Studiendesign und Statistik: Interpretation publizierter klinischer Daten

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "Studiendesign und Statistik: Interpretation publizierter klinischer Daten"

Transkript

1 Studiendesign und Statistik: Interpretation publizierter klinischer Daten Dr. Antje Jahn Institut für Medizinische Biometrie, Epidemiologie und Informatik Universitätsmedizin Mainz Hämatologie im Wandel, 28/02/2015 Dr. Antje Jahn, Studiendesign und Statistik 1

2 Topics Statistische Signifikanz Multiples Testen und Zwischenauswertungen (Cox-)Regressionen und Hazard Ratio Konfidenzintervalle Auswertungspopulationen Dr. Antje Jahn, Studiendesign und Statistik 2

3 Beispiel Dr. Antje Jahn, Studiendesign und Statistik 3

4 Beispiel % survival therapy A therapy B years Dr. Antje Jahn, Studiendesign und Statistik 4

5 Beispiel % survival logrank p = therapy A therapy B years Dr. Antje Jahn, Studiendesign und Statistik 5

6 Statistische Signifikanz Deskriptive Statistik (Beschreibung der Stichprobe) Zielpopulation - z.b. Patienten mit einer bestimmten Erkrankung Stichprobe - Studienpatienten Konfirmatorische Statistik (Risiko für fehlerhafte Rückschlüsse) Dr. Antje Jahn, Studiendesign und Statistik 6

7 Statistische Signifikanz p-wert: Die Wahrscheinlichkeit, dass ein Gruppenunterschied von mind. der Größe wie in der Studie beobachtet rein aus Zufall, d.h. ohne Therapieeffekt, auftritt Kleine p-werte sprechen eher für einen Therapieeffekt Dr. Antje Jahn, Studiendesign und Statistik 7

8 Statistische Signifikanz Gesamtpopulation - kein Therapieeffekt (H 0 ) z.b. gleiche Überlebensraten unter Therapie A und B Stichprobe (Studienpat.) - 5% Risiko dass p 5% Dr. Antje Jahn, Studiendesign und Statistik 8

9 Statistische Signifikanz Gesamtpopulation - kein Therapieeffekt (H 0 ) z.b. gleiche Überlebensraten unter Therapie A und B Stichprobe (Studienpat.) - 5% Risiko dass p 5% 5% Risiko für falschen Schluss (type I error) Dr. Antje Jahn, Studiendesign und Statistik 9

10 Statistische Signifikanz Das Signifikanzniveau α ist das maximal tolerable Risiko für einen Fehler 1. Art und wird zu Studienbeginn festgelegt. Ein statistischer Test liefert ein Entscheidungskriterium, welches dies sicherstellt. ICH-E9: Conventionally the probability of type I error is set at 5% or less... Dr. Antje Jahn, Studiendesign und Statistik 10

11 Statistische Signifikanz Nicht-Signifikanz (p>a) Äquivalenznachweis CAVE Signifikanz (p α) klinische Relevanz Dr. Antje Jahn, Studiendesign und Statistik 11

12 Signifikanz Klinische Relevanz Je größer die Fallzahl, desto kleiner der p-wert Variable Therapie A Therapie B p-wert Patienten mit Progression (Studie 1) 20/50 (40% ) 30/50 (60% ) Patienten mit Progression (Studie 2) 10/25 (40% ) 15/25 (60% ) Ein p-wert liefert nur eine Aussage über die statistische Signifikanz eines Ergebnisses und keine Aussage über die klinische Relevanz Dr. Antje Jahn, Studiendesign und Statistik 12

13 Statistische Tests Statistische Tests berechnen ein Entscheidungskriterium (p-wert), ob ein Therapieeffekt als nachgewiesen betrachtet werden kann - so dass der Fehler 1. Art kontrolliert wird Es gibt verschiedene statistische Tests, d.h. Methoden einen p-wert zu berechnen Welcher Test geeignet ist, hängt vom Studiendesign, der Fragestellung, der Datenstruktur und der Null- und Alternativhypothese ab. Dr. Antje Jahn, Studiendesign und Statistik 13

14 Multiples Testen Dr. Antje Jahn, Studiendesign und Statistik 14

15 Multiples Testen Müsli macht Männer (Süddeutsche, 2008) Mehr Söhne durch Müsli? (Stern, 2008) Schlemmen steigert Chance auf Jungen (Spiegel, 2008) Dr. Antje Jahn, Studiendesign und Statistik 15

16 Multiples Testen Problem of multiple Testing Many analyses Many results Presentation of results: Overinterpretation Dr. Antje Jahn, Studiendesign und Statistik 16

17 Multiples Testen In jeder Studie sind viele Endpunkte von Interesse. Wie kann das Risiko eines Fehlers 1.Art dennoch kontrolliert werden? Auswahl eines Primärziels, z.b. Überlebensraten α-adjustierung: Anpassung des Signifikanzniveaus für jeden einzelnen Test, so dass insgesamt das Fehlerrisiko 5% Dr. Antje Jahn, Studiendesign und Statistik 17

