Critical Appraisal. Kritische Bewertung der Literatur. Primärpublikationen. Evidenz-basierte Medizin und Biostatistik, Prof.
|
|
- David Bretz
- vor 7 Jahren
- Abrufe
Transkript
1 Critical Appraisal Kritische Bewertung der Literatur Primärpublikationen
2 Typen medizinischer Studien Beobachtungsstudien Fall-Kontroll Studie Typen von Studien in der medizinischen Forschung klinische Studien Experimentelle Studien Querschnittsstudie Kohortenstudie Interventionsstudien Laborexperiment
3 Kontrollierte klinische Studien Kontrollierte klinische Studien werden herangezogen, um die Wirksamkeit von Therapien bzw. Arzneimitteln, Vakzinen etc. zu überprüfen. Die Wirkungen von Therapien werden von bekannten und unbekannten Störgrößen beeinflußt. Man versucht in kontrollierten klinischen Studien die Wirkungen verschiedener Therapien unter Kontrolle dieser Störgrößen zu vergleichen. Unterschiedliche Verläufe in den Behandlungsgruppen sollen ausschließlich auf Unterschiede in der Wirkung der Behandlungen zurückzuführen sein.
4 Arzneimittelprüfung - 4 Phasen Phase I: Gesunde Probanden werden mit dem neuen Arzneimittel behandelt, um z.b. Fragen der Pharmakokinetik zur Wirkung und Nebenwirkung beantworten zu können. Phase II: Informationen zur Wirksamkeit bei kranken Personen. Teilweise wird schon Kontrollgruppe verwendet. Phase III: Eine Gruppe von Patienten, die das neue Präparat erhält, wird mit einer Kontrollgruppe verglichen (Placebo, Standardtherapie). Wenn Phase I - III erfolgreich abgeschlossen sind, kann die Zulassung des neuen Präparates beantragt werden. Phase IV: Die Phase IV beginnt mit der Zulassung des Präparates und besteht, solange das Arzneimittel am Markt ist. Sie dient der Dokumentation seltener Nebenwirkungen und Abgrenzung der Indikation
5 Kontrollierte klinische Studien Klinische Studien sind analytisch, longitudinal und prospektiv und haben darüber hinaus folgende Qualitätsmerkmale: Kontrolliert Randomisiert Verblindet
6 Randomisierung Randomisierung - Strukturgleichheit: Die Vergleichbarkeit der verschiedenen Behandlungsgruppen (Strukturgleichheit) versucht man durch eine Zufallszuteilung der Patienten zu den einzelnen Gruppen zu erreichen; d.h. der Zufall (z.b. Würfel oder Zufallsgenerator) entscheidet, welcher Gruppe ein Patient zugewiesen wird. nicht kontrollierte (oder nicht kontrollierbare) Einflüsse sollen sich zufällig in den Gruppen verteilen z.b. einfache Zufallszuteilung, blockweise Randomisation
7 Randomisierung Randomisierung: Die Zufallszuteilung erfolgt oft nach einer weiteren Schichtung (Stratifizierung) der Patienten nach bestimmten bekannten Störgrößen (z.b. multizentrische Studie: Schichtung nach Krankenhäusern, nach Geschlecht, Alter).
8 Randomisierung 20 PatientInnen werden zufällig zwei Gruppen zugeteilt PatientInnen: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20 Wir werfen für jeden Patienten einmal den Würfel: ungerade Augenzahl: Gruppe A gerade Augenzahl: Gruppe B Ergebnis: Gruppe A: Gruppe B: 2, 3, 6, 9, 12, 1, 4, 5, 7, 8, 13, 16, 17, 19 10, 11, 14, 15, 18, 20?2?5?3
9 Randomisierung Blockrandomisierung: 1: AABB 2: ABAB 3: ABBA 4: BABA 5: BAAB 6: BBAA n! Bei einer 4! = = 6 Doppelblindstudie n 1! n 2! 2! 2! Randomisierungsliste (nur im Studienkoordinierungszentrum und nicht für Arzt/Ärztin) gibt das Studienkoordinierungszentrum nur die Nummer des Packungslabels bekannt. Randomisierungsliste Pat. Zuordnung Therapie 1 A Radiatio 2 A Radiatio 3 B Rad.+ Chem. 4 B Rad.+ Chem. 5 A Radiatio 6 B Rad.+ Chem. 7 A Radiatio 8 B Rad.+ Chem. 9 B Rad.+ Chem. 10 A Radiatio 11 A Radiatio 12 B Rad.+ Chem. 13 B Rad.+ Chem. 14 B Rad.+ Chem. 15 A Radiatio 16 A Radiatio
10 Umsetzung Verschlossene Kuverts Studienkoordinierungszentrum - Telefon oder Fax Interactive voice response systems (Telefon) Internet-basierte Systeme
11 Randomizer for Clinical Trials
12 Online Randomization
13 Blindversuch Blindversuch Behandlung- und Beobachtungsgleichheit Welche Therapie der Patient erhält, ist beim Einfachblindversuch unbekannt für den Patienten, Doppelblindversuch unbekannt für Patient und Arzt, In einer offenen Studie ist die Zuordnung der Patienten zu den Gruppen dem Patienten und dem Arzt bekannt.
14 Planung und Durchführung von Studien Biostatistik beginnt mit gesundem Menschenverstand und guter Versuchsplanung. Die Versuchsplanung und durchführung hat die Gewinnung von statistisch auswertbaren Daten zum Ziel, um eine vorgegebene Fragestellung zu beantworten. Bevor man eine klinische Studie überhaupt beginnt, muss man sich prinzipiell über folgende Fragen im klaren sein: Was ist das Hauptziel der Untersuchung? Ist diese Fragestellung eindeutig definiert? Ist sie auch klinisch relevant? Sind mögliche sekundäre Einflüsse klar umrissen?
