Auswertungen ANQ Psychiatrie 2013: Vorgehen und Ergebnisse
|
|
- Hedwig Winkler
- vor 7 Jahren
- Abrufe
Transkript
1 Auswertungen ANQ Psychiatrie 2013: Vorgehen und Ergebnisse Informations- und Diskussionsanlass ANQ Nationale Messergebnisse Sept Basel Dr. Bernhard Bührlen, Simone McKernan MSc, Dr. Evita Harfst
2 METHODEN 2
3 RISIKOADJUSTIERUNG 3
4 Zielsetzung: «Faire» Klinikvergleiche Die Kliniken weisen unterschiedliche Ausgangsbedingungen auf, die sich in einer unterschiedlichen Zusammensetzung ihrer Patientenklientel niederschlagen. Benachteiligung von Kliniken durch einen ungünstigen «Casemix» sollen vermieden werden. Für aussagekräftige Klinikvergleiche ist es notwendig, diese Unterschiede in den Ausgangsbedingungen zu korrigieren. Dieses geschieht über ein statistisches Verfahren, welches nicht die Rohdaten der Kliniken vergleicht, sondern die Residualwerte, aus denen der Einfluss der Störgrössen («Confounder») eliminiert wurde. Das «Risiko», aufgrund einer ungünstigen Ausgangslage ein zu schlechtes Messergebnis zu erreichen, wird dadurch ausgeglichen («adjustiert»). 4
5 gemessenes Outcome (Rohwert) Risikoadjustierung Lineare Regression: y i = α + ß 1 x 1i + ß 2 x 2i + ß 3 x 3i +. + ß k x kn + ε i für alle Fälle i=1 n und alle Einflussvariablen x 1 k abhängige Variable, hier: Messwert des Outcomes Konstante bekannte unabhängige Variablen, hier: Confounder Residuum Der Messwert des Outcomes y besteht aus einer Konstante, den Messwerten der bekannten Confounder x jeweils multipliziert mit einem Gewichtungsfaktor ß und einem «Fehler»-term, dem Residuum. Im Residuum sind alle nicht gemessenen Faktoren enthalten, die zum Outcome beitragen. Dabei handelt es sich v.a. um den eigentlichen Therapieeffekt, um weitere, unbekannte Störgrössen sowie um Messungenauigkeiten. Messfehler nicht erfasste Störgrössen Einfluss der Therapie erfasste Confounder Konstante 5
6 gemessenes Outcome (Rohwert) Risikoadjustierung Messfehler nicht erfasste Störgrössen Residuum Klinikvergleich Einfluss der Therapie erfasste Confounder Konstante eliminiert eliminiert Verbesserung der Schätzung des Therapieeffekts durch Elimination der bekannten Störgrössen Der verbesserte Schätzwert (= das Residuum) wird anschliessend auf eine einheitliche Skala umgerechnet (=standardisiert) und im Diagramm dargestellt. 6
7 DATEN- QUALITÄT 7
8 Gesamt Anteil der Fälle Daten für HoNOS-Auswertung Erwachsenenpsychiatrie 100% Anteil auswertbarer Fälle für HoNOS-Berechnungen (inkl. nicht beeinflussbarer Dropouts) (beinhaltet MedStat + Psych. Zusatzdaten + HoNOS Eintritt + HoNOS Austritt) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Kliniken Komplett Auswertbar Dropout (nicht beeinflussbar) Dropout (beeinflussbar) Mangelhaft Fehlt Erwartungswert Gesamtstichprobe: 65.2% der abgeschlossenen Fälle auswertbar 8
9 Gesamt Anteil der Fälle Daten für BSCL-Auswertung Erwachsenenpsychiatrie 100% Anteil auswertbarer Fälle für BSCL-Berechnungen (inkl. nicht beeinflussbarer Dropouts) (beinhaltet MedStat + Psych. Zusatzdaten + BSCL Eintritt + BSCL Austritt) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Kliniken Komplett Auswertbar Dropout (nicht beeinflussbar) Dropout (beeinflussbar) Mangelhaft Fehlt Erwartungswert Gesamtstichprobe: 28.1% der abgeschlossenen Fälle auswertbar 9
10 Anteil der Fälle Daten für HoNOSCA-Auswertung Kinder- und Jugendpsychiatrie 100% 90% 80% 70% Anteil auswertbarer Fälle für HoNOSCA-Berechnungen (inkl. nicht beeinflussbarer Dropouts) (beinhaltet MedStat + Psych. Zusatzdaten + HoNOSCA Eintritt + HoNOSCA Austritt) 60% 50% 40% 30% 20% 10% 0% Anzahl Fälle Kliniken Gesamt Komplett Auswertbar Dropout (nicht beeinflussbar) Dropout (beeinflussbar) Mangelhaft Fehlt Erwartungswert Gesamtstichprobe: 48.1% der abgeschlossenen Fälle auswertbar 10
11 Anteil der Fälle Daten für HoNOSCA-SR-Auswertung Kinder- und Jugendpsychiatrie 100% Anteil auswertbarer Fälle für HoNOSCA-SR-Berechnungen (inkl. nicht beeinflussbarer Dropouts) (beinhaltet MedStat + Psych. Zusatzdaten + HoNOSCA-SR Eintritt + HoNOSCA-SR Austritt) 90% 80% 70% 60% 50% 40% 30% 20% 10% 0% Anzahl Fälle Kliniken Gesamt Komplett Auswertbar Dropout (nicht beeinflussbar) Dropout (beeinflussbar) Mangelhaft Fehlt Erwartungswert Gesamtstichprobe: 18.8% der abgeschlossenen Fälle auswertbar 11
