De effectmatenkaart

Welke maat hoort bij welke situatie? · vraag 2 uitgevouwen

Vooraf, in één zin: er zijn tien of twaalf effectmaten in omloop en ze lijken een willekeurige verzameling — maar ze doen alle twaalf maar één van drie dingen: aftrekken, delen, of omkeren.

Deze kaart hoort bij vraag 2 van de vijf basisvragen: wat is de effectmaat? Je hoeft hier niets uit je hoofd te leren en niets van te snappen — leg hem naast je artikel en zoek op wat er voor je neus staat.

Kom je hier vanuit de parkeerkaart of het register, dan ben je goed: dit is het adres waar de effectmaten naast elkaar staan. En bij elke maat staat waar hij wordt uitgewerkt, zodat een overzicht nooit je eindstation is.

Eerst de tweesprong: geteld of gemeten?

Alles begint bij de uitkomstmaat, en die tweesprong beslist meteen welke helft van deze kaart voor jou is.

Geteld — een uitkomst die er is of niet is: terugval ja/nee, heropname ja/nee, abstinent ja/nee. Je telt mensen in hokjes. Hier horen de risicomaten bij.
Gemeten — een uitkomst op een schaal: een BDI-score, een PANSS-score, een aantal punten. Je kunt er een gemiddelde over nemen. Hier horen de verschilmaten bij.

Kom je bij een geteld artikel een Cohens d tegen, of bij een gemeten artikel een odds ratio, dan is er iets bijzonders aan de hand — bijvoorbeeld dat er onderweg een schaal in ja/nee is geknipt. Dat is het opmerken waard.

Dan het ordenend principe: aftrekken, delen, omkeren

Dit is de hele kaart in drie regels, en het geldt aan beide kanten van de tweesprong.

Aftrekken. Je haalt de ene groep van de andere af, en houdt de eenheid van de wereld vast: 32 procentpunten minder terugval, 2.4 punten lager op een angstlijst. Zo’n getal kun je aan het bed teruglezen — maar je kunt het niet naast een ander onderzoek leggen, want dat mat op een andere lat. Nulwaarde: 0.

Delen. Je deelt de ene groep door de andere, of je deelt door een standaardafwijking. Nu kan het getal reizen: je kunt het naast ander onderzoek leggen, dwars door meetlatten heen. Maar je bent kwijt hóe groot het in de wereld was. Nulwaarde: 1 bij een verhouding van twee groepen; 0 bij een gestandaardiseerd verschil, want dan is er nog steeds afgetrokken vóór er gedeeld werd.

Omkeren. Eén maat doet iets anders: hij deelt 1 door het verschil, en levert een antwoord in patiënten. Dat is de NNT, en hij is precies daarom de maat die aan een vergadertafel blijft hangen.

Meer smaken zijn er niet. Elke maat hieronder is één van deze drie.

Een getelde uitkomst — de risicomaten

Alle zes de maten hieronder komen uit één tabel. Dit is de kruistabel uit het blok over de kruistabel en χ², waarvan hier alleen de twee buitenste nazorggroepen zijn genomen:

	terugval	geen terugval	totaal
intensieve nazorg	12	38	50
geen nazorg	28	22	50

Maat	Doet	Nulwaarde	Zo ziet hij eruit	Uit deze tabel
AR — absoluut risico	— (beschrijft)	—	“18.9% of patients were readmitted”	24% en 56%
RV — risicoverschil / risk difference, absolute risk reduction	aftrekken	0	“an absolute risk reduction of 8.5%”	32 procentpunten
NNT — number needed to treat	omkeren	∞	“NNT = 12 (95% CI 7–34)”	4
RR — relatief risico / risk ratio	delen	1	“RR = 0.69, 95% CI [0.51, 0.93]”	0.43
RRR — relatieve risicoreductie	delen	0	“a 31% reduction in risk”	57%
OR — odds ratio	delen	1	“OR = 2.67, 95% CI [1.42, 5.02]”	0.25

Waar deze zes uitgewerkt staan. Alle zes worden opgebouwd uit één kruistabel in de odds ratio — daar staat ook waarom de OR en het relatieve risico uit elkaar drijven. Het risicoverschil en de NNT komen bovendien terug in Van significant naar relevant: dat zijn de twee maten waarmee je vraag 5 beantwoordt, de vraag wat dit op een afdeling betekent. Wil je de NNT niet alleen lezen maar wegen, dan staan daar drie artikelfragmenten waarin een NNT gerapporteerd wordt en de vraag is of de zin eromheen klopt.

De NNT is verder de vreemde eend in de kolom nulwaarden: bij géén verschil deel je 1 door 0 en loopt hij naar oneindig. Lees hem daarom altijd andersom dan de rest — hoe kleiner de NNT, hoe sterker de interventie. Een NNT van 4 is uitstekend, een NNT van 100 zegt dat je honderd mensen moet behandelen voor één die er iets aan heeft.

