Dr. Dirk Hasenclever IMISE, Leipzig

Ähnliche Dokumente
Prof. Dr. Roland Füss Statistik II SS 2008

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Ökonomische und ökonometrische Evaluation. 1.3 Ökonometrische Grundkonzepte

Prof. Dr. P. Kischka WS 2012/13 Lehrstuhl für Wirtschafts- und Sozialstatistik. Klausur Statistische Inferenz

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

(Theoretische) Konfidenzintervalle für die beobachteten Werte: Die Standardabweichung des Messfehlers wird Standardmessfehler genannt:

Definition des linearen Korrelationskoeffizienten

Multivariate Analysemethoden

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

5 Gemischte Verallgemeinerte Lineare Modelle

Stochastische Prozesse

Zulassungsprüfung Stochastik,

Mathematische und statistische Methoden II

Sicherheit von Π MAC2

Klausur zur Vorlesung Lineare Modelle SS 2006 Diplom, Klausur A

Kaplan- Meier- Schätzer

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Graphische Modelle. Niels Landwehr

Rückblick Regression II: Anpassung an Polynome

Lösungen zum 3. Aufgabenblock

4.6 Das Pumping-Lemma für reguläre Sprachen:

Message Authentication Code (MAC)

Kurs Mikroökonometrie Rudolf Winter-Ebmer Thema 3: Binary Choice Models Probit & Logit. Wahlentscheidung Kauf langlebiger Konsumgüter Arbeitslosigkeit

Statistik der Extremwertverteilungen

Verteilungen eindimensionaler diskreter Zufallsvariablen

Stochastische Prozesse

-2 Das einfache Regressionsmodell 2.1 Ein ökonomisches Modell

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

An dem Ergebnis eines Zufallsexperiments interessiert oft nur eine spezielle Größe, meistens ein Messwert.

Statistik und Wahrscheinlichkeitsrechnung

Standardnormalverteilung / z-transformation

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Gauss sche Fehlerrrechnung

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Teil E: Qualitative abhängige Variable in Regressionsmodellen

6. Modelle mit binären abhängigen Variablen

Einführung in die theoretische Physik 1

Nomenklatur - Übersicht

Übung zur Vorlesung - Theorien Psychometrischer Tests II

Der Erweiterungsfaktor k

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Facility Location Games

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Lineare Regression Teil des Weiterbildungskurses in angewandter Statistik

Kurs 9.3: Forschungsmethoden II

Sind die nachfolgenden Aussagen richtig oder falsch? (1 Punkt pro korrekter Beantwortung)

Was sind Messunsicherheiten?

14 Schätzmethoden. Eigenschaften von Schätzungen ˆθ. Sei ˆθ n eine Schätzung eines Parameters θ, die auf n Beobachtungen beruht.

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Konkave und Konvexe Funktionen

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

1.1 Beispiele zur linearen Regression

Statistische Methoden für Bauingenieure WS 13/14

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Bayessches Lernen

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

Kapitel 7: Ensemble Methoden. Maschinelles Lernen und Neural Computation

Aufgabe 2. Kolloquium zur Klausurnachbesprechung Instrumente des Controlling Wintersemester 2010/11. Dr. Michael Holtrup

Lösungen der Aufgaben zu Kapitel 2

1 Definition und Grundbegriffe

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

P[bk t c se(b k) k bk t c se(b k)] 1 (5.1.3)

Streuungs-, Schiefe und Wölbungsmaße

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

Item-response Theorie (Probablistiche Testtheorie) Grundidee der item-response Theorie ist, dass die Antworten auf die Testitems lediglich

Automotive Auswertung der Betriebserfahrung zum Zuverlässigkeitsnachweis sicherheitskritischer Softwaresysteme. S. Söhnlein, F.

Die kanonische Zustandssumme (System) und ihr Zusammenhang mit der molekularen Zustandssumme (Einzelmolekül) unterscheidbare Teilchen:

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

FORMELSAMMLUNG STATISTIK (I)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

Musterlösung zu Übung 4

Nernstscher Verteilungssatz

Übungsblatt 7 Lösungsvorschläge

ANOVA (Analysis of Variance) Varianzanalyse. Statistik Methoden. Ausgangssituation ANOVA. Ao.Prof.DI.Dr Josef Haas

U Test (Rangsummentest) Parameterfreie Tests. U -Test. U -Test. χ ²- Unabhängigkeitstest Test auf Unabhängigkeit von zwei Zufallsgrößen

6. Übung zur Linearen Algebra II

Statistik Exponentialfunktion

Seminar Einführung in die Kunst mathematischer Ungleichungen

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

Die Jordansche Normalform

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Qualitätsparameter in der. Ausgleichungsrechnung

Kapitel V. Parameter der Verteilungen

Empirische Wirtschaftsforschung

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

WS 2016/17 Prof. Dr. Horst Peters , Seite 1 von 9

Erwartungswert, Varianz, Standardabweichung

Prof. Dr.-Ing. P. Eberhard, Prof. Dr.-Ing. M. Hanss SS 2016 A 1.1

Kapitel 4: Unsicherheit in der Modellierung Modellierung von Unsicherheit. Machine Learning in der Medizin 104

12 UMPU Tests ( UMP unbiased )

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Forschungsstatistik I

Diskrete Mathematik 1 WS 2008/09

Transkript:

De Technk der Metaanalyse und Studen zur Kombnaton von Chemo- und Radotherape n frühen Staden des Hodgkn Lymphoms I Dr. Drk Hasenclever IMISE, Lepzg Hasenclever@IMISE.un-Lepzg.de

Systematsche Reves und Metaanalysen Defnton Ene Metaanalyse st en <umfassender, <objektver, <quanttatver <systematscher Reve der besten verfügbaren Evdenz zu ener spezfschen Fragestellung. Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04

Systematsche Reves und Metaanalysen: Vorgehen Präzse Formulerung der Revefragestellung und detallertes Projektprotokoll mt transparenten Enschlusskrteren. Extensve Lteraturrecherche nach allen relevanten randomserten klnschen Studen (RCTs) < Datenbanken < Tagungsbände < Handsuche < Expertenbefragung < Rekusve Referenzen... Grafsche Darstellung als Forest plot zur Beurtelung und Untersuchung der Heterogentät der Studenergebnsse. Statstsches Verfahren (Test/Schätzung) für Kombnaton der Studendaten Klnsche Interpretaton mt Senstvtätsanalyse und Berückschtgung von Nebenrkungen etc. Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 3

Systematsche Reves und Metaanalysen Allgemene Ausgangsstuaton Gegeben k unabhängge Studen zu derselben Fragestellung: E gegen C. Endpunkte der Studen seen deselben Se der Therapeeffekt n Stude <Z.B. logoddsrato, Mttelertdfferenz, loghazardrato... je nach Typ des Endpunkts. Se ^ der Schätzer des Therapeeffekt n Stude und = 1/ var(^ ). (Wr vernachlässgen, dass.a. nur asymptotsch als Schätzung gegeben st.) ^ ~ N(, -1 ) für =1,..,k Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 4

Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 5 Systematsche Reves und Metaanalysen Test der globalen Nullhypothese standardnormalvertelt. ˆ und also st U ) ~ N(0, ˆ folgt 0... H0 : Unter der globalen Nullhypothese : TEST : ), ~ N( ˆ Dann glt nach allgemenen Rechenregeln für Normalvertelungen : 1 1 1 1 1 = = = = = = = = = k k k k k θ θ θ θ θ θ θ

Systematsche Reves und Metaanalysen Fxed effect model SCHÄTZUNG :(Fxed effect model) Angenommen, de Therapeeffekte snd quer Stude homogen : θ = θ st ˆ θ = k θ = 1 ˆ k = 1 en Schätzer für den gemensamen Therapeeffekt θ. (mt der Genaugket der Schätzung En approxmatves 95% Konfdenzntervall ergbt sch zu : ˆ θ ± 1.96 gechteter Mttelert). 1 =... = θ k = 1 1 k = : θ, dann Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 6

Systematsche Reves und Metaanalysen Random effect model SCHÄTZUNG :(Random effect model) Angenommen, de Therapeeffekte snd quer Stude heterogen : Um enen Gesamteffekt - Schätzer zu konstrueren, nehmen r en herachsches Modell an : De Enzelstudentherapeeffekteθ streuen zufällg um enen Gesamteffekt θ : θ ~ N( θ, τ ) mt ener Varanz Weterhn haben r n jeder Stude ˆ θ ~ N( θ, Für de Randvertelung von ˆ θ glt ˆ θ ~ N( θ, Im Random - Effekt Modell hat der Fxed Effekt Schätzer ˆ θ eterhn Erartungsert θ, aber ene größere Varanz : var( ˆ) θ = τ, elche de Heterogentät beschrebt. ( ) 1 ( + τ ) ( ) ( ) ( ) daher fallen m Random - Effekt Modell de Konfdenzntervalle breter aus. 1 1 ). + τ ). var( ˆ θ ) = = 1 + τ Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 7

Fxed effect versus random effect model Fxed effect <Konsstent mt Globaltest <Strenge Homogentätsannahme be Effekt unrealstsch. <Wenn Heterogentät: Erklären! Random effect <Inkonsstent mt Globaltest <Formale Berückschtgung von Heterogentät. <Annahme: Studen normalvertelte Zufallsstchprobe möglcher Studen unrealstsch Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 8

Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 9

RCTs: Groß- gegen Klenfeld Radotherape Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 10

Involved versus extended feld radotherapy Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 11

Therapeversagen (Rezdv oder Tod) Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 1

Gesamtüberleben Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 13

Indvdualdaten vs. Publkatonsbaserte Metaanalyse Aus Publkatonen snd de nötgen Daten oft scher herauszulesen <(-> CONSORT statement) Vel Aufand Indvdualdaten zusammenzuführen. Detallertere Modellerung, Adjusterung und Subgruppenanalysen und bessere Heterogentätsaufklärung erden möglch. Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 14

Vortel n Krankhetskontrolle übersetzt sch ncht n Überlebensvortel Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 15

Relapse after RT alone Nodal vs extra relapse Good prognoss after relapse from radotherapy alone! Specht et al. for IDHD: Int J Radat Oncol Bol Phys 30 (1994) Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 16

Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 17

Ncht HD bedngte Todesfälle Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 18

Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 19

Therapeversagen Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 0

Gesamtüberleben Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 1

Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04

Specht et al. JCO 1998 Vorlesung: Bometre IV Klnsche Studen Dr. Hasenclever, IMISE, Unverstät Lepzg, SS04 3