Diagnostisches Testen. Coniecturalem artem esse medicinam
|
|
- Valentin Maier
- vor 7 Jahren
- Abrufe
Transkript
1 Diagnostisches Testen Coniecturalem artem esse medicinam
2 Würfelspiel A: ein fairer Würfel zeigt eine gerade Augenzahl B: ein fairer Würfel zeigt mindestens 4 Punkte A: B: A B: P(A=1/2 P(B=1/2 P(A B=2/6 P(A B = 2/6 > 1/4 = 1/2 1/2 = P(A P(B A und B sind nicht unabhängig
3 Bedingte Wahrscheinlichkeit B: A? Die bedingte WahrscheinlichkeitP(A B von A gegeben B beträgt 2/3, d.h. sie ist größer als die unbedingte Wahrscheinlichkeit P(A=1/2. P(A B = P(A B P(B
4 Bedingte Wahrscheinlichkeit A B A B= A und B unabhängig P(A B P (A B = = 0 P(B P(A P(B P (A B = = P(A P(B
5 Blutdruck und Blutfette Ein zufällig ausgewählter erwachsener US-Amerikaner ist A: hypertensiv P(A=0.25 B: hyperlipidämisch P(B=0.20 A B: hypertensiv und hyperlipidämisch P(A B=0.17 P(A B 0.17 P (A B = = = 0.85 > 0.25 = P(B 0.20 P(A
6 Bayes-Theorem Essay Towards Solving a Problem in the Doctrine of Chances. Thomas Bayes ( von Richard Price posthum publiziert in den Philosophical Transactions of the Royal Society of London 1763
7 Bayes-Theorem Das Theorem von Bayes setzt A-posteriori- Wahrscheinlichkeiten mit A-priori- und bedingten Wahrscheinlichkeiten in Verbindung. P(A B = P(B A P(B P(A Beweis: P(A B = P(A B P(B = P(B A P(A P(A P(B = P(B A P(B P(A
8 Satz von der totalen Wahrscheinlichkeit B A A c P(B = P(B A P(A P(B A C P(A C
9 Bayes-Theorem aus dem Satz von der totalen Wahrscheinlichkeit P(A B = P(B A P(B A P(A P(A P(B A C P(A C
10 Diagnostischer Test Jede Prozedur, die dazu dient, Individuen oder Objekte in Hinblick auf eine festgelegte Eigenschaft zu klassifizieren.
11 HIV-Infektion und ELISA-Test Der ELISA-Test auf HIV-Infektion liefert bei 99.5% aller Infizierten ein positives Ergebnis und bei 99.5% aller nicht Infizierten ein negatives Ergebnis. Mit welcher Wahrscheinlichkeit ist eine positiv getestete Person infiziert, wenn die Prävalenz der HIV-Infektion in der allgemeinen ("Niedrig-Risiko-" Bevölkerung 0.01% beträgt? D: Person ist infiziert D C : Person ist nicht infiziert T : Testergebnis ist positiv T - : Testergebnis ist negativ P (T D = C D = 1 P (D = P(D C = C D = = P(D T D P(D D P(D D = P(D = C C
12 Diagnostischer Test Nomenklatur D: Erkrankung bzw. Prädisposition D C : keine Erkrankung bzw. Prädisposition T : positives Testergebnis T - : negatives Testergebnis testabhängig D: Sensitivität - D C : Spezifität populationsabhängig P(D: Prävalenz testabhängig, populationsabhängig P(D T : positiv prädiktiver Wert (PPW P(D C T - : negativ prädiktiver Wert (NPW
13 Diagnostischer Test Bayes-Theorem (positiv prädiktiver Wert P(D T D P(D D P(D D C P(D = C D P(D D P(D [1 D = C ] [1 P(D] PPW= Sensitivität Prävalenz Sensitivität Prävalenz(1-Spezifität (1-Prävalenz
14 P(D D P(D D P(D D T (D P C C C C C = P(D] [1 D P(D D] [1 P(D] [1 D C C = NPW= Spezifität (1-Prävalenz Spezifität (1-Prävalenz(1-Sensitivität Prävalenz Bayes-Theorem (negativ prädiktiver Wert Diagnostischer Test
15 Hypothetische Population (n=100 NPV: 49/55 = 89% Spezifität: 49/70 = 70% Sensitivität: 24/30 = 80% PPV: 24/45 = 89%
16 HIV-Infektion und ELISA-Test prädiktiver Wert Prävalenz : PPW : NPW
17 Schizophrenie und Hirnatrophie Etwa 30% aller Schizophreniepatienten leiden an einer Hirnatrophie, verglichen mit nur 2% der nicht betroffenen ("normalen" Bevölkerung. Wenn die Prävalenz der Schizophrenie 1.5% beträgt, mit welcher Wahrscheinlichkeit ist eine atrophe Person schizophren? P (T D = D C = P (D = P(D C = P(D T D P(D D P(D D = P(D = C C 0.186
18 Schizophrenie und Hirnatrophie prädiktiver Wert Prävalenz : PPW : NPW
19 Likelihoodquotient vergleicht die Wahrscheinlichkeiten eines bestimmten Testergebnisses zwischen Betroffenen und nicht Betroffenen positiver Likelihoodquotient negativer Likelihoodquotient LR = D C D LR = D C D Sensitivität 1 Spezifität 1 Sensitivität Spezifität
20 Bayes-Theorem Likelihoods und Odds P(D P(D D D = P(D T C C C P(D T Prior- Odds. Likelihoodquotient = Posterior- Odds
21 Kreatinkinase und Herzinfarkt Kreatinkinase 80 U/l Herzinfarkt ja nein gesamt 231 <80 U/l gesamt Prior-Odds Likelihoodquotient Posterior-Odds /230 = 1.77 = = /130 45
22 Diagnostische Studie Ziel Um Aussagen über die Nützlichkeit eines neuen diagnostischen Tests treffen zu können, muss die Qualität des Tests in einer diagnostischen Studie ermittelt werden. Dabei wird geprüft - die Leistungsfähigkeit(d.h. wie sensitiv und spezifisch ist der Test? -die Validität(d.h. wie genau ist der Test? - die Reliabilität(d.h. wie präzise ist der Test?