18 Multiples Testen 5-Jahres-Studie zum Vergleich der Überlebensraten zweier Therapien A und B mit Zwischenauswertung nach 2.5 Jahren Interim Final α-adjustierung erforderlich! Studienprotokoll:... the significance level for the final analysis was set at 4.8% after adjustment by the O Brien and Fleming method. Dr. Antje Jahn, Studiendesign und Statistik 18

19 Multiples Testen ICH-E9: Conventionally the probability of type I error is set at 5% or less as dictated by any adjustments made necessary for multiplicity considerations Dr. Antje Jahn, Studiendesign und Statistik 19

20 Regressionsanalysen Dr. Antje Jahn, Studiendesign und Statistik 20

21 Hazard Ratio Regressionsanalyse bei Ereigniszeitdaten: Cox-Regression Berücksichtigung von Zensierungen Schätzer für den Therapieeffekt: Hazard Ratio relative Veränderung im hazard ( unmittelbares Ereignisrisiko eines bisher ereignisfreien Patienten) unter Therapie A im Vergleich zu Therapie B > 1, erhöhtes Risiko unter Therapie A Hazard Ratio = 1, gleiches Risiko < 1, reduziertes Risiko unter Therapie A Dr. Antje Jahn, Studiendesign und Statistik 21

22 Schätzer und Konfidenzintervalle Der HR wird aus einer Stichprobe der Gesamtpopulation geschätzt und kann daher vom wahren HR abweichen Dr. Antje Jahn, Studiendesign und Statistik 22

23 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive years Studie HR Dr. Antje Jahn, Studiendesign und Statistik 23

24 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive Studie years HR Dr. Antje Jahn, Studiendesign und Statistik 24

25 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive Studie years HR Dr. Antje Jahn, Studiendesign und Statistik 25

26 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive Studie years HR Dr. Antje Jahn, Studiendesign und Statistik 26

27 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive Studie years HR Dr. Antje Jahn, Studiendesign und Statistik 27

28 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive years Studie HR Dr. Antje Jahn, Studiendesign und Statistik 28

29 Schätzer und Konfidenzintervalle Kaplan Meier plot % alive Studie years HR Dr. Antje Jahn, Studiendesign und Statistik 29

30 Schätzer und Konfidenzintervalle Konfidenzintervall (CI) Man legt das Konfidenzniveau 1 α fest, i.d.r. 1 α = 95% Das 95%-CI für einen Parameter ist ein Interval um den Schätzer aus der Stichprobe, der in 95% der Fälle den wahren Parameter enthält. Man nimmt an, dass der wahre Parameter im CI liegt, da man damit in 95% aller Fälle richtig liegt. Dr. Antje Jahn, Studiendesign und Statistik 30

31 Meta-Analysen - Forest Plot Study Hazard Ratio HR 95% CI Bauss et al_2008 Sgan Cohen et al_2008 Brin et al_2000 Kania et al_1996 Burden_1995 Forsberg &Tedestam_1993 Järvinen_1978 Sgan Cohen_2005 Borzabadi Farahani et al_2010 Hunter et al_1990 Stokes et al_1995 Petti and Tarsitani_1996 Lewis_1959 Otuyemi_1994 Holland et al_1988 Garcia Godoy et al_1982 >6 Jahre Garcia Godoy et al_1982 < 6 Jahre Roder und Arend 2.22 [1.36; 3.64] 2.57 [1.78; 3.72] 1.64 [1.24; 2.17] 2.39 [1.75; 3.27] 1.98 [1.39; 2.82] 2.73 [1.37; 5.43] 1.42 [0.95; 2.14] 0.80 [0.32; 2.02] 2.57 [1.82; 3.64] 2.53 [1.44; 4.44] 4.48 [2.96; 6.77] 1.55 [1.27; 1.88] 2.91 [1.85; 4.59] 1.41 [0.59; 3.39] 1.62 [1.24; 2.11] Dr. Antje Jahn, Studiendesign und Statistik 31

32 Auswertungspopulationen Dr. Antje Jahn, Studiendesign und Statistik 32

33 Auswertungspopulationen In einer randomisierten Studie bei Männern nach Herzinfarkt zum Vergleich eines Beta-Blockers mit Placebo waren in beiden Gruppen ca. 32% der Patienten non-compliant. Sollte man diese Patienten von der Auswertung ausschließen? Dr. Antje Jahn, Studiendesign und Statistik 33

34 Auswertungspopulationen Intention to Treat (ITT) Population: Alle randomisierten/eingeschlossenen Patienten Primärpopulation in Überlegenheitsstudien Per-Protocol Population: Alle Patienten ohne schwerwiegende Protokollverstö se Primärpopulation in Äquivalenzstudien Safety-Evaluable Population: Alle Patienten, die mindestens einmal Therapie erhielten Primärpopulation für Sicherheitsparameter Dr. Antje Jahn, Studiendesign und Statistik 34

35 Take Home Message No clever analysis can rescue a poorly conducted trial The greatest challenge is in the interpretation of results DeMets D.L.: Statistical issues in interpreting clinical trials. Journal of Internal Medicine, 2004; 255: Dr. Antje Jahn, Studiendesign und Statistik 35

Eine Einführung in R: Statistische Tests

Eine Einführung in R: Statistische Tests Eine Einführung in R: Statistische Tests Bernd Klaus, Verena Zuber Institut für Medizinische Informatik, Statistik und Epidemiologie (IMISE), Universität Leipzig http://www.uni-leipzig.de/ zuber/teaching/ws12/r-kurs/

