Querschnittsbereich Nr. 1: Epidemiologie, Med. Biometrie und Med. Informatik
|
|
- Markus Fleischer
- vor 7 Jahren
- Abrufe
Transkript
1 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 Studienteilnehmer am Anfang festgelegt (der Expositionsstatus kann sich allerdings während des Beobachtungszeitraumes ändern). Die Zahl der Erkrankten und deren Verteilung unter den Exponierten und Nicht-Exponierten ergibt sich im Verlaufe der Beobachtung. Bei der Fall-Kontroll-Studie ist die Zahl der Fälle und der Kontrollen zu Beginn der Studie festgelegt. Die Verteilung der Exponierten und Nicht-Exponierten wird retrospektiv ermittelt. Risikodifferenz (Attributables Risiko): Die Risikodifferenz bestimmt die Krankheitsinzidenz, die auf die Exposition zurückzuführen ist. Die Risikodifferenz berechnet sich aus der Inzidenz der Erkrankung in der exponierten Gruppe minus der Inzidenz der Erkrankung in der nicht-exponierten Gruppe: Kein Zusammenhang zwischen Exposition und Erkrankung besteht bei einer Risikodifferenz von 0. Attributables Risiko Prozent: Das Attributable Risiko Prozent gibt den Anteil an vermeidbaren Krankheitsfällen an, wenn alle Personen in der Bevölkerung die Exposition vermeiden würden (bei einer Exposition, die das Krankheitsrisiko erhöht) oder wenn alle Personen in der Bevölkerung die Exposition hätten (bei einer Exposition, die das Krankheitsrisiko vermindert). Stand: 24. März 2010 Seite 1
2 Relatives Risiko: Das Relative Risiko quantifiziert das Risiko der Exponierten zu erkranken im Vergleich zum Risiko der Nicht-Exponierten zu erkranken. Das Relative Risiko berechnet sich aus dem Verhältnis der Inzidenz der Erkrankung bei den exponierten Studienteilnehmern zur Inzidenz der Erkrankung bei den nichtexponierten Studienteilnehmern. Kein Zusammenhang zwischen Exposition und Krankheit besteht bei einem Relativen Risiko von 1. Standardfehler und Konfidenzintervall für das Relative Risiko: Wenn die Exposition das Risiko für die Erkrankung senkt, bewegt sich das Relative Risiko zwischen 0 und 1; wenn die Exposition das Risiko für die Erkrankung erhöht, bewegt sich das Relative Risiko zwischen 1 und (unendlich). Das Relative Risiko (mit Standardfehler und Konfidenzintervall) folgt damit einem logarithmischen Verteilungsmuster (natürlicher Logarithmus = ln). Der Standardfehler für das Relative Risiko berechnet sich als Das 95% Konfidenzintervall für das Relative Risiko berechnet sich als Da in einer Fall-Kontroll-Studie die Zahl der Fälle und der Kontrollen per Design festgelegt ist, kann in dieser Studienart keine Inzidenz berechnet werden und damit auch kein Relatives Risiko. Berechnet werden kann ein Odds (= Chance) - die Wahrscheinlichkeit, exponiert oder nicht exponiert gewesen zu sein. Dieses Odds kann für Fälle und Kontrollen berechnet werden. Das Odds für Fälle berechnet sich als Stand: 24. März 2010 Seite 2
3 Und das Odds Ratio berechnet sich als und ist dem Relativen Risiko in einer Kohorten-Studie vergleichbar. Bei einem Odds Ratio von 1 besteht kein Zusammenhang zwischen Erkrankung und Exposition. Das Odds Ratio und sein Standardfehler und Konfidenzintervall folgen ebenfalls einer logarithmischen Verteilung. Der Standardfehler des Odds Ratio berechnet sich als Das 95% Konfidenzinterval für das Odds Ratio berechnet sich als Interpretation von Relativem Risiko, Odds Ratio und Konfidenzintervall: Stand: 24. März 2010 Seite 3
