Studiendesign Ausgangssituation klinische Studie

1. Studiendesign Ausgangssituation (klinische Studie) Es soll die Wirksamkeit und Effizient von einer oder mehrerer Therapien untersucht werden. Beispiel: neue Therapie gegen Demenz ist entwickelt worden und soll nun überprüft werden. 

3. StudiendesignTherapiearme und Therapiezuteilung Ziel: mit wenigen Untersuchungsobjekten verlässliche Aussagen über die Grundgesamtheit treffen zu können. Grundgesamtheit (Population): ist Menge aller potentiellen Untersuchungsobjekte für eine bestimmte Fragestellung. Befragung aller potentiellen Untersuchungsobjekte (=Vollerhebung) in der Regel unmöglich oder ökonomisch nicht sinnvoll ? repräsentative Stichprobe wird benötigt.Grundgesamtheit soll durch Ein- bzw. Ausschlusskriterien genau definiert werden. Stichprobe: Als Stichprobe bezeichnet man eine Teilmenge einer Grundgesamtheit, die unter bestimmten Gesichtspunkten ausgewählt wurde. Stichprobe sollte repräsentativ für die Grundgesamtheit sein, d.h. ähnliche Zusammensetzung aller Merkmale von Stichprobe und Grundgesamtheit.

4. Studiendesign Stichprobe und Grundgesamtheit Einschlusskriterien Männliche Patienten und nicht schwangere Frauen Alter größer als 40 Jahre ICD-10 Diagnose F01.- Demenz Patienten, die die Bedingungen der Studie verstanden haben und freiwillig für die Studiendauer an den Nachuntersuchungen teilnehmen wollen Patienten, die die Einverständniserklärung unterschrieben haben Ausschlusskriterien Patienten mit Demenz aufgrund von Schädel-Hirn-Trauma Patienten mit Demenz aufgrund von Alkoholabusus

5. „naturalistisches Design“: Zuteilung wie üblich, d.h. nach ärztlichem Ermessen- Problem -> Bias (systematischer Verzerrungseffekt) möglich: (z.B. Arzt teilt jüngere Patienten tendenziell häufiger zu neuer Therapie- Methode und ältere Patienten zu herkömmlicher Therapie-Methode zu). Randomisierung (= zufällige Zuteilung) - mittels Randomisierungsliste (z.B. Gruppenzuteilung d. Münzwurf)- computergesteuert (z.B. Funktion „Zufallszahl“ im Excel)- Sonderform: balancierte Randomisierung -> durch die balancierte Randomisierung erzwingt man gleiche Patientenzahlen in jeder Therapiegruppe ("balanciert"). Beispiel: 2 Gruppen, jeweils sollen 30 Patienten eingeschlossen werden. 60 Kuverts werden vorbereitet mit jeweils 30 Karten für Gruppe A und Gruppe B. Kuverts verschließen, mischen und ziehen lassen. Studiendesign Stichprobe und Grundgesamtheit – Möglichkeiten der Therapiezuteilung

6. Studiendesign Stichprobe und Grundgesamtheit – Möglichkeiten der Therapiezuteilung Matched Samples: paarweise Gleichverteilung der Störvariablen (z.B. Alter und Geschlecht)  Bildung von Paaren, die bezüglich eines oder mehrerer Merkmale völlig gleichartig zusammengesetzt sind. Zufällige Zuteilung der Paarlinge zu Therapie- und Kontrollgruppe. Parallelisierung: Störvariablen haben annähernd gleiche Lagemaße (z.B. Mittelwerte) u Streuungsmaße (z.B. Stand.abw) Verfahren ähnlich wie „Matched Samples“ jedoch für größere Stichproben. Keine Bildung von Paaren, dafür wird die eine Stichprobe hinsichtlich der Störvariable/n auf die andere abgestimmt.

7. Studiendesign Stichprobe und Grundgesamtheit – Möglichkeiten der Therapiezuteilung

8.

9. Stichproben Abhängige vs. Unabhängige Stichproben Hier geht es um die Frage nach der statistischen Abhängigkeit zwischen zwei oder mehreren Stichproben.

10. Abhängige (gepaarte) Stichproben Mehrere Messungen zu verschiedenen Zeitpunkten werden bei derselben Stichprobe durchgeführt. Die verschiedenen Messungen sind somit als abhängige Gruppen zu betrachten Beispiel: Lebensqualität wird zu drei Zeitpunkten erhoben: t0 = Baselinemessung; t1 = Messung nach Therapie; t2 = Follow-up Untersuchung 1 Jahr nach Therapieende

11. Abhängige (gepaarte) Stichproben Zwei Gruppen von Versuchspersonen, die einander paarweise zugeordnet sind, werden hinsichtlich einer abhängigen Variable verglichen. Beispiel: Untersuchung der Lebensqualität zwischen Zwillingen; Untersuchung der Zufriedenheit mit der Partnerschaft zwischen Ehepartnern

12. Unabhängige Stichproben Es besteht kein Zusammenhang zwischen den Elementen der Stichproben. Beispiel: die Elemente der Stichproben stammen jeweils aus unterschiedlichen Population (z. B. Stichprobe 1 besteht aus Frauen, Stichprobe 2 aus Männern), oder wenn Personen nach dem Zufallsprinzip in zwei oder mehrere Gruppen aufgeteilt werden.

