Medizinische Informatik Klinische Versuchsplanung

Ähnliche Dokumente
KLINISCHE PRÜFUNG EINE EINFÜHRUNG. ATA Conference Elke Vogt-Arendt

Welt Lymphom Tag Seminar für Patienten und Angehörige 15. September 2007 Wien

Zur Statistik im neuen Genehmigungsantrag

Berechnung des LOG-RANK-Tests bei Überlebenskurven

Wie funktioniert eine klinische Studie?

Therapeutisches Drug Monitoring der Antidepressiva Amitriptylin, Clomipramin, Doxepin und Maprotilin unter naturalistischen Bedingungen

Statistik für Studenten der Sportwissenschaften SS 2008

Was bedeutet p<0.05?

Ödeme, Hypertonie und Herzinsuffizienz wurden im Zusammenhang mit NSAID - Behandlung berichtet.

Abgrenzung klinischer Prüfungen Phase III und IV gegenüber nichtinterventionellen

Institut für Medizinische Biometrie, Epidemiologie und Informatik WIE ENTSTEHT WISSEN? EVIDENZBASIERTE MEDIZIN

Biomathematik für Mediziner, Klausur SS 2001 Seite 1

Mathematik für Biologen

8. Konfidenzintervalle und Hypothesentests

Computerübung 5. Empirische Wirtschaftsforschung. Willi Mutschler. Ökonometrie und Wirtschaftsstatistik Uni Münster. 26.

Gute Klinische Praxis : Prüfungsmaßstäbe für die Ethik-Kommission

Paul-Ehrlich-Institut Bundesamt für Sera und Impfstoffe

Mathematik für Biologen

Mathematische und statistische Methoden II

Mögliche Fehler beim Testen

Statistik II. Statistische Tests. Statistik II

Aussagen hierzu sind mit einer unvermeidbaren Unsicherheit behaftet, die statistisch über eine Irrtumswahrscheinlichkeit bewertet wird.

Biostatistik Erne Einfuhrung fur Biowissenschaftler

Komplementärmedizin nach Transplantation?

Kategorielle Daten. Seminar für Statistik Markus Kalisch

Prozentsatzes fehlerhafter Einheiten von einem Sollprozentsatz fehlerhafter Einheiten feststellen zu können. Der Assistent führt automatisch eine

Chi Quadrat-Unabhängigkeitstest

Jost Reinecke. 7. Juni 2005

Hypothesentest, ein einfacher Zugang mit Würfeln

Elektronische Prüfungen im Studium der Medizininformatik: Sind elektronische und papierbasierte Ergebnisse vergleichbar?

1.1 Studientitel: XY 1.2 Studienleiter: XY 1.3 Medizinischer Hintergrund

Test auf einen Anteilswert (Binomialtest) Vergleich zweier Mittelwerte (t-test)

Katalog zur Inhaltsanalyse von Fachinformationen bezüglich Therapeutischem Drug Monitoring (TDM)

Lösungen zu den Übungsaufgaben in Kapitel 10

Beurteilung der klinischen Heterogenität: eine empirische Untersuchung

Evidence Based Practice (Teil 1) Urs Albisser Andrea Weise (Februar 2006)

Prof. Dr. Dr. Martin HärterH

Statistische Analyse von Ereigniszeiten

SCHLAFMITTEL= THERAPIE

Überlebenszeitanalyse Teil 15 der Serie zur Bewertung wissenschaftlicher Publikationen

Evidenzlage nicht-medikamentöser und nicht-technischer Behandlungsverfahren

I. Deskriptive Statistik 1

Die Weiterentwicklung und Anwendung der Forschungspyramide in der Physiotherapie

BAnz AT B3. Beschluss

Aufgabenblock 4. Da Körpergröße normalverteilt ist, erhalten wir aus der Tabelle der t-verteilung bei df = 19 und α = 0.05 den Wert t 19,97.

