Biostatistik

- p-Wert ermöglicht eine Entscheidung bezüglich H0.

- Cl: Stärke eine Effektes 

Eindeutige Interpretation des abschliessenden Testergebnisses bei der Hypothesenprüfung basierend auf den Fehlerwahrscheinlichkeiten
von α und β.

Bei grossem β besteht die Gefahr, einen tatsächlich existierenden Effekt d zu übersehen.
 

Lösung: Berechnung der Power (1 – β) zur Beantwortung der Frage «Wie hoch war die Wahrscheinlichkeit, den beobachteten Effekt d bei gegebenem Signifikanzniveau α und Stichprobenumfang n überhaupt zu
entdecken?»

H0 wird belassen, wenn die Prüfgrösse US > Ukritischer Wert

H0 wird verworfen, wenn die Prüfgrösse US ≤ Ukritischer Wert

p < 0.05 overall test

H0 verwerfen

Lokalisation der Signifikanz mit Wilcoxon-Tests für 2
verbundene Gruppen

p ≤ 0.05 - H0 wird daher verworfen

One way ANOVA: Bei jedem Mittelwertvergleich besteht die Gefahr, einen Fehler 1. Art (α-Fehler) zu machen

Lösung: Post-hoc Analyse jedoch nur notwendig, wenn p ≤ 0.05 und somit H0 verworfen wird.

|Tprobe| < |Tkrit| -> H0 annehmen  p > 0.05 ( nicht sig)

|Tprobe| > |Tkrit| -> Ha p < 0.05 

|r| < 0.2:  Keine bis sehr geringe Korrelation

0.2 < |r| < 0.5 gering (weak)

0.5 < |r| < 0.7 Mittlere (moderate) Korrelation

0.7 < |r| < 0.9 Hohe “starke” Korrelation (strong)

|r| > 0.9 sehr starke Korrelation (very strong)

Normalverteilungen mit unterschiedlichen Parametern (σ, μ) sind statistisch nicht vergleichbar. 

Mittels z-Transformation können sämtliche Normalverteilungen standardisiert werden, sodass eine Standardnormalverteilung mit μ = 0
und σ = 1 resultiert.

Problem: die durch Stichproben gewonnenen Ergebnisse
können nicht direkt auf die Grundgesamtheit übertragen
werden, da die Stichprobendaten mit einer gewissen
Unsicherheit behaftet sind. Die Stichprobenmittelwerte sind zufällig und schwanken um
den wahren Populationsmittelwert μ (SEM) 

Lösung

 Berechnung eines Konfidenzintervalls (CI), das
den wahrenWert des Parameters der Grundgesamtheit mit
einer bestimmten Wahrscheinlichkeit enthält.

Wahrscheinlichkeit

Das Signifikanzniveau bezeichnet die Wahrscheinlichkeit, mit der im
Rahmen eines statistischen Testverfahrens die Nullhypothese (H0)
fälschlicherweise verworfen werden kann, obwohl H0 eigentlich richtig
ist.

 Bei einem Signifikanzniveau α = 0.05 wird akzeptiert, dass die Testentscheidung (z.B. «H0 verwerfen») in 95% der Fälle korrekt, und in 5% der Fälle nicht korrekt ist.

.....Variabilität der Daten und der Grösse der Stichproben.

Untersuchung der Verteilung von gesundheitsbezogenen Zuständen und Ereignissen in der Population.
 

(Anzahl der neu Erkrankten)/

( betrachtete Zeitspanne ∗ Anzahl der untersuchten Individuen)

Anzahl der Kranken zum Untersuchungszeitpunkt  /

Anzahl der untersuchten Individuen zum Untersuchungszeitpunkt

1.Forschungsfrage

2.Studiendesign

3.Stichprobe

4.Messverfahren

5.Skalennivea

-Randomisiert kontrollierte Studie (RCT)

-InterventionelleStudie

-Cross-overStudi

-Kohortenstudie

-Fall-Kontroll-Studie

-Cross-sectionaleStudie

-Korrelationsstudie
 

Darstellung kausaler Zusammenhänge prospektiv!
Exposition vor dem Ereignis
 

Retrospektive Datenerhebung,Ereignis und Exposition sind daher bekannt
 

-Einmalige Datenerhebung

-kein Nachweis von Kausalitäten

-rasche Datenerhebung

Höchstes Evidenzniveau durch zufällige Aufteilung der Probanden in Behandlungsgruppe und Kontrollgruppe
 

 alle Behandlungen nacheinander nur durch eine «washout» Phase unterbrochen, Randomisierung der Behandlungen vor Studienbeginn
 

Nominal 

Ordinal 

Intervall 

Verhältnis

(ungeordnete Klasseneinteilung)
Bsp: Geschlecht: Frau / Mann Kontrollgruppe / Behandlungsgruppe rot / grün / blau