Epidemio 03-09

Card Set Information

Author:
miriam86
ID:
63607
Filename:
Epidemio 03-09
Updated:
2011-02-03 04:50:13
Tags:
Epidemio
Folders:

Description:
Epidemio 03-09
Show Answers:

Home > Flashcards > Print Preview

The flashcards below were created by user miriam86 on FreezingBlue Flashcards. What would you like to do?


  1. Regression
    - Eine Regression führt man durch, um einen mathematischen Zusammenhang zwischen zwei Merkmalen herzustellen.

    • - Für eine lineare Regression legt man eine Gerade durch die Punktwolke, die durch die einzelnen
    • x/y-Wertepaare aufgestellt wird.

    • - Diese Gerade, die Regressionsgerade, hat
    • die minimale Summe der Abstände zu den Punkten.

    • - Der Regressionskoeffizient ist die Steigung der Regressionsgeraden. Die Regressionsgerade in der
    • Aufgabe lautet: y = 13,0 + 0,25x. Dementsprechend ist der Regressionskoeffizient hier 0,25,
  2. Korrelationskoeffizient
    - Korrelationskoeffizienten ist der Cosinus des Winkels zwischen den Regressionsgeraden nach x und nach y
  3. Fall-Kontroll-Studie
    • - retrospektive Beobachtungsstudie
    • - Vergleich von Personen mit Krankheit (Fälle) mit Personen ohne Krankheit (Kontrollen)
    • - recht kleiner Stichprobenumfang
    • - Ausgangspunkt ist Auftreten des Zielereignisses (Krankheit)
    • - Rückblickende Frage nach Exposition
    • - Studiendauer gleich 0
    • - Matched-Pairs Technik
  4. Positiv-Prädiktiver Wert
    - Dieser gibt an, in wie vielen Fällen bei einem positiven Test auch wirklich die Krankheit vorliegt.

    • - Hier hat die Prävalenz durchaus einen Einfluss.
    • Hierzu ein Beispiel:

    • -Vorausbemerkung zur Zeichensetzung: P(x|y) bedeutet Wahrscheinlichkeit, dass das Ereignis x eintritt, unter der Bedingung, dass auch das Ereignis y
    • eintritt.

    - nehmen wir an, dass die Prävalenz 70% = 0,7 betrage.

    - Die Sensitivität unseres Tests betrage 0,95, die Spezifität 0,9.

    • - Der positive prädiktive Wert berechnet sich dann als P(Krankheit vorhanden) · P (Test positiv|Krankheit vorhanden) / P(Testpositiv) = 0,7 · 0,95 / (0,7 · 0,95 + 0,3 · 0,1) = 0,665 / (0,665 + 0,03) = 0,996 = 99,6%.
    • Dies bedeutet, dass in 99,6% der positiven Testergebnisse auch die Krankheit vorliegt.
  5. Hypothesen bei klinischen Studien (2)
    • - Nullhypothese (H0): die Therapie hat keine Wirkung.
    • Ein Beispiel: Ein blutdrucksenkendes Medikament soll getestet werden. Die H0 lautet dann: Das Medikament senkt den Blutdruck nicht.

    • - Alternativhypothese (H1): die Therapie ist
    • wirkungsvoll, am Beispiel: Das Medikament senkt den
    • Blutdruck.
  6. relevante Differenz
    • - ist die Differenz der Erwartungswerte für die beiden Therapiegruppen, also die Differenz der erwarteten Blutdruckwerte beim Test des genannten
    • Medikaments.

    • - Wenn man die Fallzahl verringert, hat dies keinen Einfluss auf die Erwartungswerte (das Medikament interessiert sich schließlich nicht dafür, wie
    • viele Personen an der Studie teilnehmen).
  7. Fehler der 1. Art
    - Die Nullhypothese wird abgelehnt, obwohl sie gilt.

    - Die (maximale) Wahrscheinlichkeit für den Fehler 1. Art ist gleich dem Signifikanzniveau.

    - Dieses wird bei der Studienplanung festgelegt.

    - Als willkürlich festgelegte Größe wird das Signifikanzniveau nicht von Veränderungen der Fallzahl beeinflusst
  8. Fehler 2. Art
    - Die Nullhypothese wird nicht abgelehnt, obwohl die Alternativhypothese gilt.

