Appendix C — Exam Questions

This section provides all exam questions that you could be asked to answer during the examination.

C.1 1. Betinget uafhængighed og confounding

DK:

  • Redegør for betinget uafhængighed og dens relation til confounding, og illustrer med et eksempel.

ENG:

  • Explain conditional independence and its relationship to confounding, using an example.

C.2 2. Betinget uafhængighed, produktreglen og Bayes’ formel

DK:

  • Redegør for betinget uafhængighed og dens betydning for produktreglen og Bayes’ formel.

ENG:

  • Explain conditional independence and its implications for the product rule and Bayes’ theorem.

C.3 3. Ubetinget afhængighed og selektionsbias

DK:

  • Redegør for ubetinget afhængighed og dens relation til selektionsbias, og illustrer med et eksempel.

ENG:

  • Explain unconditional dependence and its relation to selection bias, using an example.

C.4 4. Kontinuerte sandsynlighedsfordelinger

DK:

  • Redegør for kontinuerte sandsynlighedsfordelinger.
    • a. Angiv, hvilke datatyper de forskellige fordelinger (herunder normal-, gamma- og log-normalfordelingen) typisk anvendes til.

ENG:

  • Describe continuous probability distributions.
    • a. Specify the types of data for which the various distributions (including normal, gamma, and log-normal) are typically used.

C.5 5. Mann-Whitney U-test

DK:

  • Redegør for, hvad der undersøges med en Mann-Whitney U-test.
    • a. Hvad er test-statistikken for Mann-Whitney U-testen?
    • b. Hvorfor er denne test ikke relevant ved undersøgelse af omkostningsforskelle?

ENG:

  • Explain what is investigated with a Mann-Whitney U test.
    • a. What is the test statistic for the Mann-Whitney U test?
    • b. Why is this test statistic not relevant when analyzing differences in costs?

C.6 6. Permutationstest

DK:

  • Redegør for, hvordan en permutationstest udføres for et forsøg med to eksponeringsgrupper.
    • a. Under hvilken hypotese simuleres data i en permutationstest?

ENG:

  • Explain how to perform a permutation test for an experiment with two exposure groups.
    • a. Under which hypothesis is data simulated in a permutation test?

C.7 7. Antagelser for t-test

DK:

  • Hvilke antagelser ligger til grund for en t-test?
    • a. Hvad betyder grænseværdisætningen for disse antagelser?

ENG:

  • What are the underlying assumptions of a t-test?
    • a. What is the significance of the central limit theorem for these assumptions?

C.8 8. Selektionsbias og confounding i effektstudier

DK:

  • Redegør for selektionsbias og confounding i et effektstudie, eventuelt understøttet af et kausalt diagram.

ENG:

  • Explain selection bias and confounding in an effect study, optionally using a causal diagram.

C.9 9. Tolkning af Bland-Altman-plot

DK:

  • Redegør for, hvordan et Bland-Altman-plot tolkes.
    • a. Hvordan identificeres systematisk og tilfældig variation?

ENG:

  • Explain how to interpret a Bland-Altman plot.
    • a. How can systematic and random variation be identified?

C.10 10. Intra-klass korrelation

DK:

  • Redegør for forskellen på relativ (konsistens) og absolut (overensstemmelse) intra-klass korrelation.
    • a. Hvilken type variation afspejler de to mål?

ENG:

  • Explain the difference between relative (consistency) and absolute (agreement) intra-class correlation.
    • a. What type of variation do these two measures represent?

C.11 11. Statistisk styrke og stikprøvestørrelse

DK:

  • Redegør for, hvad der forstås ved statistisk styrke (power) ved planlægning af et klinisk forsøg.
    • a. Angiv, hvilke oplysninger der indgår i beregningen af stikprøvestørrelsen.

ENG:

  • Explain the concept of statistical power when designing a clinical trial.
    • a. Specify the information required for calculating sample size.

C.12 12. Multipel lineær regression i effektstudier

DK:

  • Redegør for multipel lineær regression i et effektstudie.
    • a. Hvordan tolkes resultaterne?