Mehr

Grundlagen der Inferenzstatistik

Grundlagen der Inferenzstatistik Grundlagen der Inferenzstatistik (Induktive Statistik oder schließende Statistik) Dr. Winfried Zinn 1 Deskriptive Statistik versus Inferenzstatistik Die Deskriptive Statistik stellt Kenngrößen zur Verfügung,

Mehr

Methodenlehre. Vorlesung 13. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität

Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Institut für Medizinische Biometrie und Epidemiologie Statistische Signifikanz versus Klinische Relevanz der Sch(l)uss von der Studie in die Realität Zum Nacharbeiten Die TonoPen-Studie Dissertationsprojekt

Mehr

9. Schätzen und Testen bei unbekannter Varianz

9. Schätzen und Testen bei unbekannter Varianz 9. Schätzen und Testen bei unbekannter Varianz Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Schätzen und Testen bei unbekannter Varianz Wenn wir die Standardabweichung σ nicht kennen,

Mehr

Post-Market-Surveillance & PMCF Wann ist eine PMCF-Studie angezeigt? PD Dr. med. Ulrich Matern

Post-Market-Surveillance & PMCF Wann ist eine PMCF-Studie angezeigt? PD Dr. med. Ulrich Matern Post-Market-Surveillance & PMCF Wann ist eine PMCF-Studie angezeigt? PD Dr. med. Ulrich Matern Das Gesetz Clinical investigations shall be performed unless it is duly justified to rely on existing clinical

Mehr

Diagnose und Prognose: Kurzfassung 4

Diagnose 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

Mehr

Phase-II-Paket. R-Paket und Software-Tool für Planung, Monitoring und Auswertung onkologischer Phase-II-Studien

Phase-II-Paket. R-Paket und Software-Tool für Planung, Monitoring und Auswertung onkologischer Phase-II-Studien Phase-II-Paket R-Paket und Software-Tool für Planung, Monitoring und Auswertung onkologischer Phase-II-Studien Impressum TMF Technologie- und Methodenplattform für die vernetzte medizinische Forschung

Mehr

Statistische Überlegungen: Eine kleine Einführung in das 1 x 1

Statistische 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

Mehr

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie

Was ist eine gute Klinische Studie - die Sicht der Statistik. Peter Martus Institut für Biometrie und Klinische Epidemiologie Was ist eine gute Klinische Studie - die Sicht der Statistik Peter Martus Institut für Biometrie und Klinische Epidemiologie Historisches Beispiel James Lind (1716-1794) entwickelte 1747 als britischer

Mehr

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 1 Einführung in die statistische Datenanalyse Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau 2 Gliederung 1.Grundlagen 2.Nicht-parametrische Tests a. Mann-Whitney-Wilcoxon-U Test b. Wilcoxon-Signed-Rank

Mehr

Konfidenzintervall oder p-wert? Teil 4 der Serie zur Bewertung wissenschaftlicher Publikationen

Konfidenzintervall oder p-wert? Teil 4 der Serie zur Bewertung wissenschaftlicher Publikationen ÜBERSICHTSARBEIT Konfidenzintervall oder p-wert? Teil 4 der Serie zur Bewertung wissenschaftlicher Publikationen Jean-Baptist du Prel, Gerhard Hommel, Bernd Röhrig, Maria Blettner ZUSAMMENFASSUNG Einleitung:

Mehr

Konfidenzintervalle. die anschauliche Alternative zum p-wert...

Konfidenzintervalle. die anschauliche Alternative zum p-wert... Konfidenzintervalle die anschauliche Alternative zum p-wert... Grundidee des Konfidenzintervalls Studie Realität Studienergebnis falsch-positiver Rückschluß??? Realität???? Studie 10 % Grundidee des Konfidenzintervalls

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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 I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

Bewertung klinischer Relevanz zwischen 0.2 und ärztlichem Urteil

Bewertung klinischer Relevanz zwischen 0.2 und ärztlichem Urteil Bewertung klinischer Relevanz zwischen 0.2 und ärztlichem Urteil Meinhard Kieser Institut für Medizinische Biometrie und Informatik Universität Heidelberg Inhalt Klinische Relevanz was ist das und wo liegt

Mehr

Journal: Journal of Clinical Oncology Publikationsjahr: 2012 Autoren: Paulo M. Hoff, Andreas Hochhaus, Bernhard C. Pestalozzi et al.

Journal: Journal of Clinical Oncology Publikationsjahr: 2012 Autoren: Paulo M. Hoff, Andreas Hochhaus, Bernhard C. Pestalozzi et al. Cediranib Plus FOLFOX/CAPOX Versus Placebo Plus FOLFOX/CAPOX in Patients With Previously Untreated Metastatic Colorectal Cancer: A Randomized, Double Blind, Phase III Study (HORIZON II) Journal: Journal

Mehr

Primärer Endpunkt Fallzahlkalkulation...