Studiendesign und Statistik: Interpretation publizierter klinischer Daten

Statistische Anwendungen in der Medizin

Unsystematische Störvariablen

Dipl.-Volksw. Markus Pullen Wintersemester 2012/13

Inhaltsverzeichnis. Bibliografische Informationen digitalisiert durch

Biometrische Planung von Versuchsvorhaben

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

Beurteilende Statistik

Thrombosemanagement mit NMH Wichtiges worauf Sie achten sollten

Eine Studie was ist das? Grundlagen klinischer Studien

Einfluss von einem Computerspiel auf Depression, Angststörungen und Schmerzen bei stationären Patienten: rct. Institut für Physiotherapie

Polypharmazie im Alter: Eine Einführung

RCT. Reflektieren Publikationen randomisierter klinischer Studien mit Kindern die ethische Debatte? Hintergrund. Hintergrund. Zielsetzung.

Versuchsplanung. Teil 2 Varianzanalyse (ANOVA) Dr. Tobias Kiesling

8. Newsletter. zum 9. Studientreffen am in Frankfurt Moderation: Prof. R. Sauer

2.4 Hypothesentests Grundprinzipien statistischer Hypothesentests. Hypothese:

825 e 290 e 542 e 945 e 528 e 486 e 675 e 618 e 170 e 500 e 443 e 608 e. Zeichnen Sie das Box-Plot. Sind in dieser Stichprobe Ausreißer vorhanden?

Abschlussbeurteilung santésuisse Screening Methode (Level I) Vorschläge für eine Neugestaltung Level I

Die Realisierung von Evidenz-basierter Medizin im deutschen Gesundheitssystem

Kaplan-Meier-Schätzer

Diagnostikstudien. Dr. Dirk Hasenclever IMISE, Leipzig.

Über den Autor 7. Teil Beschreibende Statistik 29

Vom unklaren Symptomkomplex zur ganzheitlichen Diagnose

Seroquel Prolong ermöglicht kontinuierliche Therapie über alle Phasen

Pro und contra Früherkennung. Thomas Enzmann Steffen Lebentrau Klinik für Urologie und Kinderurologie

Skriptum zur Veranstaltung. Quantitative Methoden (Mathematik/Statistik) Teil Induktive Statistik. 1. Version (mehr Draft als Skriptum)

Vereinbarung zur Umsetzung einer Screening-Maßnahme. nach 7 Abs. 2 der Anlage 4 des Hausarztvertrages. 2. PAVK-Screening (

Overuse unnötige Behandlungen als Qualitätsproblem. Dr. med. Christoph Bosshard, Vizepräsident der FMH Departementsverantwortlicher DDQ/SAQM

Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Waldinventur und Fernerkundung

13.5 Der zentrale Grenzwertsatz

Hepatitis C im Dialog

Versuchsplanung. Teil 1 Einführung und Grundlagen. Dr. Tobias Kiesling <kiesling@stat.uni-muenchen.de> Einführung in die Versuchsplanung

Mathematische und statistische Methoden I

Klausur Statistik I. Dr. Andreas Voß Wintersemester 2005/06

Lösungen zur Biomathe-Klausur Gruppe A Montag, den 16. Juli 2001

Bachelorabschlussseminar Dipl.-Kfm. Daniel Cracau

Gibt es eine Krebsdiät? Fakten und Fantasien

Antrag auf Aufhebung der Verschreibungspflicht ( 48 und 53 AMG) Racecadotril 30 mg Granulat zur sympt. Behandlung der akuten Diarrhoe bei Kindern ab

Mathematik für Biologen

Business Value Launch 2006

Patientinnen-/ Patienten-Information für die Studie Neurofeedback-Behandlung bei akustischen Halluzinationen

KATA LOGO Mathematik Statistik Roadmap: Von der Hypothese zum p-wert

Individualisierte Medizin Unser (Un)Verständnis. Jürgen Windeler

Nutzen-Schaden-Bewertung von Arzneimitteln nach der Zulassung

Pflanzenschutzmittel Fakten statt Hysterie Gefahr, Risiko oder Sicherheit

Statistik II. Aufgabe 1

Cannabis und Multiple Sklerose

Grammatiken. Einführung

SPSS V Gruppenvergleiche ( 2 Gruppen) abhängige (verbundene) Stichproben

Dossier zur Nutzenbewertung gemäß 35a SGB V

Frage: Führt die antibiotische Behandlung der Helicobacter pylori Infektion bei Patienten mit funktioneller Dyspepsie zur Beschwerdefreiheit?