12 ERGEBNISSE: DIFFERENZWERT HONOS, DIFFERENZWERT BSCL Erwachsenenpsychiatrie 12
13 # * 10 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Lesebeispiel Klinikvergleich Standardisierter Mittelwert der Gesamtstichprobe (schwarze Linie) Standardisierter Mittelwert der Residualwerte der Klinik 95%- Konfidenzintervall der Klinik Abweichung des Klinikwerts vom Gesamtmittel; t-test, α Test 0.001, α gesamt %- Konfidenzintervall der Gesamtstichprobe (=Referenzbereich) (Bereich zwischen grünen Linien) Gültige Fälle Kliniken K01 K02 K03 K04 K05 K06 K07 K08 K09 K10 K11 Signif. Abweichung nach oben Signif. Abweichung nach unten Keine signif. Abweichung * Klinik mit < 20 gültigen Fällen X-Achse mit den einzelnen Kliniken # Rücklaufquote unter 80% für HoNOS, unter 40% für BSCL
14 * # 0 * # # 122 # # # # # # # # 848 # # 50 # # # # # # # * # # 48 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Messergebnis Symptombelastung: HoNOS Differenzwert Signif. Abweichung nach oben Signif. Abweichung nach unten Keine signif. Abweichung Abweichung vom Gesamtmittel; t-test, α test 0.001, α gesamt 0.05 * Klinik mit < 20 gültigen Fällen # Rücklaufquote unter 80% Gültige Fälle Kliniken
15 * # 0 * # 0 * # # # # # # # # * # 45 # * # Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Messergebnis Symptombelastung: BSCL Differenzwert Signif. Abweichung nach oben Signif. Abweichung nach unten Keine signif. Abweichung Gültige Fälle Kliniken Abweichung vom Gesamtmittel; t-test, α test 0.001, α gesamt 0.05 * Klinik mit < 20 gültigen Fällen # Rücklaufquote unter 40%
16 ERGEBNISSE: VORJAHRESVERGLEICH Erwachsenenpsychiatrie 16
17 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Vergleich mit Vorjahr: HoNOS Erwachsene 1.50 Messergebnis Symptombelastung: HoNOS Differenzwert Jahresvergleich Kliniken Mittelwert Klinik Vorjahr (2012) Mittelwert Klinik aktuelles Jahr (2013) Mittelwert Gesamt aktuelles Jahr KI Gesamt aktuelles Jahr KI Gesamt unten aktuelles Jahr 17
18 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Vergleich mit Vorjahr: BSCL Erwachsene 0.80 Messergebnis Symptombelastung: BSCL Differenzwert Jahresvergleich Kliniken Mittelwert Klinik Vorjahr (2012) Mittelwert Klinik aktuelles Jahr (2013) Mittelwert Gesamt aktuelles Jahr KI Gesamt aktuelles Jahr KI Gesamt unten aktuelles Jahr 18
19 ERGEBNISSE: FREIHEITS- BESCHRÄNKENDE MASSNAHMEN Erwachsenenpsychiatrie 19
20 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Freiheitsbeschränkende Massnahmen: Anteil betroffener Fälle Signif. Abweichung nach oben Signif. Abweichung nach unten Keine signif. Abweichung Abweichung vom Gesamtmittel; t-test, α test 0.001, α gesamt Gültige Fälle Kliniken
21 Freiheitsbeschränkende Massnahmen: Übersicht 12 * * * * * 1 * * 2 * Klinik Isolation 16 0 Zwangsmedikation 2 massnahme 2 * 55 0 medikation 0 massnahme Sicherheits Zwangs- * Sicherheits- 2 0 Fixierung Klinik Isolation Fixierung 17 2 Intensität / Intensität 18 0/ Häufigkeit 0 Häufigkeit 0 0 Intensität 56 / Intensität 1 / Häufigkeit * Häufigkeit 1 1 Fall 19 Fall 0 / Fall 0 / Fall 0 0 Fall57 Fall 0 / 0Fall 0/ Fall * * * * 0 2 * * * * * 0 * 43 * * 62 0* * * 0 * * * * * * * * * 46 3 * 1 * * * Legende * * * FM: Signifikante * Abweichung * nach 0 unten * 2 * 2 * Keine * signifikante 1 Abweichung * * < 20 betroffene * Fälle => 2 keine Signifikanz * errechnet FM: Signifikante 0 Abweichung 0 nach 0 oben * 0 * 54* 1 Nach Auskunft * der Klinik 2 keine betroffenen 0 Fälle * * * Keine Daten geliefert * * 2 * 21
22 ERGEBNISSE KINDER- UND JUGENDPSYCHIATRIE Ergebnisse sind bislang wegen kleinen Fallzahlen und teils ungenügender Datenqualität noch wenig aussagekräftig. 22
23 * # 2 * # 6 * # 7 * # 13 * # * # 3 * 5 # 51 # # 25 # 23 # 56 * # 10 * # 7 * # 19 * # 7 * 4 * # 8 * # 10 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Messergebnis Symptombelastung: HoNOSCA Differenzwert Signif. Abweichung nach oben Signif. Abweichung nach unten keine signif. Abweichung Abweichung vom Gesamtmittel; t-test, α test 0.001, α gesamt 0.05 * Gültige Fallzahl unter 20 # Datenrücklauf unter 80% Gültige Fälle Kliniken
