1 ΔΗΜΟΠΑΘΟΛΟΓΙΑ ΤΗΣ ΔΙΑΤΡΟΦΗΣ ΠΑΡΟΥΣΙΑΣΗ 6 Η (Θ) ΔΕΙΓΜΑΤΟΛΗΨΙΑ ΕΠΙΔΗΜΙΟΛΟΓΙΚΗΣ ΕΡΕΥΝΑΣ

2 ΔΕΙΓΜΑΤΟΛΗΨΙΑ

3 Δειγματοληψία Ορισμός: Η διαδικασία κατά την οποία ορισμένα άτομα από έναν συγκεκριμένο πληθυσμό επιλέγονται ως αντιπρόσωποι του συνολικού πληθυσμού. Απογραφή: καταγράφεται όλος ο πληθυσμός. Στην δειγματοληψία επιλέγεται ένα δείγμα από αυτόν.

4 Βασικοί Επιδημιολογικοί Όροι Δείγμα (Sample) Επιλογή στοιχείων από έναν πληθυσμό. Το δείγμα θα πρέπει να είναι αντιπροσωπευτικό του πληθυσμού που εξετάζεται. Πλαίσιο δειγματοληψίας (Sampling Frame) Μια λίστα στοιχείων ενός πληθυσμού από τα οποία μπορεί να επιλεγεί ένα δείγμα.

5 Περιγραφή όρων που χρησιμοποιούνται στη δειγματοληψία Μονάδα δειγματοληψίας Τα υπό μελέτη άτομα για τα οποία συλλέγονται πληροφορίες. –Παράδειγμα: Παιδιά <5 ετών, εξιτήρια. νοσοκομείων, συγκεκριμένα νοσήματα … Κλάσμα δειγματοληψίας Η αναλογία του μεγέθους του δείγματος προς το σύνολο του πληθυσμού. –Παράδειγμα: 100 από (5%).

6

7 Βασικοί Επιδημιολογικοί Όροι Σφάλμα (Bias) Απόκλιση των αποτελεσμάτων από την αλήθεια ή απόκλιση των διαδικασιών που οδηγούν στο ίδιο αποτέλεσμα. Οποιαδήποτε τάση στην συλλογή, ανάλυση, ερμηνεία, δημοσίευση ή αναθεώρηση μιας πληροφορίας που μπορεί να οδηγήσει σε συμπεράσματα τα οποία διαφέρουν από την πραγματικότητα.

8

9 Αντιπροσωπευτικότητα Δείγματος Πληθυσμός στόχος (target population)  πληθυσμός δειγματοληψίας (sampling population)  δείγμα (sample size). Πληθυσμός- στόχος Πληθυσμός δειγματοληψίας Δείγμα

10 Αντιπροσωπευτικότητα Δείγματος Π.χ.: Επιπολασμός παχυσαρκίας σε φοιτητές πανεπιστημίου Κρήτης- Τμήμα Φιλολογίας. Φοιτητές Παν/μιου Κρήτης Φιλολογική Σχολή Δείγμα Φοιτητών

11 Αντιπροσωπευτικότητα Στόχος: Υπό μελέτη χαρακτηριστικά. Έλεγχος: –Χαρακτηριστικά ατόμου. Π.χ. δημογραφικά χαρακτηριστικά (ηλικία, φύλο, κοινωνικό-οικονομικό επίπεδο κλπ). –Χαρακτηριστικά τόπου. Π.χ. Αστικές/ αγροτικές περιοχές. –Χαρακτηριστικά χρόνου. Π.χ. κατανομή κατά εποχή, ημέρα, ώρα κ.λπ. Η διασφάλιση της αντιπροσωπευτικότητας πρέπει να γίνει πριν την έναρξη της δειγματοληψίας.

