Präsentation herunterladen
1
Methoden epidemiologischer Forschung
Planung: Spezifische Studienformen („Studiendesigns“) Beobachtung: Ökologische St., Querschnittsst., Fall-Kontroll-St., Kohortenst. Intervention: ? Analyse: Allgemeine und spezielle statistische Verfahren Maßzahlen: Prävalenz, Inzidenz, Rate, Absolutes und Relatives Risiko Biometrische Analyse: ? Interpretation: Kontrolle von Verzerrungen („Bias & Confounding“) Typen: Selektions-B., Informations-B., Confounding Kontrolle: ?
2
Epidemiologie und Biometrie
Anwendungsfeld Epidemiologie und Biometrie in der Klinischen Forschung
3
‚Klinische‘ Epidemiologie:
Abnormalität Was ist krank / gesund? Diagnose Wie gut sind welche Tests für welche Krankheit? Ursache Was verursacht eine Krankheit? Risiko Welche Faktoren erhöhen die Wahrscheinlichkeit für eine Krankheit? Prognose Wie verläuft die Erkrankung in welchem Stadium? Therapie Wie verändert eine Behandlung den Verlauf? Kosten Welche Kosten verursachen Krankheit / Therapie? QS, PS FKS, PS PS
4
Klinische Epidemiologie:
Abnormalität Was ist krank / gesund? Diagnose Wie gut sind welche Tests für welche Krankheit? Ursache Was bedingt eine Krankheit? Risiko Welche Faktoren erhöhen die Wahrscheinlichkeit für eine Krankheit? Prognose Wie verläuft die Erkrankung in welchem Stadium? Therapie Wie verändert eine Behandlung den Verlauf? Kosten Welche Kosten verursachen Krankheit / Therapie?
5
Klinische Epidemiologie und Biometrie
Wahrscheinlichkeit und Diagnose
6
Diagnostische Tests Diagnostische Tests zielen darauf ab, möglichst
wirkungsvoll Kranke von Gesunden zu unterscheiden. Hierzu werden Diagnoseverfahren oder Tests verwendet, deren Eigenschaften und Güte es zu bestimmen gilt.
7
Fragen zu Diagnostischen Tests
Wie geeignet ist ein bestimmtes Untersuchungsverfahren als Diagnostischer Test? Ist das gleiche Testergebnis für alle Patienten von gleicher Wertigkeit? Welche Tests mit welchen Eigenschaften sollte man für welche klinische Situation einsetzen?
8
Wald NJ et al., BMJ 1999;1562-5
9
Wald NJ et al., BMJ 1999;1562-5
10
a b c d a + c b + d Sicht des „Wissenden“ Krankheit ja nein Total
Diagnosetest Positiv a (echt positiv) b (falsch positiv) a + b (mit Verdacht) Negativ c (falsch negativ) d (echt negativ) c + d (ohne Verdacht) a + c (alle Kranken) b + d (alle G esunden) a + b + c + d Alle Untersuchten
11
a b c d a + c b + d Krankheit ja nein Total Diagnosetest Positiv a + b
(echt positiv) b (falsch positiv) a + b (mit Verdacht) Negativ c (falsch negativ) d (echt negativ) c + d (ohne Verdacht) a + c (alle Kranken) b + d (alle G esunden) a + b + c + d Alle Untersuchten Sicht des „Suchenden“
12
Von der Wahrscheinlichkeit Kenngrößen diagnostischer Tests
zu den Kenngrößen diagnostischer Tests
13
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) T-: 10.353 Nach NL Mammographie Programm
14
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) T-: 10.353 P(W+) = 10353/ = 0,007 oder 7 pro heißt Prävalenz P(W-) = / = 0,993 (= Anteil ohne Mamma-Ca in der Grundgesamtheit)
15
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 9.030 T-: 1.323 10.353 P(T+|W+) = 9.030/ = 0,87 heißt Sensitivität (= Anteil der Echt-positiven), P(T-|W+) = 1.323/ = 0,13 ist der Anteil der falsch-negativen Testergebnisse
16
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 9.030 10.332 19.362 T-: 1.323 10.353 P(T+|W-) = / = 0,007 ist der Anteil falsch-positiver Testergebnisse, P(T-|W-) = / = 0,993 heißt Spezifität (=Anteil der Echt-negativen).
