Epi Info
- jeho popis a praktický význam
Petr Kachlík
Brno, 2020
Co je Epi Info
• zdarma získatelný a pro nekomerční účely
použitelný softwarový balík typu „public domain“
(https://www.cdc.gov/epiinfo/support/downloads.
html)
• je určený především pro odborníky i další zájemce
v oblasti veřejného zdravotnictví
• Epi Info je obchodní značkou (TM) CDC (Centers
for Disease Control and Prevention), Atlanta,
Georgia, USA
• software, dokumentace a výukové materiály jsou
ale veřejným vlastnictvím a lze je bez omezení
kopírovat, distribuovat a překládat
Z čeho se Epi Info skládá a co umí
• sběr, záznam, zpracování a prezentace dat
• modulární systém
• spolupráce s databázemi, tabulkovými
procesory a webovými prohlížeči
• program výživy a antropometrie
• příprava formulářů, kontrola dat na vstupu,
jejich ochrana, komprese a kódování
• výuková cvičení
Z čeho se Epi Info skládá a co umí
• 5 základních modulů: Make View (tvorba
dotazníků), Enter (vkládání dat), Analysis
(statistická analýza), Epi Map (prezentace údajů
v geografických souvislostech), Epi Report
(generování výstupů)
• v současnosti je třeba k instalaci alespoň Win
XP SP3, kolem 300 MB volného místa na HDD,
alespoň 128 MB RAM, takt CPU minimálně 300
MHz
• starší verze běžely pod MS-DOS, Win 9x, NT,
2k…, v. 6 byla lokalizovaná do Cz vč. helpu
Epi Info Museum 1
• 1976: minipočítače se začínají prosazovat ve
veřejném zdravotnictví v US, epidemiologie
prasečí chřipky (sw SOCRATES, lg. FORTRAN)
• 1978-84: Epidemiologic Analysis System (EAS),
lg. BASIC, Georgia
• 1978-84: sdružení epidemiologů, sestavení
počítačové pracovní skupiny
• 1984: počátek systémového vývoje
epidemiologického sw EPI-AID pro terénní praxi
a výzkum
Epi Info Museum 1
Epi Info Museum 2
• 1986: Epi Info verze 1, běželo pod DOSem
• distribuován 27stránkový manuál k programu
a 5 1/4palcová (!) disketa
• Programs for Automatic File Definition, Data
Entry and Tabulation = Epi Info
• sw zvládal sestavování dotazníků, sběr a
analýzu dat, stal se rychle populárním
Epi Info Museum 2
Epi Info Museum 3
• 1987: Epi Info verze 2
• vázaný 112stránkový manuál, menu, modulární
struktura
• tvorba dotazníku (EPED), práce s daty (ENTER,
ANALYSIS), epi kalkulátor (STATCALC), grafika histogramy
(EPICURVE), práce se soubory
(MERGE, IMPORT, CONVERT), základní statistické
výstupy
• 1988: Epi Info verze 3
• 150stránkový manuál, vylepšená statistika a
grafické výstupy
Epi Info Museum 3
Epi Info Museum 4
• 1988: Epi Info verze 4, mnoho nových funkcí,
ale též řada chyb, spolupráce CDC a WHO
• vytvořen základ pro verzi 5
Epi Info Museum 5
• 1990: Epi Info verze 5
• 384stránkový manuál, kódování proměnných,
regresní funkce, inovace grafiky, generátor
zpráv, nutriční antropometrie
• první mezinárodní distribuce, dovolovala
evropský formát data a národní abecedy
• zdrojové kódy byly přeloženy do francouzštiny,
španělštiny, čínštiny, arabštiny a ruštiny
• 1992: Epi Map verze 1 a 2, ovládané myší
Epi Info Museum 5
Epi Info Museum 6
• 1992: Epi Info verze 6
• 600stránkový manuál, vylepšená statistika,
grafika, rozsáhlejší příklady, programovatelné
menu, generování epidemiologických hlášení
• verzi 6 užívala i WHO a lokálně výzkumníci
mnoha zemí světa, položen základ Win verze
• 1993: konference Microcomputers and the
Future of Epidemiology, Atlanta
• 1994: Epi Info distribuováno již on-line, hotline,
manuály v řadě jazyků včetně češtiny (!)
