SMPP Sem 2

Randomisierung => Verminderung Bias

=> Systematischer Fehler, der sich, im Gegensatz zum zufälligen Fehler, auf bei wiederholter Messung nicht im Mittel aufhebt => Große Fallzahl hilft nicht
=> Verminderung Bias durch Arzt und Patientenselektion, gleicht unbewussten Bias aus,
Gruppen alike on average, im Durchschnitt vergleichbar Heterogen
Vergleichbarkeit der Studiengruppen
Klare Interpretierbarkeit statistischer Signifikanztests (Kausalzusammenhang)
Hohe Vergleichbarkeit prognostischer Faktoren
Verhindert Bewussten Bias

Nachteil: Ethische Bedenken, Gefährdung Arzt – Patienten Beziehung, Administrative Komplexität, Alike on Average => Im Durchschnitt, Randomisierung als keine Garantie für exakt ausgeglichene Gruppen

Leitfadeninterview, narratives Interview, Gruppendiskussionsverfahren, Beobachtung

Signifikanz: Die Wahrscheinlichkeit, dass ein bestimmte Effekt zufällig mit einer Wahrscheinlichkeit von unter 5% auftritt
=> Abhängig von Größe der Stichprobe, Signifikanz kann auch bei kleinen Effekten auftreten

Relevanz: Wie relevant ist das Ergebnis, trotz statistischer Signifikanz? Wie groß ist der Effekt?
=> Kosten / Nutzen? Medizinische Relevanz
Relevanz: Anteil richtig positiver Ergebnisse im Gesamtanteil der positiven Ergebnisse, also das Verhältnis von richtig positiven und falsch positiven Ergebnissen

Kleiner Effekt: Größerer Stichprobenumfang nötig für statistische Signifikanz (Fehler 1. + 2. Art)
Großer Effekt: Kleinerer Stichprobenumfang nötig für statistische Signifikanz
Je kleiner man die Grenzen für die Fehler 1. + 2. Art legt, desto größer muss der Effekt oder der Stichprobenumfang sein
Je größer die Stichprobe, umso größer die Wahrscheinlichkeit einen Fehler erster Art zu begehen
Je kleiner die Stichprobe, desto größer die Wahrscheinlichkeit einen Fehler zweiter Art zu begehen

Nullhypothese: Der neue Blutdrucksenker zeigt keine Auswirkungen
Alternativhypothese: Der neue Blutdrucksenker zeigt Auswirkungen
Fehler erster Art: Man nimmt an, der Blutdrucksenker zeigt Auswirkungen, ohne dies wirklich zu tun
Fehler zweiter Art: Man stellt nicht fest, dass der Blutdrucksenker Auswirkungen zeigt

Objektivität: Unabhängigkeit der Messwerte vom Untersucher + Auswerter

-> Formen: Durchführungsobjektivität durch standardisierte Instruktionen, Auswertungsobjektivität durch Rechenvorschriften, Interpretationsobjektivität durch Richt- + Normwerte

Reliabilität = Zuverlässigkeit: Genauigkeit des Messverfahrens + Anfälligkeit für Messfehler (Störeinflüsse)
-> Retest Reliabilität: Testwiederholung bei bestimmten Merkmalen; Split-half-Reliabilität: Übereinstimmung zweier Testhälften, Paralleltest Reliabilität: Übereinstimmung inhaltlich ähnlicher Tests, Interne Konsistenz: Itemzusammenhang homogener Tests

Validität = Gültigkeit: Inhaltliche Abbildung des zu messenden Merkmals
-> Inhaltsvalidität (augenscheinliche Erfassung der Facetten des Merkmals), Kriteriums-/ Vorhersagevalidität (prädiktiv für späteren Zustand), Konstruktvalidität (theoretisch erwartete Zusammenhänge zeigen sich)

Hauptgütekriterien bauen aufeinander auf: Objektivität -> Reliabilität -> Validität = Zusammenhang

