Cheatsheet: Medizinische Biometrie (Relevanter Inhalt)

1. Epidemiologie

Definition: Wissenschaftliche Disziplin zur Untersuchung von Verbreitung, Ursachen und Folgen gesundheitsbezogener Zustände/Ereignisse in Bevölkerungen.
Ziele:
- Erforschung von Krankheitsverbreitung.
- Identifikation von Ursachen/Risikofaktoren.
- Analyse des natürlichen Krankheitsverlaufs.
- Evaluation präventiver, diagnostischer und therapeutischer Maßnahmen.

Zielpopulation: Bevölkerung, für die Aussagen getroffen werden sollen.
Studienpopulation: Teil der Zielpopulation, der in die Studie einbezogen wird.
Stichprobe: Teilmenge der Studienpopulation, an der Daten erhoben werden.
Exposition: Einflussfaktor (erblich, umweltbedingt, verhaltensbezogen etc.), der auf das Outcome wirkt.
Outcome:
- Objektiv: Tod, Tumorgröße, Blutwerte.
- Subjektiv: Lebensqualität, Schmerz (z. B. Skala 0–10).

Begriff	Formel/Beschreibung	Beispiel
Prävalenz	$P = \frac{Anzahl F a ¨ lle zu einem Zeitpunkt}{Gesamtpopulation zu diesem Zeitpunkt}$	70 von 1038 Frauen haben Arthritis → $P = 6, 7%$ .
Inzidenz	$I = \frac{Neue F a ¨ lle im Zeitraum}{Gesunde zu Studienbeginn}$	11 Hirntumorfälle bei 3076 Arbeitern über 13 Jahre → $I = 0, 004$ .
Mortalität	$M = \frac{Todesf a ¨ lle im Zeitraum}{Population unter Risiko}$	11.430 Todesfälle durch Kreislauferkrankungen → $M = 0, 059%$ .
Letalität	$L = \frac{Todesf a ¨ lle im Zeitraum}{Erkrankte zu Studienbeginn}$	65.700 Todesfälle bei 79.200 Lungenkrebsfällen → $L = 83%$ .

Zusammenhänge:
- $P \approx I \times Krankheitsdauer$
  (z. B. Asthma: $I = 0, 003%$ → $P = 0, 033%$ )
- $M \approx I \times L$

Confounding: Störgrößen verzerren den Zusammenhang zwischen Exposition und Outcome.
Kausalitätskriterien:
1. Stärke der Assoziation.
2. Dosis-Wirkungs-Beziehung.
3. Konsistenz der Ergebnisse.
4. Biologische Plausibilität.
Modellierung: Wahl der Bezugsgröße (z. B. binäres Outcome vs. Zeit bis zum Ereignis).

Bias-Typ	Beschreibung	Beispiel
Selektionsbias	Verzerrung durch nicht-repräsentative Auswahl der Studienpopulation.	Kontrollen aus Klinikum vs. Fälle aus weiter Umgebung → ungleiche Vergleichsgruppen.
Informationsbias	Verzerrung durch fehlerhafte Datenerhebung (z. B. Messfehler, Erinnerungsfehler).	Blutproben von Fällen morgens, Kontrollen nachmittags → Lagerungseffekte.

Ignaz Semmelweis: Handhygiene reduziert Kindbettfieber-Sterblichkeit.
John Snow: Cholera-Ausbruch in London (Kontamination durch Wasserpumpen).
Florence Nightingale: Statistische Visualisierung von Todesursachen im Krimkrieg.