24 * # 0 * # 0 * # 0 * # 2 * 6 * 2 * 9 * 3 * 6 * # 1 * * 4 20 * # 7 * * 10 * # 1 * # 2 Klinikmittelwert (standardisiertes Residuum) mit 95% Konfidenzintervall Messergebnis Symptombelastung: HoNOSCA-SR Differenzwert Signif. Abweichung nach oben Signif. Abweichung nach unten keine signif. Abweichung Gültige Fälle Kliniken Abweichung vom Gesamtmittel; t-test, α test 0.001, α gesamt 0.05 * Gültige Fallzahl unter 20 # Datenrücklauf unter 40%
25 Vielen Dank für Ihre Aufmerksamkeit! Ihre Ansprechpersonen: Dr. Bernhard Bührlen Tel. (061) Simone McKernan MSc Tel. (061) Dr. Evita Harfst Tel. (061) Katerina Laxdal MSc Tel. (061)
26 FRAGEN, KOMMENTARE, DISKUSSION 26
27 ERGÄNZENDE FOLIEN 27
28 Berücksichtigte Confounder Erwachsenenpsychiatrie 1. Alter bei Eintritt 2. Geschlecht 3. Hauptdiagnose (Austrittsdiagnose) 4. Schweregrad der Krankheit bei Eintritt 5. Fürsorgerische Unterbringung 6. Nationalität 7. Bildungsstand 8. Zivilstand 9. Beschäftigung vor Eintritt 10. Aufenthaltsort vor Eintritt 11. Versicherungsart (allgemein, halbprivat, privat) 12. Einweisende Instanz 13. Aufenthaltsdauer Kinder- und Jugendlichenpsychiatrie 1. Alter bei Eintritt 2. Geschlecht 3. Hauptdiagnose (Austrittsdiagnose) 4. Schweregrad der Krankheit bei Eintritt 5. Fürsorgerische Unterbringung 6. Nationalität 7. Aufenthaltsort vor Eintritt 8. Einweisende Instanz 9. Eintrittsart (geplant, Notfall, ) 10. Aufenthaltsdauer 28
Nationale Messungen Stationäre Psychiatrie Erwachsene
Nationale Messungen Stationäre Psychiatrie Erwachsene Kurzfassung Nationaler Vergleichsbericht 2014 Januar 2016 / Version 1.0 Inhaltsverzeichnis Inhaltsverzeichnis... 2 1. Ausgangslage... 3 2. Qualitätsindikatoren...
MehrNationaler Vergleichsbericht Outcome Stationäre Psychiatrie Erwachsene
Nationaler Vergleichsbericht Outcome Stationäre Psychiatrie Erwachsene Nationale Messungen stationäre Psychiatrie für Erwachsene Indikatoren Symptombelastung und Freiheitsbeschränkende Massnahmen Erhebungszeitraum:
MehrNationale Qualitätsmessungen in der Psychiatrie
Nationale Qualitätsmessungen in der Psychiatrie Ergebnisse und Erfahrungen aus der Schweiz Workshop LVR Symposium Köln 29. Januar 2015 Dr. Johanna Friedli, Leiterin Psychiatrie ANQ Inhalte Meilensteine
MehrNationale Qualitätsmessungen in der Psychiatrie
Nationale Qualitätsmessungen in der Psychiatrie Ergebnisse und Erfahrungen aus der Schweiz Workshop LVR Symposium Köln 29. Januar 2015 Dr. Johanna Friedli, Leiterin Psychiatrie ANQ Inhalte Meilensteine
MehrAnhang zum Auswertungskonzept: Datenkontrolle und Datenvalidierung
Anhang zum Auswertungskonzept: Datenkontrolle und Datenvalidierung Nationale Messungen stationäre Kinder- und Jugendpsychiatrie Indikatoren Symptombelastung und Freiheitsbeschränkende Massnahmen 05. Juni
MehrAuswertungskonzept ANQ
Auswertungskonzept ANQ Nationale Messungen stationäre Kinder- und Jugendpsychiatrie und -psychotherapie Indikatoren Symptombelastung und Freiheitsbeschränkende Massnahmen 05. Juli 2017 / Version 7.1 Inhaltsverzeichnis
MehrDatenmanagement im Rahmen der nationalen Qualitätsmessungen Psychiatrie
Datenmanagement im Rahmen der nationalen Qualitätsmessungen Psychiatrie Informationen für Projektleitende Dr. Bernhard Bührlen UPK Basel, Abt. Evaluation Tel. (061) 325 5793 bernhard.buehrlen@upkbs.ch
MehrNationale Qualitätsmessungen in der Psychiatrie
Nationale Qualitätsmessungen in der Psychiatrie Ergebnisse und Erfahrungen aus der Schweiz Vortrag BAG Psychiatrie 05. November 2015 Dr. Johanna Friedli, Leitung Psychiatrie ANQ Inhalte Grundlagen und
MehrAnnahmen des linearen Modells
Annahmen des linearen Modells Annahmen des linearen Modells zusammengefasst A1: Linearer Zusammenhang: y = 0 + 1x 1 + 2x 2 + + kx k A2: Zufallsstichprobe, keine Korrelation zwischen Beobachtungen A3: Erwartungswert
MehrHypothesentests mit SPSS
Beispiel für eine zweifaktorielle Varianzanalyse mit Messwiederholung auf einem Faktor (univariate Lösung) Daten: POKIII_AG4_V06.SAV Hypothese: Die physische Attraktivität der Bildperson und das Geschlecht
MehrErster Nationaler Vergleichsbericht Rehabilitation. K. Spyra, S. Köhn Charité Universitätsmedizin Berlin. ANQ Nationaler Messplan Rehabilitation
ANQ Nationaler Messplan Rehabilitation Erster Nationaler Vergleichsbericht Rehabilitation Lesung und Interpretation der Ergebnisse K. Spyra, S. Köhn Charité Universitätsmedizin Berlin ANQ Q-Day Bern, 28.