ENG:

  • Describe multiple linear regression in an effect study.
    • a. How are the results interpreted?

C.13 13. Antagelser for lineær regression i effektstudier

DK:

  • Hvilke antagelser ligger til grund for lineær regression i et effektstudie?

ENG:

  • What are the underlying assumptions of linear regression in an effect study?

C.14 14. Multipel logistisk regression i effektstudier

DK:

  • Redegør for multipel logistisk regression i et effektstudie.
    • a. Hvordan tolkes resultaterne?

ENG:

  • Describe multiple logistic regression in an effect study.
    • a. How are the results interpreted?

C.15 15. Antagelser for logistisk regression i effektstudier

DK:

  • Hvilke antagelser ligger til grund for logistisk regression i et effektstudie?

ENG:

  • What are the underlying assumptions of logistic regression in an effect study?

C.16 16. Poisson-regression på binært udfald

DK:

  • Redegør for, hvilket effektmål der opnås ved anvendelse af Poisson-regression på et binært udfald (ikke tid-til-event).
    • a. Hvad skal man være opmærksom på i forbindelse med sikkerhedsintervaller, og hvorfor?

ENG:

  • Explain which effect measure is obtained when using Poisson regression for a binary outcome (not time-to-event).
    • a. How does this affect the confidence intervals, and why?

C.17 17. Poisson-regression på tid-til-event udfald

DK:

  • Redegør for Poisson-regression anvendt på et tid-til-event udfald i et effektstudie.

ENG:

  • Describe Poisson regression applied to a time-to-event outcome in an effect study.

C.18 18. F-test (ANOVA)

DK:

  • Redegør for en F-test (ANOVA).
    • a. Hvilken nulhypotese og antagelser ligger til grund for testen?

ENG:

  • Describe an F-test (ANOVA).
    • a. What are the null hypothesis and underlying assumptions of the test?

C.19 19. Interaktion i repeated measures ANOVA

DK:

  • Redegør for begrebet interaktion i en repeated measures ANOVA.
    • a. Hvordan tolkes resultaterne?

ENG:

  • Explain the concept of interaction in a repeated measures ANOVA.
    • a. How should the results be interpreted?

C.20 20. Antagelser i repeated measures ANOVA

DK:

  • Redegør for antagelserne i en repeated measures ANOVA.

ENG:

  • Describe the assumptions underlying a repeated measures ANOVA.

C.21 21. Marginale effekter vs. regressionskoefficienter

DK:

  • Redegør for, hvad en marginal effekt er, og hvordan den adskiller sig fra en regressionskoefficient.
    • a. Giv et eksempel på en tilgang til udvælgelse af estimerede marginalgennemsnit i et effektstudie.

ENG:

  • Explain what a marginal effect is and how it differs from a regression coefficient.
    • a. Provide an example of an approach to selecting estimated marginal means in an effect study.

C.22 22. Marginale effekter og logistisk regression

DK:

  • Redegør for, hvordan en logistisk regression kan anvendes til at estimere en justeret relativ risiko eller risikodifference.

ENG:

  • Explain how logistic regression can be used to estimate an adjusted relative risk or risk difference.

C.23 23. Overlevelsestabel og censurering

DK:

  • Redegør for, hvordan en overlevelsestabel konstrueres.
    • a. Beskriv typer af censurering.

ENG:

  • Explain how to construct a survival table.
    • a. Describe the types of censoring.

C.24 24. Sammenligning af overlevelseskurver

DK:

  • Hvilke metoder findes der til at opsummere forskellen mellem to overlevelseskurver i et enkelt mål?
    • a. Hvilke antagelser ligger til grund herfor?

ENG:

  • What methods are available to summarize the difference between two survival curves in a single value?
    • a. What are the underlying assumptions?

C.25 25. Forskelle mellem prædiktions- og effektstudier

DK:

  • Redegør for de centrale forskelle mellem et prædiktionsstudie og et effektstudie.
    • a. Vær særligt opmærksom på studiernes rolle i klinisk beslutningstagning.