23 Diagnostische Studie Qualität Gab es einen unabhängigen, verblindeten Vergleich mit einer Referenzmethode ("Goldstandard" zur Diagnose? Wurde der Goldstandard unabhängig vom Ergebnis des diagnostischen Tests angewandt? Wurde der diagnostische Test in einem angemessenen Patientengutgeprüft (also den Patienten, bei denen er in der Praxis angewandt werden soll? Wurde der Test in einer zweiten, unabhängigen Gruppe von Patienten validiert?
24 Diagnostischer Test Reliabilitätskriterien Hängt das Testergebnis von klinischen Merkmalen wie Schwere und Verlauf ab? Hängt das Testergebnis von der Pathologie der Krankheit(Ort, Ausmaß ab? Wird das Testergebnis durch das gleichzeitige Auftreten anderer Krankheiten beeinflusst?
25 Diagnostischer Test praktische Anwendbarkeit Ist der diagnostische Test unter den maßgeblichen Bedingungen sinnvoll, verfügbar und bezahlbar? Können Sie für Ihre Probanden eine sinnvolle Schätzung der A-priori-Wahrscheinlichkeit der Krankheit angeben? Wird die resultierende A-posteriori-Wahrscheinlichkeitden Probanden im Umgang mit der Krankheit beeinflussen? Werden die Konsequenzen des Tests Ihrem Probanden helfen?
26 Maße der Leistungsfähigkeit von Tests Sensitivität und Spezifität Youden-Index Likelihoodquotient ROC-Kurve populationsabhängig positiv und negativ prädiktiver Wert diagnostische Genauigkeit
27 Maße der Leistungsfähigkeit von Tests Sensitivität Sensitivität: Wahrscheinlichkeit, mit der eine betroffene (bzw. prädisponierte Person positiv getestet wird Testresultat Krankheit positiv negativ ja nein richtig positiv falsch negativ falsch positiv richtig negativ Die "SnNOut"Regel: With a test of high Sensitivity, a Negative test result rules Out disease (or predisposition.
28 Maße der Leistungsfähigkeit von Tests Spezifität Spezifität: Wahrscheinlichkeit, mit der eine nicht betroffene (bzw. prädisponiert Person negativ getestet wird Testresultat Krankheit positiv negativ ja nein richtig positiv falsch negativ falsch positiv richtig negativ Die "SpPIn"Regel: With a test of high Specificity, a Positive test result rules In disease (or predisposition.
29 Maße der Leistungsfähigkeit von Tests praktische Kriterien Ziel: hohe Sensitivität falsch Negative sind "teuer" behandelbare Krankheit keine Nebenwirkungen ohne Behandlung fatal starkes Vertrauen in negative Ergebnisse gefordert Beispiel: Guthrie-Test (Phenylketonurie Ziel: hohe Spezifität falsch Positive sind "teuer" nicht behandelbare Krankheit starke Nebenwirkungen ohne Behandlung nicht fatal starkes Vertrauen in positive Ergebnisse gefordert Beispiel: Tumor-Grading vor OP
30 Maße der Leistungsfähigkeit von Tests Youden-Index Youden-Index: Verbesserung gegenüber zufälliger Diagnosestellung ("Münzwurf" Testresultat Krankheit positiv negativ ja nein richtig positiv falsch negativ falsch positiv richtig negativ D 1 2 D C 1 2
31 Maße der Leistungsfähigkeit von Tests diagnostische Genauigkeit diagnostische Genauigkeit: Wahrscheinlichkeit für ein korrektes Testergebnis Testresultat Krankheit positiv negativ ja nein richtig positiv falsch negativ falsch positiv richtig negativ D P(D D C P(D C
32 Schizophrenie und Hirnatrophie P (T D = D C 0.30 = 0.02 Sensitivität: 0.30 Spezifität: 0.98 P (D = P(D C = PPW : NPW: Youden-Index: 0.28 diagnostische Genauigkeit: 0.97
33 Stetige Testergebnisse Dichotomisierung Stetige Testergebnissewerden oft dichotomisiert(d.h. in "positive" oder "negative" Ergebnisse transformiert, indem man sie mit einem vordefinierten Schwellenwert vergleicht. Die Wahl des Schwellenwerts hängt stark vom Zweck des Tests ab und kann sich stützen auf - ein Gauß'sches Kriterium - festgelegte Sensitivität oder Spezifität - die ROC-Kurve
34 Schwangerschaftsdiabetes Am Universitätsklinikum Zürich wurde an 520 Schwangeren eine prospektive Studie durchgeführt, um zu ermitteln, ob die Messung des Nüchternblutzuckers eine akzeptable Screening-Methode für den Schwangerschaftsdiabetes darstellt, die den üblichen 50g-Glukose- Suchtest überflüssig machen könnte. Perucchini D et al. (1999 BMJ 319: Schwellenwerte für den 100g-Glukose-Toleranztest ("Goldstandard" Zeitpunkt nüchtern 1 Stunde 2 Stunden 3 Stunden Plasmakonzentration 5.3 mmol/l 10.0 mmol/l 8.6 mmol/l 7.8 mmol/l Ein Schwangerschaftsdiabetes wird diagnostiziert, wenn zwei oder mehr Messungen den Schwellenwert überschreiten.