En bij de NNT hoort één grens die scherper is dan de maat zelf: de NNT hoort bij een interventie, het risicoverschil bij elke twee groepen. De NNT vraagt hoeveel patiënten moet ik behandelen om er één te helpen — is er niemand behandeld, dan rekent de som nog wel maar bestaat de zin niet. Bij de tabel hierboven mag het: nazorg is iets wat je geeft. Kijk dus bij elke NNT die je tegenkomt eerst of er wel iets gedáán is.

Twee dingen om hier even bij stil te staan.

De laatste kolom laat zien wat het onderscheid absoluut-versus-relatief in de praktijk aanricht: RRR = 57% en RV = 32 procentpunten zijn dezelfde werkelijkheid. De eerste klinkt indrukwekkender. Beide zijn waar. Dit is de reden dat er bij relatieve maten altijd een waarschuwing hoort: de absolute maat vertelt je het werkelijke risico, de relatieve vertelt je een verhouding, en verhoudingen worden groot zodra ze van iets kleins genomen worden. Het scherpst zie je dat bij een zeldzame uitkomst: gaat een risico van 2% naar 1%, dan is de RRR 50% — en het risicoverschil is 1 procentpunt en de NNT 100. Alle drie waar, alle drie dezelfde studie.

En de OR van 0.25 tegen het RR van 0.43: uit dezelfde vier cellen, en niet hetzelfde getal. Terugval komt in dit onderzoek vaak voor (56% in de controlegroep), en hoe gewoner de uitkomst, hoe verder de odds ratio van het relatieve risico wegdrijft — altijd naar de indrukwekkende kant. Waarom dat zo werkt staat in de odds ratio.

Een gemeten uitkomst — de verschilmaten

Maat	Doet	Zo ziet hij eruit	Waar in dit werkboek
verschil in gemiddelden / mean difference	aftrekken	“mean difference = −2.4, 95% CI [−4.13, −0.67]”	Het betrouwbaarheidsinterval
verschil in verandering / difference in change	aftrekken (twee keer)	“−12.4 vs. −5.1 points from baseline”	Interactie en moderatie
Cohens d	aftrekken, dan delen	“Cohen’s d = −0.90, 95% CI [−1.72, −0.07]”	De effectgrootte
Pearson r	delen	“r = −.44, 95% CI [−.62, −.23]”	De correlatie
b — ongestandaardiseerde regressiecoëfficiënt	(helling)	“b = 0.38, SE = 0.19, p = .066”	Enkelvoudige regressie · Meervoudige regressie
β — gestandaardiseerde regressiecoëfficiënt	delen	“β = 0.24, p < .001”	Enkelvoudige regressie, en hieronder
η² / partiële η²	delen	“F(2, 81) = 7.26, η² = .15”	ANOVA en η²

Over b en β, want die twee staan in artikelen naast elkaar en het verschil wordt zelden uitgelegd. b is de helling in de eenheid van de meetlat: bij elke stap van de voorspeller verandert de uitkomst met zoveel punten, kilo’s of dagen. Daar kun je iets bij voelen, maar je kunt twee b’s uit hetzelfde model niet met elkaar vergelijken — de een is per jaar leeftijd, de ander per punt op een vragenlijst, en dat zijn ongelijke stappen. Daarom staat β ernaast: dat is dezelfde helling nadat álles door zijn standaardafwijking is gedeeld. β lees je als “één standaardafwijking hoger op de voorspeller hoort bij β standaardafwijking hoger op de uitkomst”, en β’s mág je onderling vergelijken. Wat het níét is: een maat voor belangrijkheid, en al helemaal geen maat voor oorzaak. En één handige regel om te onthouden: bij één voorspeller is β precies de correlatie r — dat wordt uitgewerkt in Enkelvoudige regressie, samen met het lezen van een hele regressierij.

De zin waarin je hem uitspreekt

Dit is waar het om gaat. Een effectmaat die je niet in één gewone Nederlandse zin kunt uitspreken, heb je niet gelezen. Hieronder van elke maat die ene zin, met de getallen die hierboven staan.

Absoluut risico (AR = 24% en 56%)

Van de patiënten met intensieve nazorg viel er binnen een jaar 24 van de 100 terug; zonder nazorg 56 van de 100.

Risicoverschil (RV = 32 procentpunten)

Van elke 100 patiënten die intensieve nazorg krijgen, vallen er 32 minder terug dan zonder nazorg.

NNT (= 4)

Je moet 4 patiënten intensieve nazorg geven om bij 1 patiënt extra terugval te voorkomen.