MehrErgebnisqualität: Messungen des ANQ und Implikationen für die Psychiatrieplanung
Ergebnisqualität: Messungen des ANQ und Implikationen für die Psychiatrieplanung Fachveranstaltung der GDK zur Psychiatrieplanung 15. Mai 2014 Dr. Regula Ruflin, Leiterin Psychiatrie ANQ Inhaltlicher Ablauf
MehrBei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:
18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse
MehrANQ Q-Day Atelier Psychiatrie. Fragebogen: Auf dem Tablet serviert
ANQ Q-Day Atelier Psychiatrie Fragebogen: Auf dem Tablet serviert Privatklinik Hohenegg 1912 Bau und Start Klinik Hohenegg 2006 Start Privatklinik Hohenegg exklusiv für HP/P Einzige Psychiatrische Klinik
MehrInhalt und Format der Datenerhebung. Nationale Messungen stationäre Kinder- und Jugendpsychiatrie
Datendefinition: Inhalt und Format der Datenerhebung Nationale Messungen stationäre Kinder- und Jugendpsychiatrie Indikatoren Symptombelastung und Freiheitsbeschränkende Massnahmen 04. April 2017 / Version
MehrPublikationskonzept Stationäre Psychiatrie Erwachsene
Publikationskonzept Stationäre Psychiatrie Erwachsene Anhang 6 01. Dezember 2015 / Version 3.1* Das vorliegende Publikationskonzept Stationäre Psychiatrie Erwachsene Version 3.1 ist Bestandteil des Grundlagendokumentes
MehrEinführung in die Statistik für Politikwissenschaftler Sommersemester 2011
Einführung in die Statistik für Politikwissenschaftler Sommersemester 2011 Es können von den Antworten alle, mehrere oder keine Antwort(en) richtig sein. Nur bei einer korrekten Antwort (ohne Auslassungen
MehrÜbersicht rechtliche Grundlagen zur Anwendung von freiheitsbeschränkenden Massnahmen
Übersicht rechtliche Grundlagen zur Anwendung von freiheitsbeschränkenden Massnahmen Q-Day vom Grundsatz der Freiheitsbeschränkung Freiheitsbeschränkende Massnahmen in der stationären Betreuung (mit oder
MehrGeschäftsbericht 2014 Medizinische Statistik
Geschäftsbericht Medizinische Statistik Erwachsenenpsychiatrie (Statistische Basiszahlen ) Patientinnen/Patienten (Fälle) 66 49 6 Eintritte 99 96 96 Austritte 99 97 96 behandelte Fälle ambulant 64 74 49
MehrNationaler Vergleichsbericht 2015 Pulmonale Rehabilitation
Pulmonale Rehabilitation Nationaler Messplan Rehabilitation Modul 3b Erhebungszeitraum: 1. Januar bis 31. Dezember 2015 28. Februar 2017 / Version 1.0 Charité Universitätsmedizin Berlin Institut für Medizinische
MehrMusterrevisionsbericht 1. im Spital X
Anhang 2 zum Reglement für die Durchführung der Kodierrevision unter TARPSY Musterrevisionsbericht 1 im Spital X Version 1.0 Stand: 1.12.2016 1 Konkretisierung des statistischen Teils und der Beurteilungskriterien
MehrTest von Hypothesen: Signifikanz des Zusammenhangs (F-Test)
Test von Hyothesen: Signifikanz des Zusammenhangs (F-Test) Die Schätzung der Regressionsfunktion basiert auf Daten einer Stichrobe Inwiefern können die Ergebnisse dieser Schätzung auf die Grundgesamtheit
MehrRecht und Praxis bei der Erfassung freiheitsbeschränkender Massnahmen in der Kinder- und Jugendpsychiatrie mit den Erfassungsinstrumenten EFM-KJP
UNIVERSITÄRE PSYCHIATRISCHE DIENSTE BERN (UPD) Klinik für Kinder- und Jugendpsychiatrie und Psychotherapie Recht und Praxis bei der Erfassung freiheitsbeschränkender Massnahmen in der Kinder- und Jugendpsychiatrie
MehrPatientenzufriedenheitsmessung Psychiatrie. Informationsveranstaltung Zürich, 7. März 2017, Uhr
Patientenzufriedenheitsmessung Psychiatrie Informationsveranstaltung Zürich, 7. März 2017, 13.1 16.4 Uhr Programm Begrüssung und Einleitung Regula Heller, ANQ Der ANQ-Kurzfragebogen (Entwicklung, Testergebnisse
MehrTrainerschulung ANQ Qualitätsmessung Psychiatrie
Trainerschulung ANQ Qualitätsmessung Psychiatrie 09:00 10:00 ANQ-Qualitätsmessungen Psychiatrie Begrüssung und Vorstellung der Teilnehmenden, Beschreibung von Sinn, Zielen und Verbindlichkeiten des ANQ-
MehrEinfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen)
3 Einfache lineare Regression Einfache lineare Modelle mit R 36 Einfache lineare Modelle mit Statistik-Software R Beispiel (Ausgaben in Abhängigkeit vom Einkommen) > summary(lm(y~x)) Call: lm(formula =
MehrNationaler Vergleichsbericht 2015 Muskuloskelettale Rehabilitation
Muskuloskelettale Rehabilitation Nationaler Messplan Rehabilitation Modul 2a Erhebungszeitraum: 1. Januar bis 31. Dezember 2015 28. Februar 2017 / Version 1.0 Charité Universitätsmedizin Berlin Institut
MehrMathematische und statistische Methoden II
Statistik & Methodenlehre e e Prof. Dr. G. Meinhardt 6. Stock, Wallstr. 3 (Raum 06-206) Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung. Mathematische und statistische Methoden II Dr. Malte