4 Fehlerquellen bei Epidemiologischen Studien Fehl-Klassifizierung Alle Messungen in Studien sind mit Fehlern behaftet. Die Erfassung der Exposition hat Messfehler, ob es sich um eine Befragung handelt, eine Laborbestimmung oder eine Messung. Die Erfassung der Erkrankung hat Messfehler, ob es sich um eine Diagnose handelt oder um eine Messung. Diese Ungenauigkeiten führen dazu, dass Studienteilnehmer falsch klassifiziert werden, eine exponierte Probandin als nicht exponiert eingestuft wird oder umgekehrt und ein erkrankter Proband als nicht erkrankt kategorisiert wird oder umgekehrt. Die Fehlklassifizierung kann systematisch sein (z. B. alle Laborwerte sind durch eine falsche Kalibrierung zu hoch) und nicht-systematisch (z. B. manchmal überschätzen Studienteilnehmer ihren Milchkonsum und manchmal unterschätzen sie den Milchkonsum). Die Fehlklassifizierung kann differenziell oder nicht-differenziell sein. Eine nicht-differenzielle Fehlklassifizierung der Exposition betrifft Erkrankte und Nicht-Erkrankte in gleichem Maße. Eine differenzielle Fehlklassifizierung der Exposition ist für Erkrankte und Nicht-Erkrankte unterschiedlich. Eine nicht-differenzielle Fehlklassifizierung der Erkrankung betrifft Exponierte und Nicht-Exponierte in gleichem Maße. Eine differenzielle Fehlklassifizierung der Erkrankung ist für Exponierte und Nicht-Exponierte unterschiedlich. Recall Bias ist eine differenzielle Fehlklassifizierung der Exposition in Bezug auf die Krankheit. Beispiel: Für eine Fall-Kontroll-Studie zum Zusammenhang zwischen Abtreibungen und dem Brustkrebs-Risiko wurden Frauen gefragt, ob sie eine Abtreibung hatten. Generell werden viele Abtreibungen aufgrund des damit behafteten Stigmas nicht preisgegeben. Eine Frau, die an Brustkrebs leidet, gibt dies aber wahrscheinlich eher zu als eine gesunde Frau. Damit entsteht eine Unterschätzung der Zahl der Abtreibungen sowohl bei Fällen als auch bei Kontrollen, aber die Unterschätzung ist für gesunde Frauen höher. Detection Bias ist eine differenzielle Fehlklassifizierung der Erkrankung in Bezug auf die Exposition. Beispiel: Viele Frauen in den USA nahmen Mitte des vergangenen Jahrhunderts Diethylstillbestrol (DES) während der Schwangerschaft ein. Es besteht der Verdacht, dass die Exposition zu DES bei Töchtern zu einem missgebildeten Uterus geführt haben könnte. Wenn der Arzt weiß, dass eine Frau im Mutterleib DES ausgesetzt war, untersucht er die Frau möglicherweise genauer auf Uterusmissbildungen als Frauen, die diesem Medikament nicht ausgesetzt waren. Dadurch kann es zu einer Überschätzung von Uterusmissbildungen bei DES-exponierten Frauen kommen. Stand: 24. März 2010 Seite 4
5 Andere Fehlerquellen Neben den verschiedenen Arten der Fehlklassifizierung sind das Confounding und der Selektionsbias die wichtigsten Fehlerquellen in Beobachtungsstudien. Selektionsbias Der Selektionsbias entsteht durch eine fehlerhafte Auswahl von Kontrollen in einer Fall-Kontroll-Studie. Fälle und Kontrollen müssen aus derselben Bevölkerungsgruppe ausgewählt werden. Innerhalb der Bevölkerungsgruppe, auf die Rückschlüsse gezogen werden sollen, befindet sich eine Bevölkerungs-Subgruppe, aus der sowohl die Fälle als auch die Kontrollen ausgewählt werden. Die Auswahl der Kontrollen darf in keiner Weise mit der Verteilung der zu untersuchenden Exposition in Zusammenhang stehen. Damit ist die Verteilung der Exposition bei den Kontrollen repräsentativ für die Verteilung der Exposition bei den Fällen, wenn die Fälle nicht die Indexkrankheit hätten. Die Verteilung der Exposition bei den Kontrollen und die Verteilung der Exposition bei den Fällen können nun verglichen werden. Werden die Kontrollen nicht aus dieser Bevölkerungs-Subgruppe ausgewählt oder steht das Auswahlkriterium der Kontrollen mit der Verteilung der Exposition in Zusammenhang, verzerrt sich das Verteilungsmuster der Exposition der Kontrollen. Damit wurden die Kontrollen falsch ausgewählt und es ergibt sich ein Selektionsbias. Confounding (Störfaktoren) Ein Störfaktor oder Confounder ist eine dritte Variable (neben Exposition und Erkrankung), die bei den Exponierten und Nicht-Exponierten unterschiedlich verteilt ist UND ein Prädiktor für die Erkrankung ist. Ein Confounder verzerrt den Zusammenhang zwischen Exposition und Erkrankung. Ist eine dritte Variable nur mit der Exposition korreliert oder mit der Erkrankung, handelt es sich nicht um einen Confounder und der Zusammenhang zwischen Exposition und Erkrankung wird nicht beeinflusst. Stand: 24. März 2010 Seite 5