12 Έννοιες Πιστότητα (Accuracy) ή Αλήθεια (Truness) Καταλληλότητα της μεθόδου (μέτρο, μέγεθος δείγματος, διαδικασία) να μετρά μια παράμετρο. Συνδέεται με το συστηματικό σφάλμα. Ακρίβεια ή Επαναληψιμότητα (Precision) Αφορά την διακριτική ικανότητα της μεθόδου να προσεγγίζει το μετρούμενο μέγεθος. –Δηλαδή, είναι ο βαθμός στον οποίο επαναλαμβανόμενες μετρήσεις κάτω από τις ίδιες συνθήκες δείχνουν το ίδιο αποτέλεσμα. Συνδέεται με το τυχαίο σφάλμα.

13 Συστηματικό – Τυχαίο Σφάλμα Δειγματοληψίας Μικρή ΠιστότηταΜικρή Ακρίβεια

14 Συστηματικό – Τυχαίο Σφάλμα Δειγματοληψίας

15 Πιστότητα (Accuracy) Αναφέρεται στη διαφορά (σφάλμα, error ή bias) μεταξύ του μέσου όρου (mean) x mean μιας σειράς μετρήσεων και της τιμής μ, η οποία γίνεται αποδεκτή ως η αληθής (true) ή ορθή (correct) τιμή της μετρούμενης ποσότητας. X mean – μ = συστηματικό σφάλμα (bias) μέτρο πιστότητας/ορθότητας της μεθόδου. s = τυπική απόκλιση δείγματος, μέτρο επαναληψιμότητας. ΟΛΙΚΟ ΣΦΑΛΜΑ (TOTAL ERROR) = Τ

16 Ακρίβεια (Precision): Τυπική Απόκλιση Δείγματος (Sample Standard Deviation) Τυπική απόκλιση δείγματος: είναι ο πιο συνηθέστερος τρόπος μέτρησης της επαναληψιμότητας ή διασποράς που βασίζεται σε όλες τις παρατηρήσεις και ταυτόχρονα μετράει τη συγκέντρωση των τιμών γύρω από το μέσο αριθμητικό. S = Sample Standard Deviation, Σ = το άθροισμα των όρων για τιμές από 1 έως n, Κάθε όρος = το τετράγωνο (δεύτερη δύναμη) της διαφοράς μίας τιμής από τον Μέσο Αριθμητικό του δείγματος.

17

18 Τύπος Δειγματοληψίας Πρότυπο είδος δειγματοληψίας: Απλή Τυχαία Δειγματοληψία (Α.Δ.Τ) –Όλες τ’ άτομα του πληθυσμού έχουν την ίδια πιθανότητα επιλογής στο δείγμα. Διαδικασία: Λήψη πλήρους καταλόγου των μονάδων (ατόμων) του πληθυσμού από τον οποίο θα γίνει δειγματοληψία (δειγματοληπτικό πλαίσιο = Sampling Frame) Αρίθμηση ατόμων. Επιλογή δείγματος μονάδων με τυχαιοποιημένο τρόπο (π.χ. με τη χρήση τυχαίων αριθμών).

19 Απλή Τυχαία Δειγματοληψία Παράδειγμα: Εκτίμηση κάλυψης με εμβολιασμό για ανεμοβλογιά στα παιδιά των δημοτικών σχολείων στην Σητεία (300 παιδιά). Βήματα δειγματοληψίας: 1.Λήψη καταλόγου των μαθητών του σχολείου. 2.Αρίθμηση παιδιών από 1 έως Καθορισμός μεγέθους δείγματος: π.χ. 160 παιδιά. 4.Τυχαία δειγματοληψία 160 αριθμών, 1 έως 300.

20 Δειγματοληπτικό Σφάλμα Προκύπτει πάντα στη περίπτωση που δεν ερευνάται ολόκληρος ο πληθυσμός, αλλά ένα δείγμα αυτού. Οφείλεται στις τυχαίες επιλογές της δειγματοληψίας, δηλαδή το δείγμα, δεν είναι δυνατόν να είναι απολύτως αντιπροσωπευτικό του πληθυσμού από τον οποίο προέρχεται, άρα οι μετρήσεις που προκύπτουν από το δείγμα θα αποκλίνουν από τις αντίστοιχες πραγματικές του πληθυσμού.