6. Übung Statistische Tests Teil 1 (t-tests)

Transkript:

Definition: Klinische Studie Medizinische Informatik Klinische Versuchsplanung Eine klinische Studie untersucht die Wirkung () einer (oder mehrerer) Intervention(en) an Menschen. Intervention (z.b.): Behandlung (Vergleich zw. Behandlungsmethoden) Anwesenheit eines Faktors, Faktoren bei Krankheiten (z.b.: -Kreislauf-Erkrankungen) (Einige) Gebiete der klinischen (statistischen) Studien Asymptotischer 4-Felder Test zum Vergleich von 2 Raten Survival-Analyse Randomisation und Verblindung Phase I-IV - Studien Erfolg + - Gruppe 1 a b N 1 2 c d N 2 N = N 1 +N 2 ; N 1 = a+b; N 2 = c+d; Entscheidung Nicht-Ablehnung von H o (Annahme von H o ) Ablehnung von H o Wirklichkeit H o : 1 = 2 H o : 1 2 Richtige Nicht-Ablehnung Falsche Ablehnung (-, Typ I-Fehler) Falsche Nicht-Ablehnung (-, Typ II-Fehler) Richtige Ablehnung r 1 =a/(a+b)=a/n 1 ; r 2 = c/(c+d)=c/n 2 N -werte: r 1 ~ 1 ; r 2 ~ 2 Testhypothesen: H o : 1 = 2 vs. H 1 : 1 2

-Approximation: H o : Z N (0,1) Standardnormalverteilung H o : ablehnen wenn mit Excel: H o : ablehnen Erfolg kein Erfolg 80 20 100 NI 70 30 100 NK 150 50 200 Beispiele: Erfolg kein Erfolg Intervention 80 20 100 Kontrolle 70 30 100 Erfolg kein Erfolg Intervention 800 200 1000 Kontrolle 700 300 1000 r Intervention =r 1 =0.8 r Kontrolle =r 2 =0.7 alpha= 0.05 1-/2= 0.975 Z errechnet = 1.6440 Z (1-/2)=0.975 = 1.9600 Z errechnet = 1.6440 Z errechnet = 5.1988 alpha = 0.05 1-/2= 0.975 1.9600 Z errechnet < Z (1-a/2) : H o zu behalten r 1 =80/100; r 2 =70/100; N 1 =NI; N 2 =NK ): r I : Erfolg bei Interventionen/Anzahl-Interventionen r K : Erfolg bei Kontrollen/Anzahl-Kontrollen r u : untere Grenze des Konfidenzintervalls r o : obere Grenze des Konfidenzintervalls d Signifikanzniveau: (an beiden Enden der Verteilungsfunktion /2) Konfidenzniveau: =1- : z-wert der Standardnormalverteilung bei p=1-/2 r I -r K d r 0! r K r I

Beispiel: Erfolgsrate bei neuer Intervention: r 1 =0.8; Erfolgsrate mit alter Methode: r 2 =0.6; In beiden Untersuchungen sei der Stichprobenumfang 100; =0,95 (d.h. KI 0,95 Raten? E1 80 d= 0.1240 E2 60 r untere = 0.076 N1 100 r obere = 0.324 N2 100 r1 0.8 r2 0.6 r1-r2= 0.2 alpha= 0.05 1=alpha/2= 0.975 z1-alpha/2= 1.960 r(=(r1+r2)/2)= 0.7 Problem: (2d) des Konfidenzintervalls verkleinern (d.h. bei dem selben Konfidenzniveau =0,95). Raten mit N I =N K =N Beispiel: Erfolgsrate bei neuer Intervention: r 1 =0.8; Erfolgsrate mit alter Methode: r 2 =0.7; d=0.05 N=? 4-Felder-Raten Erfolg kein Erfolg Intervention 80 20 100 Formulierung der Fragestellung: die alte Methode (z.b. Behandlung) ergibt 70% Erfolg mit neuer Methode ist 80% Erfolg erwartet abzusichern? -Fehler [] und einen -Fehler [] erreichen. Kontrolle 70 30 100 r I =0.8; r K =0.7; =0.05; =0.95; (1-/2)=0.975; H o : (andere Formulierung: Null ab.) Zweiseitige Fragestellung.