35 Stetige Testergebnisse Gauß'sches Kriterium Verteilung der Testergebnisse bei nicht betroffenen Kontrollen 95% 95% positiv negativ positiv negativ positiv Probleme: - Nichtbeachten der Sensitivität - mögliches Fehlen einer Normalverteilung - unklare Repräsentativität der Kontrollen
36 Stetige Testergebnisse festgelegte Sensitivität oder Spezifität Spezifität Sensitivität Spezifität Sensitivität Kontrollen Patienten Spezifität Sensitivität negatives Ergebnis positives Ergebnis
37 Stetige Testergebnisse ROC-Kurve Sensitivität Spezifität
38 Stetige Testergebnisse ROC-Kurve Sensitivität maximiert Youden-Index Spezifität
39 Schwangerschaftsdiabetes Sensitivität 1-Spezifität
40 Zusammenfassung - Das Theorem von Bayes stellt eine Verbindung zwischen A- posteriori-wahrscheinlichkeitenund A-priori-sowie bedingten Wahrscheinlichkeitenher. - Diagnostische Tests dienen der Unterscheidung von Gruppen von Individuen auf der Grundlage assoziierter Merkmale. -Die Leistungsfähigkeit eines diagnostischen Tests wird durch dessen Sensitivität und Spezifität gekennzeichnet. -Die Nützlichkeit eines diagnostischen Tests hängt von der Prävalenz der zu diagnostizierenden Krankheit ab und wird durch die beiden (populationsabhängigen prädiktiven Werte gemessen. -Stetige Testergebnissekönnen dichotomisiertwerden, z.b. durch Ermittlung eines Schwellenwertes in der ROC-Kurve.
41 Anhang Differenzialdiagnostik Ein diagnostischer Marker kann auf mehrere Krankheiten hinweisen. T: Person zeigt den Marker K i : Person ist von der i-ten Krankheit betroffen P(K i T = k j = 1 K K i P(K j i P(K j
42 Anhang: Differenzialdiagnostik des Lungenkrebses Mutationen in den p53 und K-ras Genen sowie eine Hypermethylierung des p16 INK4a Promoters im Auswurf von Patienten mit Bronchialerkrankungen sind ein Marker für Lungenkrebs und Tumortyp. Kersting M et al. (2000 J Clin Oncol 18: i K i K i Raucher P(K i P(K i T Nichtraucher P(K i P(K i T 1 NSCLC SCLC gutartig
Medizinische Biometrie (L5)
Medizinische Biometrie (L5) Vorlesung V Der diagnostische Test Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
MehrPittfalls in der Autoimmundiagnostik. Initiiated and supported by
Pittfalls in der Autoimmundiagnostik Fallen in der Autoimmundiagnostik Der Fluch des englischen Geistlichen Thomas Bayes Weniger ist oft mehr Fehlende Standardisierung von Tests Thomas Bayes 1702-1761,
Mehr2. Übung Diagnostik. Ein erfundenes Beispiel (H.P.Beck-Bornholt und H.-H.Dubben)
Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig 2. Übung Diagnostik Universität Leipzig
MehrSensitivität und Spezifität (95% Konfidenzintervalle)
Prädiktive Werte als Gütemaÿe in Diagnosestudien: Anwendungsmöglichkeiten und Analysemethoden Katharina Lange Abteilung Medizinische Statistik Georg-August-Universität Göttingen Inhalt Beispiel: Diagnostische
MehrVorlesung - Medizinische Biometrie
Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie
MehrStatistical Coaching. Thomas Forstner
Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von
MehrPrinzipien der klinischen Epidemiologie
Prinzipien der klinischen Epidemiologie Der diagnostische Test Prof. Dr. Ulrich Mansmann Institut für Medizinische Informationsverarbeitung, Biometrie und Epidemiologie mansmann@ibe.med.uni-muenchen.de
MehrBewertung diagnostischer Tests
Δn g Δc gesund krank Δn k Δc Segreganz negativ positiv negativ positiv Relevanz Beertung diagnostischer Tests gesund krank c Annahme: Überlappende Populationen eine messbare Grösse (z.b Konzentration)
MehrBiostatistik, Sommer 2017
1/52 Biostatistik, Sommer 2017 Prof. Dr. Achim Klenke http://www.aklenke.de 7. Vorlesung: 02.06.2017 2/52 Inhalt 1 Wahrscheinlichkeit Bayes sche Formel 2 Diskrete Stetige 3/52 Wahrscheinlichkeit Bayes
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Unabhängigkeit Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit
MehrQuerschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Diagnose und Prognose WS 06/07 Übung 5
Informationsblatt zum Gestationsdiabetes (Schwangerschaftsdiabetes) Gruppe B Der Schwangerschafts- oder Gestationsdiabetes () ist eine spezielle Form der Zuckerkrankheit, die sich während einer Schwangerschaft
MehrDiagnostikstudien. Dr. Dirk Hasenclever IMISE, Leipzig.