17
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 9.030 10.332 19.362 T-: 1.323 10.353
18
Eine (fiktive) Grundgesamtheit
Testergebnis Wirklichkeit Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 9.030 10.332 19.362 T-: 1.323 10.353 ppV = P(W+|T+) = 9030/19362 = 0,47 heißt positiver Prädiktivwert npV = P(W-|T- ) = / = 0,999 heißt negativer Prädiktivwert
19
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3% 0.87 · 0.007 ppV = = 0.47 0.87 · · 0.993
20
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes Sensitivität Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3% 0.87 · 0.007 ppV = = 0.47 0.87 · · 0.993
21
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes 1 - Spezifität Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3% 0.87 · 0.007 ppV = = 0.47 0.87 · · 0.993
22
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes Prävalenz Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3% 0.87 · 0.007 ppV = = 0.47 0.87 · · 0.993
23
Herleitung P ( T+ Λ W+ ) PPV = P(W+|T+) = P(T+) P(T+|W+) · P(W+) =
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) P ( T- Λ W- ) NPV = P(W-|T-) = P(T-) P(T-|W-) · P(W-) = P(T-|W+) · P(W+) + P(T-|W-) · P(W-)
24
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Prostatakarzinom (Rektale Palpation): Prävalenz: 5%, Sensitivität: 56%, Spezifität:94% 0.56 · 0.05 ppV = = 0.33 0.56 · · 0.95
25
Zusammenfassung Wahrscheinlichkeit = fester Anteil der Grundgesamtheit
Beispiel: Prävalenz P(W+) Bedingte Wahrscheinlichkeit = fester Anteil eines definierten Teils der Grundgesamtheit Beispiel: Sensitivität: P(T+|W+) Spezifität: P(T-|W-) positiver Prädiktivwert P(W+|T+) negativer Prädiktivwert P(W-|T-) Wahrscheinlichkeiten sind feste (i. a. unbekannte) Größen, die aus zufälligen Stichproben geschätzt werden können.
26
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung Theoretische Wahrscheinlichkeit = Relative Häufigkeit der Erkrankung in der Grundgesamtheit Empirische Information Gewinnung einer repräsentativen Stichprobe -> Bestimmung der relativen Häufigkeit der Erkrankung in der Stichprobe z.B Untersuchung von n=100 Patienten Relative Häufigkeit der Erkrankung = 19%
27
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung Theoretische Wahrscheinlichkeit = Relative Häufigkeit der Erkrankung in der Grundgesamtheit Wie viele Erkrankten würde ich finden, wenn ich nicht nur die n Patienten der Stichprobe untersuchen würde, sondern sämtliche Patienten der Grundgesamtheit? Empirische Information Gewinnung einer repräsentativen Stichprobe -> Bestimmung der relativen Häufigkeit der Erkrankung in der Stichprobe z.B Untersuchung von n=100 Patienten Relative Häufigkeit der Erkrankung = 19% Nutzung der relativen Häufigkeit der Stichprobe zur Schätzung der entsprechenden Rate in der Grundgesamtheit
28
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung Theoretische Wahrscheinlichkeit = Relative Häufigkeit der Erkrankung in der Grundgesamtheit Wie viele Erkrankten würde ich finden, wenn ich nicht nur die n Patienten der Stichprobe untersuchen würde, sondern sämtliche Patienten der Grundgesamtheit? Empirische Information Gewinnung einer repräsentativen Stichprobe -> Bestimmung der relativen Häufigkeit der Erkrankung in der Stichprobe z.B Untersuchung von n=100 Patienten Relative Häufigkeit der Erkrankung = 19% Nutzung der relativen Häufigkeit der Stichprobe zur Schätzung der entsprechenden Rate in der Grundgesamtheit Deskriptive Statistik: Beschreibung des empirischen Stichprobenergebnisses Induktive Statistik: Induktiver Schluss von der empirischen Information der Stichprobe auf die Grundgesamtheit.
