HEMŞİRELİK Biyoistatistik Ders Notları /2019 –GÜZ

... konulu sunumlar: "HEMŞİRELİK Biyoistatistik Ders Notları /2019 –GÜZ"— Sunum transkripti:

1 HEMŞİRELİK Biyoistatistik Ders Notları /2019 –GÜZ

2 HAFTALARA GÖRE KONULAR
20.Eyl Tanışma-Biyoistatistiğe Giriş 1 26.Eyl Olasılık ve İstatistiki kavramlar 2 03.Eki Verilerin düzenlenmesi 3 10.Eki Tanımlayıcı İstatistik 4 17.Eki Olasılık ve Kuramsal Dağılımlar 5 24.Eki Merkezi dağılım ölçüleri 6 31.Eki Tekrar 07.Kas  VİZE 7 14.Kas Örnekleme yöntemleri 8 21.Kas Nokta ve Aralık Tahminlenmesi 9 28.Kas Ortalamaların Karşılaştırılması 10 05.Ara Oranların Karşılaştırılması 11 12.Ara Hipotez testleri 12 19.Ara  Korelasyon ve Regresyon

3 SSS: Kitap Tavsiyesi

4

5 İstatistik Nedir? Giriş Belirli olayların gözlemlenmesi
Gözlemle ile elde edilen verilerin toplanması Düzenlenmesi Uygun yöntemlerle analiz edilmesi ile ilgilenen bir bilim dalıdır.

6 İstatistik Prof.Dr.Mustafa Ş. Şenocak,2014
Olasılığa dayalı olayların incelenmesi Kuramsallaştırılması Aralarında bağıntı kurulması yöntemlerinin tümü  İstatistik bilimini oluşturur. Prof.Dr.Mustafa Ş. Şenocak,2014

7 İstatistik Biyoistatistik
Pozitif bilimlerin temeli olan gözlemlerin yapılması, verilerin toplanması, analizi ve yorumu için gerekli yöntemlerin geliştirilip uygulanması ile uğraşan verilerden  olasılık deneyimleri ile objektif karar vermede önemli rolü olan bilim dalıdır. Temelini CANLI / CANSIZ öğelerle yapılan gözlemlerden alan sayısal verilerden yola çıkarak nedensellik bağlarını inceleyen ve bu bağları olasılık ilkeleri çerçevesinde yargılayan bu amaçla araştırma yöntembilimi ve istatistiksel değerlendirme yöntemlerini kullanan bilim dalıdır.... Biyoloji ile ilgili bilimler için geliştirilen ve geliştirilmekte olan istatistiki metotları kullanan bilim dalı Kuralları Ortaya Koyan Bilim

8 Neden Biyoistatistiğe ihtiyacımız var?
Çok hasta? Çok???? CRPsi çok yüksekmis? çok-cut off? 18,3 > Neden yüksek? 0-5 Çoğunlukçu Biyoistatistik?

9 CRP yüksekliği CRP başlıca aşağıdaki durumlarda yüksek çıkabilir: *  Enfeksiyon  ve/veya  romatizmal hastalıklar *  İltihaplı bağırsak hastalığı ve eklem enfeksiyonları varlığında   şüphesinde  * Bazı bağışıklık sistemini ilgilendiren hastalıklar (Otoimmün hastalıklar)  * Pelvis enfeksiyonlar * .Koroner arter hastalığı ve kalp hastalıklarında  * İnsülin direncinde hafif de olsa artma beklenebilir * Aşırı kilolu kişilerde CRP yükselebilir.

10 Biyoistatistik Kullanım Alanları
Koruyucu Tıpta Klinik Tıpta Klinik tanıda yöntemlerin yargılanması- kıyaslanması Yeni tedavi yöntemlerinin yargılanması, kıyaslanması Sonuçları etkilediği düşünülen farklı etkenlerin etki derecelerinin ortaya konması Genel ve bölgesel sağlık durumu saptama ve planlanması Toplumsal Özelliklerin değerlendirilmesi Farklı toplumların kıyaslanması Tarama ,tedavi ve önlemlerin değerlenmesinde

11 Prof. Dr. İlhan SATMAN ve TURDEP-II Çalışma Grubu Verilerine Genel Bakış

12 http://www.diabetcemiyeti.org/c/turdep-2-sonuclari ‘nın ozeti
TURDEP-II’ye göre Türk erişkin toplumunda diyabet sıklığının %13.7’ye ulaştığı görülmüştür. Sonuç olarak 1998’de yapılan TURDEP-I’e göre, yeni tamamlanan TURDEP-II çalışmasında Türkiye’de diyabet 12 yılda diyabet sıklığı %90, obezite ise %44 artmıştır.