Relatief risico (RR = 0.43)

Het risico op terugval was met intensieve nazorg iets minder dan half zo groot als zonder.

Relatieve risicoreductie (RRR = 57%)

Intensieve nazorg verlaagde het risico op terugval met 57%.

Odds ratio (OR = 0.25)

De odds op terugval waren met intensieve nazorg een kwart van de odds zonder nazorg. (En let op: dat is niet hetzelfde als “een kwart van de kans”.)

Verschil in gemiddelden (−2.4 punten)

De blended-caregroep scoorde na twaalf weken gemiddeld 2.4 punten lager op de angstlijst dan de groep met gebruikelijke zorg.

Verschil in verandering (15.2 punten)

De patiënten gingen er 15.1 punten op vooruit en hun partners 0.1 punt achteruit; het verschil in vooruitgang is dus ruim 15 punten.

Cohens d (= −0.90)

Het verschil tussen de twee groepen is 0.90 standaardafwijking groot — bijna één keer de spreiding die er bínnen de groepen toch al zat.

Pearson r (= −.44)

Patiënten die slechter sliepen, rapporteerden ernstiger klachten; de samenhang is matig sterk en negatief.

b (= 0.38)

Per punt hogere beginernst verbeterde een jongere gemiddeld 0.38 SDQ-punt meer.

β (= 0.24)

Eén standaardafwijking hoger op de voorspeller hoort bij bijna een kwart standaardafwijking hoger op de uitkomst.

η² (= .15)

Van alle verschil tussen de deelnemers hangt 15% samen met de conditie waarin ze zaten.

Merk op wat al deze zinnen gemeen hebben: er staat wie in, hoeveel, waarop, en welke kant op. Ontbreekt er een van die vier, dan is de zin nog niet af.

Drie dingen die geen effectmaat zijn

Ze staan er wél bij, en ze worden er voortdurend voor aangezien.

De p-waarde en het betrouwbaarheidsinterval. Die horen bij vraag 4, niet bij vraag 2 — ze zeggen hoe hard je schatting staat, niet hoe groot het effect is. Dat een p achter een effectmaat staat, maakt hem er geen.
De steekproefgrootte. N = 8.412 is imponerend en zegt niets over de grootte van een effect. Hij hoort bij vraag 4.
ITT en per protocol. Dat is geen maat maar een keuze wélke deelnemers je meetelt: iedereen zoals hij geloot is (intention to treat), of alleen wie de behandeling echt afmaakte (per protocol). Dezelfde effectmaat komt er anders uit. Zie je beide in één artikel staan, kijk dan welke twee getallen het verst uiteenlopen — daar zit het verhaal.

En één maat die er wel bij hoort maar die je zelden in je eentje tegenkomt: Hedges’ g, een Cohens d met een correctie voor kleine steekproeven. Als je hem tegenkomt, lees hem als een d — en dat lezen staat in De effectgrootte.

Wat deze kaart niet zegt

Niet welke maat de juiste is. Onderzoekers kiezen, en die keuze is niet neutraal: wie zijn resultaat groot wil laten klinken, rapporteert de relatieve maat; wie eerlijk wil zijn over wat het aan het bed betekent, zet de absolute ernaast. Dat een artikel alleen de RRR meldt, is dus zelf informatie — en het is een volwaardige zin voor jouw discussie.

Niet hoe groot “groot” is. Er lopen vuistregels rond (d van 0.2, 0.5, 0.8; η² van .01, .06, .14) en ze staan in bijna elk handboek, maar ze zijn een noodgreep voor wie niets beters heeft. Er is bijna altijd iets beters: terugvertalen naar de meetlat en dan zelf oordelen. Hoe je dat doet staat in Van significant naar relevant.

Niet dat het effect er ís. Elke maat op deze kaart is een schatting uit een steekproef. Zonder het interval eromheen is het een half getal — bij álle twaalf.

En niet dat de een de ander veroorzaakt. Geen enkele effectmaat weet hoe zijn data verzameld zijn. Of je “hangt samen met” of “leidt tot” mag schrijven, beslist het design, niet het getal.

Oefening

Leesopgave. Vier losse regels uit vier verschillende (verzonnen) artikelen. Zeg bij elk: welke maat is dit, wat doet hij (aftrekken, delen of omkeren), wat is de nulwaarde, en spreek hem uit in één gewone Nederlandse zin.

a. Patients in the intervention group scored 3.6 points lower on the HADS-A at follow-up (95% CI [−6.1, −1.1]).

b. Treatment reduced the risk of rehospitalisation by 40%.

c. Baseline severity predicted change in symptoms, β = 0.31, p = .002.

d. The number needed to treat was 14.

Bij één van de vier kun je de zin niet afmaken zonder informatie die er niet staat. Welke, en wat mist er?