Epi Info Museum 6
• 1996: diskusní skupina na netu, další překlady
sw a manuálu (celkem do 14 jazyků)
• 1997: ověřování sw a zpětná vazba od uživatelů,
150 000 kopií ve 117 zemích, 1 207 citací, 52
síťových zdrojů Epi Info nabízelo ke stažení
• 1998: příprava kompatibility s „y2k“, a to i
zpětně (starší datové soubory) – v. 6.04b, c
• 2001: v 6.04d - rekompilace programu po
úpravě zdrojového kódu v lg. TURBO PASCAL,
řešila přechod na moderní CPU architekturu PC,
typická distribuce na 3 FDD 3,5 palce, 1,44 MB
Epi Info Museum 6
Epi Info Museum 6
Epi Info Museum 7
• 1998: vznik týmu pro vývoj Epi Info 2000
• 1999: vydána beta verze Epi Info 2000 pro Win
95, 98 a NT, výstup ANALYSIS ve formátu html
• snadnější tvorba formulářů s dotazníky,
manipulace s databázemi, statistikou, vylepšené
grafické prezentace
• zpětná vazba, sdílení dat po internetu
Epi Info Museum 7
Epi Info: současnost a budoucnost
• 2000-2016: nové verze 3.5.x pro OS Windows
vč. XP a 7, později W8-10
• v současnosti aktuální Epi Info verze 7.2 (2020)
• vázne lokalizace do Cz, u EI 3.5.x existuje však
Sk verze
• rychlé a účinné sdílení informací
• k dispozici portable versions (mobily, tablety,
notebooky), web a cloud version
• snadný přístup k odborným zdrojům přeloženým
do hlavních světových jazyků
Epi Info: současnost a budoucnost
• vývoj metod pro přístup a analýzu dat
pocházejících z klinických zdrojů s výstupy do
veřejného zdravotnictví
• komunikace s domácnostmi (uživateli,
respondenty) pomocí adresných služeb
(videokonference, IT)
• zadávání dat z terénu pomocí hlasového vstupu
• adaptace sw pro nové operační systémy
• ...
Epi Info 3.5.1
Seznámení
s programovým balíkem
Epi Info: úvodní obrazovka
• základní přehled a rychlá nabídka
podprogramů
• pro verzi 3.5.1 existuje oficiální částečná
lokalizace do slovenštiny, čeština bohužel
chybí
• položky Zadat data, Náhled, Analýza dat,
Výstup, Mapy, Hlášení, Web
• z menu Výživa navíc přístup k nutriční
epidemiologii
Epi Info: práce s daty
• data lze: načítat, importovat, propojit,
ukládat, exportovat, slučovat, editovat
• proměnné lze: definovat, zobrazit,
přiřadit, překódovat
• lze vybrat data dle různých požadavků na
jejich třídění
• základní statistika: seznam proměnných,
tabulky absolutních a relativních četností,
testování (ANOVA, x2), grafy, kartogramy
Epi Info: práce s daty 2
• pokročilá statistika: regresní analýza,
analýza přežití,…
• výstupy: nastavení záhlaví, typu výstupu,
tisku a ukládání souborů
• uživatelské programy a příkazy, makra
• interakce s uživatelem a nastavení
prostředí (jazyk, pracovní adresář, typ a
verze databáze…)
Epi Info: práce s daty 3
• porovnávání dat: výpis odlišných záznamů
a odlišných proměnných včetně
konkrétního rozdílu
• EpiLock: zaheslování a dekódování dat,
archivace
• EpiInfo Help: standardní nápověda včetně
rejstříku, vyhledávání klíčových slov a
slovníku výrazů
Epi Info: pomocné programy
• StatCalc: čtyř- a vícepolní tabulky po test
dobré shody (x2 test)
• výpočet velikosti vzorku
Epi Info: StatCalc
Epi Info: StatCalc
Epi Info: StatCalc
Epi Info: StatCalc
Epi Info: co je co (typy dat)
• data nominální: kvalitativní či kategoriální, neexistuje u
nich velikost (např. pohlaví, rodinný stav, krevní
skupina, DNA sekvence), dichotomická (alternativní):
jen možnosti ANO/NE, diskrétní
• data ordinální: lze je uspořádat a určit, která hodnota je