Nebengütekriterien: Normierung, Ökonomie, Nützlichkeit, Fairness

Beide Studien: Bias + Confounding, keine Kausalität nachweisbar

Kohortenstudie:
Vorteil: Untersuchung seltener Risikofaktoren, Auswirkung Risikofaktor und Krankheit, Zusammenhang zeitliche Exposition, Inzidenz, weniger anfällig für systematische Fehler als FKS
Nachteil: Zeit / Dauer, Geld, Möglichkeiten, Aufwand

Fall-Kontroll-Studie:
Vorteile: Seltene Krankheiten, KH mit langer Latenzzeit, geringe Dauer, Kosten-Nutzen-Differenz, Fallzahl?
Nachteile: Aufwand, Bias, Gedächtnis (recall bias), Zuverlässigkeit, Auswahl Kontrolle

Diagnostische Sensitivität: Wahrscheinlichkeit positives Testergebnis bei Kranken (Richtig positive)

Sensitivität = Richtig Positive / Summe Kranker (Summe Richtig Positive + Falsch Negative)

Diagnostische Spezifität: Wahrscheinlichkeit negatives Testergebnis bei Gesunden (Richtig negatives)
Spezifität = Richtig Negative / Summe Gesunder (Summe Richtig Negativ + Falsch Positive)

(Chi-Quadrat-Test, T-Tests, Rangtests)

Chi Quadrat Test: Bei Kategoriellen / Nominalen Variablen + Unabhängigen Gruppen
N muss größer 5 sein, sonst exakter Fischertest
=> Vergleichen der Häufigkeiten eines bestimmten Zielereignisses zwischen zwei Gruppen
=> Bewertung Differenz der prozentualen Häufigkeiten zwischen den Gruppen gewichtet nach Stichprobenumfang
=> Großer Prozentualer Unterschied / Hohe Fallzahl => Signifikanz

Vorzeichentest / Chi Quadrat Test nach McNemar: Bei Kategoriellen / Nominalen Variablen und Abhängigen Gruppen
Ein Patient bekommt Therapie A und B => Vergleich kein Erfolg Therapie A mit Kein Erfolg Therapie B
=> Großer Unterschied / Hohe Fallzahl => Signifikanz

T Tests:
Bei quantitativen, normalverteilten Variablen, jedoch auch konservativ für nicht normalverteile Variablen
=> T Test ~ Unabhängig / Abhängige Stichproben
Unabhängige Stichprobe: Mittelwertdifferenz zweier Stichproben zufällig?
Berücksichtigung Fallzahl + Streuung
Großer Mittelwertunterschied, große Fallzahl, kleine Streuung => Signifikanz
=> Differenz der Mittelwert / Wurzel der Summe der Standardabweichungen

Verbundene Stichproben
Zufällige Differenz zweier Mittelwerte derselben Stichprobe?
=> Andere Gewichtung Streuung und Fallzahl als bei T Test für unverbundene Stichproben
Aber auch hier: Großer Mittelwertunterschied, große Fallzahl + kleine Streuung => Signifikanz

Rangtests:
Mann Whitney Test bei ordinalen / quantitativ nicht normalverteilten Variablen und unverbundenen Stichproben:
Zufällige Entstehung Mittelwert- / Mediandifferenz?
Sortierung Werte, Zuordnung Rangzahl => Mittelwert der Rangzahlen, Vergleich
Großer Unterschied, hohe Fallzahl => Signifikanz
N mindestens 4

Wilcoxon Test bei ordinalen / quantitativen nicht normalverteilten Variablen und verbundenen Stichproben:
Berechnung Differenz beider Ergebnisse desselben Patienten, Erstellung Ränge Gesamtpatienten, Zuordnung Ranzahlen
=> Vergleich wie viele Ränge unter und über 0 liegen (Notfalls Grenze adjustierbar, so auch Signifikanz, wenn sich Therapie in jedem Fall um 0,1µm positiv ausgewirkt hat)
Mindestens 6 Datenpaare

