Inhalte des Seminars Medizinische Statistik für Nicht-Statistiker:innen

 

Das Seminar ist konsequent praxisnah aufgebaut. Nach einer kompakten Einordnung statistischer Methoden in der medizinischen Forschung arbeiten die Teilnehmenden schrittweise an typischen Fragestellungen aus klinischen Studien, epidemiologischen Untersuchungen und der Evidenzbasierten Medizin.

 

Ziel des Seminars

Am Ende des Seminars haben die Teilnehmenden einen fundierten Überblick über zentrale statistische Methoden in der Medizin und können berichtete Studienergebnisse kritisch einordnen.

 

Sie können insbesondere,

- statistische Kennzahlen in medizinischer Fachliteratur sicherer interpretieren,

- geeignete Methoden abhängig von Fragestellung, Endpunkt und Messniveau nachvollziehen,

- Effektmaße, Risikoparameter und Konfidenzintervalle bewerten,

- diagnostische Kennzahlen, Regressionsmodelle und Time-to-Event-Analysen grundlegend verstehen,

- Ergebnisse aus Studien, Dossiers und Nutzenbewertungen kritisch diskutieren.

 

Einstieg: Statistik in Medizin und Evidenzbasierter Medizin

Statistik stellt eine wesentliche Grundlage der medizinischen Forschung und der Evidenzbasierten Medizin dar. Zu Beginn des Seminars werden zentrale Anwendungsfelder statistischer Methoden in klinischen, epidemiologischen und gesundheitsökonomischen Studien eingeordnet.

 

Ein besonderer Fokus liegt auf den Messniveaus nach Stevens, da diese eine robuste Orientierung bei der Auswahl geeigneter statistischer Verfahren bieten. Am Beispiel des EQ-5D-5L werden zudem Gütekriterien medizinischer Messinstrumente wie Objektivität, Reliabilität und Validität diskutiert.

 

Ergebnis:  

Die Teilnehmenden verstehen, warum statistische Methoden für die Interpretation medizinischer Studien zentral sind und wie Messniveau, Endpunkt und Fragestellung zusammenhängen.

 

Deskriptive Statistik und Interpretation medizinischer Daten

Im nächsten Schritt werden zentrale Kennzahlen der deskriptiven Statistik behandelt. Dazu gehören Lageparameter, Streuungsmaße und Parameter höherer Ordnung wie Schiefe und Wölbung.

 

Die Verfahren werden anhand praktischer medizinischer Daten, zum Beispiel zur Liegedauer auf Station, besprochen. Dabei werden Unterschiede zwischen Mittelwert und Median, der Einfluss von Ausreißern sowie die Aussagekraft verschiedener Streuungsmaße diskutiert. Dazu zählen Spannweite, Interquartilsabstand, Varianz und Standardabweichung.

 

Anhand von Beispielen aus medizinischer Fachliteratur und Dossiers zur frühen Nutzenbewertung wird die Interpretation eingeübt.

 

Ergebnis:  

Die Teilnehmenden können deskriptive Kennzahlen sicher lesen, vergleichen und hinsichtlich ihrer Aussagekraft kritisch bewerten.

 

Hypothesentests am Beispiel der Vierfeldertabelle

Hypothesentests werden anhand eines durchgängigen praktischen Beispiels eingeführt. Im Mittelpunkt steht die Vierfeldertabelle mit einem binären kategorialen Endpunkt, zum Beispiel Überleben ja/nein oder Wirkeintritt ja/nein.

 

Gemeinsam wird der vollständige Ablauf eines Tests besprochen:

 

- Formulierung von Null- und Alternativhypothese,

- Festlegung des Signifikanzniveaus alpha,

- Diskussion von beta-Fehler und Power,

- Berechnung des kritischen Werts,

- Berechnung und Interpretation des p-Werts,

- Bewertung des Ergebnisses im Hinblick auf die Hypothesen.

 

Zusätzlich werden standardisierte Effekte und Effektstärken berechnet, unter anderem Cramer's V und Cohen's w.

 

Ergebnis:  

Die Teilnehmenden verstehen den Ablauf eines Hypothesentests von der Fragestellung bis zur Interpretation des Ergebnisses.

 

Risikoparameter: Risk Ratio, Odds Ratio und Konfidenzintervalle

Die Vierfeldertabelle dient anschließend zur Berechnung zentraler Risikoparameter in der Medizin. Behandelt werden insbesondere Risk Ratio und Odds Ratio.

 

Beide Parameter werden anhand praktischer Beispiele berechnet und interpretiert. Durch das systematische Verändern der Werte in der Vierfeldertabelle wird sichtbar, wie sich die Kennzahlen verändern und welche Konsequenzen dies für die Interpretation hat.

 

Für das Odds Ratio wird zusätzlich das Konfidenzintervall berechnet. Der Methodenbericht des IQWiG dient als Beispiel, um Schwellenwerte und Zusatznutzenbewertungen auf Basis von Konfidenzintervallen zu diskutieren. Ergänzend werden Ergebnisse der frühen Nutzenbewertung anhand kompakter Veröffentlichungen im Bundesanzeiger interpretiert.

 

Ergebnis:  

Die Teilnehmenden können Risk Ratios, Odds Ratios und Konfidenzintervalle berechnen, lesen und im Kontext medizinischer Studien interpretieren.

 

Systematic Review und Metaanalyse

Der erste Seminartag wird durch einen Überblick über systematische Übersichtsarbeiten und Metaanalysen abgerundet.