29
Wahrscheinlichkeit und relative Häufigkeit
Beispiel: Prävalenz einer Erkrankung Theoretische Wahrscheinlichkeit = Relative Häufigkeit der Erkrankung in der Grundgesamtheit Wie viele Erkrankten würde ich finden, wenn ich nicht nur die n Patienten der Stichprobe untersuchen würde, sondern sämtliche Patienten der Grundgesamtheit? Empirische Information Gewinnung einer repräsentativen Stichprobe -> Bestimmung der relativen Häufigkeit der Erkrankung in der Stichprobe z.B Untersuchung von n=100 Patienten Relative Häufigkeit der Erkrankung = 19% Nutzung der relativen Häufigkeit der Stichprobe zur Schätzung der entsprechenden Rate in der Grundgesamtheit Deskriptive Statistik: Relative Erkrankungsrate in der Stichprobe, z.B.=19% Induktive Statistik: Schätzung der unbekannten Rate in der GG, z.B. =19% mit Konfidenzintervall 11.8% – 28.1%
30
Wahrscheinlichkeit P=? Rel. Häufigkeit in der Stichprobe
Konfidenzintervall Wahrscheinlichkeit P=? ? ? ? ? ? ? ? ? ? ? ? ― ― ― h 1 Rel. Häufigkeit in der Stichprobe
31
Wahrscheinlichkeit P=? Rel. Häufigkeit in der Stichprobe
Konfidenzintervall Das Konfidenzintervall enthält mit 95%iger Wahrscheinlichkeit den unbekannten Wert P Wahrscheinlichkeit P=? ? ? ? ? ? ? ? ? ? ? ? ― ― ― h 1 Rel. Häufigkeit in der Stichprobe
32
Wahrscheinlichkeit P=? Rel. Häufigkeit in der Stichprobe
Konfidenzintervall Das Konfidenzintervall enthält mit 95%iger Wahrscheinlichkeit den unbekannten Wert P Wahrscheinlichkeit P=? ? ? ? ? ? ? ? ? ? ? ? ― ― ― h 1 Rel. Häufigkeit in der Stichprobe
33
(Approximatives) Konfidenzintervall der Wahrscheinlichkeit P
Relative Häufigkeit h Fallzahl n (Approximatives) Konfidenzintervall der Wahrscheinlichkeit P 19 % 100 11.3 % % 1000 16.6 % % 10000 18.2 % % 100000 18.8 % %
34
(nach Goldstandard ermittelt)
Eine zufällige Stichprobe Testergebnis Wirklichkeit (nach Goldstandard ermittelt) Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 12 97 109 T-: 2 889 891 14 986 1000
35
(nach Goldstandard ermittelt)
Eine zufällige Stichprobe Testergebnis Wirklichkeit (nach Goldstandard ermittelt) Gesamt W+: (Mamma-Ca:Ja) W-: (Mamma-Ca: nein) T+: (Mamma-Ca: Ja) 12 97 109 T-: 2 889 891 14 986 1000 Schätzwerte: Prävalenz = 14/1000 = 0.014, Sensitivität = 12/14 = 0.86, Spezifität = 889/986 = 0.90, ppV = 12/109 = 0.11
36
Vertrauensgrenzen Schätzwerte untere Grenze obere Grenze
Prävalenz 14/1000 = Sensitivität 12/14 = Spezifität 889/986 = ppV 12/109 = Die angegebenen Grenzen sind so berechnet, dass sie mit 95%-Wahrscheinlichkeit den (unbekannten) wahren Wert umschließen. Das so berechnete Intervall ist das 95%-Konfidenzintervall.
37
Fragen zu Diagnostischen Tests
Wie geeignet ist ein bestimmtes Untersuchungsverfahren als Diagnostischer Test? Welche Tests mit welchen Eigenschaften sollte man für welche klinische Situation einsetzen? - Ist das gleiche Testergebnis für alle Patienten von gleicher Wertigkeit?
38
Guter diagnostischer Test
Schlechter diagnostischer Test
39
Fragen zu Diagnostischen Tests
Wie geeignet ist ein bestimmtes Untersuchungsverfahren als Diagnostischer Test? Welche Tests mit welchen Eigenschaften sollte man für welche klinische Situation einsetzen? - Ist das gleiche Testergebnis für alle Patienten von gleicher Wertigkeit?
