EiMedBiom-Cheatsheet V1

Cheatsheet: Medizinische Biometrie & Epidemiologie

---

1. Epidemiologische Grundlagen

Definition & Ziele

• Epidemiologie: Wissenschaft, die Verbreitung, Ursachen und Folgen gesundheitsbezogener Zustände in Bevölkerungen untersucht.
  • Ziele:
    • Verbreitung von Krankheiten erforschen.
    • Risikofaktoren und Ursachen identifizieren.
    • Evaluation präventiver, diagnostischer und therapeutischer Maßnahmen.

Historische Beispiele

• Ignaz Semmelweis (1846–1847): Händedesinfektion reduziert Kindbettfieber.
• John Snow (1855): Cholera-Ausbruch in London durch kontaminiertes Wasser.
• Florence Nightingale: Statistische Darstellung von Todesursachen im Krimkrieg.

Herausforderungen

• Confounding: Störgrößen verfälschen Assoziationen.
  • Kriterien für Kausalität (Bradford-Hill):
    1. Stärke der Assoziation.
    2. Dosis-Wirkungs-Beziehung.
    3. Konsistenz.
    4. Biologische Plausibilität.
• Ökologischer Bias: Assoziationen auf Populationsebene ≠ individueller Ebene.

---

2. Grundbegriffe

Prävalenz vs. Inzidenz

Prävalenz	Inzidenz
Anteil Erkrankter zu einem Zeitpunkt	Neue Fälle im Zeitraum
Formel: $\frac{\text{Anzahl Fa¨lle}}{\text{Bevo¨lkerung}}$	Formel: $\frac{\text{Neue Fa¨lle}}{\text{Bevo¨lkerung unter Risiko}}$
Beispiel: 70/1038 Frauen mit Arthritis (Prävalenz = 6,7%).	Beispiel: 11 Hirntumorfälle bei 3076 Männern über 13 Jahre (Inzidenz = 0,004).

Mortalität vs. Letalität

Mortalität	Letalität
Sterberate in der Bevölkerung	Sterberate unter Erkrankten
Formel: $\frac{\text{Todesfa¨lle}}{\text{Bevo¨lkerung}}$	Formel: $\frac{\text{Todesfa¨lle}}{\text{Erkrankte}}$
Beispiel: 0,059% Kreislauferkrankungen in Mecklenburg-Vorpommern.	Beispiel: 83% Letalität bei Lungenkrebs in den USA (2001).

Zusammenhänge

• Prävalenz ≈ Inzidenz × Krankheitsdauer.
• Mortalität ≈ Inzidenz × Letalität.

---

3. Studiendesigns

Studientypen

Typ	Beschreibung	Vorteile	Nachteile
Fall-Kontroll-Studie	Retrospektiv; vergleicht Exposition bei Fällen vs. Kontrollen.	Schnell, kostengünstig, gut für seltene Krankheiten.	Recall-Bias, keine Inzidenzberechnung.
Kohortenstudie	Prospektiv; beobachtet Exponierte vs. Nicht-Exponierte.	Ermöglicht Inzidenzberechnung, Kausalität möglich.	Lang, teuer, ungeeignet für seltene Krankheiten.
Randomisierte kontrollierte Studie (RCT)	Randomisierte Zuteilung zu Interventions-/Kontrollgruppe.	Hohe interne Validität, Confounding minimiert.	Ethische Bedenken, hohe Kosten.
Querschnittsstudie	Erhebt Daten zu einem Zeitpunkt.	Gut für Prävalenzschätzungen.	Keine Kausalität, zeitliche Unsicherheit.

Bias-Arten

• Selektionsbias: Systematische Unterschiede in der Rekrutierung (z. B. Krankenhaus-basierte Kontrollen).
• Informationsbias: Fehlerhafte Messungen (z. B. Recall-Bias bei retrospektiven Studien).

---

4. Klinische Studien & Pharmakokinetik

Phasen der Medikamentenentwicklung

1. Phase I: Sicherheit, Pharmakokinetik an gesunden Probanden.
2. Phase II: Wirksamkeit, Dosierung an kleinen Patientengruppen.
3. Phase III: Groß angelegte RCTs für Zulassung.
4. Phase IV: Post-Marketing-Überwachung.

Pharmakokinetik

• ADME: Absorption, Distribution, Metabolismus, Elimination.
• Michaelis-Menten-Kinetik: $$\nu =\frac{V_{\text{max}}\cdot [S]}{K_M+[S]}$$
• Halbwertszeit: $t_{1/2}=\frac{\ln (2)}{k_{\text{el}}}$.

---

5. Diagnostische Studien

Kennzahlen

Begriff	Formel	Beschreibung
Sensitivität (TPR)	$\frac{\text{TP}}{\text{TP + FN}}$	Fähigkeit, Kranke zu erkennen.
Spezifität (TNR)	$\frac{\text{TN}}{\text{TN + FP}}$	Fähigkeit, Gesunde zu erkennen.
PPV	$\frac{\text{TP}}{\text{TP + FP}}$	Wahrscheinlichkeit, bei positivem Test krank zu sein.
NPV	$\frac{\text{TN}}{\text{TN + FN}}$	Wahrscheinlichkeit, bei negativem Test gesund zu sein.

ROC-Kurve

• Grafische Darstellung von Sensitivität vs. 1-Spezifität für verschiedene Grenzwerte.
• AUC (Area Under Curve): Maß für die overall Genauigkeit (1 = perfekt, 0,5 = zufällig).

---

6. Statistische Maße

• Relatives Risiko (RR): $\frac{\text{Risiko Exponierte}}{\text{Risiko Nicht-Exponierte}}$.
• Odds Ratio (OR): $\frac{\text{Expositions-Odds bei Fa¨llen}}{\text{Expositions-Odds bei Kontrollen}}$.
• Beispiel: OR = 14,04 in Doll & Hills Raucherstudie (Lungenkrebsrisiko).

---

7. Wichtige Formeln

• Prävalenz: $\frac{\text{Fa¨lle}}{\text{Bevo¨lkerung}}$.
• Inzidenz: $\frac{\text{Neue Fa¨lle}}{\text{Bevo¨lkerung unter Risiko}}$.
• Letalität: $\frac{\text{Todesfa¨lle}}{\text{Erkrankte}}$.
• Eliminierung 1. Ordnung: $C=C_0\cdot e^{-k_{\text{el}}\cdot t}$.

---

8. Fallbeispiele

• Contergan-Skandal: Fehlende Teratogenitätstests führten zu Fehlbildungen (1957–1961).
• Doll & Hill: Rauchen und Lungenkrebs (OR = 14,04 bei Männern).

---

Hinweis: Nutzen Sie dieses Cheatsheet zur Wiederholung der Schlüsselkonzepte, Formeln und Beispiele. Achten Sie auf die Unterschiede zwischen Studiendesigns, Bias-Arten und diagnostischen Kennzahlen! 📚🔍

×

MyUniNotes is a free, non-profit project to make education accessible for everyone. If it has helped you, consider giving back! Even a small donation makes a difference.

Donate via PayPal – every bit of support helps keep this project alive!

These are my personal notes, and while I strive for accuracy, I’m still a student myself. Thanks for being part of this journey!

---