Primärer Endpunkt Fallzahlkalkulation... Prospective randomized multicentre investigator initiated study: Randomised trial comparing completeness of adjuvant chemotherapy after early versus late diverting stoma closure in low anterior resection

Mehr

Statistische Analyse von Ereigniszeiten

Statistische Analyse von Ereigniszeiten Statistische Analyse von Survival Analysis VO Biostatistik im WS 2006/2007 1 2 3 : Leukemiedaten (unzensiert) 33 Patienten mit Leukemie; Zielvariable Überlebenszeit. Alle Patienten verstorben und Überlebenszeit

Mehr

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler

14.01.14 DAS THEMA: INFERENZSTATISTIK II. Standardfehler Konfidenzintervalle Signifikanztests. Standardfehler DAS THEMA: INFERENZSTATISTIK II INFERENZSTATISTISCHE AUSSAGEN Standardfehler Konfidenzintervalle Signifikanztests Standardfehler der Standardfehler Interpretation Verwendung 1 ZUR WIEDERHOLUNG... Ausgangspunkt:

Mehr

Analyse von Ereignisdaten Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation

Analyse von Ereignisdaten Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Analyse von Ereignisdaten Univ.-Prof. DI Dr. Andrea Berghold Institut für Med. Informatik, Statistik und Dokumentation Analyse von Ereigniszeiten Lebensdauer = Zeit zwischen einem Startpunkt (Anfangsdatum)

Mehr

Kaplan-Meier-Schätzer

Kaplan-Meier-Schätzer Kaplan-Meier-Schätzer Ausgangssituation Zwei naive Ansätze zur Schätzung der Survivalfunktion Unverzerrte Schätzung der Survivalfunktion Der Kaplan-Meier-Schätzer Standardfehler und Konfidenzintervall

Mehr

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und

Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und Von der Untersuchungsfrage zu statistischen Hypothesen, und wie war das nochmal mit dem α- und β-fehler? Sven Garbade Fakultät für Angewandte Psychologie SRH Hochschule Heidelberg sven.garbade@hochschule-heidelberg.de

Mehr

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. Vorlesung 10. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg Methodenlehre Vorlesung 10 Prof. Dr., Cognitive Biopsychology and Methods University of Fribourg 1 Methodenlehre I Woche Datum Thema 1 FQ Einführung, Verteilung der Termine 1 25.9.13 Psychologie als Wissenschaft

Mehr

Statistik III Regressionsanalyse, Varianzanalyse und Verfahren bei Messwiederholung mit SPSS

Statistik 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

Mehr

Beurteilung der klinischen Heterogenität: eine empirische Untersuchung

Beurteilung der klinischen Heterogenität: eine empirische Untersuchung Beurteilung der klinischen Heterogenität: eine empirische Untersuchung Christian Lerch, Bernd Richter Cochrane Metabolic and Endocrine Disorders Group Abteilung für Allgemeinmedizin Universitätsklinikum

Mehr

Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear":

Das Dialogfeld für die Regressionsanalyse (Lineare Regression) findet sich im Statistik- Menu unter Regression-Linear: Lineare Regression Das Dialogfeld für die Regressionsanalyse ("Lineare Regression") findet sich im Statistik- Menu unter "Regression"-"Linear": Im einfachsten Fall werden mehrere Prädiktoren (oder nur

Mehr

Statistische Tests (Signifikanztests)

Statistische Tests (Signifikanztests) Statistische Tests (Signifikanztests) [testing statistical hypothesis] Prüfen und Bewerten von Hypothesen (Annahmen, Vermutungen) über die Verteilungen von Merkmalen in einer Grundgesamtheit (Population)

Mehr

Querschnittsbereich 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 Querschnittsbereich Nr. 1: Epidemiologie, Medizinische Biometrie und Medizinische Informatik Behandelt werden 4 Themenblöcke Ätiologie und Risiko Diagnose und Prognose Intervention Medizinische Informatik

Mehr

Studiendesign/ Evaluierungsdesign

Studiendesign/ Evaluierungsdesign Jennifer Ziegert Studiendesign/ Evaluierungsdesign Praxisprojekt: Nutzerorientierte Evaluierung von Visualisierungen in Daffodil mittels Eyetracker Warum Studien /Evaluierungsdesign Das Design einer Untersuchung

Mehr

Kapitel 3 Schließende Statistik

Kapitel 3 Schließende Statistik Bemerkung 3.34: Die hier betrachteten Konfidenzintervalle für unbekannte Erwartungswerte sind umso schmaler, je größer der Stichprobenumfang n ist, je kleiner die (geschätzte) Standardabweichung σ (bzw.

Mehr

Adaptive Designs für Phase-II-Studien in der Onkologie. Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik.