Diagnostikstudien Dr. Dirk Hasenclever IMISE, Leipzig Hasenclever@IMISE.uni-Leipzig.de Diagnostische Tests Krankheit ja Krankheit nein Test positiv TrueP FP Test negativ FN TrueN Test- Positive Test- Negative
MehrMaReCum Klausur in Biomathematik WS 2006 / 2007 Freitag, den 27. Oktober 2006
MaReCum Klausur in Biomathematik WS 2006 / 2007 Freitag, den 27. Oktober 2006 Name: Matrikelnummer: Unterschrift: Aufgabe 1 In einer kleinen Gemeinde in Baden-Württemberg traten vermehrt Fälle von Q-Fieber
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die
MehrStatistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2011/2012 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher Physikalisches Institut Westbau 2 OG Raum 008 Telefonnummer 07621 203 7612 E-Mail:
MehrThemenblock. Diagnose und Prognose. Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik. Themen im Block Diagnose und Prognose
Themenblock Diagnose und Prognose Querschnittsbereich Epidemiologie, Med. Biometrie und Med. Informatik Themen im Block Diagnose und Prognose Diagnose Prävalenz und prädiktive Werte Güte von diagnostischen
MehrEpidemiologie 10. Thomas Kohlmann Maresa Buchholz. Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald
Epidemiologie 10 Thomas Kohlmann Maresa Buchholz Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald Übungen Sie verfügen über ein neues bildgebendes Verfahren zur Bestimmung
MehrBiostatistik, Winter 2011/12
Biostatistik, Winter 2011/12 Wahrscheinlichkeitstheorie:, Unabhängigkeit Prof. Dr. Achim Klenke http://www.aklenke.de 6. Vorlesung: 02.12.2011 1/30 Inhalt 1 Wahrscheinlichkeit 2 2/30 Wahrscheinlichkeit
MehrDiagnostische Verfahren
6. Diagnostische s Jede Registrierung oder Auswertung einer Information mit dem Ziel der Erkennung einer Erung oder eines speziellen Zustandes wird diagnostischer genannt. Beispiele Reaktion auf Ansprechen
MehrP (A B) P (B) = P ({3}) P ({1, 3, 5}) = 1 3.
2 Wahrscheinlichkeitstheorie Beispiel. Wie wahrscheinlich ist es, eine Zwei oder eine Drei gewürfelt zu haben, wenn wir schon wissen, dass wir eine ungerade Zahl gewürfelt haben? Dann ist Ereignis A das
MehrBSc Bioinformatik Wintersemester 2013/2014 Nachklausur zur Statistik I Freie Universität Berlin
Sc ioinformatik Wintersemester 013/014 Nachklausur zur Statistik I Freie Universität erlin 4. pril 014 Matrikelnummer Nachname Vorname Unterschrift ufgabe 1 (4 Punkte): Zu einem Wahrscheinlichkeitsraum
MehrSeminar Diagnostik L5
Seminar Diagnostik L5 Regenwahrscheinlichkeit Bezugsgröße festlegen! Beipackzettel Bezugsgröße festlegen! Brustkrebs-Screening Entscheidungsmöglichkeiten bei diagnostischen Tests Wahrer Zustand des Patienten
MehrBewertung diagnostischer Tests
n g c gesund krank n k c Segreganz negativ positiv negativ positiv Relevanz Beertung diagnostischer Tests gesund krank c Annahme: Überlappende Populationen eine messbare Grösse (z.b Konzentration) vergrössert
MehrBedingte Wahrscheinlichkeit. Beispiel zur bedingten Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die Wahrscheinlichkeiten für das Eintreten von Ereignissen durch das Eintreten anderer Ereignisse
MehrUm diese Begriffe (Sensitivität, Spezifität, prädiktive Werte etc.) geht es im Folgenden!
1 2 3 Um diese Begriffe (Sensitivität, Spezifität, prädiktive Werte etc.) geht es im Folgenden! BNP= B type natriuretic peptide NT probnp= biolog. Inaktives N terminales Fragment des Prohormons probnp
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrNutzen einer diagnostischen Tests in der Praxis: prädiktive Werte
EbM-Splitter 11 Nutzen einer diagnostischen Tests in der Praxis: prädiktive Werte In den beiden letzten EbM-Splittern [6, 7] wurden die Maßzahlen Sensitivität (Wahrscheinlichkeit, eine kranke Person als
MehrSTATISTISCHE KRANKHEITSTESTS. Simon Schimpf und Nico Schmitt
1 STATISTISCHE KRANKHEITSTESTS 18.11.2008 Simon Schimpf und Nico Schmitt Gliederung 2 Hintergrund des Themas (worum geht es Voraussetzungen Lernziele Die intuitive Herangehensweise ohne Satz von Bayes
MehrEpidemiologie und HIV-Tests
26. November 2009 Cornelias HIV-Test Das ist Cornelia. Cornelia möchte Plasmaspenderin werden. Dafür braucht sie einen negativen Befund eines HIV-Tests. Deshalb geht sie ins Krankenhaus. Cornelias HIV-Test
MehrBedingte Wahrscheinlichkeiten & Unabhängigkeit
Statistik 1 für SoziologInnen Bedingte Wahrscheinlichkeiten & Univ.Prof. Dr. Marcus Hudec Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die
MehrSatz 18 (Satz von der totalen Wahrscheinlichkeit)
Ausgehend von der Darstellung der bedingten Wahrscheinlichkeit in Gleichung 1 zeigen wir: Satz 18 (Satz von der totalen Wahrscheinlichkeit) Die Ereignisse A 1,..., A n seien paarweise disjunkt und es gelte
MehrEpidemiologie 3. Thomas Kohlmann Maresa Buchholz. Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald
Epidemiologie 3 Thomas Kohlmann Maresa Buchholz Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald Wiederholung Von 2.872 Personen, die als Kinder wegen einer vergrößerten
MehrAnalyse kategorieller Daten
Analyse kategorieller Daten x Tafel: In der Medizin ist der Vergleich zweier relativer Häufigkeiten wichtig. Es ist neue Operationstechnik entwickelt worden: Bei der Standardoperationsmethode stellte sich
MehrBorrelien-Serologie. Kriterien analytischer Leistungsfähigkeit am Beispiel kommerziell erhältlicher Testsysteme (ELISA)
Borrelien-Serologie Kriterien analytischer Leistungsfähigkeit am Beispiel kommerziell erhältlicher Testsysteme (ELISA) Warum dieser Vortrag? Serologie kann entscheidend für Diagnose und Behandlung sein.