6 Da der Störfaktor die Stärke des Zusammenhangs zwischen Exposition und Erkrankung beeinflusst, muss dessen Einfluss ausgeschaltet werden. Dies erfolgt durch Stratifizierung: Der Zusammenhang zwischen Exposition und Erkrankung wird getrennt berechnet für verschiedene Strata (Werte/Bereiche/Ebenen) der dritten Variable. Weicht der Wert der stratifizierten Maßzahlen vom Wert der Gesamtmaßzahl (der nicht stratifizierten Analyse) ab, so ist die dritte Variable ein Confounder. Das korrigierte Ergebnis ist dann die stratifizierte Maßzahl: Sie beschreibt den Zusammenhang zwischen Exposition und Erkrankung - adjustiert für den Confounder. Beispiel: Der Zusammenhang zwischen der Einnahme oraler Kontrazeptiva und des Risikos, einen Myokardinfarkt zu erleiden, soll quantifiziert werden. Da das Alter sowohl mit der Einnahme oraler Kontrazeptiva korreliert ist (jüngere Frauen nehmen häufiger orale Kontrazeptiva ein als ältere Frauen), als auch mit dem Risiko eines Herzinfarktes (ältere Frauen haben ein höheres Risiko, einen Herzinfarkt zu erleiden), besteht der Verdacht, dass das Alter ein Störfaktor ist. Das Odds Ratio für den Gesamtzusammenhang zwischen oraler Kontrazeptiva-Einnahme und des Risikos eines Myokardinfarkts ist 2,2. Nach Stratifizierung in zwei Gruppen von Frauen, die jünger oder älter als 40 Jahre sind, erhalten wir zwei Stratum-spezifische Odds Ratios von 2,8. Das Odds Ratio von Frauen, die orale Kontrazeptiva einnehmen, einen Myokardinfakt zu erleiden, im Vergleich zu Frauen, die keine oralen Kontrazeptiva einnehmen, adjustiert für das Alter ist damit 2,8. Stand: 24. März 2010 Seite 6
7 Da es in der Regel nicht nur einen Störfaktor für eine Beziehung zwischen Exposition und Erkrankung gibt, sondern mehrere, wird für alle Confounder gleichzeitig adjustiert. Dies erfolgt mit Hilfe eines Regressionsmodels ( logistische Regression, lineare Regression, Cox Proportional Hazards Model). Stand: 24. März 2010 Seite 7
Querschnittsbereich 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
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
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...
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
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
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
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
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
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 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
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
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
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
MehrFall-Kontroll Studien und Selection Bias. 1.4 Fall-Kontroll Studien: Vorbemerkungen
1.4 Fall-Kontroll Studien: Vorbemerkungen Fall-Kontroll Studien und Selection Bias Fall-Kontroll Studien versuchen in gewisser Weise, eine Kohortenstudie zu imitieren, aber auf das oft zeit- und kostenaufwendige
MehrAnwendung logistischer und linearer Regressionsmodelle zur Berechnung von adjustierten NNEs und Risikodifferenzen
Workshop der AG Statistische Methoden in der Medizin Magdeburg, 22.11.2007 Anwendung logistischer und linearer Regressionsmodelle zur Berechnung von adjustierten NNEs und Risikodifferenzen Ulrich Gehrmann
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
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
MehrAkademie für Sozialmedizin M-V Epidemiologie Thomas Kohlmann Institut für Community Medicine Universität Greifswald
Akademie für Sozialmedizin M-V Epidemiologie Thomas Kohlmann Institut für Community Medicine Universität Greifswald Universität Greifswald Bevölkerung (gesund) Heilung Neu eintretende Krankheitsfälle INZIDENZ
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
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
MehrBiometrie und Statistik
DEGRO: Refresher Biometrie und Statistik Universitätsklinik und Poliklinik für Strahlentherapie, Institut für Med. Epidemiologie, Biometrie und Informatik Martin-Luther-Universität Halle-Wittenberg Inhalt