Adaptive Designs für Phase-II-Studien in der Onkologie. Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik. Adaptive Designs für Phase-II-Studien in der Onkologie Stefan Englert, Meinhard Kieser Institut für Medizinische Biometrie und Informatik Überblick I. Besonderheiten statistischer Designs in der Onkologie

Mehr

Vorlesung - Medizinische Biometrie

Vorlesung - Medizinische Biometrie Vorlesung - Medizinische Biometrie Stefan Wagenpfeil Institut für Medizinische Biometrie, Epidemiologie und Medizinische Informatik Universität des Saarlandes, Homburg / Saar Vorlesung - Medizinische Biometrie

Mehr

Statistische Auswertung der Daten von Blatt 13

Statistische Auswertung der Daten von Blatt 13 Statistische Auswertung der Daten von Blatt 13 Problemstellung 1 Graphische Darstellung der Daten 1 Diskussion der Normalverteilung 3 Mittelwerte und deren Konfidenzbereiche 3 Signifikanz der Behandlung

Mehr

Interventionsstudien

Interventionsstudien 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

Mehr

Neues vom ASCO beim metastasierten Mammakarzinom

Neues vom ASCO beim metastasierten Mammakarzinom Neues vom ASCO 2008 beim metastasierten Mammakarzinom 04.07.2008 Dorit Lässig Medizinische Klinik und Poliklinik III (Direktor: Prof. Dr. med. W. Hiddemann) Universität München - Standort Großhadern Übersicht

Mehr

Auswertung mit dem Statistikprogramm SPSS: 30.11.05

Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Auswertung mit dem Statistikprogramm SPSS: 30.11.05 Seite 1 Einführung SPSS Was ist eine Fragestellung? Beispiel Welche statistische Prozedur gehört zu welcher Hypothese? Statistische Berechnungen mit

Mehr

Kostenreduktion durch Prävention?

Kostenreduktion durch Prävention? Gesundheitsökonomische Aspekte der Prävention: Kostenreduktion durch Prävention? Nadja Chernyak, Andrea Icks Jahrestagung DGSMP September 2012 Agenda Spart Prävention Kosten? Ist Prävention ökonomisch

Mehr

Grundlagen der evidenzbasierten neurologischen Rehabilitation

Grundlagen der evidenzbasierten neurologischen Rehabilitation Grundlagen der evidenzbasierten neurologischen Rehabilitation Prof. Dr. phil. Helmut Hildebrandt Klinikum Bremen-Ost, Neurologie Universität Oldenburg, Psychologie email: helmut.hildebrandt@uni-oldenburg.de

Mehr

Statine bei Dialysepatienten: Gibt es

Statine bei Dialysepatienten: Gibt es Statine bei Dialysepatienten: Gibt es noch eine Indikation? Christoph Wanner, Würzburg 22. Berliner DialyseSeminar 4. 5. Dezember 2009 Statine Lipidsenkung bei CKD 3 und 4 2003 2004 2006 2011 2012 AJKD

Mehr

Berechnung von Konfidenzintervallen für Impact Numbers aus Fall-Kontroll und Kohorten-Studien

Berechnung 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

Mehr

Effektgrößen. Evidenz-basierte Medizin und Biostatistik, Prof. Andrea Berghold

Effektgrößen. 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 =

Mehr

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter?

Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Rauchen bis kurz vor Bekanntwerden einer Schwangerschaft: Physiologische Beeinträchtigung im Kindergartenalter? Marc Jarczok, Sven Schneider, Joachim E. Fischer, Freia De Bock 1 Mannheimer Institut für

Mehr

Einführung in Planung und Auswertung klinischer Prüfungen: Biometrische Grundlagen

Einführung 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

Mehr

Fortgeschrittene Statistik Logistische Regression

Fortgeschrittene Statistik Logistische Regression Fortgeschrittene Statistik Logistische Regression O D D S, O D D S - R A T I O, L O G I T T R A N S F O R M A T I O N, I N T E R P R E T A T I O N V O N K O E F F I Z I E N T E N, L O G I S T I S C H E

Mehr

Methodik klinischer Studien

Methodik 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

Mehr

Glossar und Formelsammlung. Hazard Rate. Hazard Ratio =

Glossar und Formelsammlung. Hazard Rate. Hazard Ratio = Glossar und Formelsammlung Hazard Rate Die Hazard Rate steht für das Risiko, genau zum Zeitpunkt t ein Ereignis bei Überlebenszeitanalysen den Tod zu erleiden. Es handelt sich demnach um eine vom Zeitpunkt

Mehr

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER

METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER METHODENLEHRE I WS 2013/14 THOMAS SCHÄFER DAS THEMA: INFERENZSTATISTIK IV INFERENZSTATISTISCHE AUSSAGEN FÜR ZUSAMMENHÄNGE UND UNTERSCHIEDE Inferenzstatistik für Zusammenhänge Inferenzstatistik für Unterschiede

Mehr

Bereiche der Statistik

Bereiche der Statistik Bereiche der Statistik Deskriptive / Exploratorische Statistik Schließende Statistik Schließende Statistik Inferenz-Statistik (analytische, schließende oder konfirmatorische Statistik) baut auf der beschreibenden

Mehr

Was sagen uns Odds Ratio oder Risk Ratio in medizinischen Studien?

Was 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

Mehr

Risikoadjustierte Daten der Prävalenzmessung Dekubitus Kinder 2013. Dirk Richter

Risikoadjustierte 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

Mehr

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero?

Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Gibt es einen Geschmacksunterschied zwischen Coca Cola und Cola Zero? Manche sagen: Ja, manche sagen: Nein Wie soll man das objektiv feststellen? Kann man Geschmack objektiv messen? - Geschmack ist subjektiv

Mehr

Multiples Testen wer hat schon immer nur eine Fragestellung?