21 Μέγεθος του δείγματος και πιστότητα - αντιπροσωπευτικότητα

22 Μη Δειγματοληπτικό Σφάλμα Οφείλεται συνήθως σε: 1.Ατέλειες του σχεδιασμού και της οργάνωσης της έρευνας για λόγους ταχύτητας και περιορισμού του κόστους. 2.Λάθη των ερευνητών, κωδικογράφων, κλπ. 3.Άλλες αντικειμενικές δυσκολίες που ανακύπτουν κατά την εκτέλεση μιας στατιστικής έρευνας.

23 Μη Δειγματοληπτικό Σφάλμα Περιορίζει την ποιότητα των συλλεγόμενων στοιχείων – την αξία των αποτελεσμάτων που προκύπτουν από αυτά. Δεν υπάρχει δυνατότητα άμεσης μέτρησης αυτών των σφαλμάτων, αλλά μόνο εκ των υστέρων εύρεση της έκτασης ορισμένων με διαφόρους ελέγχους, με σκοπό όχι τη διόρθωσή τους, αλλά κυρίως την αξιολόγηση της ποιότητας των αποτελεσμάτων. –Συμπλήρωση εκ νέου ορισμένων ερωτηματολογίων και η σύγκρισή τους με τα κανονικώς συλλεχθέντα, η εισαγωγή μέρους των ερωτηματολογίων για δεύτερη φορά στον Η/Υ.

24 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Stratified Random Sampling)

25 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Ένας τρόπος να αυξηθεί η πιστότητα (εννοούμε την αντιπροσωπευτικότητα) της δειγματοληψίας είναι να αυξηθεί το μέγεθος (n) του δείγματος. Αυτός δεν είναι και ο μοναδικός τρόπος. Είναι δυνατόν να αυξηθεί η αντιπροσωπευτικότητα με τη γνώση επιπρόσθετων πληροφοριών για την δομή του πληθυσμού. Ενδέχεται για παράδειγμα, ο πληθυσμός να μπορεί να θεωρηθεί ως αποτελούμενος από υπο-πληθυσμούς μέσα στους οποίους να υπάρχει μεγαλύτερη ομοιογένεια ως προς κάποιο χαρακτηριστικό από ότι σε ολόκληρο τον πληθυσμό.

26 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Αν λοιπόν, με κάποιο δειγματοληπτικό σχήμα, αντιπροσωπευθούν κατάλληλα όλοι οι υπο-πληθυσμοί στο δείγμα, τότε είναι δυνατόν να επιτύχουμε μικρότερη διασπορά για τις εκτιμήσεις των παραμέτρων του πληθυσμού από αυτή που έχουμε από ένα απλό τυχαίο δείγμα του ίδιου μεγέθους που δεν λαβαίνει υπ’ όψη την δυνατότητα διάκρισης του πληθυσμού σε υπο-πληθυσμούς ή «στρώματα» πληθυσμού: «Στρωματοποιημένη Δειγματοληψία».

27 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Το πρόβλημα που συνδέεται άμεσα με την τεχνική της στρωματοποιημένης δειγματοληψίας είναι ο καταμερισμός του συνολικού δειγματικού μεγέθους n στα k διαθέσιμα στρώματα, δηλαδή ο καθορισμός των τιμών των μεγεθών n1, n2, …, nk των k απλών τυχαίων δειγμάτων. Αν το χαρακτηριστικό που μετράμε ή λαμβάνουμε υπόψη είναι εξίσου πιθανό σε όλα τα στρώματα, τα μεγέθη n1, n2, ….nk, επιλέγονται έτσι ώστε:

28 ΣΤΡΩΜΑΤΟΠΟΙΗΜΕΝΗ ΤΥΧΑΙΑ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Ο σχεδιασμός αυτός είναι γνωστός ως αναλογικός καταμερισμός του “n” (proportional allocation) και η δειγματοληπτική τεχνική ονομάζεται αναλογική στρωματοποιημένη τυχαία δειγματοληψία (proportional stratified random sampling). Στην περίπτωση αυτή, δηλαδή, το μέγεθος του δείγματος από ένα στρώμα είναι ανάλογο του ποσοστού των μονάδων του πληθυσμού που το στρώμα εκπροσωπεί.

29 ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ (Systematic Sampling)

30 ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Συχνά, είναι ταχύτερη και ευκολότερη η επιλογή των μονάδων του πληθυσμού, αν αυτή γίνεται από κάποιο κατάλογο ξεκινώντας από κάποιο τυχαίο αρχικό σημείο και επιλέγοντας μια μονάδα κάθε k (k>0) μονάδες μέχρι να κατασκευασθεί το δείγμα με το δοθέν μέγεθος. Για παράδειγμα, αν πρόκειται να επιλεγούν καρτέλες από έναν φοριαμό που περιέχει , είναι ταχύτερο να επιλεγεί ένας τυχαίος αριθμός μεταξύ 1 και 10 και να περιληφθεί στο δείγμα η καρτέλα που αντιστοιχεί σ’ αυτόν τον αριθμό καθώς και κάθε δέκατη καρτέλα από εκεί και πέρα.

31 ΣΥΣΤΗΜΑΤΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ Η δειγματοληπτική αυτή τεχνική, η οποία εισάγει ένα συστηματικό στοιχείο στην διαδικασία επιλογής των μονάδων του πληθυσμού του δείγματος, είναι μια μορφή δειγματοληπτικής τεχνικής που είναι γνωστή ως συστηματική δειγματοληψία (systematic sampling). Για παράδειγμα, αν ο πληθυσμός αποτελείται από τις τιμές y1, y2, …, yN και από τις πρώτες k μονάδες του επιλεγεί η k0, τότε το δείγμα θα αποτελείται από τις μονάδες:

32 Επιλογή μεγέθους του δείγματος

33 Επιλογή μεγέθους του δείγματος Το μέγεθος του δείγματος σε μια έρευνα τυπικά αναφέρεται στον αριθμό των στοιχείων που επιλέχθηκαν από εκείνα που συλλέχθηκαν. Υπάρχει το μέγεθος που σχεδιάστηκε, δηλαδή ο αριθμός των μονάδων που πρέπει π.χ. να επικοινωνήσει ο ερευνητής και το τελικό μέγεθος, δηλαδή εκείνο που αποτελείται από τις μονάδες που ανταποκρίθηκαν. Το μέγεθος του τελικού δείγματος μπορεί να είναι μικρότερο από εκείνο που σχεδιάστηκε. Για παράδειγμα ο βαθμός ανταπόκρισης του κοινού είναι παράγοντας που μπορεί να επηρεάσει. Το μέγεθος υπο-ομάδων του συνόλου ενδιαφέρει επίσης.

34 Επιλογή μεγέθους του δείγματος Όταν σχεδιάζεται μια έρευνα απαιτείται ένα σχέδιο (πλάνο). Ο καθορισμός του μεγέθους του δείγματος είναι ένα μέρος του σχεδιασμού. Η απάντηση σε αυτό το ερώτημα, δηλαδή ποιο θα είναι το μέγεθος του δείγματος σε μια έρευνα είναι δύσκολο να απαντηθεί καθώς εξαρτάται από πολλούς και διαφορετικούς παράγοντες. Για παράδειγμα η χρηματοδότηση της έρευνας προκαθορίζει και το μέγεθος του δείγματος. Όταν οι πόροι είναι συγκεκριμένοι τότε αυτόματα υπάρχουν περιορισμοί στο μέγεθος του δείγματος και στη μέθοδο δειγματοληψίας