13

14 OlasILIK VE İSTATİSTİKİ KAVRAMLAR

15 BİLGİNİN ELDESİ Her bir problemin çözümünde belli başlı bilgilere ihtiyaç vardır Bilgi, veriden işlenmiş olmasıyla ayrılan farklı bir kavramdır Doğru bilgi, doğru kararlar alınması için yönlendiricidir. Bilginin kaynakları: Gelenekler-İnanç Otorite kararı Bireysel Deneyimler/ Tecrübe ya da Bilim olabilir.

16 Bilginin Tanımından -Bilime
Doğru bilginin temel kaynağıdır. Yöntemle elde edilen ve uygulamayla doğrulanan, her zaman ve her yerde geçerlilik ve kesinlik nitelikleri taşıyan yöntemli ve dizgesel bilgi. Öznellikten; neden sonuç ilişkilerinin birden fazla kez sorgulanması, çözümlenmesi, gözlemlenmesiyle ayrılmış, Nesnel-düzenli bilgiler birikimidir.

17

18 Bilgi ve Veri Farkı İşlenmiş veriye bilgi denir.
Olayı aydınlatmak için kullanılan materyaldir. Veri hamdır Düzenlenmemiştir. Kimi durumlarda veri sayısı az Verinin kendisi basit olabilir Veri rastgele olup, düzenlenmediğinde işlevsizdir. İşlenmiş veriye bilgi denir. Verinin düzenlenmesi , yapılandırılması ve belli bir sıra gözeterek sunulmasıyla Kullanışlı hale getirilmesine bilgi denir. HVG, HBS

19 Belirsizlik Ölçülen büyüklüğün gerçek değerinin de içinde bulunduğu değerler aralığını karakterize eden tahmini değerlerdir. Belirsizlik ile bilgi ve karar sürecine daha net, yanıltıcı olmayan ilaveler yapılabilmesi için kesin ifadelerden kaçınılmış olur. Belirsizlik: Bilinmezlik ya da olabilirlik bildiren sözdür.(tdk) Belirsizlik olduğu durumda kesinlikten bahsedilemez

20 Belirsizliğin Nedenleri
Geleceğe ilişkin çıktıların ön görülememesi Eldeki bilginin yetersiz olması nedeniyle içinde bulunulan durumun yeterince tanımlanamaması Nefes darlığı, 59 yaş, K Akciğer filmi – Hemogram -

21 Belirsizliğin Nedenleri
Aniden ortaya çıkan şiddetli karın ağrısı: Nedenleri: ? Apandisit ? Akut kolesistit ? Ülser perforasyonu ? Pankreatit ?Dış gebelik rüptürü ?Üriner taş Birden fazla olası tanı, beklenti, karardan hangisinin olabileceğinin saptanamaması

22 Tıpta Belirsizlik: Doğru karar alabilmek için ortaya çıkan belirsizliklerle baş etme sanatı olarak: tıp. Belirsizliği en aza indirmek için veriler sayısallaştırılabilir. Oysa doğası gereği tıp belirsizlik kaynakları açısından en zengin alanlardan biridir. Belirsizlik birden fazla seçenek demek ise; belirsizliği oluşturan tüm seçeneklerin ortaya konmasıyla her bir seçeneğe düşen olasılık hesaplanabilir. Bu: risk – yarar hesabıdır.

23 RİSK RİSKİN DIŞINDA KALAN (0-YARAR) Belirsizlikler nedeniyle ortaya çıkabilecek olumsuz / ölümcül sonuçlar ya da bunlardan zarar görme olasılığıdır. Risk değerlendirildiğinde; istenmeyen sonuçlar istenen sonuçlarla karşılaştırılır ve olasılıkları çerçevesinde « büyüklükleri» belirlenir. Riske İlişkin belirsizliklerin dışında kalan durumların gerçekleşebilme şansı/olasılığı… Örn:3’lü tarama testi: AFP,B-HCG,E2

24 Tıpta Belirsizlik Kaynakları
1.Kişiler Arası Farklılıklar Normal Biyolojik Farklılıklar Genetik Yaş Cinsiyet Boy Kilo Kan grubu Çevresel Farklılıklar Geçirilen Hastalıklar Beslenme Fiziksel aktivite İçki-sigara alışkanlığı Kişilik Kültür Gelir Eğitim Meslek Yerleşim ortamı

25 Tanı, Tedavi, Takip Kaynaklı
Tıpta Belirsizlik Kaynakları 2.Yetersiz Bilgi Hasta Kaynaklı: Tanı, Tedavi, Takip Kaynaklı Hatırlayamamak Açıklayamamak Doğru tanımlayamamak Tanı koymada olanak yetersizliği Kesin ayırım sınırlarının iç içe geçmesi Erken evrelerdeki süreç sorunları….