40
Wahl des Diagnosekriteriums (Cutpoint)
Creatin Kinase und Myokardinfarkt MI + MI Ø CK ≥ 80 IU 190 30 220 CK < 80 IU 40 100 140 230 130 360 Se 83% Sp 77% PPV = 0.86
41
Creatin Kinase und Myokardinfarkt
MI + MI Ø CK ≥ 80 IU 190 30 220 CK < 80 IU 40 100 140 230 130 360 Se 83% Sp 77% PPV = 0.86 MI + MI Ø CK ≥ 160 IU 98 CK < 160 IU 262 230 130 360 MI + MI Ø CK ≥ 160 IU 97 1 231 CK < 160 IU 133 129 230 130 360 Se 42% Sp 99% PPV = 0.99
42
Wahl des Diagnosekriteriums (Cutpoint)
Spezifisch eingestellte Tests werden vor allem zur Sicherung einer Diagnose eingesetzt Für den Arzt ist ein hochspezifischer Test insbesondere dann hilfreich, wenn er positiv ausfällt! Faustregel (engl.): SpPIn
43
Creatin Kinase und Myokardinfarkt
MI + MI Ø CK ≥ 80 IU 190 30 220 CK < 80 IU 40 100 140 230 130 360 Se 83% Sp 77% NPV = 0.71 MI + MI Ø CK ≥ 40 IU 228 42 270 CK < 40 IU 2 88 90 230 130 360 MI + MI Ø CK ≥ 40 IU CK < 40 IU 230 130 360 Se 99% Sp 68% NPV = 0.98
44
Wahl des Diagnosekriteriums (Cutpoint)
Sensitiv eingestellte Tests werden vor allem zum Ausschluß einer Erkrankung (Screening) eingesetzt Für den Arzt ist ein hochsensitiver Test insbesondere dann hilfreich, wenn er negativ ausfällt! Faustregel (engl.): SnNOut
45
ROC-Kurve CK ≥ 40 CK ≥ 80 CK ≥ 160
46
ROC-Kurve ‚optimaler‘ Test CK ≥ 40 CK ≥ 80 CK ≥ 160
47
Fragen zu Diagnostischen Tests
Wie geeignet ist ein bestimmtes Untersuchungsverfahren als Diagnostischer Test? Welche Tests mit welchen Eigenschaften sollte man für welche klinische Situation einsetzen? - Ist das gleiche Testergebnis für alle Patienten von gleicher Wertigkeit?
48
P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV =
Formel von Bayes Prävalenz Thomas Bayes ~ P(W+|T+) = P(T+|W+) · P(W+) P(T+|W+) · P(W+) + P(T+|W-) · P(W-) ppV = Beispiel Mammografie: Prävalenz: 0,7%, Sensitivität: 87%, Spezifität: 99,3% 0.87 · 0.007 ppV = = 0.47 0.87 · · 0.993
49
Patientengut und Diagnostische Wertigkeit
DMW 2006;131: Patienten: Stabile AP mit CCS I-III. Nicht-invasiver Ischämietest vor Katheteruntersuchung! (Szinti, Belastungs-EKG oder Stress-Echo)
50
Frauen Männer Patientengut und Diagnostische Wertigkeit P 42.5%
Test Stenose >50% Stenose <50% Ischämie + 3554 4152 7706 Ischämie - 1083 2122 3205 4637 6274 10911 Test Stenose >50% Stenose <50% Ischämie + 8623 3437 12060 Ischämie - 2227 2189 4416 10850 5626 16476 P % Se % Sp % ppV 46.1% P % Se % Sp % ppV %
52
Die Eigenschaften Diagnostischer Tests werden weitgehend unabhängig von der Untersuchungs- situation (d.h. konstant) charakterisiert durch Sensitivität Spezifität
53
(d.h. variabel) charakterisiert durch
Die Eigenschaften Diagnostischer Tests werden abhängig von der Untersuchungssituation (d.h. variabel) charakterisiert durch Prävalenz (oder Vor-Test-Wahrscheinlichkeit) Positiver Prädiktiver Wert (PPV) Negativer Prädiktiver Wert (NPV)
54
Grenzwerte (Cutpoints),
Der Nutzen eines Untersuchungsverfahren als Diagnostischer Tests hängt u. a. ab von der Wahl der Grenzwerte (Cutpoints), Patientengruppe, …
55
Fragen – und Antworten? Eine pharmazeutische Firma entwickelt einen neuen Enzymtest auf Darmkrebs und untersucht ihn bei 60 Patienten mit bekanntem Darmkrebs und bei 144 endoskopisch karzinomfreien Kontrollen. Es findet sich bei 44(73%) Krebspatienten und 32 (22%) Kontrollen ein positiver Test. A) Welche Sensitivität und Spezifität hat der Test? B) Welchen PPV hat der Test in der Studie? C) Welchen NPV hat der Test in der Studie? Wie wäre der PPV, wenn die Vor-Test-Wahrscheinlichkeit nur 3% ist (Screening)? SE = 73% SP = 78% PPV = 44 / ( ) = 58% NPV = 112 / ( ) = 87.5% PPV = SE * PR / SE*PR +(1-SP)*(1-PR) = * 0.03 / 0.73* *0.97 = oder 9.3%