    - Grundsätzlich gilt: Je größer die Fallzahl, desto geringere Unterschiede kann ein Test erkennen. Wenn nun die Fallzahl reduziert wird, werden die "Überschneidungsbereiche" zwischen den (Blutdruck-)Werten größer.

    - Dementsprechend steigt die Wahrscheinlichkeit für den Fehler 2. Art bei Verringerung der Fallzahl
  9. Krebsregister
    - sollen Daten über die Verbreitung und Therapie von malignen Tumorerkrankungen gesammelt, die Daten für eine Auswertung vorbereitet und der wissenschaftlichen Bearbeitung zugeführt werden.

    • - Man unterscheidet dabei:
    • 1.epidemiologische (bevölkerungsbezogene) Krebsregister, welche lediglich Aussagen über Häufigkeitsverteilungen (Inzidenz , Prävalenz
    • und deren Veränderungen über einen Zeitraum hinweg (= Trendanalysen) machen können. Wird eine neue Früherkennungsmaßnahme eingeführt, so
    • lässt sich deren Wirkung an Hand dieser Trendanalysen abschätzen
    • --> Keine Therapievergleiche

    • 2.klinische Krebsregister der Krebsforschung und Krebstherapie (z.B. mit Wirksamkeitsvergleichen von Therapiemaßnahmen). Grundlagenforschung findet dabei vorwiegend an Großforschungseinrichtungen statt. Einzelprojekte werden durch die Deutsche Krebshilfe finanziert, aber auch im Rahmen von
    • Forschungsvorhaben der Erfahrungsmedizin und Naturheilkunde durchgeführt.
  10. Monica-Studie der WHO
    - diente dazu: Ursachen für Unterschiede und Trends in der Mortalität von Herz-Kreislauf-Erkrankungen in verschiedenen Ländern zu untersuchen

    - in den 1980er Jahren in 21 Ländern mit etwa 10 Millionen Personen durchgeführt
  11. Risiko unter Exposition
    - Das Risiko unter Exposition (= relative Erkrankungshäufigkeit der Exponierten) wird bestimmt als der Quotient aus erkrankten Exponierten und allen Exponierten, hier als a/a+b.

    • - Die Gruppe c bezeichnet hingegen die erkrankten
    • Nichtexponierten!
  12. Odds Ratio = relative Odds
    - das Verhältnis zweier Odds zueinander.

    - In der Gruppe der Exponierten sind a die Erkrankten und b die Nichterkrankten.

    • - In der Gruppe der Nichtexponierten sind c
    • die Erkrankten und d die Nichterkrankten (Vier-Felder-Tafel).

    • - Odds für die Exponierten = a/b.
    • Odds für die Nichtexponierten = c/d.

    - Das Verhältnis der zwei Odds zueinander lautet dann a/b/c/d oder a*d/c*b (deshalb heisst die Odds ratio auch “cross-ratio”, da in der Vier-Felder-Tafel über Kreuz gerechnet wird).
  13. zuschreibbares Risiko (attributives Risiko)
    - die tatsächliche Erkrankungshäufigkeit aufgrund der Exposition

    - Dazu wird die relative Erkrankungshäufigkeit der Nichtexponierten (im Beispiel c/c+d) von der relativen Erkrankungshäufigkeit der Exponierten (im Beispiel a/a+b) abgezogen

    • - Formel:zuschreibbares Risiko = relative Erkrankungshäufigkeit der Exponierten - relative Erkrankungshäufigkeit der Nicht-Exponierten
    • = a/a+b - c/c+d
  14. Sensitivität
    - ist das Maß für die Empfindlichkeit eines Tests und zeigt den Anteil der als richtig positiv (= krank) Diagnostizierten unter allen Kranken an
  15. Spezifität
    - ist das Maß für die Eindeutigkeit eines Tests und zeigt den Anteil der als richtig negativ (= gesund) Diagnostizierten unter allen Gesunden an
  16. Rate der falsch negativen unter den Kranken
    - berechnet sich als 1 - Sensitivität.
  17. Rate der falsch positiven unter den gesunden
    - berechnet sich als 1 - Spezifität
  18. Regressionsanalyse
    - man versucht den Wert eines Merkmals (hier die Knochendichte) aus dem Wert eines anderen Merkmals (hier das Alter) vorherzusagen.