26 karmaşık neden zincirleri
«Diyaliz hasta grubunda morbidite ve mortalitenin en önde gelen nedeni kardiyovasküler komplikasyonlardır». Mikrovasküler tutulum Böbrek Hasarı Diyaliz Kardiyovasküler hastalıklar Ölüm Çoklu nedenli sonuçlar karmaşık neden zincirleri

27 Belirsizliği Azaltma Yolları
Risk Yarar Düzeyleri, tüm seçeneklerin göz önüne alınmasıyla olasılık çerçevesinde belirlenebilirse ; hesaplanabilir. OLASILIK TABANLI YARGILAMANIN TEMELİNİ OLUŞTURUR. Belirsizlik ölçümü yapılan değerlerin doğası ya da ölçümden kaynaklanan hatalar gereği kaçınılmazdır. Araştırıcı ya da gözlemcinin hedefi belirsizliği olabildiğince azaltmaktır.

28

29 Belirsizliği Nesneleştirmek,Sayısallaştırmak
6-1 6-3 .

30 Beklenenler vs. Gerçekler
Bu gözlemi hali hazırda bildiğimiz, deneyimlediğimiz bir noktayla kıyaslıyoruz. “Normal” “Standart” “Kıyas Ölçütü” diyebileceğimiz bir referans noktası Bu nokta dışına çıkılabilen durumlarda şüphe duyuyoruz Karşılaştırma yapmak, elimizdeki pulu kıyaslamak veya yazılımda bir hile olduğunu iddia edebilmek için. Normalin Beklenenin Dışında bir durum olduğunu gözlemlemiş olmamız gerekir.

31 Karşılaşılan durumların bu referans noktasından Normalden Standarttan
Ya da kıyas olarak ölçüt kabul ettiğimiz noktadan Farklı Alışılmadık Özel Yeni olduğunu iddia edebilmek Bu iddiamızdan nesnel ölçütlerin izin verdiği ölçüde emin olmak için istatistiki değerlendirmeye gereksinim duyuyoruz. 10 atıştan 7sinde 6 attı? Bu hormon cihazı her 10 hastada bir hatalı sonuç veriyor.

32 DEĞERLENDİRME EVREN Değerlendirme Ortamı TSH ölçümü Değişkenim TSH değerleri Değerlendirme Kıyas Öğelerim Bu yeni x marka cihaz ile Siemens Değerlendirmeyi oluşturan Örnekler Değerlendirme ikincil etmenleri Kaçıncı ölçümden sonra yazılım gerçeğe aykırı sonuç verir oldu/ kalibratör Değerlendirme Yargınız Cihaz bozuk/ yazılım

33 Nedensellik Varsayımı
Sezgiler, öncül bilgilerden de yola çıkarak başlayabilen Kurgulanmış nedensellik varsayımının geçerliliğini O ana dek bilinmeyen nicel ya da nitel durumlarla değerlendirmek varsayımın temelidir. NEDEN Hileli yazılım olduğu için Bana hep az puan geliyor Cihaz bozuk olduğu için

34 NedensellikBağı İki – veya daha fazla - ayrı olgu veya duruma ilişkili olarak birinin ,diğerinin var olması nedeni ile ortaya çıkması veya birbirlerine uyumlu olarak düzey değiştirmeleri biçiminde belirlenen mantıklı, olabilir, ölçülebilir uyuma “nedensellik bağıntısı” denir. Mustafa Ş. Şenocak

35 Biyoistatistik Temelini CANLI / CANSIZ öğelerle yapılan gözlemlerden alan sayısal verilerden yola çıkarak nedensellik bağlarını inceleyen ve bu bağları olasılık ilkeleri çerçevesinde yargılayan bu amaçla araştırma yöntembilimi ve istatistiksel değerlendirme yöntemlerini kullanan bilim dalıdır.... Biyoloji ile ilgili bilimler için geliştirilen ve geliştirilmekte olan istatistiki metotları kullanan bilim dalı

36 Nedensellik Bağı Zamansal açıdan uygunluk göstermelidir.
Öncül olanın ilk olması, diğer olayın buna bağlı gerçekleşmesi gibi. ortaya çıkarma – neden olma – yaratma-uyum “ mantığı olmalıdır. Eldeki bilgilerle ters düşmemelidir. Nesnel olarak kanıtlanabilir bir ilgi ortaya koymalıdır.