Multiples Testen wer hat schon immer nur eine Fragestellung? Multiples Testen wer hat schon immer nur eine Fragestellung? 1 Lernziele - Gründe für Multiplizität nennen können - Das dahintersteckende Problem erklären können - Verschiedene Lösungsmöglichkeiten aufzählen

Mehr

Übung 5 im Fach "Biometrie / Q1" Thema: Wilcoxon, Chi-Quadrat, multiples Testen

Übung 5 im Fach Biometrie / Q1 Thema: Wilcoxon, Chi-Quadrat, multiples Testen 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.

Mehr

Stichprobenauslegung. für stetige und binäre Datentypen

Stichprobenauslegung. für stetige und binäre Datentypen Stichprobenauslegung für stetige und binäre Datentypen Roadmap zu Stichproben Hypothese über das interessierende Merkmal aufstellen Stichprobe entnehmen Beobachtete Messwerte abbilden Schluss von der Beobachtung

Mehr

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen

Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Umgang mit und Ersetzen von fehlenden Werten bei multivariaten Analysen Warum überhaupt Gedanken machen? Was fehlt, ist doch weg, oder? Allgegenwärtiges Problem in psychologischer Forschung Bringt Fehlerquellen

Mehr

Statistik II. IV. Hypothesentests. Martin Huber

Statistik II. IV. Hypothesentests. Martin Huber Statistik II IV. Hypothesentests Martin Huber 1 / 41 Übersicht Struktur eines Hypothesentests Stichprobenverteilung t-test: Einzelner-Parameter-Test F-Test: Multiple lineare Restriktionen 2 / 41 Struktur

Mehr

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke

Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten. Frank Konietschke Nichtparametrische Analyse longitudinaler Daten in faktoriellen Experimenten Frank Konietschke Abteilung für Medizinische Statistik Universität Göttingen 1 Übersicht Beispiele CGI (repeated measures) γ-gt

Mehr

Berechnung des LOG-RANK-Tests bei Überlebenskurven

Berechnung des LOG-RANK-Tests bei Überlebenskurven Statistik 1 Berechnung des LOG-RANK-Tests bei Überlebenskurven Hans-Dieter Spies inventiv Health Germany GmbH Brandenburger Weg 3 60437 Frankfurt hd.spies@t-online.de Zusammenfassung Mit Hilfe von Überlebenskurven

Mehr

KURZFASSUNG DES PRÜFPROTOKOLLS 1839IL/0079 VOM

KURZFASSUNG DES PRÜFPROTOKOLLS 1839IL/0079 VOM KURZFASSUNG DES PRÜFPROTOKOLLS 1839IL/0079 VOM 11.11.02 RANDOMISIERTE, OFFENE, NICHT-KOMPARATIVE PHASE II STUDIE ZUR BEURTEILUNG DER WIRKSAMKEIT UND VERTRÄGLICHKEIT VON ZWEI DOSIERUNGEN ZD1839 BEI PATIENTEN

Mehr

Übung 4 im Fach "Biometrie / Q1"

Übung 4 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.

Mehr

Von der Idee zum richtigen Studiendesign

Von 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.

Mehr

Systematische Reviews und Meta-Analysen

Systematische 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

Mehr

Adjuvante endokrine Therapie des Mammakarzinoms Fakten und offene Fragen

Adjuvante endokrine Therapie des Mammakarzinoms Fakten und offene Fragen Adjuvante endokrine Therapie des Mammakarzinoms Fakten und offene Fragen Hans-Christian Kolberg Klinik für Gynäkologie und Geburtshilfe Brustzentrum Marienhospital Bottrop ~5 Jahre Tamoxifen vs. kein TAM:

Mehr

Einführung in statistische Analysen

Einführung in statistische Analysen Einführung in statistische Analysen Andreas Thams Econ Boot Camp 2008 Wozu braucht man Statistik? Statistik begegnet uns jeden Tag... Weihnachten macht Deutschen Einkaufslaune. Im Advent überkommt die

Mehr

Statistics, Data Analysis, and Simulation SS 2015

Statistics, Data Analysis, and Simulation SS 2015 Mainz, June 11, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler

Mehr

Methodenlehre. Vorlesung 12. Prof. Dr. Björn Rasch, Cognitive Biopsychology and Methods University of Fribourg

Methodenlehre. 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

Mehr

Ein einfacher Prognoseindex zur Vorhersage von ZVK- Infektionen bei Patienten mit hämatologischen Malignomen (CIPS-H)

Ein einfacher Prognoseindex zur Vorhersage von ZVK- Infektionen bei Patienten mit hämatologischen Malignomen (CIPS-H) Ein einfacher Prognoseindex zur Vorhersage von ZVK- Infektionen bei Patienten mit hämatologischen Malignomen (CIPS-H) Enrico Schalk 1, Jacqueline Färber 2, Dirk Schlüter 2, Daniela Tölle 3, Fabian Prax

Mehr

Einfache statistische Auswertungen mit dem Programm SPSS

Einfache statistische Auswertungen mit dem Programm SPSS Einfache statistische Auswertungen mit dem Programm SPSS Datensatz: fiktive_daten.sav Dipl. Päd. Anne Haßelkus Dr. Dorothea Dette-Hagenmeyer 11/2011 Überblick 1 Deskriptive Statistiken; Mittelwert berechnen...