15 Planung und Durchführung von Studien Schon zu Beginn der Studie muss das Ausmaß der erwarteten Effekte feststehen - wird für die Abschätzung des optimalen Umfanges der Studie benötigt abhängig von Fragestellung und Datenstruktur das für die konkrete Situation optimale Studiendesign festgelegt und das adäquate statistische Auswertungsverfahren für diese Fragestellung gewählt werden
16 Fragestellungen Gibt es Unterschiede in der 1jährigen Offenheitsrate zwischen Stentimplantation und PTA bei Stenosen der Arterien iliaca? Haben Tumorpatienten mit Anämie eine schlechtere Prognose als Patienten ohne Anämie? Welche Trainingsmethode der minimal-invasiven Chirugie ist effizient? Treten Fehlbildungen bei Neugeborenen nach Tschernobyl häufiger auf? Gibt es einen Zusammenhang zwischen Säuglingssterblichkeit und dem Vorsorgeverhalten der Mutter
17 Auswahl der Merkmale (Variablen) Zielgröße ('endpoint', primary variable) Bsp.: Offenheitsrate; 5 year disease-specific survival; Anzahl Stiche pro Minute; Säuglingssterblichkeit Einflussgrößen, Faktoren Bsp.: Anämie, Tumorgröße, Lymphknotenstatus; Methode, Vorbildung; Vorsorgeverhalten (Zeit bis zum ersten Arztbesuch, Anzahl Arztbesuche im ersten Drittel der Schwangerschaft oder insgesamt Teilnahme an geburtsvorbereitenden Kursen...); Störgrößen Bsp.: Alter, Geschlecht, Rauchen... Merkmalseigenschaften: Objektivität, Zuverlässigkeit, Gültigkeit
18 Definition von Variablen Primärer Endpunkt: Offenheit Erfolg: Restenose 30% Misserfolg: Restenose > 30% Sekundärer Endpunkt: Initialer technischer Erfolg: Erfolg: Residualstenose 30% AND mittlerer Druckgradient < 10 mmhg
19 Skalierung der Daten Nominalskala Die Ausprägungen zweier Untersuchungseinheiten werden entweder als identisch oder als nicht identisch eingestuft. Beispiele: Blutgruppe, Haarfarbe, Autonummern, dichotome Merkmale: Rhesusfaktor, Geschlecht... Ordinalskala Ausprägungen können eindeutig angeordnet werden (Rangordnung, Größer-kleiner Relation). Beispiele: Noten, Nebenwirkungen eines Medikaments, Karnofsky-Index, Schmerz-Score... metrische Skalen Es sind sowohl Rangfolge als auch Abstand zwischen den Merkmalsausprägungen definiert. Intervallskala: Beispiele: Temperaturskala, Dioptrien Verhältnisskala: Beispiele: Gewicht, Länge, Alter
20 Zuverlässigkeit - Reliability Sind die Messungen wiederholbar? zuverlässig Nicht zuverlässig
21 Gültigkeit - Validity Wird gemessen, was gemessen werden sollte? Valide Nicht Valide
22 Fehler Zufälliger Fehler inter- und intraindividuelle Variabilität Systematische Fehler Information Bias - Verzerrung durch fehlerhafte Information (z.b. systematischer Erfassungsfehler) Selection Bias - Verzerrung durch den Auswahlprozess; nicht zufällige Auswahl Confounding Systematische Fehler müssen vermieden werden, zufällige Fehler sollten soweit wie möglich reduziert werden.
23 Grundgesamtheit - Stichprobe Auf welches Patientenkollektiv bezieht sich die Fragestellung? Ein-, Ausschlusskriterien definieren Kann ich von der untersuchten Stichprobe auf die interessierende Grundgesamtheit schließen? repräsentative Stichprobe
24 Studiendesign: Parallel - Design Klinische Studie im Parallel-Design (nach Campbell and Machin, 1993) Population Ein- und Ausschlusskriterien Geeignete und willige Patienten Randomisierung Test Bewertung Kontrolle
25 Studiendesign: Cross Over - Design Klinische Studie im Cross-Over-Design (nach Campbell and Machin, 1993) Population Ein- und Ausschlusskriterien Randomisierung Kontrolle Test Geeignete und willige Patienten Bewertung Bewertung Test Kontrolle
26 Beispiel Stentstudie angelegt im Parallel - Design Schichtung (Stratifizierung) nach teilnehmenden Zentren innerhalb der Zentren: blockweise Randomisierung damit wird sichergestellt, dass gleich viele Patienten einen Stent bzw. eine PTA erhalten. offene Studie
27 Planung des Stichprobenumfangs in Abhängigkeit von der zu erwartenden klinisch relevanten Differenz und Variabilität der wesentlichen Zielgröße von Überlegungen zu den statistischen Risiken: fälschlich einen Behandlungseffekt anzunehmen, obwohl er nicht existiert (Fehler 1. Art, Signifikanzniveau α) Wahrscheinlichkeit einen vorhandenen Behandlungseffekt zu entdecken (Fehler 2. Art, Power) vom Studiendesign, der Skalierung der Zielgröße
28 Fallzahlschätzung Die geschätzten Stichprobenumfänge sind grobe Näherungen, welche auf der Genauigkeit und Relevanz der getätigten Annahmen beruhen.
29 Fallzahlschätzung Annahme: Stent Gruppe: PTA Gruppe: 95% Offenheitsrate nach einem Jahr 80% Offenheitsrate nach einem Jahr Bei einer Irrtumswahrscheinlichkeit von 5% und einer Power von 80% müssen 178 Patienten in die Studie aufgenommen werden (Logrank Test). Drop-out Rate berücksichtigen
30 Fallzahlschätzung - Vergleich von 2 Anteilen Problem p 1 p 2 α * Einseitiger Test Power 1-β n pro Gruppe A 20 % 10 % 0,05 0,8 199 B 20 % 10 % 0,05 0, C 20 % 10 % 0,05* 0,8 157 D 55 % 45 % 0,05 0,8 392
31 Fallzahlschätzung - Vergleich von 2 Mittelwerten Problem μ 1 μ 2 s α Power 1-β n pro Gruppe A 4,5 4,25 0,5 0,05 0,9 86 B 4,5 4,25 1 0,05 0,9 338 C 4,5 4,35 0,5 0,05 0,9 235 D 4,5 4,25 0,5 0,05 0,8 63
32 Statistische Analyse Die statistische Analyse erfolgt in aller Regel in 2 Phasen: Exploratorische Analyse Konfirmatorische Analyse (Inferenzstatistik) Vergleich der mittleren Tendenz (Mittelwerte) in den Vergleichsgruppen Untersuchung des Zusammenhangs mittels Korrelation und/oder Regression Analyse von Raten, relativen Risiken und Odds Ratio (abhängig vom Studiendesign, sowie Skalierung und Verteilung der Daten)
33 Analyse und Interpretation Zwei Wege der statistischen Analyse und Interpretation: Wirksamkeit (efficacy) Bezieht sich auf den potentiellen Behandlungseffekt unter optimalen Bedingungen, d.h., ob diese überhaupt wirksam war. Es werden alle Patienten in die Analyse einbezogen, die genau nach Studienprotokoll behandelt wurden (per-protocol Analyse) Effizienz (effectiveness) Bezieht sich auf den Behandlungseffekt unter realen Bedingungen. Alle Patienten, die in die Studie aufgenommen wurden, werden in die Analyse einbezogen (Wechsler, Abbrecher etc.) (intention-totreat Analyse)
34 Prinzip Intention-to Treat Alle in die Studie eingeschlossenen und randomisierten PatientInnen müssen in die Analyse eingehen, und zwar in der Gruppe, zu der sie randomisiert wurden, unabhängig davon, was nach der Randomisierung mit ihnen geschieht.