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,
MehrDr. Matthias Rudolf: M3 Multivariate Statistik Vorlesung LogRA. Folie Nr. 1
2.1 Beispiele 2.2 Odds Ratio 2.3 Modell der logistischen Regression 2.3.1 Modellgleichung 2.3.2 Voraussetzungen 2.4 Schätzungen, Tests und Modellgüte 2.4.1 Schätzung der logistischen Regressionskoeffizienten
MehrTumoren im Kindesalter in der Umgebung deutscher Kernkraftwerke Die KiKK-Studie. T. Jung Bundesamt für Strahlenschutz
Tumoren im Kindesalter in der Umgebung deutscher Kernkraftwerke Die KiKK-Studie T. Jung Bundesamt für Strahlenschutz Der Abschlussbericht online verfügbar auf der BfS-Homepage, einschließlich Zusatzinformationen
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
MehrLITERATURLISTE (AUSWAHL) Ökologisches Stoffgebiet, Teil SOZIALMEDIZIN
AKS, 2004 LITERATURLISTE (AUSWAHL) Ökologisches Stoffgebiet, Teil SOZIALMEDIZIN BLEICH, St., KLATT, A., Moeller, J. TB, Schattauer 2000 EUR 25,95 BLOHMKE, M. Sozialmedizin Enke, Stuttgart, 2. Aufl. 1986
MehrMartin Dietrich, Albert-Ludwigs-Universität Freiburg
Standardisierte Qualitätsinformationen von Krankenhäusern in Deutschland als Steuerungsinstrument des Qualitäts- und Leistungswettbewerbs und ihr Effekt auf die Präferenzen-Bildung bei der Krankenhauswahl
Mehr19 Punkte. Aufgabe 1. Einkommen niedrig mittel hoch Männer Frauen Geschlecht. a) Bestimmen Sie die fehlenden Werte!
Aufgabe 1 19 Punkte Sie haben die Einkommensdaten von 369 Personen gegeben. Diese wurden in die Gehaltsgruppen niedrige, mittlere und hohe Einkommensklassen kategorisiert - jeweils nach Frauen und Männer
MehrAuswertung epidemiologischer Studien Teil 11 der Serie zur Bewertung wissenschaftlicher Publikationen
ÜBERSICHTSARBEIT Auswertung epidemiologischer Studien Teil 11 der Serie zur Bewertung wissenschaftlicher Publikationen Meike Ressing, Maria Blettner, Stefanie J. Klug ZUSAMMENFASSUNG Hintergrund: Ein wichtiges
MehrHinweis: Runden Sie wenn möglich, auf zwei Stellen nach dem Komma!
Übungsaufgaben Epidemiologie Hinweis: Runden Sie wenn möglich, auf zwei Stellen nach dem Komma! Risikoquantifizierung Aufgabe 1 In einer epidemiologischen Studie wurde der Zusammenhang zwischen Rauchen
Mehr1.2 Epidemiologische Maßzahlen Population unter Risiko. Rauchprävalenz nach Geschlecht im Jahr 1997
1.2 Epidemiologische Maßzahlen Population unter Risiko Man kann zwei Arten unterscheiden: Erkrankungshäufigkeiten, Krankheitsrisiken binomiales Wahrscheinlichkeitsmodell Prävalenz: Zustandsbeschreibung
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
MehrPharmakoepidemiologie
Zurich Open Repository and Archive University of Zurich Main Library Strickhofstrasse 39 CH-8057 Zurich www.zora.uzh.ch Year: 2012 Pharmakoepidemiologie Russmann, S Posted at the Zurich Open Repository
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
MehrKombinierte hormonale Kontrazeptiva Dienogest/Ethinylestradiol: Informationen über ein leicht erhöhtes Risiko für venöse Thromboembolien (VTE) bei
Jena, Dezember 2018 Kombinierte hormonale Kontrazeptiva Dienogest/Ethinylestradiol: Informationen über ein leicht erhöhtes Risiko für venöse Thromboembolien (VTE) bei Frauen, die Dienogest/Ethinylestradiol
MehrEpidemiologie 10. Thomas Kohlmann Maresa Buchholz. Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald
Epidemiologie 10 Thomas Kohlmann Maresa Buchholz Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald Übungen Sie verfügen über ein neues bildgebendes Verfahren zur Bestimmung
MehrÜberlebenszeit- und Rezidivanalysen
Institut für Medizinische Biometrie Überlebenszeit- und Rezidivanalysen Dr. Christoph Meisner Gliederung 1. Ergebnisqualität in der Onkologie: u.a. Analyse der kumulierten Inzidenz von Ereignissen im Zeitverlauf
MehrAbsolutes und relatives Risiko
32 Absolutes und relatives Risiko Dr. Beatrice Baldinger, Research Manager, Swiss Re Life & Health, Zurich Einleitung Die Gesundheit ist unser höchstes Gut, das unsere Lebensqualität entscheidend prägt.