MehrJAHRESBERICHT 2011 Statistiken
JAHRESBERICHT 2011 Statistiken UPK Behandlungen UPK Basel nach Kliniken (Anzahl fälle) 1.1 Kinder- und Jugendpsychiatrie 821 Privatklinik* Forensik 171 358 Erwachsenepsychiatrie 7072 * Die Privatklinik
MehrPrognoseintervalle für y 0 gegeben x 0
10 Lineare Regression Punkt- und Intervallprognosen 10.5 Prognoseintervalle für y 0 gegeben x 0 Intervallprognosen für y 0 zur Vertrauenswahrscheinlichkeit 1 α erhält man also analog zu den Intervallprognosen
Mehr2. Lösung weitere Übungsaufgaben Statistik II WiSe 2016/2017
. Lösung weitere Übungsaufgaben Statistik II WiSe 016/017 1. Aufgabe: Bei der Produktion eines Werkstückes wurde die Bearbeitungszeit untersucht. Für die als normalverteilt angesehene zufällige Bearbeitungszeit
MehrChancen und Grenzen der ANQ-Qualitätsmessungen
und der ANQ-Qualitätsmessungen und der ANQ-Qualitätsmessungen Der ANQ setzt einheitliche Qualitätsmessungen in der stationären Akutsomatik, Rehabilitation und Psychiatrie um. Die Messergebnisse werden
MehrTESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3
TESTTHEORIE UND TESTKONSTRUKTION - PRAKTISCHE ANWENDUNG - TEIL 3 Prof. Dr. Franke SS2012 Hochschule Magdeburg-Stendal (FH) M.Sc. Rehabilitationspsychologie Gliederung Reliabilität 1. Überblick 2. Berechnung
MehrNationale Patientenzufriedenheitsbefragung des ANQ
Publikationskonzept Nationale Patientenzufriedenheitsbefragung des ANQ Anhang 2 September 2017, Version 4.0 Der vorliegende Anhang 2 Publikationskonzept Nationale Patientenzufriedenheitsbefragung des ANQ
MehrNeugeborene der Baselbieter Wohnbevölkerung nach Vitalstatus
Neugeborene der Baselbieter Wohnbevölkerung nach Vitalstatus 2003-2006 Vitalstatus 2003 2004 2005 2006 Total 2 075 2 119 2 149 2 123 totgeboren 4 3 4 10 lebendgeboren 2 071 2 116 2 145 2 113 Neugeborene
MehrBeispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben
Beispiel 1: Zweifache Varianzanalyse für unabhängige Stichproben Es wurden die Körpergrößen von 3 Versuchspersonen, sowie Alter und Geschlecht erhoben. (Jeweils Größen pro Faktorstufenkombination). (a)
MehrKapitel 8. Einfache Regression. Anpassen des linearen Regressionsmodells, OLS. Eigenschaften der Schätzer für das Modell
Kapitel 8 Einfache Regression Josef Leydold c 2006 Mathematische Methoden VIII Einfache Regression 1 / 21 Lernziele Lineares Regressionsmodell Anpassen des linearen Regressionsmodells, OLS Eigenschaften
MehrBreusch-Pagan-Test I auf Heteroskedastie in den Störgrößen
Breusch-Pagan-Test I Ein weiterer Test ist der Breusch-Pagan-Test. Im Gegensatz zum Goldfeld-Quandt-Test ist es nicht erforderlich, eine (einzelne) Quelle der Heteroskedastizität anzugeben bzw. zu vermuten.
MehrEinrichtungsvergleiche in der Rehabilitation Methoden und Ergebnisse
Universitätsklinikum Freiburg Abteilung Qualitätsmanagement und Sozialmedizin (AQMS) Dr. phil. Dipl. Psych. Erik Farin Einrichtungsvergleiche in der Rehabilitation Methoden und Ergebnisse Dr. Erik Farin
MehrStatistik II Übung 4: Skalierung und asymptotische Eigenschaften
Statistik II Übung 4: Skalierung und asymptotische Eigenschaften Diese Übung beschäftigt sich mit der Skalierung von Variablen in Regressionsanalysen und mit asymptotischen Eigenschaften von OLS. Verwenden
MehrVermessungskunde für Bauingenieure und Geodäten
Vermessungskunde für Bauingenieure und Geodäten Übung 5: statistische Auswertung gleichgenauer Messungen Milo Hirsch Hendrik Hellmers Florian Schill Institut für Geodäsie Fachbereich 3 Inhaltsverzeichnis
MehrFormelsammlung für das Modul. Statistik 2. Bachelor. Sven Garbade
Version 2015 Formelsammlung für das Modul Statistik 2 Bachelor Sven Garbade Prof. Dr. phil. Dipl.-Psych. Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de
MehrANHANG 1 (2008) PATIENTENSTATISTIKEN PSYCHIATRISCHE KLINIK (PK)
ANHANG 1 (2008) PATIENTENSTATISTIKEN PSYCHIATRISCHE KLINIK (PK) Anzahl stationäre Patienten/-innen sowie Behandlungsfälle für das Jahr 2007 Anzahl Patienten/-innen Abgeschl. Aufenthalte gesamt Behandlungsfälle
MehrTrainerschulung ANQ Qualitätsmessung Psychiatrie
Trainerschulung ANQ Qualitätsmessung Psychiatrie 09:00 10:00 ANQ-Qualitätsmessungen Psychiatrie Begrüssung und Vorstellung der Teilnehmenden, Beschreibung von Sinn, Zielen und Verbindlichkeiten des ANQ-
MehrProjekt Kaffeemaschine Welche Faktoren beeinflussen das Geschmacksurteil?
AKULTÄT ANGEWANDTE SOZIALWISSENSCHATEN PRO. DR. SONJA HAUG Projekt Kaffeemaschine Welche aktoren beeinflussen das Geschmacksurteil? Ausgehend von der Verkostung an der Hochschule Regensburg und der dabei
MehrGliederung. 1. Einführung. Heute schon Musik gehört?