 

Dabei wird dargestellt, wie Studien systematisch identifiziert, bewertet und quantitativ zusammengeführt werden können. Praktische Beispiele aus der Forschungsliteratur und aus Dossiers zeigen, wie Ergebnisse aggregiert und für medizinische Entscheidungen nutzbar gemacht werden.

 

Ergebnis:  

Die Teilnehmenden verstehen die Grundidee systematischer Reviews und Metaanalysen und können deren Rolle in der Evidenzbasierten Medizin einordnen.

 

Diagnostik: Sensitivität, Spezifität und ROC-Kurven

Der zweite Seminartag beginnt mit zentralen Konzepten der diagnostischen Statistik. Im Mittelpunkt stehen Falsch-Positive, Falsch-Negative, Sensitivität und Spezifität.

 

Diese Kennzahlen werden anhand praktischer Beispiele erläutert und in ihrer Bedeutung für diagnostische Entscheidungen diskutiert. Ergänzend wird die ROC-Kurve als häufig genutztes Instrument zur Bewertung diagnostischer Verfahren eingeführt.

 

Ergebnis:  

Die Teilnehmenden können zentrale diagnostische Kennzahlen interpretieren und die Aussagekraft diagnostischer Tests besser einschätzen.

 

Multivariate Verfahren und Korrelationsanalyse

Anschließend folgt ein Überblick über multivariate statistische Verfahren. Die Messniveaus nach Stevens dienen erneut als Orientierung, um Verfahren systematisch einzuordnen.

 

Die Korrelationsanalyse wird detaillierter behandelt, bevor der Übergang zu Regressionsverfahren erfolgt. Ziel ist es, Zusammenhänge zwischen Variablen besser zu verstehen und deren Grenzen bei der Interpretation medizinischer Daten zu erkennen.

 

Ergebnis:  

Die Teilnehmenden erhalten einen strukturierten Überblick über multivariate Verfahren und verstehen, wann welche Verfahren grundsätzlich eingesetzt werden können.

 

Logistische Regression und Interpretation von Odds Ratios

Die logistische Regression wird als wichtiges Verfahren zur Analyse kategorialer Outcomes eingeführt, zum Beispiel Wirkeintritt ja/nein oder Ereignis ja/nein.

 

Das Verfahren erlaubt es, den Einfluss verschiedener Kovariaten zu untersuchen, etwa Komorbiditäten, Alter oder Behandlungsgruppen. Die zuvor behandelten Odds Ratios bilden dabei eine wichtige Grundlage, da die Ergebnisse logistischer Regressionsmodelle häufig über Odds Ratios interpretiert werden.

 

Die Interpretation wird anhand praktischer Beispiele intensiv eingeübt.

 

Ergebnis:  

Die Teilnehmenden verstehen die Grundidee der logistischen Regression und können Odds Ratios aus Regressionsmodellen medizinisch interpretieren.

 

Survival-Analysen und Kaplan-Meier-Kurven

Ein zentraler Block des Seminars beschäftigt sich mit Survival-Analysen beziehungsweise Time-to-Event-Analysen. Im Fokus steht die Zeit bis zum Eintritt eines Ereignisses, zum Beispiel die Zeit bis zum Wirkeintritt, bis zu einem Rezidiv oder bis zum Versterben.

 

Besprochen wird zunächst das Konzept zensierter Beobachtungen, also Fälle, in denen das Ereignis während der Studienlaufzeit nicht beobachtet wird. Historisch werden hierzu Sterbetafeln eingeordnet, bevor moderne grafische Darstellungen über Kaplan-Meier-Kurven eingeführt werden.

 

Anhand von Kaplan-Meier-Kurven wird gezeigt,

 

- wie Ereignisse über die Zeit dargestellt werden,

- wie zensierte Beobachtungen berücksichtigt werden,

- wie Gruppenverläufe miteinander verglichen werden,

- wie Unterschiede zwischen Behandlungsgruppen interpretiert werden können.

 

Zur statistischen Absicherung von Gruppenunterschieden wird der Log-Rank-Test eingeführt.

 

Ergebnis:  

Die Teilnehmenden können Kaplan-Meier-Kurven lesen, zensierte Beobachtungen einordnen und Gruppenvergleiche bei Time-to-Event-Daten nachvollziehen.

 

Cox-Regression und Hazard Ratios

Abschließend wird die Cox-Regression behandelt. Sie ermöglicht es, den Einfluss verschiedener Kovariaten auf Time-to-Event-Verläufe zu untersuchen.

 

Im Zentrum steht die Interpretation von Hazard Ratios. Die Cox-Regression wird insbesondere als wichtiges Verfahren für Studien diskutiert, in denen eine Randomisierung nicht möglich ist, aber relevante Kovariaten zur Verfügung stehen.

 

Ergebnis:  

Die Teilnehmenden verstehen die Grundidee der Cox-Regression und können Hazard Ratios im Kontext medizinischer Studien interpretieren.

 

Praktisches Einüben an medizinischen Beispielen

Ein elementarer Bestandteil des Seminars ist das intensive Einüben der Verfahren an praktischen Beispielen. Die statistischen Methoden werden nicht isoliert behandelt, sondern immer mit konkreten medizinischen Fragestellungen, Studienergebnissen und Publikationsbeispielen verknüpft.

 

Ergebnis:  

Die Teilnehmenden können die behandelten Methoden nicht nur theoretisch einordnen, sondern praktisch auf medizinische Studien und berichtete Ergebnisse anwenden.