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrBewertung diagnostischer Tests
n g c gesund krank n k c Segreganz negativ positiv negativ positiv Relevanz Beertung diagnostischer Tests gesund krank c Annahme: Überlappende Populationen eine messbare Grösse (z.b Konzentration) vergrössert
Mehr3.3.1 Referenzwerte für Fruchtwasser-Schätzvolumina ( SSW)
50 3.3 Das Fruchtwasser-Schätzvolumen in der 21.-24.SSW und seine Bedeutung für das fetale Schätzgewicht in der 21.-24.SSW und für das Geburtsgewicht bei Geburt in der 36.-43.SSW 3.3.1 Referenzwerte für
MehrBiomathematik für Mediziner
Institut für Medizinische Biometrie, Informatik und Epidemiologie der Universität Bonn (Direktor: Prof. Dr. Max P. Baur) Biomathematik für Mediziner Klausur SS 2002 Aufgabe 1: Franz Beckenbauer will, dass
MehrMathematik 2 für Naturwissenschaften
Hans Walser Mathematik 2 für Naturwissenschaften Modul 203 Stochastische Unabhängigkeit Hans Walser: Modul 203, Stochastische Unabhängigkeit ii Inhalt 1 Bedingte Wahrscheinlichkeit... 1 1.1 Feuermeldeanlage,
MehrRetrospektives Studiendesign
Studiendesign Zielsetzungen, Studientypen Genau wie für die klassische Labordiagnostik muss auch für die Genexpressionsanalyse (und andere hochdimensionale Verfahren wie z.b. die Massenspektrometrie) vor
MehrÜbung zur Vorlesung Statistik I WS Übungsblatt 12
Übung zur Vorlesung Statistik I WS 2013-2014 Übungsblatt 12 20. Januar 2014 Die folgenden ufgaben sind aus ehemaligen Klausuren! ufgabe 38.1 (1 Punkt: In einer Studie werden 10 Patienten therapiert. Die
MehrIst gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen
Ist gut gemeint auch gut gemacht? Chancen und Grenzen von Screening-Programmen Dr. rer. medic. Klaus Koch Was ist Screening? Untersuchung an Gesunden ohne Beschwerden oder besondere Risikofaktoren. Unterscheidung:
MehrMathematik EP - Stochastik VIERFELDERTAFEL UND BEDINGTE WKT.
Mathematik EP - Stochastik VIERFELDERTAFEL UND BEDINGTE WKT. HIV - SCHNELLTEST Die Immunschwächekrankheit AIDS wird durch das HI-Virus, welches 1993 entdeckt wurde, verursacht. Die Krankheit gilt bis heute
MehrWIE SICHER IST DIE DIAGNOSE?
WIE SICHER IST DIE DIAGNOSE? ÜBER DEN UMGANG MIT UNSICHERHEIT IN DER MEDIZIN Mag. Andrea Fried Bundesgeschäftsführerin ARGE Selbsthilfe Österreich 2.10.2014 1 2.10.2014 2 Der Fluch der Statistik Medizinische
MehrSTOCHASTISCHE UNABHÄNGIGKEIT. Annika Pohlmann Philipp Oel Wilhelm Dück
STOCHASTISCHE UNABHÄNGIGKEIT Annika Pohlmann Philipp Oel Wilhelm Dück 1 GLIEDERUNG 1) Bedingte Wahrscheinlichkeiten 2) Unabhängigkeit für mehr als zwei Ereignisse 3) Unabhängigkeit für Zufallsvariable
MehrMedizinische Entscheidungstheorie. Stiftungslehrstuhl Health Economics
Stiftungslehrstuhl Health Economics SS 2011: Vorlesung mit Übungen: mittwochs 10-12 Uhr Dozent: Prof. Dr. Stefan Felder, Raum 340 Sprechstunde: Mo 10-12 Uhr Vorlesungsunterlagen unter Lehrstuhlseite: http://wwz.unibas.ch/abteilungen/home/abteilung/health/
MehrMathematik EP - Stochastik VIERFELDERTAFEL UND BAUMDIAGRAMM
Mathematik EP - Stochastik VIERFELDERTAFEL UND BAUMDIAGRAMM HIV - SCHNELLTEST Die Immunschwächekrankheit AIDS wird durch das HI-Virus, welches 1993 entdeckt wurde, verursacht. Die Krankheit gilt bis heute
MehrLösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe C Montag, den 16. Juli 2001 1. Normalverteilung Der diastolische Blutdruck bei einer Gruppe von jungen Männern ist normalverteilt mit einem Erwartungswert von 65 mmhg
MehrBedingte Wahrscheinlichkeit
