Einführung in die medizinische Biometrie

Veranstaltungsüberblick

  1. Einführung
  2. Studiendesign
  3. Präklinische und klinische Studien
  4. Diagnostische Studien
  5. Confounding
  6. Statistisches Testen
  7. Assoziationsmaße
  8. Statistische Modellierung
  9. Matching
  10. Infektionsepidemiologie
  11. Gute wissenschaftliche Praxis

Grundlagen medizinischer Studien

Warum Epidemiologie?

Definition

  • Wissenschaftliche Disziplin, die sich mit der Verbreitung, den Ursachen und Folgen von gesundheitsbezogenen Zuständen und Ereignissen in Bevölkerungen beschäftigt.

Ziele

  • Erforschung der Verbreitung von Krankheiten
  • Erkennung von Ursachen und Risikofaktoren
  • Untersuchung des natürlichen Krankheitsverlaufs
  • Evaluation präventiver, diagnostischer und therapeutischer Maßnahmen

Historische Beispiele

  • Ignaz Semmelweis (1846-1847): Reduzierte Kindbettfieber durch Händedesinfektion.
  • Joseph Lister (1865): Einführung von Antiseptika nach Pasteurs Arbeiten.
  • John Snow (1855): Untersuchte Cholera-Ausbrüche in London.
  • Florence Nightingale: Verbesserte Hygienestandards in Krankenhäusern; statistische Analysen.

Herausforderungen

Confounding

  • Problem: Schwierigkeit, von Assoziationen auf Kausalzusammenhänge zu schließen.
  • Störgrößen: Faktoren, die sowohl die Exposition als auch das Outcome beeinflussen können.

Korrelation vs. Kausalität

  • Beispiel: Anzahl der Filme mit Nicolas Cage korreliert mit Schwimmbad-Ertrinkungsfällen.
  • Interpretation: Nicht jede Korrelation impliziert Kausalität.

Modellierungswahl

  • Überlegungen:
    • Wie wird Krankheitsauftreten modelliert? (Binär, Zeit bis Ereignis, Anzahl der Ereignisse)
    • Wahl der Bezugsgröße ist entscheidend für Interpretation.

Messfehler und fehlende Daten

  • Informationsbias: Fehler durch ungenaue Messungen oder Daten.
  • Auswirkungen: Können Ergebnisse verzerren und zu falschen Schlussfolgerungen führen.

Grundbegriffe

Populationen

  • Zielpopulation: Gesamtheit, für die eine Aussage gemacht werden soll.
  • Studienpopulation: Teilgruppe, die in die Studie einbezogen wird.
  • Stichprobe: Teilmenge, an der die Daten erhoben werden.

Exposition

  • Definition: Einflussfaktor, der untersucht wird.
  • Arten:
    • Erblich, umweltbedingt, sozial, verhaltensbedingt, experimentell.
  • Merkmale:
    • Kann positiv oder negativ sein.
    • Zeitpunkt oder Zeitraum der Einwirkung.

Outcome

  • Objektiv messbar: Tod, Tumorgröße, BMI, Blutwerte.
  • Subjektiv messbar: Lebensqualität, Schmerzempfinden.

Studienarten

  • Monozentrisch: Rekrutierung aus einer Institution.
  • Multizentrisch: Rekrutierung aus mehreren Institutionen.

Prävalenz und Inzidenz

Prävalenz

  • Definition: Anteil der Personen mit einer Krankheit zu einem bestimmten Zeitpunkt.
  • Formel:
  • Beispiel:
    • Rheumatische Arthritis bei Frauen in Stockholm: Prävalenz von 7%.

Inzidenz

  • Definition: Anzahl der Neuerkrankungen in einem Zeitraum pro Personen unter Risiko.
  • Formel:
  • Beispiel:
    • Hirntumore bei schwedischen Männern in der Kunststoffindustrie: Inzidenz von 0,4%.

Unterschiede

PrävalenzInzidenz
ZählerAlle ErkranktenNeuerkrankungen
NennerGesamte PopulationGesunde Personen zu Beginn
ZeitZeitpunktZeitraum
StudientypQuerschnittsstudieKohortenstudie

Zusammenhang

  • Formel:
  • Interpretation: Hohe Prävalenz bei chronischen Krankheiten trotz niedriger Inzidenz.

Mortalität und Letalität

Krankheitsspezifische Mortalität

  • Definition: Anzahl der Todesfälle an einer Krankheit pro Population.
  • Formel:
  • Beispiel:
    • Kreislauferkrankungen in Mecklenburg-Vorpommern 1990: Mortalität von 0,059%.

Letalität

  • Definition: Anteil der Erkrankten, die an der Krankheit sterben.
  • Formel:
  • Beispiel:
    • Lungenkrebs in den USA 2001: Letalität von 83%.

Zusammenhang

  • Formel:

Systematische Fehler (Bias)

Definition

  • Systematische Fehler: Verfälschungen, die zu fehlerhaften Schlussfolgerungen führen.
  • Haupttypen:
    • Selektionsbias
    • Informationsbias

Selektionsbias

  • Ursache: Systematische Unterschiede in der Auswahl der Studienteilnehmer.
  • Beispiele:
    • Fälle und Kontrollen stammen aus unterschiedlichen Populationen.
    • Nicht repräsentative Studienpopulation für die Zielpopulation.

Informationsbias

  • Ursache: Fehler bei der Datenerhebung.
  • Arten:
    • Recall Bias: Unterschiede im Erinnerungsvermögen der Teilnehmer.
    • Messfehler: Ungenaue oder fehlerhafte Messinstrumente.
  • Beispiele:
    • Unterschiedliche Blutentnahmezeiten beeinflussen Messergebnisse.
    • Verzerrte Selbstauskünfte aufgrund sozialer Erwünschtheit.

Hinweis: Dieser Leitfaden bietet einen zusammengefassten Überblick über die Einführung in die medizinische Biometrie und die grundlegenden Konzepte epidemiologischer Studien. Für detaillierte Informationen und spezifische Beispiele empfiehlt es sich, weiterführende Literatur zu konsultieren.