Bias: Verzerrung, systematischer Fehler, führt zu fehlerhaften Ergebnissen
Zwei Hauptarten: Selektionsbias / Informationsbias
Selektionsbias: Aspekte bezüglich Auswahl der Probanden => Systematischer Unterschied zu vergleichender Gruppen / Probanden + Gesamtbevölkerung
Informationsbias: Aspekte bzgl Art und Weise der Datenerhebung einer Studie => Systematischer Unterschied der zu vergleichenden Gruppen

=> Beide Begriffe haben viele Synonyme

Selektionsbias: Selbstselektion, Selektion durch Forscher, Datenselektion
FKS: Kontrollen aus selber Population!
Attrition Bias durch Drop Outs

Informationsbias: Durch Detection Bias (gründlichere Untersuchung exponierter Personen), Oft in Kohortenstudien
=> Verblindung!
Recall Bias vorallem in FKS
Reporting Bias durch unterschiedliche Aufklärung (Kranke besser informiert, Mehr Informationen vorhanden über Exposition als bei Kontrollen), Berichten eher erwünschter Angaben, Verheimlichung eher unerwünschter Risiken, unerwünschte Verhaltensweisen, Geschlechtskrankheiten…

Bias: Häufig, oft vermeidbar, Alle Studienphasen + -Typen, Systematische Verzerrung => Über- / Unterschätzung der Ergebnisse, falsche Ergebnisse
=> Bei Interpretation immer Bias berücksichtigen!

Confounding: Unterschiedliche Risikofaktorverteilung in der Baseline der Gruppen
Confounder: Risikofaktoren, die sowohl mit dem Outcome, als auch der Exposition zusammenhängen
=> Confounder nur, wenn Unterschied in beiden Gruppen, sonst kein Zusammenhang zu Exposition

Gegenmaßnahmen: Randomisierung, Teilnehmereinschränkung, Matching, Stratifikation, Multivariable Analysen (Adjustierung)

Unterschied Bias + Confounding
Bias führt zu falschen Assoziationen, Confounding beschreibt Assoziationen, die wahr, aber irreführend sind
=> Systematische Fehler

Zufällige Fehler:
Abweichung Ergebnis vom wahren Wert, die nur durch Zufall bedingt ist
Mögliche Ursachen: Stichprobe nicht repräsentativ, zu hohe Variabilität der Stichprobe, falsche Bestimmung von Exposition oder Outcome (Zufällig, unabhängig der Gruppe)
Gegenmaßnahmen: Große Fallzahlen, p Wert + Konfidenzintervalle berechnen

(Randomisierung), Verblindung, Teilnehmerbeschränkung, Matching, Stratifikation, Multivariable Analyse (Adjustierung)

(zB Nullhypothese vs Alternativhypothese, unabhängige Variable vs abhängige Variable, Störvariable, Kontrollvariable)

Nullhypothese: Soll verworfen werden

In dem Beispiel: Persönlichkeit ist ausschlaggebend für destruktives Verhalten gegenüber anderer Personen

Alternativhypothese: Soll Phänomen erklären
Situation ist ausschlaggebend für destruktives Verhalten anderer Personen gegenüber

Unabhängige Variable: Kann systematisch verändert werden: Druckausübung
Unabhängig vom Probanden, Einfluss auf Abhängige Variable, Manipulierung -> Untersuchung Auswirkung

Abhängige Variable: Hängt von UV ab, Veränderung wird gemessen: Gehorsam, gemessen durch maximal verabreichten Schock
Kann nicht verändert werden, nur gemessen
Wenn -> Dann, Je -> Desto


Störvariable: Einfluss kann nicht eliminiert werden, muss in Auswertung herausgerechnet werden
Zusätzlicher Einfluss auf AV, Verändert Outcome,

Kontrollvariable: Informationsgehalt wird direkt genutzt, kann quasi als UV eingesetzt werden
Wird konstant gehalten, verliert somit Einfluss auf AV (zB Alter, Geschlecht)

