Medizinstatistik für den beruflichen Alltag. Christoph Thiele
Чтение книги онлайн.
Читать онлайн книгу Medizinstatistik für den beruflichen Alltag - Christoph Thiele страница 3
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