DETERMINAREA

ASOCIERII, consideram variabila dependenta fiind efectul urmarit
(=outcome), iar cea independenta este reprezentata de factorii de risc sau
prognostici si “a treia variabila” fiind timpul.

OBSERVATIE: nu putem calcula o durata medie de supravietuire pentru

ca aceasta nu are de regula o distributie gaussiana normala si in plus, nu
se pot analiza datele pana nu a decedat si ultimul pacient!
 Grafica “curbelor de supravietuire”: Metoda Kaplan/Meier:
 Datele de supravieţuire necesită o analiză statistică
diferită de a datelor cantitative întrucât au nişte
particularităţi:

1. Astfel există informaţii incomplete (ex. subiecţi

care la sfârşitul studiului nu realizează
evenimentul predefinit (ex.
vindecarea/decesul)). Informaţiile incomplete se
numesc informaţii cenzurate.

2. distribuţia datelor de supravieţuire nu este una

normală..

 Datele de supravieţuire se descriu grafic prin curbe de

supravieţuire. Metoda cea mai folosită de reprezentare
este metoda Kaplan Meier.

 Grafic, curbele de supravietuire raporteaza procentul

de supravietuire in functie de timp.

1. Timpul “0”: este momentul in care pacientul este

inrolat in studiu, penru ca atunci “supravietuirea”
tuturor subiectilor este 100% (…findca toti
pacientii sunt in viata la inrolare in studiu!).
2.  Decesul fiecarui pacient e vizibil ca o “treapta” in
jos de-a lungul curbei de supravietuire
 Compararea “curbelor de supravietuire”:
Parametrii epidemiologici:
 Proportia supravietuitorilor intr o perioada definita de timp

(supravietuirea globala)
 Supravietuirea mediana: timpul pana la care au decedat 50%

din pacientii luati in studio

Pentru a descrie supravieţuirea „medie” a subiecţilor dintr-un grup se utilizează mediana timpului de
supravieţuire (întrucât datele nu sunt normal distribuite)
 Analiza statistica a studiilor de supravietuire:
1. Pentru a evalua dacă există diferenţe între supravieţuirea mediana a unui grup şi a altui grup se utilizează testul log-
rank (testul hi2 stratificat pt esantioane mici )

2. Pentru a prezice timpul de supravieţuire în funcţie de diferite caracteristici ale subiecţilor (ex. In functie de stadiul
tumorii, tipul histologic, ...) se utilizează regresia Cox 

3. Regresia Cox este utilă pentru evaluarea existenţei şi importanţei legăturii (“corelatiei’) între un factor prognostic şi
supravieţuire!.

• Regresia Cox (corespondentul regresiei liniare, pt 2 variabile) se utilizează pentru a afla dacă o
caracteristica (VI) a subiecţilor influenţează supravieţuirea (=VD), (şi dacă da), cât de mult, şi în ce
direcţie (o prelungeşte, sau o scurtează)

• Cand se doreste determinarea efectului independent al unei singure variabile (=factor de prognostic) se
va utiliza ajustarea cu ajutorul analizei multivariabile sau modelul lui Cox (analiza hazardului
proportional)

4. Pentru a evalua importanţa efectului unei caracteristici asupra supravieţuirii se utilizează rația hazardului (HR =

hazard ratio). Rația hazardului se calculează pe baza raportului hazardurilor.

• Hazardul este “riscul instantaneu” al unui subiect de a suferi evenimentul prestabilit (decesul), dat fiind
faptul că el a supravieţuit până în acel moment (ex. riscul instantaneu de a deceda, la un subiect cu
melanom malign). Cu cât hazardul este mai mare, cu atât riscul de a deceda (sau realiza alt eveniment
prestabilit) este mai mare (ex. o persoană care conduce maşina după ce a consumat alcool, are hazardul
mai ridicat decât o persoană care conduce maşina dar nu a consumat alcool).