Doe-opgave. Neem de kruistabel uit de odds ratio — 32 van de 80 patiënten met comorbide middelengebruik vielen uit, tegen 24 van de 120 zonder. Reken uit die vier cellen de risicomaten van deze kaart uit. Je hebt er niets voor nodig behalve een kladblaadje; de OR staat al in dat blok, dus die kun je gebruiken om te controleren of je goed geteld hebt.

En dan de vraag waar het om gaat: één van de zes maten kun je hier helemaal niet uitrekenen, en bij één andere klopt de naam niet. Welke twee zijn dat, en waarom?

Uitwerkingen — klik open

Uitwerking leesopgave

a. Een verschil in gemiddelden. Hij trekt af, de nulwaarde is 0. “De behandelde groep scoorde bij de nameting gemiddeld 3.6 punten lager op de HADS-A dan de controlegroep.” Het interval [−6.1, −1.1] bevat de 0 niet.

b. Een relatieve risicoreductie. Er wordt gedeeld, en dan afgetrokken van 1. “De behandeling verlaagde het risico op heropname met 40%.” Waar, en dit is precies de zin waar deze kaart voor waarschuwt: 40% van wát? Als het risico van 5% naar 3% ging, is dat ook 40% — en dan is het risicoverschil 2 procentpunten en de NNT 50.

c. Een gestandaardiseerde regressiecoëfficiënt, β. Er wordt gedeeld (door standaardafwijkingen), nulwaarde 0. “Eén standaardafwijking hogere beginernst hoort bij ongeveer een derde standaardafwijking meer verandering in symptomen.”

d. Een NNT. Hij keert om. “Je moet 14 patiënten behandelen om bij 1 patiënt extra het gewenste resultaat te bereiken.”

De regel die je niet kunt afmaken is b — en strikt genomen ook d. Bij b mist het absolute risico: zonder de percentages in de controlegroep weet je niet of die 40% één procentpunt of twintig procentpunten is. Bij d mist waar de NNT tegenover staat en op welke uitkomst; een NNT zonder vergelijkingsgroep en zonder uitkomstmaat is een getal zonder betekenis.

Uitwerking doe-opgave

Vier cellen: 32 en 48 in de rij mét middelengebruik, 24 en 96 in de rij zonder.

AR = 32/80 = 40% en 24/120 = 20%
RV = 40 − 20 = 20 procentpunten
RR = 40 / 20 = 2.0
RRR = (40 − 20) / 20 = 100%
OR = (32/48) / (24/96) = 0.667 / 0.25 = 2.67 — en dat is inderdaad het getal uit het blok, dus je hebt goed geteld.

De maat die er niet uit te halen is, is de NNT. Niet omdat de som niet lukt — 1 gedeeld door 0,20 is 5, dat rekent zo uit — maar omdat de zin die erbij hoort niet te maken is. “Je moet 5 patiënten behandelen om…” — behandelen wáármee? In dit onderzoek is niemand behandeld; er is gekeken wie wat had. Middelengebruik is een kenmerk van patiënten, geen interventie. De NNT hoort bij iets wat je doet; het risicoverschil hoort bij elke twee groepen. Dat onderscheid staat uitgewerkt in de odds ratio.

En de maat waarvan de naam niet klopt, is de RRR. Die 100% is hier geen reductie maar een verdubbeling: middelengebruik maakt de uitkomst slechter, niet beter. Je leest hem dus als een relatieve toename. De rekenkunde weet niet welke kant “beter” op is; jij wel — en dat is precies waarom je elke effectmaat in een zin uitspreekt vóór je hem opschrijft. In de zin valt onmiddellijk op dat er iets niet klopt; in het getal niet.

Bijgewerkt 12-8-2026: β heeft nu wél een eigen adres — Enkelvoudige regressie, voorstel B uit de aansluitingskaart, gebouwd. De b/β-alinea hierboven staat er bewust nog: hij is hier de korte uitleg-op-de-kaart en daar de volledige. Wie hem wil laten verhuizen, haalt hem hier weg en laat de kolom doorwijzen.

Bijgewerkt 12-8-2026 (spoor adres), en daarmee is de TODO hierboven over RV en NNT afgelost. Ben besliste: deze kaart is het adres van de effectmaten. Parkeerkaart en register wijzen voor AR, RV, NNT, RR, RRR en OR naar deze bladzij en naar geen enkel ander blok (de OR houdt daarnaast zijn boek-anker W12); deze kaart wijst door naar waar ze uitgewerkt staan. Eén adres, één plek om bij te werken — schuift een uitwerking, dan hoeft alleen deze bladzij mee. Wie dat ooit omdraait, krijgt drie bladzijden die elkaar kunnen gaan tegenspreken zonder dat iets stukgaat.