35 Intention to Treat (ITT) Analyse Randomisierung Behandlung mit A protokollgemäß Behandlung A Therapieabbruch oder Behandlung mit B Behandlung mit B protokollgemäß Intention-to-Treat: 1+2 vs 3+4 Per-Protocol (PP): 1 vs 3 Behandlung B Therapieabbruch oder Behandlung mit A
36 Illustration Propanolol Atenolol Placebo ITT - Analyse PP - Analyse Abbruch 7,6% 3,4% 15,9% 8,7% 2,6% 17,6% 11,6% 11,2% 12,5% Anteil verstorbener Patienten innerhalb eines Zeitraums von 6 Wochen nach einem Infarkt (Wilcox et. al.)
37 Planung kontrollierter klinischer Studien Für die Planung kontrollierter klinischer Studien sowie für ihre Durchführung und Auswertung gibt es heute allgemein akzeptierte Grundsätze (EU Guidelines of good clinical practice ). Studienprotokoll: Das Protokoll muß verbindlich für die gesamte Dauer der Studie festgelegt werden und bis in jedes Detail von sämtlichen an der Studie Beteiligten eingehalten werden. Vor Beginn der Studie ist es einer Ethikkommission vorzulegen, die beratet, ob die Studie ethisch vertretbar ist und ob die Interessen der Patienten gewahrt sind (vgl. Deklaration von Helsinki).
38 Studienprotokoll Einführung, Hintergrund Fragestellung, Studiendesign Haupt- und Nebenzielkriterien Auswahl der Patienten Randomisierungsverfahren, Dauer der Studie Behandlungsschema Untersuchungen, -termine Beurteilung des Therapieerfolges Besondere Ereignisse, Therapieversager Planung des Stichprobenumfangs Statistische Analyse Patientenerhebungsbögen und Datenorganisation Patientenaufklärung (informed consent) Beteiligte Personen und deren Verantwortlichkeiten
39 Kritisches Lesen Beschäftigung mit den statistischen Aspekten (Methodik) der Studie: Design Präsentation der Daten statistischen Analyse Interpretation
40 10 Regeln für kritisches Lesen Sei skeptisch Suche nach den Daten Differenziere zwischen deskriptiver und Inferenzstatistik Stelle die Validität der deskriptiven Statistik in Frage Stelle die Validität der Inferenzstatistik in Frage Sei misstrauisch gegenüber allen Korrelationen und Regressionsanalysen Identifiziere die Stichprobe Identifiziere den Typ der Studie Suche nach der wahrscheinlichen Größe des Behandlungseffektes Zieh deine eigenen Schlussfolgerungen (Yancey, 1990)
41 Arten der Kritik Definitive Fehler Frage des Urteils Mangelhaftes Reporting Definitive Fehler sind meistens nicht so eindeutig wie der Name suggeriert - einige benötigen auch eine Beurteilung. Definitive Fehler sind nicht unbedingt bedeutsame Fehler
42 Checklisten zur Beschreibung von RCTs viele Checklisten (34 Checklisten wurden u.a. von Moher et al. (1995) besprochen) Das CONSORT Statement wird von > 70 medizinischen Journalen verwendet die grundlegende Idee ist Transparenz Gute Beschreibung des RCTs Links:
43 Kritische Bewertung von RCTs Sind die Ergebnisse der Studie glaubwürdig (valide)? keine systematischen Fehler (Bias) Wurde die Zuordnung der Patienten zu den Behandlungen nach dem Zufallsprinzip (randomisiert) vorgenommen und war die Randomisierung verblindet (masked randomisation) - Selektionsbias Wurden alle Patienten, die in die Studie aufgenommen wurden, bei der Bewertung und Interpretation der Studie angemessen berücksichtigt - wurden die Patienten in den Gruppen analysiert, denen sie zugeordnet waren (intention-to-treat Analyse)? Waren die Patienten und das an der Studie beteiligte Personal verblindet Waren die Patienten zu Beginn der Studie vergleichbar Wurden die beiden Gruppen, abgesehen von der Studienmaßnahme vergleichbar behandelt
44 Kritische Bewertung von RCTs Wie lauten die Studienergebnisse? Wie groß war der Behandlungseffekt? Wie genau war die Schätzung des Behandlungseffekts (Streuung)? nach Sackett (1996)
45 Schlüsselelemente von RCTs Randomisierung verblindete Zuordnung verhindert Selektionsbias (Auswahlverzerrung) (Doppel-) Blindstudie verhindert Ascertainementbias Intention to treat Analyse Minimale Ausfälle im follow up Festhalten an der zuvor spezifizierten Analyse
46 Typen medizinischer Studien Beobachtungsstudien Fall-Kontroll Studie Typen von Studien in der medizinischen Forschung klinische Studien Experimentelle Studien Querschnittsstudie Kohortenstudie Interventionsstudien Laborexperiment
47 Kohortenstudie Kohortenstudie, Longitudinal-, Follow-up-, prospektive Studie Kohortenstudien sind prospektive Studien, bei denen man eine Studienpopulation - exponierte und nichtexponierte Gruppen - über einen vorgegebenen Zeitraum (Follow-Up-Periode) hinsichtlich des Eintretens interessierender Ereignisse, wie Erkrankungen oder Todesfälle, beobachtet.