    • - Bei der Regression nimmt man die Wertepaare (Alter, Knochendichte) und versucht den Zusammenhang zwischen ihnen in einer mathematischen Funktion zu beschreiben,
    • z.B. in einer Gerade: y = a · x + b, wobei a die Steigung der Geraden und b den y-Achsenabschnitt angibt.

    • - In der Aufgabe sähe die Funktion so aus:
    • Knochendichte = a · Alter + b.
  19. Korrelationsanalyse
    - dient dazu, die Stärke der Abhängigkeit eines Merkmals von einem anderen zu bestimmen und in eine Zahl (den Korrelationskoeffizienten) zu fassen.

    - In der Aufgabe könnte die Korrelationsanalyse dazu benutzt werden, festzustellen, ob und in welchem Umfang Alter und Knochendichte überhaupt zusammenhängen.
  20. Kontingenztafel
    - dient dazu, zwei qualitative Merkmale vollständig darzustellen.

    - Ein Beispiel für eine Kontingenztafel ist die Vierfeldertafel.

    - Es wäre möglich, die Daten dieser Aufgabe in Klassen einzuteilen und dann in eine Kontingenztafel einzutragen. Man könnte dann auch evtl. einen Zusammenhang zwischen Alter und Knochendichte feststellen.

    - Zur Vorhersage des Knochendichtewertes aus dem Alter wäre eine mathematische Funktion notwendig.

    - Diese lässt sich aus der Kontingenztafel jedoch nicht ableiten.
  21. Kovarianz
    - ist ein Maß für die Abhängigkeit zweier Merkmale,

    - die Standardisierung der Kovarianz ergibt die Korrelation.

    • - Die Kovarianzanalyse ist eine Erweiterung der Varianzanalyse, mit der die gegenseitigen Einflüsse von
    • 3 oder mehr miteinander korrelierten Merkmalen bestimmt werden sollen.

    - Da es in dieser Aufgabe nur 2 Merkmale (Alter und Knochendichte) gibt, ist die Kovarianzanalyse nicht angebracht
  22. Erwartungswert und Varianz der Standartnormalverteilung
    - Erwartungswert μ = 0, Varianz σ2 = 1

    -Standartnormalverteilung dient zur Analyse der Häufigkeiten der Ausprägungen eines Merkmals.

    • - Der Korrelationskoeffizient ist ein Maß für den Zusammenhang zweier Merkmale und hat dementsprechend in einer Definition der
    • Standardnormalverteilung nichts verloren.

    • - Eine Varianz σ2 = 0 kommt nur vor, wenn das
    • Merkmal immer den gleichen Wert (nämlich den Erwartungswert) annimmt. In diesem Fall hätte das Merkmal immer den Wert 1 bzw. 0.

    • - Die Standardnormalverteilung hat definitionsgemäß den Erwartungswert 0 und die Varianz σ2 = 1. Man kann auch andere Normalverteilungen in die Standardnormalverteilung transformieren und somit
    • verschiedene Verteilungen vergleichbar machen.
  23. Tests zur Analyse von Überlebenszeiten
    - Kaplan-Meier-Schätzkurve: dient Schätzung der Überlebenszeiten

    • - Logrank-Test: dient dem Verlgeich zweier Überlebenskurven
    • --> Misst Erfolg von neuen Chemotherapeutika
  24. t-Test
    - ist dazu geeignet, Mittelwerte zweier normalverteilter Stichproben miteinander zu vergleichen.

    • - Überlebenszeiten sind nicht normalverteilt, daher ist der t-Test (egal ob für verbundene oder
    • unverbundene Stichproben) für diese Aufgabenstellung nicht geeignet
  25. Wilcoxon-Test für unverbundene Stichproben
    - ist ähnlich dem t-Test dazu geeignet, die Lage zweier Stichproben miteinander zu vergleichen.

    - Beim Wilcoxon-Test müssen die Stichproben jedoch nicht normalverteilt sein.

