Medizinstatistik für den beruflichen Alltag. Christoph Thiele

Чтение книги онлайн.

СКАЧАТЬ Endpunkt → 6. Endpunkt

      Selektions-Bias → 29. Bias/Verzerrung

      Sensitivität → 16. Zusammenhang zwischen α- und β-Fehler

      Sicheres Ereignis → 3. Ereignis

      Signifikanz → 14. Signifikanz

      Skorpion → 26. Subgruppenanalyse

      Späte Zensur → 23. Zensierte Patienten

      Spezifität → 16. Zusammenhang zwischen α- und β-Fehler

      Sponsor → 21. Patientenzahl/Fallzahl

      Statistische Signifikanz → 14. Signifikanz

      Statistische Testverfahren → 31. Statistische Testverfahren

      Sternzeichen → 26. Subgruppenanalyse

      Störfaktor → 25.Störfaktoren

      Student-Test → 31. Statistische Testverfahren

      Student's t-Test → 31. Statistische Testverfahren

      Subgruppenanalyse → 26. Subgruppenanalyse

      Suffix → 30. Interaktionstest

      Superioritiy trial → 19.Einseitige Testung

      Surrogat-Endpunkt → 6. Endpunkt

      Stratifizierte Randomisierung → 5. Randomisierung

      T-Test → 31. Statistische Testverfahren

      Tertiärer Endpunkt → 6. Endpunkt

      Teststärke → 15. Power

      Testungen → 8. Testungen

      Trennschärfe → 15. Power

      Two Sided → 20. Zweiseitige Testung

      U-Test → 31. Statistische Testverfahren

      Überlegenheit → 19.Einseitige Testung

      Überlegenheitsstudie → 19.Einseitige Testung

      Umbrella-Studie → 13. Data Set

      Univariat → 28. Univariat/Multivariat

      Unmögliches Ereignis → 3. Ereignis

      Untere Konfidenzgrenze → 18. Konfidenzintervall

      Unterlegenheit → 19.Einseitige Testung

      Untermedian → 9. Median/Arithmetisches Mittel

      Variat → 28. Univariat/Multivariat

      Verzerrung → 29. Bias/Verzerrung

      Wilcoxon-Mann-Whithey-Test → 31.Statistische Testverfahren

      Wilcoxon-Test → 31. Statistische Testverfahren

      Zensierte Patienten → 23. Zensierte Patienten

      Zentralwert → 9. Median/Arithmetisches Mittel

      Zusammenhang α- und β-Fehler → 16. Zusammenhang zwischen α- und β-Fehler

      Zweiseitige Testung → 20. Zweiseitige Testung

      Zwei-Wege-Interaktion → 30. Interaktionstest

      3. Ereignis

      Ereignis

      In einem Experiment wird ein normaler Würfel geworfen. Es können sechst mögliche Augenzahlen (1, 2, 3, 4, 5 oder 6) erscheinen. Die gewürfelte Zahl ist das Ergebnis des Experiments. Wenn nun vorher festgelegt wurde, dass nur die geraden Zahlen (2, 4, 6) betrachtet werden sollen, spricht man beim Auftreten eines Wurfs, der eine gerade Zahl zeigt, von einem Ereignis. Beim Wurf einer ungeraden Zahl spricht man von einem Gegenereignis.

      In Studien bezieht sich das Ereignis immer auf den Endpunkt, der jeweils betrachtet werden soll. Ist der zu betrachtende Endpunkt z. B. in einer onkologischen Studie das Overall Survival (OS), können nur zwei Ergebnisse auftreten – entweder der Patient lebt noch oder der Patient ist verstorben. Der Tod des Patienten wäre in diesem Fall das Ereignis. Solange der Patient noch lebt, besteht das Gegenereignis fort.

      © caro_oe92 (via pixabay.com), Pixabaylizenz

      Nice to know

      Neben dem Ereignis und Gegenereignis gibt es noch das sichere und das unmögliche Ereignis. Auf das obige Würfelexperiment angewendet wäre ein sicheres Ereignis, dass das Ergebnis eine Zahl zwischen 1 und 6 ist. Da der Würfel auf jeden Fall eine dieser sechs Zahlen zeigen wird, tritt bei jedem Wurf ein Ereignis auf. Ein unmögliches Ereignis wäre, dass das Ergebnis eine 7 ist. Da der Würfel nur Zahlen von 1 bis 6 zeigen kann, wird die 7 niemals auftreten und deren Erscheinen wäre somit unmöglich.

      4. Nullhypothese/Alternativhypothese

      Eine Hypothese ist eine Annahme, deren Gültigkeit noch nicht bewiesen ist. Eine Überprüfung der Hypothese kann sie bestätigen bzw. widerlegen und sie kann somit verworfen werden. Streng genommen besteht noch eine dritte Möglichkeit: Nämlich, dass anhand der Überprüfung keine Aussage über die Richtigkeit oder Nicht-Richtigkeit der Hypothese getroffen werden kann.

      In der Statistik jedoch kann nur bewiesen werden, dass etwas nichtzutrifft, man kann nicht beweisen, dass etwas zutrifft.

      Ich stelle z. B. die Hypothese “Ein Marmeladenbrot, das vom Tisch herunterfällt, landet öfter auf der Marmeladenseite als auf der Rückseite“. Anschließend führe ich ein Experiment durch und lasse 100 Mal ein Marmeladenbrot vom Tisch fallen. Es landet 70 Mal auf der Marmeladenseite und 30 Mal auf der Rückseite. Damit habe ich meine Hypothese nicht bewiesen, da sich womöglich bei 1000 Fallversuchen das Verhältnis der gelandeten Seiten vertauscht hätte und das Marmeladenbrot häufiger auf der Rückseite gelandet wäre.

      Ist dagegen das Ergebnis meines Experiments, dass nach den 100 Fallversuchen das Marmeladenbrot 70 Mal auf der Rückseite und nur 30 Mal auf der Marmeladenseite gelandet wäre, müsste ich meine Hypothese (dass das Marmeladenbrot öfter auf der Marmeladenseite landet) verwerfen, da ich gerade in dem Experiment nachgewiesen hätte, dass dem nicht so wäre.

      © Pexels (via pixabay.com), Pixabaylizenz

      Um dieses Dilemma zu umgehen, behilft man sich in der Statistik mit dem Konstrukt der Nullhypothese und der Alternativhypothese.

      Dabei СКАЧАТЬ