Bedingte Wahrscheinlichkeit Das Konzept bedingter Wahrscheinlichkeit erlaubt zu untersuchen, inwieweit sich die Wahrscheinlichkeiten für das Eintreten von Ereignissen durch das Eintreten anderer Ereignisse
MehrSatz von der totalen Wahrscheinlichkeit
htw saar 1 Satz von der totalen Wahrscheinlichkeit Sei (Ω, P) ein Wahrscheinlichkeitsraum, und B 1,, B n seien paarweise disjunkte Ereignisse mit B i = Ω. Für jedes Ereignis A gilt dann: P(A) = P(A B 1
MehrIndividualisierte Therapieentscheidung Aktueller Stand aus klinischer Sicht
Onkologischer Workshop: Individualisierte Therapieentscheidung Aktueller Stand aus klinischer Sicht Bernd Schmidt Schwerpunkt Pneumologie, Universitätsklinikum Halle (Saale) Samstag 6. März 2010 Histologie
MehrGrundlagen der Labormedizin. Die analytische Phase
Grundlagen der Labormedizin Die analytische Phase Die analytische Phase im diagnostischen Prozess Begriffe analytischer Qualität - Richtigkeit - Präzision - Genauigkeit Definition der Richtigkeit Die Richtigkeit
MehrSüdtiroler Akademie für Allgemeinmedizin. Brustschmerzen: ein häufiges Symptom in der Allgemeinpraxis
Südtiroler Akademie für Allgemeinmedizin Brustschmerzen: ein häufiges Symptom in der Allgemeinpraxis A. Sönnichsen Diagnostisches Ziel in der Allgemeinmedizin: Überdiagnostik vermeiden keinen übersehen
MehrWie liest man Konfidenzintervalle? Teil II. Premiu m
Wie liest man Konfidenzintervalle? Teil II Premiu m - Hintergrund Anderer Wahrscheinlichkeitsbegriff subjektiver Wahrscheinlichkeitsbegriff Beispiel: Was ist die Wahrscheinlichkeit dafür, dass ein Patient
MehrMa 13 - Stochastik Schroedel Neue Wege (CON)
Bedingte Wahrscheinlichkeiten S. 70, Nr. 5 Richtiges Anwenden der Multiplikationsregel A: Abonnement liest Werbeanzeige B: Produkt wird gekauft S. 70, Nr. 6 Übersetzung von Daten in ein Baumdiagramm A
Mehr2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns
2. Statistische Methoden in der Diagnostik Elemente des Studiendesigns Diagnosestudien in der Medizin Klassifikation in krank - nicht krank basierend auf diagnostischem Test Beispiel: Diagnose von Brustkrebs
MehrPrüfung nicht bestanden. Die gleiche Tabelle kann man auch mit den entsprechenden Wahrscheinlichkeiten (relative Häufigkeit) erstellen.
6 Vierfeldertafel An einer Prüfung nehmen 100 Studenten teil, von denen 40 als Raucher bekannt sind. 65 Studenten haben die Prüfung. Von den Nichtrauchern haben 50 die Prüfung. Wie groß ist der Anteil
MehrInstitut für Biometrie und klinische Forschung. WiSe 2012/2013
Klinische Forschung WWU Münster Pflichtvorlesung zum Querschnittsfach Epidemiologie, Biometrie und Med. Informatik Praktikum der Medizinischen Biometrie (3) Überblick. Deskriptive Statistik I 2. Deskriptive
MehrMathematik IV: Statistik. für D-UWIS, D-ERDW, D-USYS und D-HEST SS15
Mathematik IV: Statistik für D-UWIS, D-ERDW, D-USYS und D-HEST SS15 Repetition: W keitsmodell Grundraum Ω: Alle möglichen Elementarereignisse ω i Bsp. Würfel: Ω={1, 2, 3, 4, 5, 6}, ω 4 =4 Ereignisse A,
MehrSüdtiroler Akademie für Allgemeinmedizin. Seminar
Südtiroler Akademie für Allgemeinmedizin Seminar 16.10.2015 Diagnostische Entscheidungsfindung in der Allgemeinmedizin Andreas Sönnichsen Institut für Allgemeinmedizin und Familienmedizin Universität Witten/Herdecke
Mehr3 Bedingte Wahrscheinlichkeit, Unabhängigkeit
3 Bedingte Wahrscheinlichkeit, Unabhängigkeit Bisher : (Ω, A, P) zur Beschreibung eines Zufallsexperiments Jetzt : Zusatzinformation über den Ausgang des Experiments, etwa (das Ereignis) B ist eingetreten.
MehrLösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe B Montag, den 16. Juli 2001 1. α-fehler und ß-Fehler Welche Aussage ist richtig? A. Der ß-Fehler ist unabhängig von α-fehler. Falsch. Je größer der α-fehler, umso kleiner
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen Gesamtpunktezahl =80 Prüfungsdauer: 2 Stunden Name in Blockbuchstaben: Matrikelnummer: 1) Wissenstest (maximal 20 Punkte) Kreuzen ( ) Sie die jeweils richtige
MehrNaive Bayes. 5. Dezember 2014. Naive Bayes 5. Dezember 2014 1 / 18
Naive Bayes 5. Dezember 2014 Naive Bayes 5. Dezember 2014 1 / 18 Inhaltsverzeichnis 1 Thomas Bayes 2 Anwendungsgebiete 3 Der Satz von Bayes 4 Ausführliche Form 5 Beispiel 6 Naive Bayes Einführung 7 Naive
MehrDr. med. Christoph Bobrowski. M.Sc. Dipl.-Psych. Ruth Fahland. Gesamtsterblichkeit im Krankenhaus als Qualitätskennzahl
Dr. med. Christoph Bobrowski. M.Sc. Dipl.-Psych. Ruth Fahland Gesamtsterblichkeit im Krankenhaus als Qualitätskennzahl ARBEITSGRUPPE Jörn Moock Ruth Fahland Christoph Bobrowski Claus Bartels Thomas Kohlmann
MehrThe ROC curve in screening with multiple markers: An application to the triple test in prenatal diagnostics
Statistische Methoden in Evidenz-basierter Medizin und Health Technology Assessment 20. bis 21. November 2003 Freiburg The ROC curve in screening with multiple markers: An application to the triple test
MehrMedizinische Psychologie. Bewertung wissenschaftlicher Ergebnisse, Evidenzbasierte Medizin, Anwendung statistischer Information
Medizinische Psychologie Bewertung wissenschaftlicher Ergebnisse, Evidenzbasierte Medizin, Anwendung statistischer Information Bewertung wissenschaftlicher Ergebnisse Replizierbarkeit (Wiederholbarkeit)
MehrLabordiagnostik bei Tumorerkrankungen
Labordiagnostik bei Tumorerkrankungen L. Binder Abteilung Klinische Chemie/Zentrallabor 04-06-29 Hämatoonkologisches Curriculum 1 Tumorepidemiologie Tumorerkrankungen 210.000 Todesfälle/a in Deutschland
Mehrebm info.at ärzteinformationszentrum
ebm info.at ärzteinformationszentrum EbM Ärzteinformationszentrum www.ebm info.at Department für Evidenzbasierte Medizin und Klinische Epidemiologie Donau-Universität Krems Antwortdokument zur Anfrage
Mehrhtw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT Hans-Peter Hafner WS 2016/2017
htw saar 1 KAPITEL 4 BEDINGTE WAHRSCHEINLICHKEIT UND STOCHASTISCHE UNABHÄNGIGKEIT htw saar 2 Gliederung 25.01. Bedingte Wahrscheinlichkeit: Motivation und Definition Multiplikationssatz Stochastische Unabhängigkeit:
MehrDiagnostische Tests Über den Umgang mit Risiken
Diagnostische Tests Über den Umgang mit Risiken Ulrich Schrader Vortrag basiert auf... Gerd Gigerenzer, Das Einmaleins der Skepsis Bvt Berliner Taschenbuch Verlag 2004 ISBN: 978-3833300417 Unterhaltsam
MehrLösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001
Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001 1. Sensitivität und Spezifität In einer medizinischen Ambulanz haben 30 % der Patienten eine akute Appendizitis. 80 % dieser Patienten haben
MehrBiomathematik für Mediziner, Klausur WS 1999/2000 Seite 1
Biomathematik für Mediziner, Klausur WS 1999/2000 Seite 1 Aufgabe 1: Wieviele der folgenden Variablen sind quantitativ stetig? Schulnoten, Familienstand, Religion, Steuerklasse, Alter, Reaktionszeit, Fahrzeit,
MehrDiagnose und Prognose: Kurzfassung 3
Diagnose und Prognose: Kurzfassung 3 Themen und Ziele der 3. Vorlesung 1. Diagnostische Tests: Fehlentscheidungen möglich 2. Prädiktive Werte: Beschreibung der Wahrscheinlichkeit einer Fehlentscheidung
MehrKlausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008
Klausur in "Biomathematik" WS 2007 / 2008 Montag, den 28. Januar 2008 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Bei einer klinischen Therapiestudie wird bei allen Patienten der Wert eines quantitativen
Mehr5 ZUSAMMENFASSUNG Zusammenfassung
5 ZUSAMMENFASSUNG 56 5 Zusammenfassung Schwangere mit Gestationdiabetes (GDM) haben ein erhöhtes Risiko für die Entwicklung einer fetalen Makrosomie. Die Geburt eines makrosomen Neugeborenen erhöht nicht
MehrAufgabe 1. Übung Wahrscheinlichkeitsrechnung Markus Kessler Seite 1 von 8. Die Ereignisse A, B und C erfüllen die Bedingungen
Ü b u n g 1 Aufgabe 1 Die Ereignisse A, B und C erfüllen die Bedingungen P(A) = 0. 7, P(B) = 0. 6, P(C) = 0. 5 P(A B) = 0. 4, P(A C) = 0. 3, P(B C) = 0. 2, P(A B C) = 0. 1 Bestimmen Sie P(A B), P(A C),
MehrMathematik für Biologen
Mathematik für Biologen Prof. Dr. Rüdiger W. Braun http://blog.ruediger-braun.net Heinrich-Heine-Universität Düsseldorf 17. Dezember 2014 Klausurhilfsmittel Vier beidseitig von Hand beschriebene A4-Blätter
MehrValidierung von NT-proBNP Cut-off-Werten für die Risikostratifizierung von Nicht-Hochrisiko Patienten mit akuter Lungenembolie
Validierung von NT-proBNP Cut-off-Werten für die Risikostratifizierung von Nicht-Hochrisiko Patienten mit akuter Lungenembolie Dr. Mareike Lankeit et.al, Mainz Erweiterte Zusammenfassung In der Bundesrepublik
MehrChlamydia MIF IgG. Leistungsmerkmale. Produktnummer: IF1250G Rev. J. Nicht für den Vertrieb in den USA
Produktnummer: IF1250G Rev. J Leistungsmerkmale Nicht für den Vertrieb in den USA ERWARTETE WERTE Patienten mit ambulant erworbener Pneumonie Zwei externe Prüfer untersuchten den Focus Chlamydia MIF IgM
MehrÜbersicht. Künstliche Intelligenz: 13. Unsicherheiten Frank Puppe 1
Übersicht I Künstliche Intelligenz II Problemlösen III Wissen und Schlußfolgern IV Logisch Handeln V Unsicheres Wissen und Schließen 13. Unsicherheiten 14. Probabilistisches Schließen 15. Probabilistisches
MehrUnabhängigkeit KAPITEL 4
KAPITEL 4 Unabhängigkeit 4.1. Unabhängigkeit von Ereignissen Wir stellen uns vor, dass zwei Personen jeweils eine Münze werfen. In vielen Fällen kann man annehmen, dass die eine Münze die andere nicht
MehrPrüfung aus Statistik 1 für SoziologInnen
Prüfung aus Statistik 1 für SoziologInnen 1) Wissenstest (maximal 20 Punkte) Prüfungsdauer: 120 Minuten netto Kreuzen ( ) Sie die jeweils richtige Antwort an. Jede richtige Antwort gibt 2 Punkte. Pro falsche
Mehr73 Hypothesentests Motivation Parametertest am Beispiel eines Münzexperiments
73 Hypothesentests 73.1 Motivation Bei Hypothesentests will man eine gewisse Annahme über eine Zufallsvariable darauf hin überprüfen, ob sie korrekt ist. Beispiele: ( Ist eine Münze fair p = 1 )? 2 Sind
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2012 / 2013 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
MehrBis vor einigen Jahren basierte die lokale Bildgebung der Prostata auf dem transrektalen Schall.