48 Kohortenstudie Auswertungsprinzipien: Die Ergebnisse werden häufig mit Hilfe des relativen Risikos (RR) beschrieben, dem Quotienten aus dem Risiko für das Auftreten des Zielereignisses in der exponierten Gruppe und dem Risiko in der nicht exponierten Gruppe. Beispiel Exposition Krankheit Raucher Nichtraucher Summe KHK 166 = a 50 = b 216 = (a+b) nicht KHK 1176 = c 513 = d 1689 = (c+d) Summe 1342 = (a+c) 563 = (b+d) 1905 a/( a + c) 166/1342 RR= = = 1,39 b/( b + d) 50/563 Innerhalb des Untersuchungszeitraumes (10 Jahre Follow-Up) sind bei männlichen Rauchern, die zu Beginn der Studie zwischen 50 und 54 Jahre alt waren, 1.4 mal häufiger KHK aufgetreten als bei Nichtrauchern. (95% Konfidenzintervall für RR: [1,03;1,88])
49 Kohortenstudie Beispiel Zusammenhang zwischen Rauchen und der Inzidenzrate von Schlaganfall in einer Kohorte von Frauen (Alter Jahre) Exposition Krankheit Raucherin Nichtraucherin Schlaganfall 139 = a 70 = b Personenzeit RR 139 / = 70 / % Konfidenzintervall für RR: [2,1;3.7] = 2.8
50 Kohortenstudie Vorteile: direkte Schätzbarkeit der Risiken Dosis-Wirkungsbeziehung schätzbar natürliche Verlauf einer Erkrankung beobachtbar Wirkung der Exposition auf verschiedene Erkrankungen untersuchen Nachteile: zeit- und kostenintensiv nicht geeignet für seltene Erkrankungen sich ändernde Untersuchungsbedingungen Follow-Up Verluste Zum Design Historische Kohorte: Kohortenstudien mit zurückverlegten Ausgangspunkt können dann durchgeführt werden, wenn Daten aus der Vergangenheit vorhanden sind, die eine Einteilung in exponierte bzw. nicht-exponierte Gruppen ab einem bestimmten Zeitpunkt ermöglichen (z.b. betriebliche Unterlagen)
51 Fall-Kontroll Studie Fall-Kontroll Studie, retrospektive Studie In Fall-Kontroll Studien vergleicht man eine Gruppe von Erkrankten (Fälle) und eine Gruppe von Nichterkrankten (Kontrollen) hinsichtlich vorausgegangener Expositionen (retrospektiv). Von der Wirkung ausgehend, wird nach potentiellen Ursachen geforscht, die dem Einsetzen der Wirkung (um viele Jahre) vorausgegangen sein können.
52 Fall-Kontroll Studie Vergleichbarkeit von Fall- und Kontrollgruppe Theoretisch wird die Vergleichbarkeit dadurch erreicht, dass beide Studiengruppen aus der gleichen Zielpopulation gewonnen werden. Populationsbezogene Fall-Kontroll Studien eine populationsbezogene Studie erhält man dann, wenn sowohl die Fall- wie auch die Kontrollgruppe repräsentativ für die Zielpopulation sind. Fallgruppe: Alle Fälle oder eine Zufallsstichprobe daraus, die in einem definierten geographischen Gebiet in einem definierten Zeitraum auftreten (Register) Kontrollgruppe: repräsentative Bevölkerungsstichprobe Auswahlbezogene Fall-Kontroll Studien Fallgruppe: Fälle, die innerhalb eines bestimmten Zeitraumes in einem Krankenhaus auftreten Krankenhauskontrollen Entscheidend ist, dass Fälle und Kontrollen für die Faktoren vergleichbar sind, die mit der Krankheit und der Exposition assoziert sind.
53 Fall-Kontroll Studie Auswertungsprinzipien: Um den Zusammenhang zwischen der Exposition und dem Zielereignis zu beschreiben, verwendet man das Odds Ratio (OR - Chancenverhältnis). Das Odds Ratio kann als Näherung für das relative Risiko gelten, wenn das Basisrisiko des Zielereignisses in der Bevölkerung klein ist (<10%). Beispiel Exposition (während Kindheit) Krankheit kein Sonnenschutz Sonnenschutz Fälle (Melanom) = a = b Kontrollen = c = d Summe = (a+c) = (b+d) a / b OR = = c / d 303 / /132 (95% Konfidenzintervallfür OR: [1,02;1,89]) = 1,39 Summe 402 = (a+b) 422 = (c+d) 824
54 Fall-Kontroll Studie Vorteile kurze Studiendauer, kostengünstig Untersuchung seltener Krankheiten, Krankheiten mit langer Latenzzeit Untersuchung mehrerer Risikofaktoren für eine einzige Krankheit Nachteile Interpretationsproblem zur Kausalität Beobachtungsungleichheit retrospektive Expositionsbestimmung anfällig für systematische Fehler: Zum Design Sind Kontrollen zahlreich vorhanden und leicht zu rekrutieren, so wird man aus Effizienzgründen (Verbesserung der Präzision von Schätzung und Tests) mehr Kontrollen als Fälle in die Studie aufnehmen. Selten zahlt es sich aus ein Verhältnis Fall:Kontrollen größer als 1:4 zu wählen.
55 Querschnittsstudie Querschnittstudie, Prävalenzstudie (cross-sectional-study) Krankheitsstatus und die gegenwärtige oder auch frühere Expositionsbelastung werden gleichzeitig erhoben.
56 Querschnittsstudie Krankheit Asthma ja Asthma nein Summe Prävalenz Knaben 344 = a 4885 = c 5229 = (a+c) 344 / 5229 = 0,066 Exposition Mädchen 221 = b 4787 = d 5008 = (b+d) 221 / 5008 = 0,044 OR = = = 1,53 a / b 344 / 221 c / d 4885 / 4787 Summe 565 = (a+b) 9672 = (c+d) / = 0,055
57 Beobachtungsstudien je fehleranfälliger der Studienplan, desto sorgfältiger sollte die Planung erfolgen
Grundlagen der EBM. Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation. Medizinische Universität Graz
Grundlagen der EBM Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Medizinische Universität Graz Evidenzbasierte Medizin Evidence based medicine = Beleg-, Fakten-,
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
MehrInterventionsstudien
Interventionsstudien Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Medizinische Universität Graz Vorgangsweise der EBM 1. Formulierung der relevanten und
MehrAssoziationsstudien. Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation
Assoziationsstudien Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Inhalt Ziele von Assoziationsstudien Design von Assoziationsstudien Statistische Analysemethoden
Mehrstartfaq BAG Beobachtungsstudie Bias
Hier finden Sie die Erläuterung zu Fachbegriffen, welche in wissenschaftlichen Studien verwendet werden. Sollten Begriffe nicht aufgeführt sein, geben Sie uns doch ein Feedback, damit wir diese ergänzen
MehrVorwort... v. Danksagung... vii. 1 Einführung Besonderheiten epidemiologischer Methoden... 1
Inhalt Vorwort... v Danksagung... vii 1 Einführung... 1 1.1 Besonderheiten epidemiologischer Methoden... 1 1.2 Anwendungsgebiete epidemiologischer Forschung... 5 1.3 Überblick über den weiteren Inhalt...