    • - Da es hier nicht darum geht, die Lage der mittleren
    • Überlebenszeit zu vergleichen, sondern die Kurvenverläufe im Ganzen verglichen werden sollen, ist der Wilcoxon-Test nicht geeignet.
  26. Beobachtungseinheit einer Studie
    - wird das Objekt der Untersuchung (bzw. der Merkmalsträger) bezeichnet.

    - In diesem Fall werden Patienten hinsichtlich ihrer Zufriedenheit mit den behandelnden Ärzten untersucht (befragt).
  27. beobachtetes Merkmal einer Studie
    • - z.B. Patientenzufriedenheit bei Befragung
    • - kann in unterschiedlicher Ausprägung vorliegen
    • - oft nur qualitativ bestimmbar
    • - Als Variable, die als Ergebnis der Untersuchung von Interesse ist, wird die Patientenzufriedenheit auch als Zielgröße bezeichnet.
  28. Einflussgrößen einer Studie
    - Variablen, die in funktionellem Zusammenhang mit der Zielgröße stehen

    • - z.B. bei Frage nach Patientenzufriedenheit
    • Art der erfolgten Behandlung, der erreichte Therapieerfolg, die Krankenhausbeschaffenheit und Charakteristika des Personals
  29. Recall-Bias
    - Begrenztheit sowie der Selektivität des Gedächtnisses der Befragten

    - = Unsicherheitsfaktor bei Fall-Kontroll-Studien
  30. Odds-Ratio
    - Ratio der Exponierten (Erkrankte Exponierte / Nichterkrankte Exponierte)

    - Ratio der Nichtexponierten (Erkrankte Nichtexponierte / Nichterkrankte Nichtexponierte)

    - Odds Ratio = Ratio Exponierte / Ratio Nichtexponierte

    - z.B (a : c) : (b : d) = (a x d) : (b x c)
  31. primäres Ziel klinischer Krebsregister
    - wollen primär die Behandlung von Krebspatienten verbessern sollen, z. B. Wirksamkeitsvergleiche von Therapiemaßnahmen einschließlich der Nachsorge
  32. Sensitivität
    = kranke mit positivem Test aus der Gruppe der Kranken

    = (Kranke mit pos. Test) / (Kranke gesamt)
  33. Spezifität
    = gesunde mit negativem Testergebnis aus der Gruppe der Gesunden

    = (Gesunde mit neg. Test) / Gesunde gesamt
  34. absolute Risikoreduktion
    • - h1 = Sterbefälle ohne Heparin-Therapie
    • -h2 = Sterbefälle mit Heparin-Therapie

    - |h1-h2| gibt die absolute Risiko-Reduktion an.

    - Bildlich gesprochen: Unter der neuen Therapie gibt es 7 Todesfälle weniger pro 100 Patienten als unter der Heparintherapie.

    • - Die absolute Risiko-Reduktion ist nicht besonders aussagefähig: sterben unter Heparintherapie
    • von 100 Patienten 7 und unter der neuen Therapie keiner, so ist die neue Therapie als besser zu betrachten. Sterben aber unter Heparin 90 und unter der Prüftherapie 83 Patienten, so ist der Unterschied zwischen den Therapien nicht besonders ausgeprägt, obwohl die absolute Risiko-Reduktion die gleiche ist.
  35. Relatives Risiko
    • - h1 = Mortalitätsrate der Prüfgruppe
    • - h2 = Mortalitätsrate der Kontrollgruppe

    - Relatives Risiko ist definiert als das Risiko für das Auftreten des Zielkriteriums in der Prüfgruppe geteilt durch das Risiko für das Auftreten des Zielkriteriums in der Kontrollgruppe.

    • - In Zahlen anhand des Beispiels ausgedrückt heißt dies:
    • RR = h1/h2 = (9/162)/(19/151) = 0,44 = 44%.

    - Das bedeutet, dass das Risiko, unter der Prüftherapie zu sterben, nur 44% des Risikos beträgt, unter Heparintherapie zu sterben.
  36. Relative Risikoreduktion
    = 1- RR (relatives Risiko)

    = (h1-h2)/h2
  37. Number needed to treat (NNT)
    • - gibt die Zahl der Patienten an, die der Prüftherapie unterzogen werden müssen, um ein zusätzliches unerwünschtes Ereignis (in diesem Beispiel der
    • Tod) zu vermeiden.