MehrInhalt. I Aufgaben 1. 2 Statistische Methoden Lage- und Streuungsmaße Kindersegen MorbusCrohn 15
I Aufgaben 1 1 Maßzahlen aus der Epidemiologie 3 1.1 Prävalenz und Inzidenz 3 1.1.1 Krebs 3 1.1.2 Diabetes mellitus Typ II 3 1.1.3 Krankheit XY 4 1.1.4 Gebärmutterhalskrebs 4 1.1.5 Osteoporosebedingte
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
MehrDer Bias- systematische Fehler bei wissenschaftlichen Studien G. Kamenski Medizinische Universität Wien
Der Bias- systematische Fehler bei wissenschaftlichen Studien G. Kamenski Medizinische Universität Wien n i= 1 ( X X ) i 2 Kamenski G. Medizinische Universität Wien 1 Zum Begriff des Bias Schief, schräg,
MehrEpidemiologie / Biometrie
Wintersemester 2004 / 2005 Epidemiologie / Biometrie Robert Hochstrat 14. März 2005 Zusammenschrift der Übung zur Vorlesung aus dem WS 04/05 Rückfragen, Ergänzungen und Korrekturen an robert hochstrat@web.de
MehrStatistical Coaching. Thomas Forstner
Statistical Coaching Thomas Forstner Diagnoseverfahren Allgemein Vergleich: wahrer Befund mit Test (Diagnose) wahrer Befund muss bekannt sein (Goldstandard) 3 Analogie zur Testtheorie 4 Beurteilung von
MehrWovon hängt die Verbreitung unterschiedlicher Niveaus betrieblicher Gesundheitsförderung ab?
Wovon hängt die Verbreitung unterschiedlicher Niveaus betrieblicher Gesundheitsförderung ab? Vertiefende Analysen der repräsentativen Arbeitgeberbefragung 2011 für die GDA-Dachevaluation D Beck, U Lenhardt,
MehrEpidemiologische Grundbegriffe und Verfahren
Epidemiologische Grundbegriffe und Verfahren Tumorzentrum Erlangen-Nürnberg 26.01.2004 Anja Daugs Epidemiologie Untersuchung der Verteilung und der Determinanten von Krankheitshäufigkeiten in umschriebenen
MehrEinführung in die Epidemiologie
Ruth Bonita Robert Beaglehole Tord Kjellström Einführung in die Epidemiologie 2., vollständig überarbeitete Auflage Aus dem Englischen von Karin Beifuss Verlag Hans Huber Vorwort 13 Einführung 15 1 Was
MehrDer Gefoulte soll niemals selber schießen Empirische Untersuchung einer alten deutschen Fußballerweisheit
Der Gefoulte soll niemals selber schießen Empirische Untersuchung einer alten deutschen Fußballerweisheit Kuß O 1, Kluttig A 1, Stoll O 2 1 Institut für Medizinische Epidemiologie, Biometrie und Informatik,
MehrLogistische Regression in SAS
Logistische Regression in SAS Oliver Kuß Medizinische Universitätsklinik, Abt. Klinische Sozialmedizin, Bergheimer Str. 58, 69115 Heidelberg, email: okuss@med.uni-heidelberg.de 3. Konferenz für SAS -Anwender
MehrEpidemiologie 3. Thomas Kohlmann Maresa Buchholz. Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald
Epidemiologie 3 Thomas Kohlmann Maresa Buchholz Institut für Community Medicine Abteilung Methoden Universitätsmedizin Greifswald Wiederholung Von 2.872 Personen, die als Kinder wegen einer vergrößerten
MehrNORAH-Studie zu Krankheitsrisiken: Ergebnisse der sekundärdatenbasierten Fallkontrollstudie mit vertiefender Befragung
Medizinische Fakultät Carl Gustav Carus, Institut und Poliklinik für Arbeits- und Sozialmedizin, Direktor: Prof. Dr. med. Andreas Seidler, MPH NORAH-Studie zu Krankheitsrisiken: Ergebnisse der sekundärdatenbasierten
Mehr1 EINLEITUNG. 1.1 Epidemiologische Forschung
8 1 EINLEITUNG 1.1 Epidemiologische Forschung Die medizinische Erforschung von Krankheiten und deren Ursachen greift auf eine Vielzahl von Möglichkeiten zurück. Grundsätzlich zu unterscheiden sind die