MehrInterne Validität bei RCTs und Non-RCTs
Interne Validität bei RCTs und Non-RCTs Prof. Regina Kunz Institut für Klinische Epidemiologie und Biostatistik Uni-Spital Basel Übersicht 1. Weshalb wir randomisierte Studien brauchen 2. Unterschied randomisierte
MehrEpidemiologie - Ansätze. Anke Huss, PhD Institute for Risk Assessment Sciences Utrecht University
Epidemiologie - Ansätze Anke Huss, PhD Institute for Risk Assessment Sciences Utrecht University Epidemiologie Epidemiology is the study of the distribution of health and disease in the population, and
MehrEffektgrößen. Evidenz-basierte Medizin und Biostatistik, Prof. Andrea Berghold
Effektgrößen 2x2Tafel Therapie Medikament 1 Medikament 2 Summe Misserfolg 450 = a 300 = c 750 = (a+c) Endpunkt Erfolg 550 = b 700 = d 1250 = (b+d) Vergleich von 2 Therapien; Endpunkt binär Summe 1000 =
MehrStatistik und Studienauslegung. Teil 1: Studiendesigns, Bias, Confounding
Statistik und Studienauslegung Teil 1: Studiendesigns, Bias, Confounding Maria Flamm Österreichische Cochrane Zweigstelle Donau Universität Krems Übersicht Warum brauchen wir gute Studien? Unterschiedliche
MehrStudiendesign. Seminar Pflegewissenschaft Prof. Dr. U. Toellner-Bauer
Studiendesign Seminar Pflegewissenschaft Prof. Dr. U. Toellner-Bauer Studiendesign Prospektive und retrospektive Studien Fall-Kontroll-Studie Koohrtenstudie Interventionsstudie Diagnosestudie Meta-Analyse
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
MehrJahrestagung refonet Methodenseminar Fehlerquellen in Studien Bias und Confounding
Jahrestagung refonet Methodenseminar Fehlerquellen in Studien Bias und Confounding Dr. med. Barbara Hoffmann, MPH Claudia Pieper Was kommt Zufällige Fehler Systematische Fehler Selection bias Measurement
MehrA Randomized, Prospective, Double-Blind, Placebocontrolled Trial of Terlipressin for Type 1 Hepatorenal Syndrome
A Randomized, Prospective, Double-Blind, Placebocontrolled Trial of Terlipressin for Type 1 Hepatorenal Syndrome Sanyal et al, Gastroenterology 2008;134:1360-1368 WISSENSCHAFTLICHE GRUNDLAGEN UND ALLGEMEINE
MehrEfficacy and safety of recombinant human activated protein C for severe sepsis Bernard, G.et al. N Engl J Med 2001; 344:
RCT: Efficacy and safety of recombinant human activated protein C for severe sepsis Bernard, G.et al. Eignung der Studie für critical appraisal im Rahmen eines EbM Kurses: - typisches Beispiel für Arzneimittelstudie
MehrStatistische Überlegungen: Eine kleine Einführung in das 1 x 1
Statistische Überlegungen: Eine kleine Einführung in das 1 x 1 PD Dr. Thomas Friedl Klinik für Frauenheilkunde und Geburtshilfe, Universitätsklinikum Ulm München, 23.11.2012 Inhaltsübersicht Allgemeine
MehrEmpirische Forschung. Übung zur Vorlesung Kognitive Modellierung. Kognitive Modellierung Dorothea Knopp Angewandte Informatik/ Kognitve Systeme
Empirische Forschung Übung zur Vorlesung Kognitive Modellierung S. 1 Überblick: Forschungsprozess Theoriebil dung Auswertung Interpretation Operationalisierung Erhebung S. 2 Versuchsplanung Festlegung
MehrMethoden zur Untersuchung von Arzneimittelwirkungen in der Schwangerschaft
Methoden zur Untersuchung von Arzneimittelwirkungen in der Schwangerschaft Reinhard Meister Beuth Hochschule für Technik Berlin, FB II Mathematik, Physik, Chemie Meister (Beuth Hochschule) Methoden Moskau
MehrQuerschnittsbereich Nr. 1: Epidemiologie, Med. Biometrie und Med. Informatik
Prävalenz Die Prävalenz ist eine Maßzahl für die Häufigkeit eines Zustandes zu einem bestimmten Zeitpunkt, z. B. der Anteil der Bevölkerung, der zu einem bestimmten Zeitpunkt übergewichtig ist oder der
MehrAfter Work Statistics
After Work Statistics Maja Krajewska Institute of Biometry and Clinical Epidemiology maja.krajewska@charite.de U N I V E R S I T Ä T S M E D I Z I N B E R L I N Institut für Biometrie und klinische Epidemiologie
MehrKlausur in Epidemiologie SS 2006 Freitag, den 14. Juli 2006
Klausur in Epidemiologie SS 2006 Freitag, den 14. Juli 2006 Name: Matrikelnummer: Unterschrift: Aufgabe 1: Odds Ratio Im Rahmen einer Studie wurden 20 Frauen mit Uteruskarzinom, die stationär behandelt
MehrStrahlenepidemiologie
Strahlenepidemiologie Priv.-Doz. Dr. Michaela Kreuzer Bundesamt für Strahlenschutz Leiterin der Arbeitsgruppe: Strahlenepidemiologie mkreuzer@bfs.de Strahlenepidemiologie, TU, 30.06.2011, M. Kreuzer 1
Mehr2-Stichprobentest für Anteilswerte
-Stichprobentest für Anteilswerte Wir analysieren den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π, π ) Ziel: Auf der Basis von Stichprobenerhebungen
MehrGlossar. Cause of Effects Behandelt die Ursache von Auswirkungen. Debriefing Vorgang der Nachbesprechung der experimentellen Untersuchung.
Abhängige Variable Die zu untersuchende Variable, die von den unabhängigen Variablen in ihrer Ausprägung verändert und beeinflusst wird (siehe auch unabhängige Variable). Between-Subjects-Design Wenn die
MehrProf. Dr. Rainer Koch Juli 1997, Februar 2008
Prof. Dr. Rainer Koch Juli 1997, Februar 2008 Hinweise zur biometrischen Planung der notwendigen Anzahl Patienten in klinischen Studien oder Anzahl Versuchstiere im Fall a) des Vergleichs von prozentualen
MehrQuerschnittsbereich Nr. 1: Epidemiologie, Med. Biometrie und Med. Informatik
Epidemiologische Maßzahlen Die Vierfeldertafel erlaubt Einblick in die Verteilung von Exposition (E) und Erkrankung (D). Bei der Kohorten-Studie sind die Zahl der exponierten und die Zahl der nichtexponierten
MehrBereiche der Statistik
Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden
Mehrlimhatewerzeoelhiniii
limhatewerzeoelhiniii Vorwort 13 Kapitel 1 Einleitung 15 1.1 Wozu brauchen wir Statistik? 16 1.2 Medizinische Statistik 16 1.3 Beschreibende und schließende Statistik 17 1.4 Das Buch in Kürze 17 Kapitel
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
MehrEinführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen
Einführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen PD Dr. Thomas Sudhop PD Dr. Thomas Sudhop Ringvorlesung - Biometrie 25.10.2016 Seite 1 Klinische Prüfung Biomedizinisches
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 () WiSe /3 Univariate und bivariate Verfahren Univariate
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
Mehr2.8 Fall-Kontroll-Studien (Case Control Studies)
2.8 Fall-Kontroll-Studien (Case Control Studies) 47 2.8 Fall-Kontroll-Studien (Case Control Studies) Einsatzgebiet. Untersucht wird, ob einer bestimmten Krankheit bestimmte Expositionen vorausgegangen
Mehr2-Stichprobentest für Anteilswerte
-Stichprobentest für Anteilswerte Wir betrachten den Anteilswert (Prozentsatz) für ein interessierendes Ereignis in zwei verschiedenen Grundgesamtheiten (π 1, π ) Ziel: Auf der Basis von Stichprobenerhebungen
MehrGRUNDPRINZIPIEN statistischen Testens
Fragestellungen beim Testen GRUNDPRINZIPIEN statistischen Testens. Vergleiche Unterscheidet sich die Stichprobenbeobachtung von einer vorher spezifizierten Erwartung ( Hypothese ) mit ausreichender Sicherheit?
MehrStandardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend
Standardisierte Vorgehensweisen und Regeln zur Gewährleistung von: Eindeutigkeit Schlussfolgerungen aus empirischen Befunden sind nur dann zwingend oder eindeutig, wenn keine alternativen Interpretationsmöglichkeiten
MehrQuerschnittsbereich Nr. 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik. Behandelt werden 4 Themenblöcke
Querschnittsbereich Nr. 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik Behandelt werden 4 Themenblöcke Ätiologie und Risiko Diagnose und Prognose Intervention Medizinische Informatik
MehrAls Krebspatient an einer Studie teilnehmen was sollte man wissen?
Als Krebspatient an einer Studie teilnehmen was sollte man wissen? Krebsinformationsdienst, Heidelberg Dr. Susanne Weg-Remers Seite 2 Grundlage für evidenzbasiertes medizinisches Wissen sind klinische
MehrNicht-interventionelle Studien
Phytotherapeutika 2012, Wien, 17.-19. Mai 2012 Nicht-interventionelle Studien Walter Lehmacher Institut für Medizinische Statistik, Informatik und Epidemiologie der Universität zu Köln 1. Studienformen
MehrReferenz Studientyp Teilnehmer Intervention Kontrolle Zielgröße(n) Hauptergebnis Bemerkung insgesamt
Medikamente Paracetamol Kein Effekt Referenz Studientyp Teilnehmer Intervention Kontrolle Zielgröße(n) Hauptergebnis Bemerkung Lowe et al. 2010 (+) Kohortenstudie, 2b 620 Kinder mit familiärer Vorbelastung,
MehrÜbung 6 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
MehrSystematische Reviews und Meta-Analysen
Systematische Reviews und Meta-Analysen Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Medizinische Universität Graz Szenario Sollen wir Julians Mittelohrentzündung
MehrMultiple Lineare Regression. Statistik (Biol./Pharm.) Herbst 2012
Multiple Lineare Regression Statistik (Biol./Pharm.) Herbst 2012 Wdh: Einfache lineare Regression Modell: Y i = β 0 + β 1 x i + ε i, ε i ~N 0, σ 2 i. i. d Finde β 0, β 1 : Methode der kleinsten Quadrate
MehrKonfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert
Konfidenzintervalle Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Anteilswert Differenzen von Erwartungswert Anteilswert Beispiel für Konfidenzintervall Im Prinzip haben wir
MehrVon der Idee zum richtigen Studiendesign
BMBF- und DFG-Förderung für klinische Studien: Rahmenbedingungen und Erfolgsfaktoren Von der Idee zum richtigen Studiendesign Unterstützung durch das Institut für Biometrie und Klinische Forschung Dr.
MehrMultiple Lineare Regression. Statistik (Biol./Pharm./HST) Herbst 2013
Multiple Lineare Regression Statistik (Biol./Pharm./HST) Herbst 2013 Wdh: Einfache lineare Regression Modell: Y i = β 0 + β 1 x i + ε i, ε i ~N 0, σ 2 i. i. d Finde β 0, β 1 : Methode der kleinsten Quadrate
MehrStatistics around the Matterhorn
Statistics around the Matterhorn 29.03.2017 Onkologie: Statistics around the Matterhorn. Statistik & Fälle für Menschen, die sich garantiert noch nie für Statistik interessiert haben. Jörg Beyer, Klinik
MehrDeskription, Statistische Testverfahren und Regression. Seminar: Planung und Auswertung klinischer und experimenteller Studien
Deskription, Statistische Testverfahren und Regression Seminar: Planung und Auswertung klinischer und experimenteller Studien Deskriptive Statistik Deskriptive Statistik: beschreibende Statistik, empirische
MehrAngewandte Statistik
Angewandte Statistik Grundlagen 1 26 Warum Statistik? 2 26 Was ist Statistik? Statistics state the state of the state Statistik ist die Lehre vom Erheben, Umgang und Auswerten von Daten Teilgebiete Deskriptive
MehrInstitut für Medizinische Biometrie, Epidemiologie und Informatik WIE ENTSTEHT WISSEN? EVIDENZBASIERTE MEDIZIN
WIE ENTSTEHT WISSEN? EVIDENZBASIERTE MEDIZIN 1 Gliederung Wieso EbM? Was ist EbM? Organisatorisches Wieso EbM? Frau Müller, 37y inflammatorisches MammaCa nach 1y: Progress wünscht sich Zellkernklärung
MehrMethodik klinischer Studien
M. Schumacher G. Schulgen Methodik klinischer Studien Methodische Grundlagen der Planung, Durchführung und Auswertung Zweite, überarbeitete und erweiterte Auflage Sprin ger Inhaltsverzeichnis EINLEITUNG
MehrGibt dir das Leben Zitronen, mach eine Studie daraus!
Klinische Studien Gibt dir das Leben Zitronen, mach eine Studie daraus! 1 Punkt Kostenlos punkten! INFO Kostenlos punkten! Patienten sollten in Pharmazie und Medizin auf der Basis der besten zur Verfügung
MehrExperimentelle und quasiexperimentelle
Experimentelle und quasiexperimentelle Designs Experimentelle Designs Quasi- experimenttel Designs Ex- post- facto- Desingns Experimentelle Designs 1. Es werden mindestens zwei experimentelle Gruppen gebildet.