Mehr

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift:

Name (in Druckbuchstaben): Matrikelnummer: Unterschrift: 20-minütige Klausur zur Vorlesung Lineare Modelle im Sommersemester 20 PD Dr. Christian Heumann Ludwig-Maximilians-Universität München, Institut für Statistik 2. Oktober 20, 4:5 6:5 Uhr Überprüfen Sie

Mehr

Statistik für Studenten der Sportwissenschaften SS 2008

Statistik für Studenten der Sportwissenschaften SS 2008 Statistik für Studenten der Sportwissenschaften SS 008 Aufgabe 1 Man weiß von Rehabilitanden, die sich einer bestimmten Gymnastik unterziehen, dass sie im Mittel µ=54 Jahre (σ=3 Jahre) alt sind. a) Welcher

Mehr

2. Statistische Methoden in der Diagnostik. Elemente des Studiendesigns

2. 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

Mehr

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8

Profil A 49,3 48,2 50,7 50,9 49,8 48,7 49,6 50,1 Profil B 51,8 49,6 53,2 51,1 51,1 53,4 50,7 50 51,5 51,7 48,8 1. Aufgabe: Eine Reifenfirma hat für Winterreifen unterschiedliche Profile entwickelt. Bei jeweils gleicher Geschwindigkeit und auch sonst gleichen Bedingungen wurden die Bremswirkungen gemessen. Die gemessenen

Mehr

Überlebenszeitanalyse Teil 15 der Serie zur Bewertung wissenschaftlicher Publikationen

Überlebenszeitanalyse Teil 15 der Serie zur Bewertung wissenschaftlicher Publikationen ÜBERSICHTSARBEIT Überlebenszeitanalyse Teil 5 der Serie zur Bewertung wissenschaftlicher Publikationen Isabella Zwiener, Maria Blettner, Gerhard Hommel ZUSAMMENFASSUNG Hintergrund: Zum Vergleich von zwei

Mehr

Analyse von Querschnittsdaten. Signifikanztests I Basics

Analyse von Querschnittsdaten. Signifikanztests I Basics Analyse von Querschnittsdaten Signifikanztests I Basics Warum geht es in den folgenden Sitzungen? Kontinuierliche Variablen Generalisierung kategoriale Variablen Datum 13.10.2004 20.10.2004 27.10.2004

Mehr

Die Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker

Die Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker Die Bedeutung der klinischen Relevanz für f r die Machbarkeit klinischer Studien Eine Herausforderung für r den Kliniker und Biometriker Prof. Dr. Dieter Hauschke Köln, den 18.06.2010 Klinische Relevanz,

Mehr

5. Schließende Statistik. 5.1. Einführung

5. Schließende Statistik. 5.1. Einführung 5. Schließende Statistik 5.1. Einführung Sollen auf der Basis von empirischen Untersuchungen (Daten) Erkenntnisse gewonnen und Entscheidungen gefällt werden, sind die Methoden der Statistik einzusetzen.

Mehr

Statistik 2: Bayes-Statistik Alternative zum klassischen Design?

Statistik 2: Bayes-Statistik Alternative zum klassischen Design? Universitätsklinik Münster Pädiatrisch hämatologisch-onkologisches Kolloquium 4.4.2007 Thomas Bayes (1702-1761) Statistik 2: Bayes-Statistik Alternative zum klassischen Design? Joachim Gerß Institut für

Mehr

Florian Frötscher und Demet Özçetin

Florian Frötscher und Demet Özçetin Statistische Tests in der Mehrsprachigkeitsforschung Aufgaben, Anforderungen, Probleme. Florian Frötscher und Demet Özçetin florian.froetscher@uni-hamburg.de SFB 538 Mehrsprachigkeit Max-Brauer-Allee 60

Mehr

Analyse 2: Hypothesentests

Analyse 2: Hypothesentests Analyse 2: Hypothesentests Ashkan Taassob Andreas Reisch Inhalt Motivation Statistischer Hintergrund Hypothese Nullhypothesen Alternativhypothesen Fehler beim Hypothesentesten Signifikanz-LEVEL und P-value

Mehr

Interne und externe Modellvalidität

Interne und externe Modellvalidität Interne und externe Modellvalidität Interne Modellvalidität ist gegeben, o wenn statistische Inferenz bzgl. der untersuchten Grundgesamtheit zulässig ist o KQ-Schätzer der Modellparameter u. Varianzschätzer

Mehr

Statine an HD SHARP ist da! Christoph Wanner Würzburg

Statine an HD SHARP ist da! Christoph Wanner Würzburg Statine an HD SHARP ist da! Christoph Wanner Würzburg n=9479 HD 2540 PD 490 CKD 6408 CKD3 2086 CKD4 2552 CKD5 1236 20 mg Simvastatin/ 10 mg Ezetimibe versus Placebo über 4,9 Jahre Verlaufsbeobachtung 62

Mehr

Grundlagen von Versuchsmethodik und Datenanalyse

Grundlagen von Versuchsmethodik und Datenanalyse Grundlagen von Versuchsmethodik und Datenanalyse Der Anfang: Hypothesen über Ursache-Wirkungs-Zusammenhänge Ursache Wirkung Koffein verbessert Kurzzeitgedächtnis Gewaltfilme führen zu aggressivem Verhalten