Bezeichnungen: N 1, N 2 (z.b.: N I, N K ) Vereinfachung: N 1 =N 2 =N; 1, 2 (z.b.: r I, r K ); =( 1 + 2 )/2; und als entsprechende Fehler; zweiseitige Fragestellung: einseitige Fragestellung: 1-, auf Grund N Beispiel 1.: 1 =0,8; 2 =0,7; = 0,05 (2-seitig) = 0,05 (1-=0,95) p 1 = 0.8 z1-alpha/2 1.960 p 2 = 0.7 z1-beta 1.645 alpha= 0.05 Term 1. 12.99 beta= 0.05 Term 2. 0.37 1-beta= 0.95 Term 3. 0.01 481.00 Nerrechnet= 481 Zaehler= 2.19317122 p1= 0.8 Nenner= 0.612372436 p2= 0.7 Z(1-beta) berechnet,n= 1.621 alpha= 0.05 beta(berechnet, N)= 0.052 beta (gezielt)= 0.05 pi= 0.75 z 1-alpha/2 1.960 z1-beta (gezielt) 1.645 Literatur: http://imsieweb.uni-koeln.de/lehre/q1/q1-06-konfidenzintervalle.pdf http://imsieweb.uni-koeln.de/lehre/klinstud/klinstud07-fallzahlschaetzungen.pdf http://de.wikipedia.org/wiki/konfidenzintervall_einer_unbekannten_wahrscheinlichkeit -Rang-Test Survival-Analyse Randomisation und Verblindung Phase I-IV - Studien Dtsch Med Wochenschr 2007; 132: e39 - Rang-Test -Daten Sind Zeiten bis zum Auftreten eines Ereignisses, Lebensdauern/Zeitdauern (Zeitintervalle) von Start- bis Ziel- bzw. Endereignis Definitionen: F(t) gibt den Anteil der Individuen an, die zum Zeitpunkt t, t>=0, bereits gestorben sind. S(t)= 1- Zeitpunkt t an, die noch leben.

Kaplan-Meier-Kurve Begriffe/Definitionen: Ereigniszeiten t j : 0<=t 1 <t 2 <...<t j Zeitpunkte der Beobachtungen; n j : Anzahl der Individuen unter Risiko zum Zeitpunkt tj zensierte); d j t j ; r j = d j / n j ist der Anteil der zum Zeitpunkt tj Gestorbenen unter denjenigen, die tj1 tj unter Risiko stehen); s j = (n j d j ) / n j = (1 d j / n j ) ist der Anteil der den Zeitpunkt t j unter denjenigen, die tj1 tj unter Risiko stehen); S(t 1 ) = s 1, S(t 2 ) = S(t1) s 2 = s 1 s 2, S(t j ) = S(t j1 s j = ss. s j t j S(t j K-M-Kurve : der Zeitpunkt t M Patienten/Individuen noch lebt. Logrank-Test (Mantel-Haenszel) Der Log-Rang-Test ist das Standardverfahren in der Gruppenvergleiche in klinisch-therapeutischen Studien. Mit diesem nichtparametrischen verschieden ist. Der Logrank-Test ist ein (nichtparametrischer) zensierten Daten. Zensierte Daten (auch trunkierte (gestutzte) Daten) sind Daten, bei denen nicht alle Werte einer Statistische Variablen bekannt sind; z. B: das Ereignis ist noch nicht eingetreten/wenn Kontakt zum Patienten abgebrochen ist. Literatur: Dtsch Med Wochenschr 2007; 132: e39 Der Log-Rang-Test; http://imsieweb.uni-koeln.de/lehre/klinstud/klinstud04-survival.pdf Survival-Analyse Randomisation und Verblindung Phase I-IV - Studien Problem/Frage: Ist ein statistisch signifikanter Unterschied auch klinisch relevant? du Prel J-- Wert? Teil 4 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Arztebl 106, 3359 = r = 1-2 1 vs. 2, die klinisch relevant ist. A= (- - ) KI (1-2) -= T - R (T: treatment, R-Referenz) Null" als Unterschied, erreicht aber die Relevanzgrenze nicht. obere- und untere einseitige (1-)-KI -), wenn A beinhaltet das ganze (1-2)-KI