Regressionsanalyse Technische Universität Chemnitz Seminar: Forschungsmethodik und Evalua
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrDas (multiple) Bestimmtheitsmaß R 2. Beispiel: Ausgaben in Abhängigkeit vom Einkommen (I) Parameterschätzer im einfachen linearen Regressionsmodell
1 Lineare Regression Parameterschätzung 13 Im einfachen linearen Regressionsmodell sind also neben σ ) insbesondere β 1 und β Parameter, deren Schätzung für die Quantifizierung des linearen Zusammenhangs
MehrEinführungsseminar S1 Elemente der Fehlerrechnung. Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum
Einführungsseminar S1 Elemente der Fehlerrechnung Physikalisches Praktikum der Fakultät für Physik und Astronomie Ruhr-Universität Bochum Literatur Wolfgang Kamke Der Umgang mit experimentellen Daten,
MehrStatistik. R. Frühwirth. Statistik. VO Februar R. Frühwirth Statistik 1/536
fru@hephy.oeaw.ac.at VO 142.090 http://tinyurl.com/tu142090 Februar 2010 1/536 Übersicht über die Vorlesung Teil 1: Deskriptive Teil 2: Wahrscheinlichkeitsrechnung Teil 3: Zufallsvariable Teil 4: Parameterschätzung
MehrVorlesung: Statistik II für Wirtschaftswissenschaft
Vorlesung: Statistik II für Wirtschaftswissenschaft Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München Sommersemester 2017 6 Genzwertsätze Einführung 1 Wahrscheinlichkeit: Definition und Interpretation
MehrZiel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X.
Lineare Regression Einfache Regression Beispieldatensatz: trinkgeld.sav Ziel: Vorhersage eines Kriteriums/Regressand Y durch einen Prädiktor/Regressor X. H0: Y lässt sich nicht durch X erklären, das heißt
MehrB. Regressionsanalyse [progdat.sav]
SPSS-PC-ÜBUNG Seite 9 B. Regressionsanalyse [progdat.sav] Ein Unternehmen möchte den zukünftigen Absatz in Abhängigkeit von den Werbeausgaben und der Anzahl der Filialen prognostizieren. Dazu wurden über
MehrAufgabe 1 (8= Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten:
Aufgabe 1 (8=2+2+2+2 Punkte) 13 Studenten haben die folgenden Noten (ganze Zahl) in der Statistikklausur erhalten: Die Zufallsvariable X bezeichne die Note. 1443533523253. a) Wie groß ist h(x 5)? Kreuzen
MehrÜbung V Lineares Regressionsmodell
Universität Ulm 89069 Ulm Germany Dipl.-WiWi Michael Alpert Institut für Wirtschaftspolitik Fakultät für Mathematik und Wirtschaftswissenschaften Ludwig-Erhard-Stiftungsprofessur Sommersemester 2007 Übung
MehrKlausurvorbereitung - Statistik
Aufgabe 1 Klausurvorbereitung - Statistik Studenten der Politikwissenschaft der Johannes Gutenberg-Universität wurden befragt, seit wie vielen Semestern sie eingeschrieben sind. Berechnen Sie für die folgenden
MehrGlossar Biometrie / Statistik. Auszug für Fragebogen Fallzahlberechnung/-begründung
Glossar Biometrie / Statistik A Äquivalenztest Der Äquivalenztest beurteilt die Gleichwertigkeit von Therapien. Beim Äquivalenztest werden als Hypothesen formuliert: Nullhypothese H 0 : Die Präparate sind
MehrBivariater Zusammenhang in der Vierfeldertafel PEΣO
Bivariater Zusammenhang in der Vierfeldertafel PEΣO 12. Oktober 2001 Zusammenhang zweier Variablen und bivariate Häufigkeitsverteilung Die Bivariate Häufigkeitsverteilung gibt Auskunft darüber, wie zwei
MehrManual für Erfassende Stationäre Psychiatrie Kinder- und Jugendliche
Manual für Erfassende Stationäre Psychiatrie Kinder- und Jugendliche Nationale Messungen der Indikatoren Symptombelastung und Freiheitsbeschränkende Massnahmen 01.12.2015 / Version 3 gültig ab 01.01.2016
MehrANHANG 1 (2007) PATIENTENSTATISTIKEN PSYCHIATRISCHE KLINIK (PK)
ANHANG 1 (2007) PATIENTENSTATISTIKEN PSYCHIATRISCHE KLINIK (PK) Anzahl stationäre Patienten/-innen sowie Behandlungsfälle für das Jahr 2006* Anzahl Patienten/-innen Abgeschl. Aufenthalte gesamt Behandlungsfälle
Mehr2. Generieren Sie deskriptive Statistiken (Mittelwert, Standardabweichung) für earny3 und kidsunder6yr3 und kommentieren Sie diese kurz.