Bis vor einigen Jahren basierte die lokale Bildgebung der Prostata auf dem transrektalen Schall. Heute sind neue ultraschallgestützte sowie CT und MRT-gestützte Bildgebungsverfahren verfügbar. Diese werden
MehrBiomathematik für Mediziner, Klausur WS 2000/2001 Seite 1
Biomathematik für Mediziner, Klausur WS 2000/2001 Seite 1 Aufgabe 1: Von 2 gleichartigen Maschinen eines pharmazeutischen Betriebes stellt die erste 40% und die zweite 60% der Produkte her. Dabei verursacht
MehrDatenanalyse. (PHY231) Herbstsemester Olaf Steinkamp
Datenanalyse (PHY31) Herbstsemester 015 Olaf Steinkamp 36-J- olafs@physik.uzh.ch 044 63 55763 Einführung, Messunsicherheiten, Darstellung von Messdaten Grundbegriffe der Wahrscheinlichkeitsrechnung und
Mehr3.4.1 Referenzwerte für das fetale Schätzgewicht in der SSW
60 3.4 Die Bedeutung des fetalen und des mütterlichen Gewichts in der 21.-24.SSW als prädiktiver Parameter für das Geburtsgewicht bei Geburt in der 36.-43.SSW 3.4.1 Referenzwerte für das fetale Schätzgewicht
MehrBayes Klassifikatoren M E T H O D E N D E S D A T A M I N I N G F A B I A N G R E U E L
Bayes Klassifikatoren M E T H O D E N D E S D A T A M I N I N G F A B I A N G R E U E L Inhalt Grundlagen aus der Wahrscheinlichkeitsrechnung Hypothesenwahl Optimale Bayes Klassifikator Naiver Bayes Klassifikator
MehrKlinisches Institut für Medizinische und Chemische Labordiagnostik (KIMCL) Allgemeines Krankenhaus Wien. Medizinische Universität Wien
Klinisches Institut für Medizinische und Chemische Labordiagnostik (KIMCL) Allgemeines Krankenhaus Wien Medizinische Universität Wien KlMCL Probenaufkommen Ca. 8.000 Proben/Tag Ca. 80.000 Ergebnisse/ Tag
MehrBerechnung von Konfidenzintervallen für Impact Numbers aus Fall-Kontroll und Kohorten-Studien
Berechnung von Konfidenzintervallen für Impact Numbers aus Fall-Kontroll und Kohorten-Studien Mandy Hildebrandt 1,2, Ralf Bender 1 und Maria Blettner 2 1 Institut für Qualität und Wirtschaftlichkeit im
MehrScreeningmaßnahmen - klinische Beispiele
Querschnittsbereich 3: Gesundheitsökonomie, Gesundheitssystem, öffentliche Gesundheitspflege Screeningmaßnahmen - klinische Beispiele Prof. Dr. M. Jünger, Klinik für Hautkrankheiten, Gesamtkonzeption /
MehrGrundbegriffe. Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse
Grundbegriffe Vereinigungsmenge Schnittmenge sicheres Ereignis disjunkte Mengen komplementäre Ereignisse/ Gegenereignisse/ Alternativereignisse 33 Mengenschreibweise von Ereignissen - Rechenregeln: (1)
MehrEine Einführung zur Wahrheit und Aussagekraft diagnostischer Messwerte in der medizinischen Statistik
in der medizinischen Statistik Moderne Medizin beruht vielfach auf statistischen Erhebungen Erhebungen zur Häufigkeit von Krankheiten, Erhebungen zur Erfolgswahrscheinlichkeit von Therapien, Erhebungen,
MehrModul 203: Stochastische Unabhängigkeit!
Modul 203: Stochastische Unabhängigkeit! 1 Alarm und falscher Alarm 2 Alarm und falscher Alarm Feuer kein Feuer 3 Alarm und falscher Alarm Feuer p = 0.001 kein Feuer p = 0.999 4 Alarm und falscher Alarm
Mehr