Quotient der Erwartungswerte der beiden Behandlungen = T / R 125%) den en Bereich an. Ursache: lg(0,8) ~ -0,1 lg(1,25) ~ +0,1; die Abweichung ist kleiner als Randomisation (Randomisierung/Zufallszuteilung) eine Zuteilung zu einer Behandlungsgruppe zu realisieren, wobei alle Gruppen mit gleicher Konfidenzintervalle Survival-Analyse Randomisation und Verblindung Phase I-IV - Studien Ziel: - -Niveaus ergeben. Randomisierungstechniken einfache Randomisierung: Zuteilung auf Grund erzeugten Zufallszahlen o o Nachteil (z.b.): -) Blockrandomisation o Balanciertheit o Nachteil (z.b.): Stratifizierte (geschichtete) Randomisierung: Ursache: bekannte/unbekannte Risko-Faktoren, Unbalanciertheiten o Schichten auf Grund z.b.: Alter, Geschlecht, Stadium, Zentren, Ausgangslage,... o Randomisierung innerhalb einer Strata o Verblindung In klinischen Studien spricht man von Verblindung, wenn das Pflegepersonal, die teilnehmende Patienten und auch die Personen, die mit dem Monitoring, dem Datenmanagement und der Auswertung der Studie betraut sind, nicht Patienten informiert sind und ihre Handlungen somit nicht durch dieses Wissen beeinflusst. Die Verblindung hat das Ziel, systematischen Unterschieden in der Behandlung der Patienten oder der Bewertung des Therapieerfolgs vorzubeugen.

Verblindungsniveaus: unverblindet (offen) Teilnehmer und Untersucher kennen Therapiegruppe Bias in beiden Richtungen Phase I-IV - Studien Phasenmodell klinischer Studien Konfidenzintervalle Survival-Analyse Randomisation und Verblindung Phase I-IV - Studien einfach-blind Teilnehmer blind doppel-blind Teilnehmer und Untersucher blind dreifach-blind Teilnehmer, Untersucher, Auswerter etc. blind Phase 0 toxischer Effekte, wie Einfluss auf zahlreiche in Laboruntersuchungen bestimmte ),, sicherheitspharmakologischer Aspekte Herz/Kreislauf, Einfluss 3. Hinweise auf in vitro/in vivo - zum Beispiel schwere Nebenwirkungen - Untersuchungsgruppen notwendig machen (Entblindung) Phase I: Erstanwendung am Menschen besondere Patientengruppe (z. B. bei Studien mit Zytostatika), Pharmakokinetik/-dynamik Hinweis auf wirksame Dosis (eventuell)/ Arzneimittelinteraktionen Phase II: Einstieg in die therapeutische Anwendung am Patienten Begrenzte Zahl von Patienten der anvisierten Indikation und Dosisfindung Wirkung (pharmakologische Effekte)/Wirksamkeit (Heilerfolg) Pharmakokinetik -, Nierenerkrankung) Phase Substanz, Einsatz unter Praxisbedingungen der (unter Praxisbedingungen) Quantifizierung seltener Nebenwirkungen Detailuntersuchungen in bestimmten Patientengruppen Einfluss Hinweis Phase Einsetzbarkeit als Arzneimittel [Zulassung] Patienten der anvisierten Indikation in Klinik/Praxis Beleg der Wirksamkeit an Patienten in unterschiedlichen Populationen Ausreichende Verhalten unter Langzeitbehandlung, Vergleich mit etablierter Therapie