Statistik II Übung : Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (6-24 Jahre alt) und der Anzahl der unter
MehrErmitteln Sie auf 2 Dezimalstellen genau die folgenden Kenngrößen der bivariaten Verteilung der Merkmale Weite und Zeit:
1. Welche der folgenden Kenngrößen, Statistiken bzw. Grafiken sind zur Beschreibung der Werteverteilung des Merkmals Konfessionszugehörigkeit sinnvoll einsetzbar? A. Der Modalwert. B. Der Median. C. Das
MehrTeil: lineare Regression
Teil: lineare Regression 1 Einführung 2 Prüfung der Regressionsfunktion 3 Die Modellannahmen zur Durchführung einer linearen Regression 4 Dummyvariablen 1 Einführung o Eine statistische Methode um Zusammenhänge
MehrPatientenbefragungen g in der medizinischen Rehabilitation: Zusammenhänge zwischen
Patientenbefragungen g in der medizinischen Rehabilitation: Zusammenhänge zwischen Rücklaufquote und Patientenzufriedenheit Andrés Steffanowski 1,JensRieger 2, David Kriz 1, Jürgen Schmidt 1 & Rüdiger
MehrMultivariate Verfahren
Selbstkontrollarbeit 1 Multivariate Verfahren Diese Selbstkontrollarbeit bezieht sich auf die Kapitel 1 bis 4 der Kurseinheit 1 (Multivariate Statistik) des Kurses Multivariate Verfahren (883). Hinweise:
Mehrdes Gemeinsamen Bundesausschusses über die Veröffentlichung des Modells zur Risikoadjustierung gemäß 7 Absatz 2 Satz 3 Anlage 4 QFR-RL
Beschluss des Gemeinsamen Bundesausschusses über die Veröffentlichung des Modells zur Risikoadjustierung gemäß 7 Absatz 2 Satz 3 Anlage 4 QFR-RL Vom 21. Januar 2016 Der Gemeinsame Bundesausschuss hat in
MehrTabakkonsum von Jugendlichen: Zur Bedeutung der sozialen Herkunft und der Schulbildung
Bundesinstitut im Geschäftsbereich des Bundesministeriums für Gesundheit Tabakkonsum von Jugendlichen: Zur Bedeutung der sozialen Herkunft und der Schulbildung Benjamin Kuntz, Thomas Lampert Abteilung
MehrMehrebenenanalyse. Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh
Mehrebenenanalyse Seminar: Multivariate Analysemethoden Referentinnen: Barbara Wulfken, Iris Koch & Laura Früh Inhalt } Einführung } Fragestellung } Das Programm HLM } Mögliche Modelle } Nullmodell } Random
MehrStatistik II Übung 3: Hypothesentests
Statistik II Übung 3: Hypothesentests Diese Übung beschäftigt sich mit der Anwendung diverser Hypothesentests (zum Beispiel zum Vergleich der Mittelwerte und Verteilungen zweier Stichproben). Verwenden
MehrEinführung in die Fehlerrechnung
1 Einführung in die Fehlerrechnung liederung 1. Motivation. Fehlerarten 1. robe Fehler. Systematische Fehler 3. Zufällige Fehler 3. Rechnerische Erfassung der Messabweichungen 1. Fehlerabschätzung einmaliges
MehrKapitel 3 Schließende lineare Regression Einführung. induktiv. Fragestellungen. Modell. Matrixschreibweise. Annahmen.
Kapitel 3 Schließende lineare Regression 3.1. Einführung induktiv Fragestellungen Modell Statistisch bewerten, der vorher beschriebenen Zusammenhänge auf der Basis vorliegender Daten, ob die ermittelte
MehrErgebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013
Ergebnisse der testpsychologischen Untersuchungen für das zweite Halbjahr 2013 Hintergrund: Seit 2012 führen wir zu Beginn und zum Ende der Behandlung bei allen Patienten eine testpsychologische Untersuchung
MehrHypothesentests mit SPSS
Beispiel für eine einfache Regressionsanalyse (mit Überprüfung der Voraussetzungen) Daten: bedrohfb_v07.sav Hypothese: Die Skalenwerte auf der ATB-Skala (Skala zur Erfassung der Angst vor terroristischen
MehrSchätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO
Schätzen und Testen von Populationsparametern im linearen Regressionsmodell PE ΣO 4. Dezember 2001 Generalisierung der aus Stichprobendaten berechneten Regressionsgeraden Voraussetzungen für die Generalisierung
MehrProtokoll Grundpraktikum: O1 Dünne Linsen
Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013
MehrMessunsicherheit und Fehlerrechnung
Messunsicherheit und Fehlerrechnung p. 1/25 Messunsicherheit und Fehlerrechnung Kurzeinführung Peter Riegler p.riegler@fh-wolfenbuettel.de Fachhochschule Braunschweig/Wolfenbüttel Messunsicherheit und
MehrZusammenhangsanalyse mit SPSS. Messung der Intensität und/oder der Richtung des Zusammenhangs zwischen 2 oder mehr Variablen
- nominal, ordinal, metrisch In SPSS: - Einfache -> Mittelwerte vergleichen -> Einfaktorielle - Mehrfaktorielle -> Allgemeines lineares Modell -> Univariat In SPSS: -> Nichtparametrische Tests -> K unabhängige
MehrPhysikalische Übungen für Pharmazeuten
Helmholtz-Institut für Strahlen- und Kernphysik Seminar Physikalische Übungen für Pharmazeuten Ch. Wendel Max Becker Karsten Koop Dr. Christoph Wendel Übersicht Inhalt des Seminars Praktikum - Vorbereitung
Mehr4.1. Verteilungsannahmen des Fehlers. 4. Statistik im multiplen Regressionsmodell Verteilungsannahmen des Fehlers
4. Statistik im multiplen Regressionsmodell In diesem Kapitel wird im Abschnitt 4.1 zusätzlich zu den schon bekannten Standardannahmen noch die Annahme von normalverteilten Residuen hinzugefügt. Auf Basis
MehrStandardab er des. Testwert = 145.5 95% Konfidenzintervall. T df Sig. (2-seitig) Differenz Untere Obere -2.011 698.045-5.82-11.50 -.14.