13. Variablen Abhängige Variable vs. Unabhängige Variable Die Veränderung der abhängigen Variable soll durch den Einfluss der unabhängigen Variable erklärt werden. Beispiel: Veränderung der Lebensqualität (=abhängige Variable) soll durch die Gruppenzugehörigkeit (Kontroll- vs. Therapiegruppe) (=unabhängige Variable) erklärt werden.

14. Hypothesen Hypothesenpaar: Alternativhypothese H1 Nullhypothese (=Ausgangshypothese) H0 Die Forschungshypothese entspricht der Alternativhypothese, während die Nullhypothese genau das Gegenteil behauptet

15. Arten von Hypothesen Unterschiedshypothesen Zwei oder mehrere Gruppen unterscheiden sich bezüglich einer oder mehrere abhängigen Variablen Zusammenhanghypothesen Zwischen zwei oder mehreren Variablen besteht ein Zusammenhang Veränderungshypothesen Die Ausprägung einer oder mehrer Variablen verändert sich im Zeitverlauf

16. Hypothesenprüfung Die Beurteilung welche Hypothese (Null- oder Alternativhypothese) angenommen werden soll, erfolgt anhand der Wahrscheinlichkeitsverteilung der Stichprobenkennwerte. Auswahl eines Signifikanzniveaus. Üblicherweise wählt man als Signifikanzniveau 5%. Wenn man das Risiko des Alphafehlers verringern möchte, dann wählt man 1% als Signifikanznivau.

17. Hypothesenprüfung Die Unterschreitung des Signifikanzniveaus für den Alpha-Fehler führt zur Ablehnung der Nullhypothese, bzw. das Erreichen des Signifikanzniveaus oder dessen Überschreitung hat die Annahme der Nullhypothese zur Folge. Beispiel - Signifikanzniveau von 5%: p=0,034 ? Ablehnung der H0 p=0,049 ? Ablehnung der H0 p=0,050 ? Annahme der H0 p=0,456 ? Annahme der H0

18. Fehler beim Hypothesenprüfen Alpha-Fehler / Fehler erster Art Nullhypothese wird zurückgewiesen obwohl sie gültig gewesen wäre. Alpha Fehler ist die Wahrscheinlichkeit, dass die Nullhypothese "H0" abgelehnt wird, obwohl sie richtig ist. Die Größe des Alpha-Fehlers wird für jeden Test festgelegt (z.B. a=.05). Beta-Fehler / Fehler zweiter Art Nullhypothese H0 wird beibehalten, obwohl die Alternativhypothese H1 gilt. Der Beta-Fehler ist im Gegensatz zum Alpha-Fehler in der Regel nicht berechenbar.

19. Fehler beim HypothesenprüfenAlpha- und Beta-Fehler

20. Hypothesen Ungerichtete Hypothesen: Es werden keine Aussagen über die erwartete Richtung des Unterschiedes bzw. Zusammenhanges getroffen. Beispiel: Es besteht ein Unterschied in der Lebensqualität zwischen Kontroll- und Therapiegruppe H1: µ1?µ2, H0: µ1=µ2 Es besteht ein Zusammenhang zwischen Merkmal A und Merkmal B H1: ??0, H0: ?=0

21. Hypothesen Gerichtete Hypothesen: Es werden Aussagen über die erwartete Richtung des Unterschiedes bzw. Zusammenhanges getroffen. Beispiel: Die Lebensqualität der Therapiegruppe ist besser (höher) als jene der Kontrollgruppe H1: µ1>µ2; H0: µ1=µ2 Es besteht ein positiver Zusammenhang zwischen Merkmal A und Merkmal B H1: ?>0, H0: ?=0

22. Hypothesenprüfung Einseitige Hypothesenprüfung: Bei gerichteten Hypothesen wird eine einseitige Hypothesenprüfung durchgeführt (der gesamte Alpha-Fehler ist auf einer Seite).

23. Hypothesenprüfung Zweiseitige Hypothesenprüfung: Bei ungerichteten Hypothesen wird eine zweiseitige Hypothesenprüfung durchgeführt (Auf beiden Seiten ist jeweils der halbe Alpha-Fehler).

24. Effektstärke Die Effektgröße ist ein statistisches Maß, das die relative Größe eines Effektes angibt. Die Effektgröße hängt von folgenden Kennzahlen ab: Unterschied zwischen k Gruppen: je größer der Unterschied zwischen den Gruppen desto größer die Effektstärke. Streuung innerhalb der Gruppen: je kleiner die Streuung innerhalb der Gruppen desto größer die Effektstärke.

25. Effektstärke: Distanzmaß für die Beurteilung des Ausmaßes eines Unterschiedes

26. Testverfahren (siehe Methodenbaum)

27. Testverfahren (siehe Methodenbaum)

28. Referenzen Bortz, J. u. Döring, N.: Forschungsmethoden und Evaluation für Sozialwissenschaftler. 3. Aufl. Berlin: Springer 2002. mehr zum Begriff Klinische Studie: Altman DG (1995) Practical statistics for medical research. Chapman and Hall. Kritische Auseinandersetzung mit klinischen Studien: Simon SD (2001). Is the randomized clinical trial the gold standard of research? J Andrology 22, 938-943. zum Begriff Effektstärke: http://web.uccs.edu/lbecker/Psy590/es.htm Vorgeschlagene Cutoff-Werte für Effektstärken: Cohen J (1988). Statistical power analysis for the behavioral sciences (2nd ed.). www.fh-eberswalde.de/_obj/65017F39-FFC0-4404-A3A1-04FEDF1DD2DA/outline/SPSS+Base+Users+Guide+13.0.pdf