MehrMedizinische Informatik Klinische Versuchsplanung
Definition: Klinische Studie Medizinische Informatik Klinische Versuchsplanung Eine klinische Studie untersucht die Wirkung () einer (oder mehrerer) Intervention(en) an Menschen. Intervention (z.b.): Behandlung
MehrWie funktioniert eine klinische Studie?
Wie funktioniert eine klinische Studie? Bernhard Saller 3. Süddeutscher Hypophysen- und Nebennierentag München, 5. Mai 2007 Definitionen Ablauf klinischer Studien Klinische Arzneimittelprüfungen Zulassungsprozess
MehrForschungsmethoden VORLESUNG WS 2017/2018
Forschungsmethoden VORLESUNG WS 2017/2018 SOPHIE LUKES Organisatorisches Letztes Mal: Versuchspläne Heute: Stichprobenziehung und Stichprobeneffekte Studien mit Messwiederholungen Studie mit Messwiederholungen
MehrÄtiologie und Risiko SS2010 Seminar Tag 2
Ätiologie und Risiko SS2010 Seminar Tag 2 Querschnittsbereich Nr. 1: Epidemiologie, Med. Biometrie, Informatik Stand: 10.05.2010 Seite 1/28 Ablauf Tag 2 Absolute und relative Häufigkeiten Attributables
MehrDiagnose und Prognose: Kurzfassung 4
Diagnose und Prognose: Kurzfassung 4 Ziele der 4. Vorlesung Inhaltliche Verbindung zwischen inhaltlicher Statistisches Konzept / Problemstellung Problemstellung und statistischem statistische Methode Konzept/Methode
MehrAfter Work Statistics
After Work Statistics Robert Röhle Institute of Biometry and Clinical Epidemiology robert.roehle@charite.de U N I V E R S I T Ä T S M E D I Z I N B E R L I N Institut für Biometrie und klinische Epidemiologie
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
MehrMethodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 13 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 19.05.15 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie
MehrBasis-Kurs Statistik und SPSS für Mediziner Lösungen. SPSS-Übung Überlebenszeitanalyse
Basis-Kurs Statistik und SPSS für Mediziner Lösungen SPSS-Übung Überlebenszeitanalyse Mit Datensatz Daten_Übung_Überlebenszeitanalyse.sav 1) Zeichnen Sie die Kaplan-Meier-Kurven des progressionsfreien
MehrStatistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS
Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS Verena Hofmann Dr. phil. des. Departement für Sonderpädagogik Universität Freiburg Petrus-Kanisius-Gasse 21
MehrExakter Binomialtest als Beispiel
Prinzipien des statistischen Testens Entscheidungsfindung Exakter Binomialtest als Beispiel Statistische Tests Nullhypothese Alternativhypothese Fehlentscheidungen Ausgangspunkt: Forschungshypothese Beispiele:.
MehrWas sagen uns Odds Ratio oder Risk Ratio in medizinischen Studien?
Was sagen uns Odds Ratio oder Risk Ratio in medizinischen Studien? Peggy Seehafer Anthropologin & Hebamme Hamburg 2012 Statistik in der Medizin ist nicht dazu geeignet ursächliche Zusammenhänge herauszufinden
MehrDeskriptive Beschreibung linearer Zusammenhänge
9 Mittelwert- und Varianzvergleiche Mittelwertvergleiche bei k > 2 unabhängigen Stichproben 9.4 Beispiel: p-wert bei Varianzanalyse (Grafik) Bedienungszeiten-Beispiel, realisierte Teststatistik F = 3.89,
MehrZulassung von Arzneimitteln. Klinische Untersuchungen. Katalin Müllner
Zulassung von Arzneimitteln. Klinische Untersuchungen Katalin Müllner Arzneimittel In gesetzlicher Definition sind Arzneimittel Stoffe oder Zubereitungen aus Stoffen, die vom Hersteller, der sie in den
MehrStatistik II: Grundlagen und Definitionen der Statistik
Medien Institut : Grundlagen und Definitionen der Statistik Dr. Andreas Vlašić Medien Institut (0621) 52 67 44 vlasic@medien-institut.de Gliederung 1. Hintergrund: Entstehung der Statistik 2. Grundlagen
MehrMethodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg
Methodenlehre Vorlesung 12 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre II Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 18.2.15 Psychologie als Wissenschaft
MehrKritische Bewertung der Evidenz von ernährungsmedizinischen Metaanalysen am Beispiel der perioperativen Immunonutrition.
Kritische Bewertung der Evidenz von ernährungsmedizinischen Metaanalysen am Beispiel der perioperativen Immunonutrition Monika Nothacker AWMF-Institut für Medizinisches Wissensmanagement c/o Philipps-Universität
Mehr5. Untersuchungsdesigns
Dr. habil. Rüdiger Jacob Methoden und Techniken der empirischen Sozialforschung Vorlesung mit Diskussion 5. Untersuchungsdesigns Experimente als Instrument zur Prüfung von Kausalität Kohortenstudien, Fall-Kontroll-Studien,
MehrAnhang 4. Bias durch Überdiagnose von papillären Mikrokarzinomen
Anhang 4 Bias durch Überdiagnose von papillären Mikrokarzinomen Bias durch Überdiagnose von papillären Mikrokarzinomen H. Bertelsmann AG Epidemiologie und Medizinische Statistik Universität Bielefeld Dezember
MehrRandomisation, Informed consent,
DeloRes-Studientreffen Randomisation, Informed consent, und drop-out-prävention Florian Herrle, Simone Rothenhoefer Universitätsmedizin Mannheim, Chirurgische Klinik 22. Juni 2010 Überblick Hintergrund
MehrHypothesen: Fehler 1. und 2. Art, Power eines statistischen Tests
ue biostatistik: hypothesen, fehler 1. und. art, power 1/8 h. lettner / physik Hypothesen: Fehler 1. und. Art, Power eines statistischen Tests Die äußerst wichtige Tabelle über die Zusammenhänge zwischen
MehrWas macht gute Versuche aus? ... aus der Sicht eines Biometrikers
Was macht gute Versuche aus?... aus der Sicht eines Biometrikers DLG-Technikertagung Soest, 28. Januar 2015 Andreas Büchse BASF SE, Ludwigshafen Vorbemerkung Einige Kriterien für Qualität von Experimenten
MehrWorkshop EbM-Basics für AutorInnen und HerausgeberInnen von Patienteninformationen
Workshop EbM-Basics für AutorInnen und HerausgeberInnen von Patienteninformationen 10. Jahrestagung des DNEbM 5. März 2009 Vorsitz: David Klemperer, Sylvia Sänger 10.00-10.30 Begrüßung, Vorstellung, Klärung
MehrBach-Blütentherapie. Ergebnisbericht aktualisierte Fassung
Bach-Blütentherapie Ergebnisbericht aktualisierte Fassung Recherche Datum der Erstrecherche: 13.08.2011 Datum der Aktualisierungsrecherche: 11.03.2015 PICO-Fragestellung: Population: Personen mit diversen
MehrWie liest man Konfidenzintervalle? Teil I. Premiu m
Wie liest man Konfidenzintervalle? Teil I Premiu m Was sind Konfidenzintervalle? Ein Konfidenzintervall (KI) ist ein Maß für die Unsicherheit bezüglich einer Schätzung eines Effekts. Es ist ein Intervall
MehrFEI-Workshop Bonn, 22. März M
FEI-Workshop Bonn, 22. März M 2007 Ernährungsepidemiologische Studien und ihre Evidenz Hans-Joachim F. Zunft Deutsches Institut für Ernährungsforschung, Potsdam-Rehbrücke Institut für Ernährungswissenschaft,
MehrForschungsmethoden: Definition
Forschungsmethoden: Definition Unter Forschungsmethoden versteht man die generelle Vorgehensweise beim Aufstellen der Fragestellung, bei der Planung, der Durchführung und der Auswertung einer Untersuchung.
