Tid og sted for prøveforelesning
Se prøveforelesning.
Bedømmelseskomité
- 1. opponent: Professor Torben Martinussen, Biostatistisk afdeling, Københavns Universitet, København, Danmark
- 2. opponent: Førsteamanuensis Ingeborg Waernbaum, Umeå School of Business and Economics, Umeå, Sweden
- 3. medlem av bedømmelseskomiteen: Førsteamanuensis Hans Olav Melberg, Avdeling for helseledelse og helseøkonomi, Institutt for helse og samfunn, Universitetet i Oslo
Disputasleder
Professor Anette Hjartåker, Seksjon for ernæringsepidemiologi, Avdeling for ernæringsvitenskap, Institutt for medisinske basalfag, Det medisinske fakultet, Universitetet i Oslo
Hovedveileder
Professor Odd O. Aalen, Avdeling for biostatistikk, Institutt for medisinske basalfag, Det medisinske fakultet, Universitetet i Oslo
Sammendrag
En viktig motivasjon for studier i medisin, epidemiologi og folkehelse har alltid vært å kunne trekke kausale konklusjoner om de undersøkte sammenhenger. Ironisk nok, selv om statistiske metoder ofte har blitt brukt til å "bevise" kausalitet, har statistikere selv hatt en heller forsiktig holdning til å snakke om kausalitet. Imidlertid har de siste års fremskritt innen kausal inferens endret denne måten å tenke på.
Avhandlingen fokuserer på metoder for kausal inferens som tillater å skille mellom direkte og indirekte effekter av en behandling eller eksponering. Resultater fra slike analyser som bekrefter allerede mistenkte mekanismer, kan anses som “proof of concept”. Slike analyser kan imidlertid også gi uventede resultater og dermed føre til nye hypoteser.
Overlevelsesanalyse er basert på en spesiell datastruktur som byr på flere muligheter, men også tekniske utfordringer. Som navnet tilsier er fokus for en slik analyse ”tiden inntil en viss hendelse (for eksempel død av en bestemt sykdom)”. Personer følges vanligvis over lengre tid, og er blitt bedt om å komme tilbake til kontroll flere ganger å overvåke deres helsetilstand ved hjelp av f. eks. blodprøver.
I en statistisk sammenheng betyr dette at markører for en bestemt sykdom - kalt mediatorer her – som behandlingen virker gjennom, måles gjentatte ganger over tid.
Derfor byr disse dataene på en mulighet til å forstå hvordan direkte og indirekte effekter av en intervensjon kan variere over tid.
Eksisterende metoder for å beregne direkte og indirekte effekter er ikke i stand til å håndtere den overnevnte situasjonen. Avhandlingen presenterer ulike måter for beregning av direkte og indirekte effekter for denne utfordrende problemstillingen, sammen med anbefalinger for implementering i standard statistisk programvare.
For mer informasjon
Kontakt gruppe for forskerutdanning.