35 Επιλογή μεγέθους του δείγματος Γενικά το μέγεθος του δείγματος επηρεάζεται από την φύση της ανάλυσης που θα γίνει, την επιθυμητή πιστότητα που έχει τεθεί σαν στόχος από τον ερευνητή, ο αριθμός και τα είδη συγκρίσεων που θα γίνουν, ο αριθμός των μεταβλητών προς εξέταση και πόσο ετερογενής είναι ο πληθυσμός που εξετάζεται. Για παράδειγμα σε μια πειραματική έρευνα που θα γίνουν συγκρίσεις στις γνώσεις και την απόδοση ένα δείγμα της τάξης των 100 μονάδων μπορεί να θεωρηθεί επαρκές. Η δημοσκόπηση όμως για τις προτιμήσεις των Ελλήνων ψηφοφόρων σε όλη την επικράτεια απαιτεί περίπου μονάδες.

36 Επιλογή μεγέθους του δείγματος Μιλώντας για το μέγεθος του δείγματος με πιο τεχνικούς όρους αυτό καθορίζεται από το επίπεδο εμπιστοσύνης, το σφάλμα δειγματοληψίας, την τυπική απόκλιση και το ποσοστό. Ακολουθεί τύπος υπολογισμού του δείγματος για την πιο κοινή μορφή έρευνας, τη συμπλήρωση ερωτηματολογίου : ( t = επίπεδο εμπιστοσύνης, d = σφάλμα δειγματοληψίας, s = τυπική απόκλιση, p = ποσοστό).

37 Επιλογή μεγέθους του δείγματος Σε μια τυπική έρευνα το επίπεδο εμπιστοσύνης παίρνει την τιμή 95% ( t = 1.96 ) και το σφάλμα δειγματοληψίας την τιμή + / – 2. Λύνοντας της παραπάνω εξίσωση ως προς d υπολογίζεται το μέγεθος του σφάλματος της δειγματοληψίας:

38 Επιλογή μεγέθους του δείγματος Συμπερασματικά, όσο το μέγεθος δείγματος μεγαλώνει τόσο το μέγεθος του σφάλματος ελαχιστοποιείται. Ο καθορισμός του μεγέθους του δείγματος επηρεάζεται σαφώς από το αν η έρευνα είναι ποιοτική ή ποσοτική. Θα εξαρτηθεί από τι ακριβώς θέλει να μάθει ο ερευνητής, τον σκοπό της κάθε ερώτησης, την χρησιμότητα των ερωτήσεων αλλά και από το διαθέσιμο χρόνο και τους πόρους που θα διατεθούν.

39 Επιλογή μεγέθους του δείγματος Όταν οι πόροι είναι προκαθορισμένοι ο ερευνητής θα πρέπει να κάνει ακριβή διαχείριση ή ακόμη και επανασχεδιασμό στο πλάνο του αν χρειαστεί. Πρέπει να τονιστεί ότι η εγκυρότητα, το νόημα και τα συμπεράσματα που θα προκύψουν από την έρευνα εξαρτώνται από την ποιότητα των δεδομένων, δηλαδή αν είναι πλούσια σε πληροφορίες και από την παρατηρητική και αναλυτική ικανότητα του ερευνητή και σε μικρότερο βαθμό από το μέγεθος του δείγματος.

40 Επιλογή μεγέθους του δείγματος Προς διευκόλυνση των ερευνητών έχουν καταρτιστεί πίνακες με τις τιμές του μεγέθους του δείγματος που προκύπτουν αν στους τύπους εφαρμοστούν κάποιες τυπικές τιμές. Έτσι ο ερευνητής βρίσκει την τιμή που αντιστοιχεί στον ανάλογο πληθυσμό που είναι κοντινός προς εκείνο που ενδιαφέρει στην κάθε περίπτωση.