Mehrfortgeschrittenem Lungenemphysem
PneumRx Coils: Neue randomisierte klinische Studien bestätigen wiederholt positive Ergebnisse bei Pa PneumRx Coils Neue randomisierte klinische Studien bestätigen wiederholt positive Ergebnisse bei Patienten
Mehr(c) Alle Rechte beim Autor
Risiko von CT-Untersuchungen Ergebnisse aktueller Kohortenstudien Wolfgang-Ulrich Müller Hintergrund In der letzten Zeit sind mehrere umfangreiche epidemiologische Studien zum Thema Risiko von CT-Untersuchungen
MehrStudy fact sheet für ID: Betsch, 2011
Study fact sheet für ID: Betsch, 2011 (Name, Jahr (ggf. a,b,c)) 1. Vollständige Referenz Betsch C, Ulshöfer C, Renkewitz F et al. (2011): The influence of narrative v. statistical information on perceiving
MehrKritische Gesichtspunkte zu Umbrella Protokollen und Adaptiven Designs aus der Sicht der Genehmigungsbehörde
Kritische Gesichtspunkte zu Umbrella Protokollen und Adaptiven Designs aus der Sicht der Genehmigungsbehörde Heiko Preußer, BfArM Sachgebietsleiter Klinik Fachgebiet Klinische Prüfung Historischer Überblick
Mehr5. Seminar Statistik
Sandra Schlick Seite 1 5. Seminar 5. Seminar Statistik 30 Kurztest 4 45 Testen von Hypothesen inkl. Übungen 45 Test- und Prüfverfahren inkl. Übungen 45 Repetitorium und Prüfungsvorbereitung 15 Kursevaluation
MehrStichwortverzeichnis. Symbole
Stichwortverzeichnis Symbole 50ste Perzentil 119 A Absichern, Ergebnisse 203 Abzählbar unendliche Zufallsvariable 146 Alternativhypothese 237 238 formulieren 248 Anekdote 340 Annäherung 171, 191 Antwortquote
MehrStatistische Tests (Signifikanztests)
Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)
MehrBiostatistische Studienplanung. Dr. Matthias Kohl SIRS-Lab GmbH
Biostatistische Studienplanung Dr. Matthias Kohl SIRS-Lab GmbH Ausgangspunkt Fragestellung(en)/Hypothese(n): Hauptfragestellung: Grund für Durchführung der Studie Nebenfragestellung(en): Welche Fragestellungen
MehrStatistik für Onkologen: Analyse klinischer Studien
Statistik für Onkologen: Analyse klinischer Studien PD Dr Nicole Skoetz Klinik I für Innere Medizin, Uniklinik Köln Trusted evidence. Informed decisions. Better health. Offenlegung Interessenskonflikte
MehrEvidenztabelle: Innenraum Schimmel und Feuchtigkeit Risikofaktor
Evidenztabelle: Innenraum Schimmel und Feuchtigkeit Risikofaktor Referenz Studientyp Teilnehmer Intervention Kontrolle Zielgröße(n) Hauptergebnis Bemerkung Tischer et al. 2011 (+-) MA von KS, 2a 31.742
MehrNr. Anforderung n.a. Status Bemerkung
Version vom 26.09.2016 Seite 1 von 5 1 Stage 0: Definition des Umfangs der klinischen Bewertung - Ziel der klinischen Bewerbung definieren - allgemeine Beschreibung des Produkts inkl. Hersteller, Zweckbestimmung
MehrZur Statistik im neuen Genehmigungsantrag
Zur Statistik im neuen Genehmigungsantrag 21. Essener Informationstreffen, 12. März 2014 PD Dr. Nicole Heussen nheussen@ukaachen.de Institut für Medizinische Statistik RWTH Aachen Zur Statistik im neuen
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
Mehr1 Kontrollierte klinische Studien - eine Einführung Zur Notwendigkeit randomisierter Studien: Hochdosis- Chemotherapie beim Mammakarzinom...
Inhaltsverzeichnis EINLEITUNG 1 Kontrollierte klinische Studien - eine Einführung...1 1.1 Die Salk-Polio-Studie...3 1.2 Die Problematik historischer Vergleiche...5 1.3 Beobachtungsstudien und Registerdaten...8
Mehrfh management, communication & it Constantin von Craushaar fh-management, communication & it Statistik Angewandte Statistik
fh management, communication & it Folie 1 Überblick Grundlagen (Testvoraussetzungen) Mittelwertvergleiche (t-test,..) Nichtparametrische Tests Korrelationen Regressionsanalyse... Folie 2 Überblick... Varianzanalyse
MehrAnwendungsorientierte Hilfsmittelforschung
Anwendungsorientierte Hilfsmittelforschung. Dipl. Ing. Norbert Kamps Beratender Ingenieur für Hilfsmittelversorgung und Medizintechnik - Xanten Hilfsmittelreferent Medizinischer Dienst des Spitzenverbandes
MehrÜbung 6 im Fach "Biometrie / Q1"
Universität Ulm, Institut für Epidemiologie und Medizinische Biometrie, D-89070 Ulm Institut für Epidemiologie und Medizinische Biometrie Leiter: Prof. Dr. D. Rothenbacher Schwabstr. 13, 89075 Ulm Tel.
Mehr5. Übung Zusammenhänge zweier Merkmale
Querschnittsbereich 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik - Übungsmaterial - Erstellt von Mitarbeitern des IMISE und des ZKS Leipzig. Übung Zusammenhänge zweier Merkmale
Mehr