37 NEDENSELLİK BAĞI 2-BİRLİKTE DEĞİŞİM 1- NEDENSEL
(COVARİATİON) BAĞINTISI 1- NEDENSEL (CAUSAL) BAĞINTI

38 1- NEDENSEL (CAUSAL) BAĞINTI
X varsa Y ortaya çıkıyor... X ve Z varsa Y ortaya çıkıyor ... X veya Z varsa Y ortaya çıkıyor...... Kan glukozu devamlı sabit ve yüksek olduğunda diyabet gelişiyor Diyabetin sebebi: kontrolsüz yüksek kan şekeri Hem diyabet hem de mantar varsa enfeksiyon gelişiyor.

39 Akla gelen her ilgisel durum “nedensellik” değildir ve nesnel olarak kanıtlanmadıkca hiç bir açıklama «gerçek» sayılmaz..... Nedensellik bağları genellikle “sadece 2 oluşumlu” (tek neden ve belli bir sonuç) değildir ve % 100 geçerlilikle işlemezler... Çok sayıda farklı etken birleşimi belli tipteki tek bir sonucu (çoklu nedensel etiyoloji (multifactorial etiology) veriyor olabilir. Yaş+ Cinsiyet+ Kan Basıncı+ BKI+Genetik+ Beslenme Tipi+ Sigara+ Stress+ ……MI

40 TEK ETKEN (NEDEN)  TEK SONUÇ:ÇOK ENDERdir.
Bazı ek koşullar/etkenler sonucun-hastalığın ortaya çıkma riskini arttırabilir veya azaltabilir.. ETKEN VAR ETKEN YOK Hastalık VAR 49 Hastalık YOK 147 Örneğin: Rabies virüsü var Kuduz Virüs yok Hastalık yok

41 Etken Yoksa Hastalık Da Yoktur..Etken Varsa Hastalık Mutlaka Vardır…
Örneğin: Rabies virüsü var Kuduz Virüs yok Hastalık yok “Etken” Hastalığın Varlığı İçin – Tek Başına - Hem Gerekli Hem Yeterlidir Etken Yoksa Hastalık Da Yoktur..Etken Varsa Hastalık Mutlaka Vardır… ETKEN VAR ETKEN YOK Hastalık VAR 49 Hastalık YOK 147

42 Gerekli Etken Yeterli Etken Hastalık VAR 10 Hastalık YOK 11 12
ETKEN VAR ETKEN YOK Hastalık VAR 10 Hastalık YOK 11 12 Gerekli Etken Etken yoksa hastalık da yoktur ETKEN VAR ETKEN YOK Hastalık VAR 11 14 Hastalık YOK 12 Yeterli Etken Etken varsa mutlaka hastalık da ardır ama hastalık etken yokken de vardır.

43 Sufficient Cause Necessary Cause Etken yokken hastalık da yok
GEREKLİ ETKEN YETERLİ ETKEN Necessary Cause Etken yokken hastalık da yok Hastalığın olması için bu etkenden başka , çeşitli ek nedenler de farklı sayı ve karışımlarla bulunabilecektir.. HIV ile infekte herkes AIDS olmak zorunda değildir , ama tüm AIDS olgularında HIV bulunur..... Sufficient Cause [etken varsa hastalık mutlaka vardır ama…] Sonucun-Hastalığın olması için bu etkenin-durumun varlığı yeter ama ayni sonuç başka neden / alt neden birleşimlerinden de ortaya çıkabilir . Major Abdominal aortik rüptür geçirmek ölmek için yeterlidir ama ölüm için sayısız başka neden de vardır..