    - Mathematisch ist die NNT der Kehrwert der absoluten Risiko-Reduktion.

    - Die NNT kann nicht kleiner als 1 werden: ist sie gleich 1, so wird jeder Patient durch die Therapie mit dem neuen Gerinnungshemmstoff gerettet.

    - Im Beispiel ist die NNT 1/0,07 = 14,3
  38. relative Häufigkeit
    - die absolute Häufigkeit der Merkmalsausprägung geteilt durch die Zahl der Beobachtungen des Merkmals.

    • - Daraus ergibt sich, dass die relative Häufigkeit
    • im Zahlenbereich zwischen 0 und 1 liegt. I

    • m Beispiel ergibt sich die relative
    • Häufigkeit für die Merkmalsausprägung "180 cm" als
    • 3/8 = 0,375 = 37,5%.
  39. relative Häufigkeitssumme
    • - definiert als:
    • die absolute Häufigkeitssumme geteilt durch die Anzahl der Beobachtungen des Merkmals.

    • - Im Beispiel: die Personen, die 180 cm oder
    • kleiner sind. Es ergibt sich:
    • (4 + 3)/8 = 7/8 = 87,5%.
  40. absolute Häufigkeitssumme
    • - definiert als:
    • die Summe der Häufigkeiten aller Merkmalsausprägungen, die bis zu einem Grenzwert auftreten.

    • - Als Beispiel wieder die Personen, die 180 cm oder
    • kleiner sind, also die Summe der Merkmalsausprägungen "176 cm" und "180 cm",
    • also 4 + 3 = 7.
    • Es ist sinnvoll, die Häufigkeitssummen bei stetigen Merkmalen zu verwenden, bei denen die einzelnen Merkmalsausprägungen sehr selten sind (eine Körpergröße von 176,1 cm ist eigentlich eine andere Merkmalsausprägung als 176,15 cm) und
    • somit die Häufigkeiten zusammenzufassen.
  41. Boxplot
    - ist dazu geeignet, die Verteilung eines Merkmals grafisch darzustellen.

    - Eingezeichnet werden der Median und die Quartile. Zusätzlich werden meist noch als "whiskers" (Schnurrhaare) das 10. und 90. Quantil eingezeichnet

    - Man kann mit dem Boxplot die Überlebenszeiten darstellen und daraus dann bestimmte (aber nicht alle) Überlebensraten berechnen, besonders elegant ist dieses Verfahren aber nicht.
  42. Histogramm
    - ist von der äußeren Form her ein Stabdiagramm.

    - Der Unterschied liegt darin, dass beim Histogramm die Flächen der Rechtecke proportional sind zu den relativen Häufigkeiten.

    • - Die Sterbehäufigkeiten in bestimmten Zeiträumen lassen sich in einem Histogramm gut darstellen, zum einfachen Ablesen von Überlebensraten ist
    • das Histogramm allerdings nicht besonders gut geeignet.
  43. positiv prädiktiver Wert
    - Bei der beschriebenen Untersuchung auf Tbc werden positive Thorax-Röntgenuntersuchungen ausgewertet.

    - Die Frage ist, wie viele Patienten mit positivem Röntgenbild auch tatsächlich an einer Tbc leiden (in diesem Fall 100 von 200).

    • - Dieser Zusammenhang beschreibt den positiv prädiktiven Wert (mit welcher Wahrscheinlichkeit eine Person mit pathologischem Befund
    • wirklich krank ist, Zuverlässigkeit eines positiven Befundes, positive Korreliertheit).
  44. NNT
    = 1/ ARR = 1 / (r1-r2) = z.B.: 1 / (1,5%-1%) = 1 / 0,5% = 1 / 0,005 = 200
  45. Zweiseitige Fragestellung:
    • - Eine der beiden Therapieformen zeigt andere Ergebnisse, d.h. eine Erhöhung oder Erniedrigung eines Wertes. D.h. die Alternativhypothese lässt die
    • Richtungsänderung offen
  46. - z.B: bei Frage nach einem Mittelwertunterschied zwischen zwei Gruppen, eine Richtungsänderung der Alternativhypothese ist nicht festgelegt
  47. einseitiger Fragestellung
    - zeigt z.B. die erste der beiden Therapieformen bessere Ergebnisse.