„vyšší“a která „nižší“, nelze ale posoudit vzdálenost
jednotlivých hodnot či kategorií (např. nejvyšší dosažené
vzdělání), diskrétní
• data intervalová: lze je třídit a určovat i vzdálenosti mezi
hodnotami (např. teplota tělesa), nezahrnují však
vzájemný poměr hodnot, spojitá
• data poměrová: mimo jiné jsou vymezeny i poměry
jednotlivých hodnot (obvykle základní fyzikální veličiny,
u nichž je jasně definovaná nula), spojitá
• spojitá data lze převádět na diskrétní pomocí vytvoření
kategorií
Epi Info: co je co (poloha)
• aritmetický průměr: součet členů souboru
dělený jejich počtem, nevýhodou jsou extrémy
(např. průměrné známky, platy)
• vážený průměr: absolutní četnosti vyjádříme
jako relativní, jako podíly z celkového počtu;
součet relativních četností (vah) v souboru je
roven 1
• geometrický průměr: všechny hodnoty (n) se
vzájemně vynásobí, ze součinu se vypočte n-tá
odmocnina; užívá se zejména v ekonomii
• medián: přesný střed hodnot seřazených podle
velikosti
• modus: hodnota s nejvyšší třídní četností
Epi Info: co je co (variabilita)
• zjišťuje se, jak se vzájemně liší jednotlivé prvky
statistického souboru
• variační rozpětí: rozdíl mezi maximem a minimem; je
citlivé na extrémy
• mezikvartilové rozpětí: rozdíl mezi horním (0,75) a
dolním (0,25) kvartilem; není citlivé na extrémy
• rozptyl: disperse hodnot souboru kolem střední hodnoty
základního souboru
• směrodatná odchylka: druhá odmocnina z rozptylu, má
stejné jednotky jako sledovaná veličina
• variační koeficient (%): používá se při hodnocení znaků
majících odlišné jednotky nebo lišících se mírou polohy,
jde o relativní variabilitu vztaženou k průměru
Epi Info: StatCalc, co je co (prevalence)
• udává podíl obyvatel, kteří mají (nebo měli)
určitý znak v dané lokalitě v daném časovém
období
• v medicíně jde typicky o stav, chorobu nebo
rizikový faktor (deprese, kouření,…)
• zjišťujeme ji v prevalenčních (průřezových)
studiích
• intervalová prevalence: v celém průběhu
sledovaného období
• bodová prevalence: vztažená k určitému datu
Epi Info: StatCalc, co je co (incidence)
• poměr nově vzniklých onemocnění (v určitém časovém
rozmezí) k celkovém počtu osob ve sledované skupině
• kumulativní incidence: poměr počtu osob, které
onemocní ve sledovaném období, k celkovému počtu
osob zahrnutých do studie
• udává se přepočtena na určitý počet osob a délku
sledování, v úvahu je brána pouze populace riziková pro
příslušné onemocnění; nabývá hodnot od 0 do 1
• incidence rate: rychlost, s jakou se ve sledované
populaci vyskytují dané zdravotní jevy; uvádí se jako
počet případů za jednotku osobočasu (např. 0,20
případů na osoborok znamená, že se daný jev vyskytne
u 1 osoby v průměru jednou za 5 let); nabývá hodnot
od 0 do nekonečna
Epi Info: StatCalc, co je co (RR)
• relativní riziko (RR): ukazatel vystihující
vztah mezi expozicí rizikovému faktoru a
zdravotním následkem
• RR=1: daný faktor NEMÁ na vznik
onemocnění vliv
• RR>1: expozice je RIZIKOVÝM faktorem
• RR<1: expozice je PROTEKTIVNÍM
faktorem
• RR je vyjádřeno poměrem incidencí v
exponovaném a neexponovaném souboru
Epi Info: StatCalc, co je co (AR)
• absolutní riziko (AR): pozorovaná nebo
vypočítaná pravděpodobnost výskytu
daného onemocnění ve studované
populaci
Epi Info: StatCalc, co je co (CI)
• interval spolehlivosti, konfidenční interval (CI):
intervalový odhad k získání představy o relativní četnosti