44 Hem gerekli hem de yeterli etken
GEREKLİ ve YETERLİ ETKEN Bu etken varsa sonuç mutlaka vardır ve bu sonuç bu etken dışındaki başka etken varlıklarında/birlikteliklerinde görülmez.. EritrosirGlu(E)Val Orak hücre anemsisi Tay-Sachs sendromu BU TİP ETKEN «TEK» NEDEN , TİPİK ZORUNLU SONUÇ ŞEKLİNDE ÖZETLENEBİLİR

45 TEK ETKENin (NEDEN) TEK SONUÇ vermesi ÇOK ENDERdir.
Böylece ,yeterli etken bazen farklı alt etken bileşimleri şeklinde ortaya çıkabilir... yeterli nedenleri ortaya koyabilir BMI Obezite Sigara  Yeterli MI bazı özel nedensel koşul-etken çoklu birliktelikleri ,sonucun ya da hastalığın ortaya çıkmasına beraber neden olabilirler , riskini arttırabilir veya azaltabilir..

46 YETERLİ – BİRLEŞİK - ETKEN = YETERLİ NEDEN bazen TAMAMEN farklı
altETKEN bileşimleri şeklinde ortaya çıkabilir...SUDS Neden Tipi Alt etkenleri Yeterli Neden Tipi 1 İleri yaş >30 BKI Uzun süre hareketsiz oturmak Yeterli Neden Tipi 2 Mitral Kapak bozukluğu Ventriküler Aritmi atağı >60 Yaş Yeterli Neden Tipi 3 Genetik sorun(channenopaties) Erken doğum

47 Neden Tipi Alt etkenleri Yeterli Neden Tipi 1 İleri yaş >30 BKI Uzun süre hareketsiz oturmak Yeterli Neden Tipi 2 Mitral Kapak bozukluğu Ventriküler Aritmi atağı >60 Yaş

48 Neden Tipi Alt etkenleri Yeterli Neden Tipi 2 Mitral Kapak bozukluğu Ventriküler Aritmi atağı >30 BKI >60 Yaş Yeterli Neden Tipi 3 Genetik sorun(channenopaties) Erken doğum Etkenlerin yinemelediğine dikkat ediniz

49 Kimi durumlarda belirli bir etkenin o hastalık ya da olgu için «tipik gerekli etken» olduğuna ve «yeterli nedenin» her bir tipi için bu «tipik gerekli etkeni» içerdiği görülür

50 TÜM* TIPSAL NEDENSELLİK SÜREÇLERİNDE
Sürecin tarafları olan ögelerde: hem belli bir olumlu veya olumsuz sonuç durum için (etiyoloji/ patoloji veya terapi) nedensel koşulları/etkenleri belirlemek hem de gereğinde belli olumsuz sonuçlara neden olabilecek etken ve nedenleri engellemek adına olabilecek tüm gerekli etkenler yeterli etkenler, yeterli neden yapıları göz önünde bulundurulmalıdır... *(tanılama , tedavi kararları , prognoz beklentileri , klinik araştırma planlamaları , araştırma karar süreçleri , toplumsal boyutta sağlıksal önlemler, , toplumsal sağlık durumunun değerlendirilmesi , vs)

51 NEDENSELLİK» VARLIĞININ GÖZLENMESİve NESNEL KANITLARI
Koch , Loefflere göre (1884) , bir patoloji ile bir mikrobiyolojik etken arasında nedensellik bağıntısı kurmak için gereken dört ölçüt : Mikroorganizmanın tüm hastalıklı organizmalarda yüksek oranda bulunması, sağlıklı organizmalarda ise bulunmaması. Mikroorganizma hastalıklı organizmadan ayırılıp (izole edilip), saf kültürde büyütülebilmesi. Kültürdeki mikroorganizmalar sağlıklı bir organizmaya nakledildiğinde hastalığa yol açabilmesi Aşılanmış, hastalıklı deneysel evsahibi organizmadan mikrobiyolojik etken tekrar ayırılıp (izole edilmeli) ,orijinal mikrobiyolojik etken ile kıyaslandığında aynı olduğu saptanmalıdır.

52 NEDENSELLİK» VARLIĞININ GÖZLENMESİ ve NESNEL KANITLAR
Sir Bradford Hill Ölçütleri • Kuvvet (Strength) • Tekrarlanabilirlik (Consistency) • Özgünlük (Specificity) • Zaman ilişkisi (Temporality) • Doz – etki ilişkisi (Biological gradient) • Olabilirlik (Plausibility) • Tutarlılık (Coherence) • Deney (Experiment) • Benzerlik (Analogy) I

53 Kuvvet (Strength) Sayısal veriler ve biyoistatistiksel değerlendirmeler çerçevesinde bir tıpsal sürecin tarafları arasındaki nedensellik bağıntısının , «şansa bağlı olarak raslanmayacak» bir olasık düzeyi , ve / veya «bir özelliğin düzeyine bakarak bir diğerininkini kestirebilme yeteneğinin» yüksek doğruluk taşımasıdır... «nedenselik» varlığının ana ve en nesnel ölçütü olan «kuvvet» ancak biyoistatistik değerlendirme ile kanıtlanabilir.