    - Die Alternativhypothese ist damit gleichzeitig in einer Richtung festgelegt.
  48. Informations-Bias
    -Systematischer Fehler in der Informationserfassung von Exposition oder Outcome.

    - Unterschiede in der Genauigkeit von Expositionsdaten von Betroffenen und Kontrollen oder von Outcome-Daten zwischen verschiedenen Kontrollgruppen
  49. Reporting- Bias
    - ist eine Untergruppe der Informationsbias. Gemeint sind alle Fehler, die durch Informationsübertragung entstehen.
  50. Publikations-Bias
    - meint die selektive Veröffentlichung signifikanter Studienergebnisse
  51. Confounding-Bias
    - IMPP: z.B. Vernachlässigung einer relevanten Exposition in einer Fall-Kontroll-Studie

    - beschreibt Situationen, in denen zwei Faktoren, die eng miteinander assoziiert sind, jeweils die Effekte des Anderen in Bezug auf das Outcome beeinflussen.


    - Der störende Faktor (die Confounding-Variable) wird nicht untersucht und verursacht so den Fehler.

    - Bsp.: Wissen als Faktor wird durch Punktesysteme und standardisierte Examina gemessen. Ein Faktor, der dabei nicht gemessen wird (confounding factor) ist das Prüfungsverhalten (Nervosität, Blackout...)
  52. arrhythmetisches Mittel
    • - ist gleich der Summe der Werte der Merkmalsausprägungen geteilt durch die
    • Anzahl der Beobachtungen. Im Beispiel: (164+175+178+185+193) cm/5 = 179 cm.
  53. Varianz
    - wird berechnet, indem man für jeden Einzelwert die Differenz zwischen Einzel- und Mittelwert berechnet und quadriert.

    - Anschließend bildet man die Summe dieser Abstandsquadrate und teilt sie durch die Anzahl der Beobachtungen minus 1.

    • - Zur Verdeutlichung das Beispiel:
    • (175-180)2 + (180-180)2 + (185-180)2 / (3-1) = (25+0+25) / 2 = 50/2 = 25.
  54. Standartabweichung
    • - die die Quadratwurzel der Varianz ist) errechnen zu können, benötigt man die
    • Einzelwerte. Als Beispiel: Es gibt zwei Gruppen von drei Menschen.
  55. symmetrischen Verteilung
    - arithmetischer Mittelwert und Median identisch.

    • - Die Differenz in dieser Aufgabe kann dahingehend interpretiert werden, dass es einige besonders große
    • Kinder gibt (der arithmetische Mittelwert ist im Gegensatz zum Median empfindlich gegen Ausreißer).
  56. relatives Risiko
    • - definiert als das Risiko für das Auftreten des Zielkriteriums in der Prüfgruppe geteilt durch das Risiko für das Auftreten des Zielkriteriums in der
    • Kontrollgruppe.

    • - In Zahlen:
    • RR = h1/h2 = (9/162)/(19/151) = 0,44 = 44%.
  57. relative Risiko Reduktion
    = (|h1-h2|)/h2 = 1-RR.
  58. Healthy-Worker-Effekt
    - taucht in der Arbeitsmedizin auf.

    • - Er besagt, dass in Studien die Gesundheit von
    • an einem Arbeitsplatz beschäftigten Personen nicht mit der Gesundheit der Gesamtbevölkerung verglichen werden darf - denn die Arbeiter sind immer
    • gesünder.

    • - Dies leuchtet ein, wenn man bedenkt, dass Arbeiter einen gewissen Gesundheitszustand aufweisen müssen, um ihre Arbeit ausführen zu können, während
    • in der Gesamtbevölkerung unter anderem diejenigen Personen auftauchen, die eben nicht mehr zur Arbeit gehen können.
  59. Lead-Time-Bias
    - bezeichnet in Therapiestudien eine scheinbare Verlängerung der Überlebenszeit von Patienten durch Vorverlagerung des Diagnosezeitpunktes.

