Biostatistik in der Medizin
Die evidenzbasierte Medizin (EbM) ist naturgemäß geprägt von klinischen Studien, in denen es von statistischen Fachbegriffen „nur so wimmelt“. Intuitiv glaubt man zu verstehen, was es mit der Aussage auf sich hat, ein Studienergebnis sei „signifikant“ (p < 0,05). Aber wer ist sich schon der Tatsache bewusst, dass der p-Wert so gut wie nichts über die klinische Wertigkeit der Studie aussagt?
Wenn dann auch noch Begriffe wie „statistisches Lernen“ oder „künstliche neuronale Netze“ dazukommen, können Laien, die mit Mathematik und Informatik wenig bis gar nicht vertraut sind, in der der Regel nicht mehr mitdiskutieren.
Mit unseren Biostatistikserien in Trillium Krebsmedizin wollen wir helfen, diese Wissenslücke zu schließen.
p-Wert und statistische Signifikanz
Der p-Wert gehört in klinischen Studien zu den am häufigsten berichteten statistischen Kenngrößen. Er gibt an, mit welcher Wahrscheinlichkeit ein beobachtetes Studienergebnis rein zufällig entstanden sein könnte. Mehr lesen
Die Odds Ratio beschreibt den Einfluss von Faktoren wie etwa Alter, Geschlecht oder Rauchen. Die Hazard Ratio macht hingegen Aussagen über die Zeit bis zum Eintritt eines bestimmten Ereignisses... Mehr lesen
Die Ergebnisse klinischer Studien – zum Beispiel mediane Überlebenszeiten oder Hazard Ratios – werden häufig zusammen mit Konfidenzintervallen berichtet. Mehr lesen
Graphische Darstellung von Überlebenszeitanalysen
In klinischen Studien geht es häufig darum, den Eintritt eines Ereignisses wie etwa des Todes in Abhängigkeit von der Zeit zu beschreiben. Zur graphischen Darstellung solcher Time-to-Event-Studien eignen sich Kaplan-Meier-Kurven, bei ...Mehr lesen
Real-World-Data– eine wichtige Ergänzung klinischer Studien
In klinischen Studien sorgen strenge Ein- und Ausschlusskriterien dafür, dass systematische Fehler bei der statistischen Auswertung minimiert werden. Dies führt allerdings dazu, dass ihre Zusammensetzung die Realität des klinischen Alltags nicht korrekt widerspiegelt. Mehr lesen
Der Vorhersagewert von Krebsfrüherkennungstests
Die Leistungsfähigkeit diagnostischer Tests wird vor allem durch deren Sensitivität und Spezifität bestimmt. Beide Kennzahlen geben den Anteil richtig positiver bzw. richtig negativer Ergebnisse beim Vorliegen der gesuchten Krankheit an. Bei der Krebsfrüherkennung ...Mehr lesen
Mathematische Modelle des Lernens
Werkzeuge der künstlichen Intelligenz (KI) sind aus der medizinischen Forschung und Routine nicht mehr wegzudenken. Während die generative KI ... Mehr lesen
Alle Beiträge stammen von Prof. Georg Hoffmann (Arzt und Herausgeber von Trillium Krebsmedizin) und Prof. Frank Klawonn (Mathematiker am Helmholtz-Zentrum [HZI], Braunschweig, und Mitglied des Fachbeirats).