54 Etken hastalığa mutlaka neden olmamaktadır…
ama …..etken olmadığı zaman da mutlaka hastalıktan uzak kalınamamaktadır.. yine de ; etken taşınıyorsa taşınmadığı koşullara göre 40 kat daha fazla hasta olma riski olduğu söylenebilir olasılıksal kavram…. ETKEN VAR ETKEN YOK Hastalık VAR 40 2 Hastalık YOK 10 98 Etken varken hastalık olma oranı/ etken yokken hastalık olma oranı

55 Korelasyon veya doğrusal ilişki her zaman nedenselliğe bağlı değildir
Birlikte değişme nedensellik açıklaması için gereklidir ama yeterli değildir. Korelasyon nedensellik değildir; ama nedenseliğin daha ayrıntılı incelenmesi gerektiren ipucu sağlar.

56 Korelasyon değeri 1 ile -1 arasında değişir;
iki değişken beraber artıp beraber azalıyorsa bu değer 1'e yakındır, tamamen zıt hareket ediyorlarsa bu değer -1'e yakındır, eğer aralarında beraber artma/azalma ilişkisi yoksa da bu değerin 0 civarında olduğunu gözlemleriz. Ancak burada iki değişken arasında bir ilişki bulmak, bunlardan birinin bir diğerine sebep olduğunu açık bir şekilde göstermez.

57 Biri diğerine sebep-sonuç olmayan birçok pratik örnek vermek mümkündür.
 Nedensellikden doğmayan yakın ilişkiye sahte korelasyondur. Genellikle bu sahte korelasyon iki değişkenin de bir başka saklı olan degisken tarafından etkilenmesi dolayısı ile ortaya çıkar.

58 A nedendir B sonuçtur B nedendir A sonuçtur; Aynı zamanda C neden A sonuçtur Ve C neden B sonuçtur. İşte sahte korelasyon üçüncü halde ortaya çıkar. A ve B arasında görülen yakın ilişki biribirinin sebep-sonuç olmasından doğmaz. Yakın korelasyon her hâlde sebep-sonuç ilişkisi ifade etmediğinden “korelasyon nedensellik degildir”.

59 İskandinavya'da 19. yüzyil sonu ve 20
İskandinavya'da 19. yüzyil sonu ve 20. yüzyıl için yıllık leylek sayısı ve yıllık çocuk doğumları inceleyince çok yakin bir pozitif korelasyon bulunmaktadır. Bu, doğan çocuklarin leylekler tarafından getirildikleri önermesini doğrulamaz. Hem çocuk doğum sayısı hem de leylek sayısı ekonomik gelişme ve sehirleşme dolayısıyla azalmış ve bu iki azalma birinin diğerine sebep-sonuç olmasından ortaya çıkmamıştır. Bir sahil şehrinde aylık dondurma satışlariı ile aylık denizde boğulma sayıları yıl içinde birlikte artıp eksilime gösterip yakın pozitif korelasyon gösterirler. Bu demek değildir ki fazla dondurma fazla boğulmalara sebep-sonuç olmakta veya boğulmaların azalması dondurma satışlarına aksi tesirde bulunmaktadır. Her ikisi de mevsim değiştiği için aynı yönde değişik etki görmektedir.

60 Ayakkabı ile uyumak, baş ağrısı ile uyanmakla yakın pozitif korelasyon gösterir. Bu demek değildir ki ayakkabi ile yatmak baş ağrısı doğurur. Çok daha uygun bir açıklama, her ikisinin de fazla alkolik içki kullanma sonucu ortaya çıkmasıdır. Bir yangına müdahale eden itfaiye mensuplarının sayısı ile yangından ortaya çıkan maddi hasar birbirleri ile yakın korelasyon gösterirler. Bu demek değildir ki itfaiye mensubu sayısı artışı (yağmacı artışı gibi) daha çok maddi hasar çıkmasına neden olur. Asıl açıklama yangının büyüklüğü ve şiddetine dayanır; büyük yangınlar daha çok itafiyeci gerektirir ve daha çok hasar doğurur ve aksi de doğrudur.