ENG:

  • Explain the key differences between a prediction study and an effect study.
    • a. Pay particular attention to the role of these studies in clinical decision-making.

C.26 26. Logistisk regression i effekt- vs. prædiktionsstudier

DK:

  • Redegør for forskellene i anvendelsen af logistisk regression i henholdsvis effekt- og prædiktionsstudier.
    • a. Hvilke overvejelser ligger til grund for valget af regressionsmodel i de to studietyper?

ENG:

  • Explain the differences in how logistic regression is used in effect and prediction studies, respectively.
    • a. What should be considered when choosing a regression model in these two types of studies?

C.27 27. Validering af prædiktionsmodeller

DK:

  • Redegør for krydsvalidering og ekstern validering af prædiktionsmodeller, og forklar, hvorfor begge er relevante.
    • a. Hvilke typer ekstern validering findes der?

ENG:

  • Describe cross-validation and external validation of prediction models, and explain why both are relevant.
    • a. What types of external validation exist?

C.28 28. Kalibrering af binær prædiktionsmodel

DK:

  • Redegør for kalibrering af en binær prædiktionsmodel, og giv eksempler på, hvordan kalibrering kan kvantificeres.

ENG:

  • Explain calibration of a binary prediction model, and provide examples of how calibration can be quantified.

C.29 29. ROC-kurve og AUC

DK:

  • Redegør for en receiver operating characteristic (ROC)-kurve og tolkningen af arealet under kurven.

ENG:

  • Explain a receiver operating characteristic (ROC) curve and how to interpret the area under the curve.

C.30 30. Tærskelværdi for klinisk binær prædiktionsmodel

DK:

  • Redegør for de centrale overvejelser ved fastsættelse af tærskelværdien (cut-off) for en klinisk binær prædiktionsmodel.
    • a. Hvordan omsættes disse overvejelser til en konkret tærskelværdi? Brug eventuelt nakkefoldsskanning som eksempel.

ENG:

  • Describe the key considerations in determining the threshold (cut-off) for a clinical binary prediction model.
    • a. How are these considerations translated into a specific threshold value? You may use the neck fold scan as an example.

C.31 31. Beslutningskurveanalyse

DK:

  • Redegør for, hvordan en beslutningskurveanalyse tolkes.

ENG:

  • Explain how to interpret a decision curve analysis.

C.32 32. Stikprøvestørrelse for ekstern validering

DK:

  • Redegør for beregningen af stikprøvestørrelsen ved ekstern validering af en binær prædiktionsmodel.

ENG:

  • Describe the calculation of sample size for external validation of a binary prediction model.

C.33 33. Validering af prædiktionsmodel for kontinuert udfald

DK:

  • Redegør for valideringen af en prædiktionsmodel for et kontinuert udfald.

ENG:

  • Describe the validation of a prediction model for a continuous outcome.

C.34 34. Funnelplot i metaanalyse

DK:

  • Redegør for, hvordan et funnelplot konstrueres og tolkes i en metaanalyse.

ENG:

  • Describe how to construct and interpret a funnel plot in a meta-analysis.

C.35 35. Forest plot og heterogenitet i metaanalyse

DK:

  • Redegør for, hvordan et forest plot tolkes i en metaanalyse.
    • a. Redegør for heterogenitetsbegrebet og måling heraf.
    • b. Hvad skal man være opmærksom på, når observationsstudier indgår i analysen?

ENG:

  • Describe how to interpret a forest plot in a meta-analysis.
    • a. Explain the concept of heterogeneity and how it is measured.
    • b. What should be considered when observational studies are included in the analysis?

C.36 36. Random- og fixed-effects i metaanalyse

DK:

  • Redegør for random- og fixed-effects i meta-analyser.
    • a. Hvornår bør random-effects anvendes, og hvad er ulemperne herved?

ENG:

  • Describe random- and fixed-effects in meta-analyses.
    • a. When should random-effects be used, and what are their disadvantages?