Mehr

3 Konfidenzintervalle

3 Konfidenzintervalle 3 Konfidenzintervalle Konfidenzintervalle sind das Ergebnis von Intervallschätzungen. Sicheres Wissen über Grundgesamtheiten kann man anhand von Stichproben nicht gewinnen. Aber mit Hilfe der Statistik

Mehr

Fallzahlplanung bei unabhängigen Stichproben

Fallzahlplanung 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

Mehr

12. Vergleich mehrerer Stichproben

12. Vergleich mehrerer Stichproben 12. Vergleich mehrerer Stichproben Dr. Antje Kiesel Institut für Angewandte Mathematik WS 2011/2012 Häufig wollen wir verschiedene Populationen, Verfahren, usw. miteinander vergleichen. Beipiel: Vergleich

Mehr

Multinomiale logistische Regression

Multinomiale logistische Regression Multinomiale logistische Regression Die multinomiale logistische Regression dient zur Schätzung von Gruppenzugehörigkeiten bzw. einer entsprechenden Wahrscheinlichkeit hierfür, wobei als abhänginge Variable

Mehr

Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt

Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Ein universelles Bayes-Design für einarmige Phase II-Studien mit binärem zeitlich erfasstem Endpunkt Joachim Gerß joachim.gerss@ukmuenster.de Institute of Biostatistics and Clinical Research Overview 1.

Mehr

Relationship between cortical bone thickness or computerized tomography-derived bone density values and implant stability.

Relationship between cortical bone thickness or computerized tomography-derived bone density values and implant stability. Merheb J, Van Assche N, Coucke W, Jacobs R, Naert I, Quirynen M. Relationship between cortical bone thickness or computerized tomography-derived bone density values and implant stability. Clin Oral Implants

Mehr

DAT Newsletter Nr. 48 (07/2014)

DAT Newsletter Nr. 48 (07/2014) DAT Newsletter Nr. 48 (07/2014) DAT uropa-code Lieferung: Erweiterung Zusatzelement 2 um Kennzeichen "Arbeit vorhanden?" und "Lackierarbeit vorhanden?" Abkündigung Web-Service: ConversionFunctions Ablösung

Mehr

5 Tricks bei der Auswertung und Präsentation von Studiendaten

5 Tricks bei der Auswertung und Präsentation von Studiendaten 40 5 Tricks bei der Auswertung und Präsentation von Studiendaten Sie erhalten von einem Phytopharmaka-Hersteller einen Werbeprospekt, in dem die Ergebnisse einer neuen Studie zur Demenzprävention zusammengefasst

Mehr

Teil VIII Hypothesentests für zwei Stichproben

Teil VIII Hypothesentests für zwei Stichproben Woche 9: Hypothesentests für zwei Stichproben Teil VIII Hypothesentests für zwei Stichproben WBL 15/17, 22.06.2015 Alain Hauser Berner Fachhochschule, Technik und Informatik Berner

Mehr

Tutorial: Homogenitätstest

Tutorial: Homogenitätstest Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite

Mehr

ASCO 2017: Highlights zur Therapie des metastasierten t t Mammakarzinoms

ASCO 2017: Highlights zur Therapie des metastasierten t t Mammakarzinoms Johannes Ettl Interdisziplinäres Brustzentrum und Frauenklinik rechts der Isar, Technische Universität München, Direktorin: Prof. Dr. M. Kiechle ASCO 2017: Highlights zur Therapie des metastasierten t

Mehr

Business Value Launch 2006

Business Value Launch 2006 Quantitative Methoden Inferenzstatistik alea iacta est 11.04.2008 Prof. Dr. Walter Hussy und David Tobinski UDE.EDUcation College im Rahmen des dokforums Universität Duisburg-Essen Inferenzstatistik Erläuterung

Mehr

Frailty Models in Survival Analysis

Frailty Models in Survival Analysis Aus dem Institut für Medizinische Epidemiologie, Biometrie und Informatik (Direktor: Prof. Dr. Johannes Haerting) Frailty Models in Survival Analysis Habilitation zur Erlangung des akademischen Grades

Mehr

Antikoagulation bei Vorhofflimmern

Antikoagulation bei Vorhofflimmern Orale Antikoagulation bei VHF Was kommt nach Marcumar? Köln, 17. September 2011 Antikoagulation bei Vorhofflimmern Priv.-Doz. Dr. med. Jochen Müller-Ehmsen muller.ehmsen@uni-koeln.de Klinik III für Innere

Mehr

Survival Analysis (Modul: Lebensdaueranalyse)

Survival Analysis (Modul: Lebensdaueranalyse) Survival Analysis (Modul: Lebensdaueranalyse) ROLAND RAU Universität Rostock, Sommersemester 2014 24. Juni 2014 Roland Rau Survival Analysis 1 / 23 Link zum Editorial des International Journal of Epidemiology

Mehr

Eine Studie was ist das? Grundlagen klinischer Studien

Eine Studie was ist das? Grundlagen klinischer Studien Eine Studie was ist das? Grundlagen klinischer Studien Grundlagen klinischer Studien Eine Studie ist eine systematische Sammlung von Daten, die dazu dient, eine oder mehrere Fragen zu beantworten. Eine

Mehr