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
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
MehrKonkretes Durchführen einer Inferenzstatistik
Konkretes Durchführen einer Inferenzstatistik Die Frage ist, welche inferenzstatistischen Schlüsse bei einer kontinuierlichen Variablen - Beispiel: Reaktionszeit gemessen in ms - von der Stichprobe auf
MehrMedizinische Statistik
Medizinische Statistik Konzepte, Methoden, Anwendungen Leonhard Held Kaspar Rufibach Burkhardt Seifert Higher Education München Harlow Amsterdam Madrid Boston San Francisco Don Mills Mexico City Sydney
MehrAufgabe 1 Probabilistische Inferenz
Seite 1 von 8 Aufgabe 1 Probabilistische Inferenz (32 Punkte) In einer medizinischen Studie werden zwei Tests zur Diagnose von Leberschäden verglichen. Dabei wurde folgendes festgestellt: Test 1 erkennt
MehrProtokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten
Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Sebastian Pfitzner 19. Februar 013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (5589) Betreuer: N. Haug Versuchsdatum:
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
MehrPrädiktoren der Medikamenten-Adhärenz bei Patienten mit depressiven Störungen
Prädiktoren der Medikamenten-Adhärenz bei Patienten mit depressiven Störungen Glattacker, M., Heyduck, K. & Meffert, C. Abteilung Qualitätsmanagement und Sozialmedizin (Direktor: Prof. Dr. W.H. Jäckel)
MehrErrangen die Informationen dieser beiden Ärztinnen die Aufmerksamkeit, die sie verdienten? Nicht annähernd! Medien honorieren Frauen, die Tabus
Onkologie-Zeitschrift The Journal of Clinical Oncology dieses beeindruckende Ergebnis einer Studie: Wenn x-beliebige Frauen aus irgendwelchen Gründen wenigstens eine Aspirin-Tablette wöchentlich einnahmen,
MehrGroßübung zur Biometrie II im WS 2000/2001. Logistische Regression
Großübung zur Biometrie II im WS 2000/2001 Logistische Regression Stefan Schiffer dr.stf@web.de Claus Richterich Claus@Richterich.net Thomas Deselaers Thomas@Deselaers.de Betreuerin Nicole Heussen nicole.heussen@mbio.rwth-aachen.de
MehrLernziele Intensivblock I2 Advanced! Epidemiologie und Gesundheitsversorgung. Advanced! I2. Tag 4 Tag 5 Tag 6
Lernziele Intensivblock I2 Advanced! Epidemiologie und Gesundheitsversorgung Stand: März 2017 Advanced! I2 Tag 4 Tag 5 Tag 6 Med. Informatik Elekt. Dokumentation & Informationssysteme Risiko & Prognose
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
MehrMikrokerne pro Zelle 0,0205 0,0194
4.Ergebnisse 4.1. Mittelwerte der Mikrokernraten pro Zelle Mikrokerne pro Zelle 0,03 0,0205 0,0194 Mikrokerne pro Zelle 0,025 0,02 0,015 0,01 0,005 0 0,009 Tumorpatienten Leukoplakiepatienten Kontrollgruppe
MehrBiometrie. Regressionsmodelle
1 Regressionsmodelle Einflussgrößen Zielgröße (Alter, Geschlecht Blutdruck) Zielgröße entscheidet über das Regressionsmodell stetige Zielgröße lineare Regression binäre Zielgröße logistische Regression
MehrÜberlebenszeitanalyse. Tempus neminem manet
Überlebenszeitanalyse Tempus neminem manet Remissionsdauer bei Leukämie Die Wirksamkeit des Medikaments 6-Mercaptopurin (6-MP) wurde in einer placebokontrollierten Studie an 42 Kindern mit akuter Leukämie
MehrSeminar Medizinische Informatik WS0405 Ausarbeitung zum Vortrag am Thema: Epidemiologie
Seminar Medizinische Informatik WS0405 Ausarbeitung zum Vortrag am 08.12.2004 Thema: Epidemiologie Bearbeiter: Diana Tanasescu Gliederung Gliederung...2 Abbildungsverzeichnis...2 Tabellenverzeichnis...3