    • - So überleben z.B. Lungenkrebspatienten, bei denen das Malignom radiologisch entdeckt wird, ab Diagnosezeitpunkt auch ohne Therapie länger als Patienten, bei denen die Diagnose durch klinische Symptome gestellt wird - aber nur, weil im
    • ersteren Fall die Diagnose früher gestellt wurde;

    - die Mortalität ist in beiden Gruppen gleich hoch.
  60. Length-Time-Bias
    - ist ebenfalls ein Begriff aus dem Bereich klinischer Studien:

    - Er bezeichnet Fehleinschätzungen des Therapieerfolges durch zu kurz gewählte Nachbeobachtungszeiträume:

    • - So kann es z.B. vorkommen, dass eine Therapie
    • zwar nach einem Monat zu einer Verbesserung des Ergebnisses führt, nach einem Jahr jedoch kein Unterschied mehr nachweisbar ist.
  61. Präventionsparadoxon
    • - Unterteilt man eine Bevölkerung nach ihrem
    • Alkoholkonsum in die große Gruppe der wenig Trinkenden und die kleinere Gruppe der viel Trinkenden, so wird die Mehrzahl der Problemalkoholiker aufgrund der Gruppengröße unter den wenig Trinkenden zu finden sein.

    - Präventionsmaßnahmen sollten deshalb nicht in erster Linie auf Vieltrinker abzielen.
  62. DCO-Anteil des Krebsregisters
    - bezeichnet man den Anteil aller Krebserkrankungen, die zu Lebzeiten des Patienten nie gemeldet wurden, also lediglich aus den Todesbescheinigungen bekannt werden (DCO = Death Certificate Only).

    - Da die Todesbescheinigungen nur sehr spärliche Daten zur Krebserkrankung enthalten, können diese Daten kaum statistisch ausgewertet werden.

    • - Ist der DCO-Anteil eines Registers hoch, bedeutet dies, dass viele Krebserkrankungen überhaupt nicht gemeldet werden, was die Qualität des Registers natürlich mindert. Umgekehrt bedeutet ein niedriger DCO-Anteil, dass ein großer Anteil der aufgetretenen Krebserkrankungen tatsächlich gemeldet
    • wurde.

    - Der DCO-Anteil wird so zu einem Maß für die Qualität eines Registers.

    - Jedoch ist der DCO-Anteil bei neu aufgebauten Registern höher, da in den ersten Jahren viele Todesbescheinigungen eingehen, die sich auf Erkrankungen vor Beginn der Registrierung beziehen
  63. Sentinel-Erhebungen
    • - (sentinel = Wächter) ist eine epidemiologische Methode, bei der aus einer stichprobenartig durchgeführten anonymen Erhebung auf die
    • Verbreitung von Infektionskrankheiten in der Gesamt- oder in einer Teilbevölkerung geschlossen wird.

    - Das Robert-Koch-Institut koordiniert in Deutschland Sentinel-Erhebungen zu HIV, zu Syphilis und zu anderen Geschlechtskrankheiten.

    • - Von Interesse ist dabei die Häufigkeit und die geographische Verteilung dieser Erkrankungen,
    • die schnelle Erkennung epidemiologischer Trends,
    • die Identifikation gefährdeter Personengruppen und
    • die Erarbeitung von Empfehlungen für Interventionsmaßnahmen.

    - Die Durchführung der Sentinel-Erhebungen erfolgt durch niedergelassene Ärzte, Krankenhausambulanzen und Beratungsstellen der Gesundheitsämter, welche per Fragebogen Meldung über aufgetretene Erkrankungen an das Robert-Koch-Institut übermitteln.
  64. Intention-to-treat-Analyse
    - Dabei werden alle Patienten/Fälle, die am Anfang in die Studie aufgenommen wurden, am Ende auch in der Ergebnisauswertung berücksichtigt.

    - Auch die Daten derjenigen Patienten, die aus unterschiedlichen Gründen die Studienbehandlung daher nicht bis zum geplanten Studienende mitmachen, müssen in die Auswertung mit aufgenommen werden.