Ethik: Schäden bei den Teilnehmern, Täuschung
=> Deklaration von Helsinki

8 Ethische Prinzipien der Beurteilung:
Gesellschaftlicher Wert, Wissenschaftliche Validität, Angemessene Auswahl an Studienteilnehmern, Informierte Einwilligung, Wertschätzung der Studienteilnehmer, Vorteilhaftes Risiko-Nutzen-Verhältnis, Gemeinschaftliche Teilhaberschaft / Mitbestimmung, Unabhängige Begutachtung

Ethikkommission

Quantifizierbarkeit, Variablen und Einflüsse, Reproduzierbarkeit, Persönlichkeit, Repräsentativität

Signifikanz vs klinische Relevanz

Vorallem Wilcoxon Test kritisch, Erhöhrung jedes Wertes um 0,1µx bereits signifikant, da alle Werte positiv ausfallen, der Effekt jedoch verschwindent gering ist

(Chi-Quadrat-Test, t Tests, Rangtests von Mann Whitney und Wilcoxon, Vorzeichentest)

Chi Quadrat Test: Unverbundene Stichprobe, Nominale / Kategoriale Variable
=> Vergleich Mann/ Frau positives / negatives Testergebnis

T Tests: Unverbundene / Verbundene Stichprobe, Normalverteilte Quantitative Variable
Einfluss Alter auf irgendwas

Mann Whitney Test: Unverbundene Stichprobe, Ordinal / Quantitativ nicht normalverteilt
Blutdruckunterschied zweier Gruppen

Wilcoxon: Verbundene Stichprobe, Ordinal / Quantitativ nicht normalverteilt
Blutdruckunterschied vor und nach Medikamentengabe

Vorzeichentest / McNemar: Verbundene Stichprobe, Kategorielle / Nominale Variable
Vergleich Testergebnis zweier Therapien am selben Patienten

(inkl. Ein- und Ausschlusskriterien, Randomisierung, Verblindung, Interventions- und Vergleichsgruppe (zB Placebo) sowie die Beurteilung der Ergebnisse)


Ein- und Ausschlusskriterien: Möglichst wenige möglichst repräsentativ zur Bevölkerung, außer man möchte Effekt bei bestimmten Bevölkerungsgruppen messen

Ausschlusskriterium bei Medikamentenstudie: Krankheit, Definierte Einschlusskriterien zB Vorerkrankung, Cholesterinspiegel / Risikofaktor!

Randomisierung: Zufällige Verteilung der Probanden auf Interventions- und Vergleichsgruppe mit zB dem Computer, Randomisierung über Zeit, nicht alle gleichzeitig, nicht systematisch
Vergleich Baseline bei Auswertung der Daten

Verblindung: Einfach / Doppelt / Dreifach

Interventions- und Vergleichsgruppe: Intervenieren vs Placebo

Beurteilung der Ergebnisse: Signifikanz / p, Konfidenzintervall, Relative Risikoreduktion (Relation der Relativen Outcomeraten) vs Absolute Risikoreduktion (Differenz der relativen Outcomeraten)
Conflict of Interest
Berechnung nach Intention to treat (In der Annahme die Internventionsgruppe haben alle die Medikamente genommen und die Placebogruppe alle nicht)

Prävalenz: Anteil erkrankter Personen zu einem bestimmten Zeitpunkt
P = erkrankte Personen / Population unter Risiko
=> Anzahl Personen, die untersuchte Erkrankung entwicklen können, je nach Fragestellung
=> Punkt- vs Periodenprävalenz: Leiden sie jetzt unter Kopfschmerzen vs hatten sie im letzten Zeitraum von XY Kopfschmerzen
Lebenszeitprävalenz: Entspricht fast der Inzidenz (Mehrfacherkrankungen)
=> Prävalenzquerschnittstudie
Alle Fälle, die bei einer einzigen Beobachtung oder Untersuchung einer Gruppe gezählt werden / Alle untersuchten Personen, einschließlich Fälle und Nicht Fälle zu einem einzigen Zeitpunkt