• Rația hazardului HR unui grup de subiecţi faţă de un alt grup de subiecţi reprezintă raportul dintre
hazardurile celor două grupuri de subiecţi (rația hazardului subiecţilor cu adenocarcinom pulmonar faţă
de subiecţii cu cancer pulmonar epidermoid)
 Consideratii finale:
 Cand pacientii sunt pierduti din studiu (din oricare alt motiv decat
efectul dar altul decat decesul!!!) sunt “definiti”/denumiti ca
cenzurati…acest lucru nefiind insa legat de prognostic! Ne inereseaza
doar decesul!
 Lotul “martor” din studiile de supravietuire (si care din motive etice
nu poate fi tratat cu “placebo”), este de fapt un alt grup de pacienti cu
aceeasi afectiune dar cu un alt tratament citostatic/chirurgical/altul,
(“clasic”/standard acceptat sau “consacrat” la momentul respectiv)
….respectam criteriile etice Helsinky!.

Valorile supravieţuirii în funcţie de decada de vârstǎ la pacientele cu un carcinom

mamar local avansat
http://jurnaluldechirurgie.ro/jurnal/docs/jurnal110/art%2005_vol
%206_2010_nr%201.pdf
BIBLIOGRAFIE
SELECTIVA
 Cursurile reprezinta o compilatie
informationala care are la baza in principal
1.
urmatoarea bibliografie selectiva :
Maria BIRSAN, METODOLOGIA CERCETARII, Note de curs, 2011
2. Cristian Băicuş. Medicina bazata pe dovezi:cum intelegem studiile, Ed Medicala 2007
3. Cristian Băicuş.Dictionar de epidemiologie clinica si MBD, Ed Medicala 2002,
4. Cristian Băicuş. Metodologia cercetării stiitifice UMF C DAVILA, Bucuresti note de curs 2012,
www.baicus.ro ,
5. Metodologie pentru alcătuirea lucrărilor științifice elaborate în cadrul Departamentului-
Catedra UNESCO pentru schimburi interculturale și interreligioase, Universitatea din
București, http://www.interculturel.org/metodologie2008.pdf , accesat in 30 ian 2012
6. Ministerul Educației Și Cercetării, Universitatea "Constantin Brâncuși" Tg-Jiu - Ghid pentru
elaborarea și susținerea lucrărilor de licență/disertație, http://www.utgjiu.ro/docs/reg/22-Ghid
%20pentru%20elaborare%20proiect%20de%20licenta.pdf, accesat in 30 ian 2012
7. Repanovici A.: Managementul resurselor informaționale în cercetarea științifică, Editura
Universității TRANSILVANIA din Brașov, 2008, ISBN 978-973-598-212-6, 240 pag.
8. Universitatea „Babeș-Bolyai” Cluj-Napoca Facultatea de Studii Europene, Catedra
Managementul Instituțiilor Europene - Ghid pentru redactarea și prezentarea Lucrării de
licență - http://euro.ubbcluj.ro/avizier/ , accesat in 30 ian 2012
9. L. Rogozea, GHID PENTRU REDACTAREA ŞI PREZENTAREA LUCRĂRII DE LICENȚĂ ,
Universitatea Transilvania Brasov, 2012
10. UNIVERSITATEA „ȘTEFAN CEL MARE” SUCEAVA, FACULTATEA DE ISTORIE ȘI GEOGRAFIE,
Catedra de Filosofie, Științe sociale și politice - Ghid pentru redactarea și prezentarea Lucrării
de licență, http://fig.usv.ro/www/pagini/absolvire/indrumar/Ghid_licenta_F_si_BE.pdf, accesat in
30 ian 2012
11. Universitatea „Valahia” din Târgoviște, Facultatea de Drept și Științe Social-Politice - Ghid de
redactare a lucrãrii de diplomã și disertație, http://www.valahia-drept.ro/licenta-disertatie.pdf ,
accesat in 30 ian 2012
12. ***Planing your research -
http://www.europe.canterbury.ac.nz/studentinfo/pdf/planning_your_research.pdf, accesat in 6
februarie 2012
13. APA’s Electronic References page at: http://www.apastyle.org/elecref.html
14. Harvars style, www.swinburne.edu.au/library
15. Dumitru Tintiuc Biostatistica. METODOLOGIA CERCETĂRII ŞTIINŢIFICE (Suport De Curs)
UNIVERSTATEA DE STAT DE MEDICINĂ ŞI FARMACIE „NICOLAE TESTEMIŢANU” Catedră
Sănătate Publică Şi Management „Nicolae Testemiţanu”, Chisinau 2011
16. Basic_ClinicalBiostatistics-2004 Dawson_4thEdition/Basic_ClinicalBiostatistics-