56
Fragen – und Antworten? Bei Frauen, die an der Krebsvorsorgeuntersuchung teilnehmen, deckt die Inspektion und Palpation der Brust etwa 14% aller prävalenten Mammakarzinome auf. Welche Testcharakteristik beschreibt diesen Sachverhalt? Die Sensitivität eines Tests erhöht sich in dem Maße wie seine Spezifität steigt. Richtig? BNP im Plasma wird in der Notaufnahme bei Dyspnoe unklarer Genese eingesetzt. Bei einem Trennwert von 50 pg/ml wird hinsichtlich der Diskrimination kardialer (HI) von nicht-kardialen Ursachen (COPD, PH) die Sensitivität mit 97% und die Spezifität mit 62% angegeben. Mit welchem Ziel würden Sie den Test einsetzen? Sensitivität NEIN! Ausschluss einer kardialen Ursache
58
Fragen – und Antworten? In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten pro Woche mit einem innovativen nicht-invasiven Verfahren zur Diagnose der AMD untersuchen, das eine Sensitivität von 90% und eine Spezifität von 90% besitzt. Sie wissen, dass eine AMD bei ca. 10% Ihrer neuen Patienten vorliegt. - Wie schätzen Sie die Qualität des Tests anhand der verfügbaren Angaben des Herstellers ein (interessant oder nicht interessant)?
59
Fragen – und Antworten? In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten pro Woche mit einem innovativen nicht-invasiven Verfahren zur Diagnose der AMD untersuchen, das eine Sensitivität von 90% und eine Spezifität von 90% besitzt. Sie wissen, dass eine AMD bei ca. 10% Ihrer neuen Patienten vorliegt. - Wie schätzen Sie die Qualität des Tests anhand der verfügbaren Angaben des Herstellers ein (interessant oder nicht interessant)? - Wie oft werden Sie im Durchschnitt pro Woche einen Patienten mit einem positiven Testergebnis sehen („Treffsicherheit“)?
60
AMD Keine AMD Test positiv Test negativ 100
Neues nicht-invasives Verfahren bei AMD AMD Keine AMD Test positiv Test negativ 100
61
AMD Keine AMD Test positiv Test negativ 10 90 100
Neues nicht-invasives Verfahren bei AMD AMD Keine AMD Test positiv Test negativ 10 90 100
62
AMD Keine AMD Test positiv 9 Test negativ 1 10 90 100
Neues nicht-invasives Verfahren bei AMD AMD Keine AMD Test positiv 9 Test negativ 1 10 90 100
63
AMD Keine AMD Test positiv 9 Test negativ 1 81 10 90 100
Neues nicht-invasives Verfahren bei AMD AMD Keine AMD Test positiv 9 Test negativ 1 81 10 90 100
64
AMD Keine AMD Test positiv 9 18 Test negativ 1 81 82 10 90 100
Neues nicht-invasives Verfahren bei AMD AMD Keine AMD Test positiv 9 18 Test negativ 1 81 82 10 90 100 PPV = 50% oder 1 von 2 test-positiven hat nichts…
65
Fragen – und Antworten? In Ihrer ophthalmologischen Praxis können Sie 100 neue Patienten pro Woche mit einem innovativen nicht-invasiven Verfahren zur Diagnose der AMD untersuchen, das eine Sensitivität von 90% und eine Spezifität von 90% besitzt. Sie wissen, dass eine AMD bei ca. 10% Ihrer neuen Patienten vorliegt. - Wie schätzen Sie die Qualität des Tests anhand der verfügbaren Angaben des Herstellers ein (interessant oder nicht interessant)? - Wie oft werden Sie im Durchschnitt pro Woche einen Patienten mit einem positiven Testergebnis sehen („Treffsicherheit“)? - Wie schätzen Sie Aufwand und Nutzen des Tests ein?
66
Vorlesungsdatei (.pdf) unter
Ähnliche Präsentationen
© 2024 SlidePlayer.org Inc.
All rights reserved.