41 Παράδειγμα Πίνακα Δειγματοληψίας

42 Παράδειγμα Πίνακα Δειγματοληψίας

43 Κριτήρια εισαγωγής και αποκλεισμού μονάδων στο δείγμα Τα κριτήρια εισαγωγής: Τα χαρακτηριστικά που πρέπει να έχουν τα άτομα για να συμπεριληφθούν στη μελέτη. Τα κριτήρια αποκλεισμού: Τα χαρακτηριστικά που αποκλείουν τα άτομα από την ένταξη στη μελέτη. Τα κριτήρια ένταξης και αποκλεισμού μπορεί να περιλαμβάνουν παράγοντες όπως η ηλικία, το φύλο, η φυλή, η εθνικότητα, ο τύπος και το στάδιο της νόσου, το προηγούμενο ιστορικό θεραπείας του ασθενούς, καθώς και την παρουσία ή την απουσία άλλων ιατρικών ή ψυχοκοινωνικών καταστάσεων.

44 ΠΡΟΕΤΟΙΜΑΣΙΑ ΓΙΑ ΤΗΝ ΣΥΛΛΟΓΗ ΔΕΔΟΜΕΝΩΝ

45 Προετοιμασία για τη συλλογή δεδομένων Βήμα 1 ο : Σχεδιασμός & προετοιμασία της μορφής της έρευνας –Πρέπει να είναι εύκολο στην συμπλήρωση. Σαφείς οδηγίες. Λογικές ερωτήσεις και αυτο-εξηγούμενες. Επαρκής χώρος για καταγραφή πληροφοριών. Άμεση κωδικοποίηση πληροφοριών για την εισαγωγή πληροφοριών προς ανάλυση.

46 Φόρμα για καταγραφή πληροφοριών διατροφής Ημερ/νία………….. Ημέρα εβδομάδας…………… Time Type of food Descriptive measure Portion served Amounts (g) served left Food codeAmount eaten

47 Προετοιμασία για τη συλλογή δεδομένων Βήμα 2 ο : Παροχή εξοπλισμού –Ζυγαριές, –Οικοκυρικά μέσα μέτρησης, –Οπτικά βοηθήματα, –Πίνακες ύψους, κτλ. Προσωπικό έρευνας –Αριθμός, –Πότε και πώς θα εμπλακεί, –Εξαρτάται από το μέγεθος και τη φύση της έρευνας.

48 Προετοιμασία για τη συλλογή δεδομένων Βήμα 3 ο : Εκπαίδευση προσωπικού –Συλλογή δεδομένων, –Έλεγχος, –Κωδικοποίηση, –Εισαγωγή δεδομένων, –Ανάλυση δεδομένων.

49 Προετοιμασία για τη συλλογή δεδομένων Βήμα 4 ο : Προσέλκυση δείγματος συμμετεχόντων –Σ’ επαφή με το επιλεγμένο δείγμα: , Τηλέφωνο, Επίσκεψη στο σπίτι του ατόμου (μονάδας) για να εξηγηθεί η φύση της έρευνας, Μέσω ραδιόφωνου/ τηλεόρασης.

50 Προετοιμασία για τη συλλογή δεδομένων Βήμα 5 ο : Πιλοτική διαδικασία έρευνας –Πιο συνηθισμένα προβλήματα: Δύσκολες ερωτήσεις ν’ απαντηθούν ή ασαφείς. Τα όργανα της έρευνας δεν λειτουργούν. Χρειάζεται κι άλλα πρόσθετα - π.χ. εποπτικά βοηθήματα. Ανεπαρκείς και ακατάλληλες οδηγίες στους συμμετέχοντες. Ανεπαρκής χρόνος που δίνεται για την διαδικασία της έρευνας. Πλευρές της έρευνας (π.χ. ιδιωτικές) που μειώνουν τα ποσοστά απάντησης.