Inzidenz: Neuerkrankungen in einem bestimmten Zeitraum
I = Neuerkrankte Personen / Population unter Risiko
Population unter Risiko: Anzahl Gesunder zu Beginn des Zeitraums
=> Kumulative Inzidenz

Inzidenzrate: Neuerkrankungen in einem Zeitraum pro Personenzeit
Inzidenzrate = Neuerkrankte Personen / Personenzeit unter Risiko
=> Summe der individuellen (gesunden) Zeit unter Beobachtung, meist Personenjahre
=> Kohortenstudie
Während einer Zeitperiode neu auftretende Fälle unter Personen einer Gruppe, die anfangs frei von Krankheit waren / Alle prinzipiell empfänglichen Personen, die zu Beginn der Zeitperiode vorhanden sind, Dauer der Zeitperiode = Zeit

=> Häufigkeitsmaße => Beschreibung von Häufigkeiten

Effektmaße, Zusammenhangsbeschreibung

bei Dichotomen Merkmalen

Vierfeldertafel: Krankheit Ja / Nein gegen Risikofaktor Ja / Nein
Berechnung R1, Relatives Risiko für Krankheit bei Risikofaktor = Anzahl Erkrankte mit Risikofaktor / Gesamtanzahl mit Risikofaktor
Berechnung R2, Relatives Risiko für Krankheit ohne Risikofaktor = Anzahl Erkrankte ohne Risikofaktor / Gesamtanzahl ohne Risikofaktor

Relatives Risiko = R1/R2, um welchen Faktor (xy faches Risiko zu erkranken) unterschieden sich Exponierte und Nicht Exponierte hinsichtlich der Erkrankung, Interpretation ~ Betrachungsweise
R < 1 vermindertes Risiko (Protektiv), R = 1 gleiches Risiko, R > 1 erhöhtes Risiko im Vergleich zur anderen Gruppe

Risikodifferenz: R1-R2, xy Prozent höheres Risiko zu erkranken
RD < 0 verringertes Risiko, RD = 0 gleiches Risiko, RD > 0 erhöhtes Risiko

=> Bei Kohortenstudien!

Fall Kontroll Studien:
Häufigkeitsvergleich macht keinen Sinn, da zwei unterschiedliche Gruppen verglichen werden, im Gegensatz zur Kohortenstudie, wo man eine Gesamtgruppe vergleicht

Unterschied Risiko vs Chance
Risiko: Auftritt bezogen auf Gesamtmenge Gesamtmenge
zB Risiko Herzinfarkt, Nicht Sportler: 60 von 100 => 60/100 = 60%
Bezug zur ganzen Menge, XY von Z, Werte von 0-100%

Chance: Risikofaktor: Auftritt gegen nicht Auftritt
zB: Chance Herzinfarkt, Nicht Sportler: 60 zu 40 => 60/40 => 1,5 fache Chance
Bezug zur anderen Menge, XY zu Z, Werte von 0 – unendlich

Odd Ratio: Vierfeldertafel, Erkrankte gegen Exposition
Verhältnis Erkrankte bei Exposition und Nicht Exposition (O1), Verhältnis nicht erkrankte bei Exposition und nicht Exposition (O2)
Odds Ratio = O1/O2 => XY erhöhte Chance

Beispiel Hirntumor: Erkrankt: 200 mit Exposition, 200 Ohne => 200:200 = 1 = O1
Erkrankt 80 ohne, 320 mit Risikofaktor = 80:320 = 0,25 = O2
O1 / O2 = 1 / 0,25 = 4 => Exponierte haben eine vierfache Chance, einen Hirntumor zu erleiden

OR < 1 verringertes Risiko, OR = 1 gleiches Risiko, OR > 1 erhöhtes Risiko

Relatives Risiko vs Odds Ratio:
RR leichter laienverständlich zu berichten, kann in Fall Kontroll Studien nicht bestimmt werden
OR oft fälschlicherweise als relatives Risiko bezeichnet, bei geringer Prävalenz aber oft ähnlich
OR kann sowohl in Fall Kontroll, als auch in Kohortenstudien berechnet werden