Aufgabe : einfacher T-Test Statistik bei einer Stichprobe Standardfehl Standardab er des Mittelwert weichung Mittelwertes 699 39.68 76.59 2.894 Test bei einer Sichprobe Testwert = 45.5 95% Konfidenzintervall
MehrForschungsstatistik I
Psychologie Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
MehrFallzahlplanung bei unabhängigen Stichproben
Fallzahlplanung bei unabhängigen Stichproben Seminar Aktuelle biometrische Probleme Benjamin Hofner benjamin.hofner@stat.uni-muenchen.de 12. Januar 2005 Übersicht 1. Einführung und Grundlagen der Fallzahlplanung
MehrMathematische und statistische Methoden I
Prof. Dr. G. Meinhardt Statistik & Mathematische und statistische Methoden I Sprechstunde jederzeit nach Vereinbarung und nach der Vorlesung Wallstr. 3, 6. Stock, Raum 06-206 Dr. Malte Persike persike@uni-mainz.de
MehrQualitätsbericht 2010 Praxis für Psychotherapie Dr. Shaw & Kollegen
Qualitätsbericht 2010 Praxis für Psychotherapie Dr. Shaw & Kollegen Qualitätsbericht 2010 Praxis für Psychotherapie Dr. Shaw & Kollegen In unserem Qualitätsbericht 2010 haben wir die Ergebnisse von Erhebungen
MehrWiederholung. Statistik I. Sommersemester 2009
Statistik I Sommersemester 2009 Statistik I (1/21) Daten/graphische Darstellungen Lage- und Streuungsmaße Zusammenhangsmaße Lineare Regression Wahrscheinlichkeitsrechnung Zentraler Grenzwertsatz Konfidenzintervalle
Mehr2. Korrelation, lineare Regression und multiple Regression
multiple 2.2 Lineare 2.2 Lineare 1 / 130 2.2 Lineare 2 / 130 2.1 Beispiel: Arbeitsmotivation Untersuchung zur Motivation am Arbeitsplatz in einem Chemie-Konzern 25 Personen werden durch Arbeitsplatz zufällig
MehrPatientenstatistiken Psychiatrische Klinik PK Patienten im Jahr 2008
statistiken Psychiatrische Klinik PK 1622 im Jahr 2008 +77 /-innen IM Jahr Stationäre, teilstationäre und ambulante Aufnahmen Aufnahmen gesamt nach Behandlungsart Stationär behandelte /-Innen sowie AUFENTHALTE
MehrRisikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013. Dirk Richter
Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013 Dirk Richter Berner Angewandte Fachhochschule Forschung Haute & Entwicklung/ école spécialisée Dienstleistung bernoise Pflege, Bern University
MehrStatistik II Übung 1: Einfache lineare Regression
Statistik II Übung 1: Einfache lineare Regression Diese Übung beschäftigt sich mit dem Zusammenhang zwischen dem Lohneinkommen von sozial benachteiligten Individuen (16-24 Jahre alt) und der Anzahl der
Mehr1. Inhaltsverzeichnis. 2. Abbildungsverzeichnis
1. Inhaltsverzeichnis 1. Inhaltsverzeichnis... 1 2. Abbildungsverzeichnis... 1 3. Einleitung... 2 4. Beschreibung der Datenquelle...2 5. Allgemeine Auswertungen...3 6. Detaillierte Auswertungen... 7 Zusammenhang
MehrVorlesung: Lineare Modelle. Verschiedene Typen von Residuen. Probleme bei der Regression und Diagnose. Prof. Dr. Helmut Küchenhoff.
Vorlesung: Lineare Modelle Prof. Dr. Helmut Küchenhoff Institut für Statistik, LMU München SoSe 205 5 Metrische Einflußgrößen: Polynomiale Regression, Trigonometrische Polynome, Regressionssplines, Transformationen.
MehrKorrelation, Regression und Signifikanz
Professur Forschungsmethodik und Evaluation in der Psychologie Übung Methodenlehre I, und Daten einlesen in SPSS Datei Textdaten lesen... https://d3njjcbhbojbot.cloudfront.net/api/utilities/v1/imageproxy/https://d15cw65ipcts
MehrINFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE. Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße
DAS THEMA: INFERENZSTATISTIK III INFERENZSTATISTISCHE AUSSAGEN FÜR LAGEMAßE UND STREUUNGSMAßE Inferenzstatistik für Lagemaße Inferenzstatistik für Streuungsmaße Inferenzstatistik für Lagemaße Standardfehler
MehrStatistik II. II. Univariates lineares Regressionsmodell. Martin Huber 1 / 20
Statistik II II. Univariates lineares Regressionsmodell Martin Huber 1 / 20 Übersicht Definitionen (Wooldridge 2.1) Schätzmethode - Kleinste Quadrate Schätzer / Ordinary Least Squares (Wooldridge 2.2)
MehrMusterlösung. Modulklausur Multivariate Verfahren
Musterlösung Modulklausur 31821 Multivariate Verfahren 25. September 2015 Aufgabe 1 (15 Punkte) Kennzeichnen Sie die folgenden Aussagen zur Regressionsanalyse mit R für richtig oder F für falsch. F Wenn
Mehr1 Beispiel zur Methode der kleinsten Quadrate
1 Beispiel zur Methode der kleinsten Quadrate 1.1 Daten des Beispiels t x y x*y x 2 ŷ ˆɛ ˆɛ 2 1 1 3 3 1 2 1 1 2 2 3 6 4 3.5-0.5 0.25 3 3 4 12 9 5-1 1 4 4 6 24 16 6.5-0.5 0.25 5 5 9 45 25 8 1 1 Σ 15 25
MehrV1 - Verifikation des Ohm schen Gesetzes
V1 - Verifikation des Ohm schen Gesetzes Michael Baron, Frank Scholz 02..0 1 Aufgabenstellung Messung von Strom I R und Spannung U R an einem vorgegebenen festen Widerstand R für eine ganze Versuchsreihe
MehrProdukt-Benchmarking Analyseinstrument zunehmendem Wettbewerbsdruck Stärken und Schwächen aufdecken eigene Leistungsfähigkeit Dieses Tool
Das Produkt-Benchmarking als Analyseinstrument ist für ein Unternehmen bei zunehmendem Wettbewerbsdruck nicht mehr wegzudenken! Denn nur durch systematischen Vergleich der eigenen Produkte mit der der
MehrEigene MC-Fragen SPSS. 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist
Eigene MC-Fragen SPSS 1. Zutreffend auf die Datenerfassung und Datenaufbereitung in SPSS ist [a] In der Variablenansicht werden für die betrachteten Merkmale SPSS Variablen definiert. [b] Das Daten-Editor-Fenster
Mehr