a průměru základního souboru
• šířkou CI lze posuzovat náhodnou výběrovou chybu; čím
užší CI, tím více se blíží hodnotám základního souboru
• hodnoty konfidenční hladiny rovny 0,9; 0,95; 0,99; 0,995
• pro 95% CI odpovídá hodnota 1,96 a pro 99% CI 2,58
• hodnota 95% nebo 99% znamená, že průměr leží uvnitř
tohoto intervalu s pravděpodobností 95 % nebo 99 %
• CI pokrývá hodnotu známého průměru s danou
spolehlivostí
• 99% CI znamená, že se ve 100 náhodných výběrech
objeví daná charakteristika právě 99krát
Epi Info: StatCalc, co je co (ODDS)
• poměr šancí, ODDS ratio, OR: používá se u studie
případů a kontrol, kde nelze aplikovat relativní riziko,
poněvadž není k dispozici kumulativní incidence, ale
můžeme kvantifikovat pravděpodobnost expozice
případů a kontrol
• OR=a*d/b*c (políčka čtyřpolní tabulky)
• a=pozitivní výskyt sledované události v experimentální
skupině, b=pozitivní výskyt sledované události v
kontrolní skupině, c=negativní výskyt sledované události
v experimentální skupině, d=negativní výskyt sledované
události v kontrolní skupině
• OR=1: ŽÁDNÝ korelát mezi rizikovým faktorem a
onemocněním
• OR>1: pozitivní souvislost, RIZIKOVÝ faktor
• OR<1: PROTEKTIVNÍ faktor
Epi Info: StatCalc, co je co (kontingenční
tabulka)
• užívá se k vizualizaci vztahu dvou statistických
znaků a testování vztahů mezi nimi
• v řádcích tabulky jsou hodnoty prvního znaku, ve
sloupcích hodnoty druhého znaku
• nezávislost: znaky se navzájem neovlivňují v tom,
jakých konkrétních hodnot nabývají
• homogenita: očekávané četnosti v políčcích
každého řádku jsou ve vzájemném poměru bez
ohledu na konkrétní volbu řádku
• ověřuje test dobré shody (x2 test)
Epi Info: StatCalc, co je co (x2 test)
• nulová hypotéza: rozložení znaků se navzájem
neovlivňuje
• alternativní hypotéza: rozložení znaků se vzájemně
ovlivňuje
• v políčkách čtyřpolní tabulky četnosti větší než 5, jinak
x2 není korektní, použijeme např. Fisher exact test
• chyba prvního druha (alfa): zamítáme nulovou
hypotézu, když platí (hladina významnosti)
• chyba druhého druhu (beta): přijímáme nulovou
hypotéz, když neplatí
• při testování si předem zvolíme úroveň chyby (alfa), tj.
hladinu významnosti (v medicíně obvykle 0,1 %, 1 % a
5 %)
Epi Info: co je co (korelace)
• vzájemný vztah mezi dvěma procesy či
veličinami
• na základě korelace ještě nelze rozhodnout, co
je příčinou a co následkem (korelace
neimplikuje kauzalitu)
• určuje lineární vztah mezi znaky, její míru
vyjadřuje korelační koeficient, který nabývá
hodnot od -1 do +1
• -1: nepřímá závislost, +1: přímá závislost, 0:
nezávislost, ale pozor: i při koeficientu 0 může
existovat závislost, jen ji nelze popsat lineární fcí
!
Epi Info: co je co (regrese)
• metody, které umožňují odhadovat hodnotu veličiny
závisle proměnné (vysvětlované či cílové proměnné,
regresanda) na základě znalosti jiných veličin
(vysvětlujících či nezávislých proměnných, regresorů či
kovariát) – např. odhad počasí přes den na základě
znalosti jeho předpovědi a momentálního stavu ráno
• je-li závisle proměnná skalár nebo vektor (např. délka
dožití v letech), jde o tzv. lineární regresi x nelineární
regrese-neuronové sítě
• je-li závisle proměnná diskrétní, jde o tzv. diskriminační
analýzu (kategorie, třídy bez možnosti určit střední
hodnotu) – např. předpověď koupě typu nápoje na
základě věku a pohlaví zákazníka