MehrLogistische Regression
Logistische Regression Werner Brannath VO Biostatistik im WS 2006/2007 Inhalt Logistische Regression Beispiel 1: Herzerkrankungsdaten aus Framingham Log Odds Modell Beispiel 1: Einfluss von Blutdruck Maximum
MehrBiomathematik für Mediziner, Klausur SS 2001 Seite 1
Biomathematik für Mediziner, Klausur SS 2001 Seite 1 Aufgabe 1: Von den Patienten einer Klinik geben 70% an, Masern gehabt zu haben, und 60% erinnerten sich an eine Windpockeninfektion. An mindestens einer
MehrPrävalenz, Risikofaktoren und klinischer Verlauf des Q-Fiebers beim Menschen
Prävalenz, Risikofaktoren und klinischer Verlauf des Q-Fiebers beim Menschen S. Brockmann, C. Wagner-Wiening, I. Kompauer, P. Kimmig, I. Piechotowski Nationales Symposium für Zoonosenforschung, Berlin,
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
MehrGrundlagen 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-,
MehrBundesweite Onkologische Qualitätskonferenz - Kolorektales Karzinom-
Bundesweite Onkologische Qualitätskonferenz - Kolorektales Karzinom- S. Benz, M. Gerken, M. Klinkhammer-Schalke Klink f. Allgemein-, Viszeral und Kinderchirurgie Böblingen-Sindelfingen Tumorzentrum Regensburg
Mehr3.8 Malignes Melanom der Haut
ICD-10 C43 Ergebnisse zur 69 3.8 Malignes Melanom der Haut Kernaussagen Inzidenz: Im 2004 erkrankten in Deutschland etwa 8.400 und 6.500 an einem malignen Melanom der Haut. Seit 1980 sind die Erkrankungsraten
MehrVon Kernkraftwerken zu Space Shuttles
Statistische Methoden in Forschung und Alltag Johannes Hain Lehrstuhl für Mathematik VIII Statistik Universität Würzburg 01.03.2011 Das erwartet einen Mathematik-Studenten auf der Uni... ... oder das hier:
MehrVeröffentlichung der FluG- Studienergebnisse
Pressekonferenz Veröffentlichung der FluG- Studienergebnisse 02.07.2013 Einführung zum Thema 2 Adrenalin 3 Schlafstörungen: Fluglärm stört am meisten 4 5 6 Kernaussagen: Bluthochdruck ist ein wichtiger
Mehrkönnen sowohl die Zahl unserer Lebensjahre als auch deren Qualität maßgeblich beeinflussen. Wir können uns selbst dabei helfen, Krankheiten und
können sowohl die Zahl unserer Lebensjahre als auch deren Qualität maßgeblich beeinflussen. Wir können uns selbst dabei helfen, Krankheiten und Gesundheitsrisiken zu umgehen und unsere Kinder unterstützen,
MehrGewichtung in der Umfragepraxis. Von Tobias Hentze
Gewichtung in der Umfragepraxis Von Tobias Hentze Gliederung 1. Einführung 2. Gewichtungsarten 1. Designgewichtung 2. Non-Response-Gewichtung 3. Zellgewichtung 3. Fazit Gewichtung Definition: Ein Gewicht
MehrNORAH - Blutdruckmonitoring
NORAH Noise-related annoyance, cognition, and health NORAH - Blutdruckmonitoring Wirkung chronischer Lärmbelastung auf den Blutdruck bei Erwachsenen Frankfurt, ICANA, 12.11.2015 Prof. Dr. med. Thomas Eikmann
MehrGrundlagen der schließenden Statistik
Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen
MehrMöglichkeiten und Grenzen der Epidemiologie in der Arbeitsmedizin
Möglichkeiten und Grenzen der Epidemiologie in der Arbeitsmedizin Prof. Dr. T. Brüning, PD Dr. B. Pesch, Prof. Dr. K.-H. Jöckel 55. Wissenschaftliche Jahrestagung der DGAUM e.v. München, 18. 20. März 2015
MehrBluthochdruck trotz Behandlung? Frauen und Männer mit niedrigen Einkommen sind häufiger betroffen