    - In welchen Situationen Patienten nach Studienbeginn noch nachträglich aus der Studie genommen werden können, muss nach strengen Kriterien festgelegt werden.

    - Alle Zweifelsfälle sind als Therapieversager zu werten, statt sie nicht in die Auswertung mit aufzunehmen (= intention to treat principle)
  65. Standartabweichung
    • - Trägt man die Standardabweichung zu beiden Seiten des Mittelwertes auf, so liegen bei normalverteilten Werten
    • ca. 67% der Werte in diesem
    • Intervall. Deshalb: 85 mg/dl +/− 7,5 mg/dl

    - Merke:Mittelwert +/− 1-mal Standardabweichung→ indiesem Intervall liegen ca. 67% der

    - Messwerte.Mittelwert +/− 2-mal Standardabweichung→ in diesem Intervall liegen ca. 95%

    • - Messwerte.Mittelwert +/− 3-mal Standardabweichung→ in diesem
    • Intervall liegen ca. 99,5% der Messwerte.
  66. 95%-Konfidenzintervall
    - Das 95%-Konfidenzintervall gibt den Bereich an, in dem der wahre Wert eines Merkmals mit 95%-iger Wahrscheinlichkeit liegt
  67. Effektivitätsanalyse
    - = Analyser der Wirksamkeit.

    - Ein Beispiel für eine Effektivitätsanalyse wäre die Untersuchung, wie stark der Blutdruck durch ein Antihypertensivum gesenkt wird.
  68. Effizienzanalyse
    - Effizienz = Wirkung im Verhältnis zum Aufwand.

    - Ein Beispiel für eine Effizienzanalyse ist die hier genannte Kosten-Nutzen-Analyse (erreiche ich mit einem Diuretikum die gleiche Blutdrucksenkung wie mit einem Angiotensin-Rezeptorantagonisten, dies aber [kosten-]günstiger)
  69. Prozessanalyse
    • werden Abläufe in einem bestimmten System untersucht, so zum Beispiel, ob
    • der Ablauf der Versorgung eines Herzinfarktpatienten vom Notarzt bis zur Klinik
    • optimiert werden kann
  70. Evidenzanalyse
    - ist ein Begriff aus der evidence-based medicine:

    • - Einem Forschungsresultat wird eine Stufe der Erkenntnissicherheit (level of evidence) zugeordnet.
    • So erhält eine Evidenz aufgrund von Metaanalysen randomisierter, kontrollierter Studien den höchsten Evidenzgrad Ia, wohingegen eine Evidenz aufgrund von Berichten/Meinungen von Experten den niedrigsten Evidenzgrad IV erhält.
  71. Strukturevaluation
    - werden strukturelle Gegebenheiten wie Größe oder Zuschnitt eines Krankenhauses, Qualifikation des Personals, Vorhandensein und Auslastung diagnostischer Mittel überprüft.
  72. populationsbezogenen attributablen Risiko
    - In dieser Aufgabe geht es um Effektmaße.

    - Die WHO schätzt, dass durch bauliche und landwirtschaftliche Maßnahmen (das ist die Exposition) 70−90% aller Malariaerkrankungen und -todesfälle (das ist die Inzidenz) verhindert werden können.

    - Das bedeutet: Durch die Exposition wird eine absolute Risikoreduktion (Differenz der Erkrankungshäufigkeiten ohne und unter Exposition) von 70−90% erreicht.

    • - Mathematisch ist die absolute Risikoreduktion
    • das negative attributable Risiko (negativ, weil ja durch die Intervention/Exposition das Risiko der Erkrankung verringert wird).

    - Da sich die Angabe auf alle Fälle bezieht, handelt es sich um eine Angabe zum populationsbezogenen attributablen Risiko
  73. expositionsbezogenen attributablen Risiko
    - Beim expositionsbezogenen attributablen Risiko wird die Risikoreduktion nicht auf die gesamte Population bezogen, sondern auf die Exponierten.

    - Die Angabe, wie viele vermiedene Malariaerkrankungen bei den Exponierten auf die getroffenen Maßnahmen zurückzuführen sind, wäre eine Aussage zum expositionsbezogenen attributablen Risiko.

What would you like to do?

Home > Flashcards > Print Preview