Bluthochdruck trotz Behandlung? Frauen und Männer mit niedrigen Einkommen sind häufiger betroffen Dragano* N, Moebus S, Stang A, Möhlenkamp S, Mann K, Erbel R, Jöckel KH, Siegrist J, für die Heinz Nixdorf
MehrÜbungen zu Public Health und Gesundheitsökonomie
Springer-Lehrbuch Übungen zu Public Health und Gesundheitsökonomie Bearbeitet von Anne Prenzler, Johann-Matthias Graf von der Schulenburg, Jan Zeidler 1. Auflage 2010. Taschenbuch. xiv, 117 S. Paperback
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
MehrWenn ich alle Pillen gegessen habe, bin ich satt! Vorlesung Allgemeinmedizin, 30. Mai 2012
Wenn ich alle Pillen gegessen habe, bin ich satt! Vorlesung Allgemeinmedizin, 30. Mai 2012 Marjan van den Akker Maastricht University, Die Niederlande KU Leuven, Belgien 22. Friedrich-Merz-Stiftungsgastprofessur
MehrBeispiel 1 - Deskription
Beispiel 1 - Deskription 1 Beispiel 1 - Deskription a) Welche der hier aufgeführten statistischen Maßzahlen beschreiben die Variabilität der der Messwerte? Standardabweichung und Quartilsabstand 1 Beispiel
MehrMATHEMATIK 3 STUNDEN
EUROPÄISCHES ABITUR 2013 MATHEMATIK 3 STUNDEN DATUM : 10. Juni 2013, Vormittag DAUER DER PRÜFUNG: 2 Stunden (120 Minuten) ERLAUBTES HILFSMITTEL Prüfung mit technologischem Hilfsmittel 1/6 DE AUFGABE B1
MehrPassivrauch-Exposition und Koronarsklerose bei Nichtrauchern
Passivrauch-Exposition und Koronarsklerose bei Nichtrauchern Peinemann F, 1,2 Moebus S, 2 Dragano N, 3 Möhlenkamp S, 2 Lehmann N, 2 Zeeb H, 1 Erbel R, 2 Jöckel KH, 2 Hoffmann B, 2 im Namen der Heinz Nixdorf
MehrAuswertungen in der Qualitätssicherung
Auswertungen in der Qualitätssicherung Anwendertreffen Qualitätssicherung Anästhesie Landesärztekammer Baden-Württemberg, Stuttgart, 01.04.2004 Arbeitsgruppe Qualitätssicherung Anästhesie Priv.-Doz. Dr.
MehrIschämischer Schlaganfall, Myokardinfarkt und venöse Thromboembolie unter hormonalen Kontrazeptiva
AMB 2012, 46, 57 Ischämischer Schlaganfall, Myokardinfarkt und venöse Thromboembolie unter hormonalen Kontrazeptiva Zusammenfassung: Während unter Ethinylestradiol (EE)-haltigen oralen Kontrazeptiva (OK)
MehrInterpretation der Ergebnisse von 2 2-Tafeln Teil 9 der Serie zur Bewertung wissenschaftlicher Publikationen
ÜBERSICHTSARBEIT Interpretation der Ergebnisse von 2 2-Tafeln Teil 9 der Serie zur Bewertung wissenschaftlicher Publikationen Wilhelm Sauerbrei, Maria Blettner ZUSAMMENFASSUNG Hintergrund: Ergebnisse von
MehrSchriftlicher Test Teilklausur 2
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Künstliche Intelligenz: Grundlagen und Anwendungen Wintersemester 2009 / 2010 Albayrak, Fricke (AOT) Opper, Ruttor (KI) Schriftlicher
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.
MehrScreening-Untersuchungen. Zu Risiken und Nebenwirkungen fragen Sie Ihren Statistiker. Fazit. XX. Februar 2015
XX. Februar 2015 Bruxelles Airport 2011 Screening-Untersuchungen Zu Risiken und Nebenwirkungen fragen Sie Ihren Statistiker Gerhard Rogler, Klinik für Gastroenterologie und Hepatologie, UniversitätsSpital
MehrAufgabe 1 Probabilistische Inferenz
Seite 1 von 11 Aufgabe 1 Probabilistische Inferenz (28 Punkte) Es existieren zwei Krankheiten, die das gleiche Symptom hervorrufen. Folgende Erkenntnisse konnten in wissenschaftlichen Studien festgestellt
MehrSecukinumab (Plaque-Psoriasis)
IQWiG-Berichte Nr. 529 Secukinumab (Plaque-Psoriasis) Addendum zum Auftrag A17-08 Addendum Auftrag: A17-31 Version: 1.0 Stand: 28.07.2017 Impressum Herausgeber: Institut für Qualität und Wirtschaftlichkeit
Mehr