Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

Untersuchungsdesigns und statistische Methoden in der Evaluationsforschung Markus Wirtz.

Ähnliche Präsentationen


Präsentation zum Thema: "Untersuchungsdesigns und statistische Methoden in der Evaluationsforschung Markus Wirtz."—  Präsentation transkript:

1 Untersuchungsdesigns und statistische Methoden in der Evaluationsforschung Markus Wirtz

2 Evaluationsforschung: Bewertung der Konzeption, der Implementierung und des Nutzens von Angeboten und Programmen Zwei wesentliche Grundfragen der Evaluation 1. Welche Systemkomponenten haben Einfluss auf outcome-relevante Merkmalsausprägungen? (hypothesengerierend, deskriptive Analyse; Qualitätssicherung) 2. Verändern sich durch ein Programm Merkmalsausprägungen im gewünschten Sinne? (hypothesenbestätigend, Programmevaluation, kausale Interpretation angestrebt)

3 Forschungsdesigns: Erhebungszeitpunkte und eingesetzte Erhebungsverfahren Wann muss was wie erhoben werden, damit z.B. die Wirksamkeit eines Programms nachgewiesen werden kann? Statistische Methoden: Frage der Signifikanz und der empirischen Relevanz Ausschluss von Zufall als Ursache der gefundenen Veränderungen Vergleich empirische Effektstärke und geforderte Effektstärke

4 Die Interpretation eines statistischen Analyseergebnisses wird wesentlich durch das Erhebungsdesign mitbestimmt Ergebnis: Die Befindlichkeit nach einer Chemotherapie korreliert negativ mit der Gesamtbehandlungsdauer. Schlussfolgerung: Je kürzer die Therapie, desto besser!

5 Korrekte Schlussfolgerung: Befindlichkeit Entlassung 16. B 8. B t0 Entlassung 4. B 2. B t0 Interindividuelle Vergleiche lassen keinen direkten Schluss auf intraindividuelle Verläufe zu!!!!!! Befindlichkeit zu Beginn Befindlichkeit nach der Therapie Behandlungsdauer

6 r(Behandlungsdauer, Befindlichkeit) = 0 r(Behandlungsdauer, Befindlichkeitsbesserung) >> 0

7 Wissenschaftliche Forschungsdesigns werden eingesetzt, um eindeutig angeben zu können, welche Schlussfolgerungen zulässig sind und welche nicht. um Fehler bei der Interpretation zu vermeiden. Statistische Methoden werden eingesetzt, um Zufallseinflüsse abschätzen und als Ursache von Effekten ausschließen zu können.

8 Zentrale Determinanten des Studiendesigns 1.) Beschreibung des status quo (deskriptiver Ansatz) vs. Vergleich von Alternativen (Treatment/Subpopulationen) 2.) Fragestellung: Zusammenhang: Korreliert die Motivation des Patienten mit dem Therapieerfolg Unterschied: Haben zwei Interventionen unterschiedliche Postwert zur Folge Veränderung: Verändert sich die Belastung im Verlauf der Intervention

9 3.) Ausmaß interner und externer Validität Intern: Sind die Effekte in der AV eindeutig auf das Treatment zurückzuführen Extern: Sind ähnliche Effekte in natürlichem Setting zu erwarten? Auf welche Anwendungssituationen können Ergebnisse übertragen werden? 4.) Grenzen der Realisierbarkeit mangelnde Ressourcen Erhöhung der Gefahr von drop-outs durch Anforderungen an die Teilnehmer u.U. ist eine Randomisierung a) nicht möglich und b) inhaltlich nicht sinnvoll

10 Die drei wichtigsten Forschungsansätze 1. Deskriptiver Ansatz 2. Experimenteller Ansatz 3. Quasi-Experimenteller Ansatz

11 1. Deskriptiver Ansatz Charakterisierung des Forschungsgegenstandes/ Ist-Zustand Liefert keine Informationen über kausale Beziehungen, interne Validität ist nicht gefordert Ziel: Informationen über Phänomene, Populationen etc., externe Validität ist gefordert

12 Spezialfälle der Deskriptiven Analyse Exploratorische Analyse Ziele: Generierung von Ideen auf einem bisher nicht beforschten Gebiet Wenige Vorgaben: Sammlung von möglichst viel deskriptiver Information Wird meist zu Beginn einer Studiensequenz eingesetzt

13 Prozeßevaluation Ziel: Identifizierung des Implementationsgrades eines Programms, Beschreibung der Barrieren etc.. IST-SOLL-Vergleiche: Gegenüberstellung des geplanten mit dem implementierten Programm Controlling / Entwicklung eines neuen Programms Spezialfälle der Deskriptiven Analyse

14 Vorteile des Deskriptiven Ansatzes: Generell geringere Kosten (i. A. von N, Anzahl der Meßebenen/Datenquellen, Komplexität der Datenerhebung) Einfache Implementation/Durchführung Kurze Zeitspannen bei der Ergebnisrückmeldung Einfache Datenanalysen Ergebnisse sind leicht zu kommunizieren

15 Grenzen des Deskriptiven Ansatzes Keine Aussagen bzgl. kausaler Verknüpfungen möglich Es wird nicht klar, welche Variationen die Ausprägungen der Zielgrößen verändern würden

16 2. Experimenteller Ansatz Empirische Überprüfung einer kausalen Verknüpfung von zwei oder mehr Variablen Systematische Variation der unabhängigen Variablen (UV) nur die unabhängige(n) Variable(n) erklärt die Unterschiede in den UV-Bedingungen Randomisierte Zuweisung der Beobachtungseinheiten zu den Versuchsbedingungen Kontrolle von systematischen Verzerrungen zum Zeitpunkt der Zuweisung

17 Kerlinger (1973) MAX-MIN-KON Prinzip MAXimiere die systematische Varianz (Variation der experimentellen Bedingungen) MINimiere die Fehlervarianz (accuracy of assessment) KONtrolliere externe (systematische) Varianzquellen (Homogenität der Bedingungen)

18 Beispiel: Es soll die Wirksamkeit eines Treatments nachgewiesen werden (Prä-Post-Design) R PräPostE-GruppeTreatment PräPostK-GruppeXXXXXX

19 Hypothese bestätigt, wenn eine signifikante Interaktion vorliegt und die Mittelwertsunterschiede hypothesenkonform sind (geringe Unterschiede prä, deutlicher Unterschied post) Überprüfung mittels Kontrasten (Tukey, Scheffe) *

20 Interaktionseffekt: Der Effekt einer UV ist abhängig von der Ausprägung der anderen UV nur zum Postzeitpunkt soll es günstig sein, der Experimtalgruppe anzugehören.

21

22

23

24

25 R PostE-GruppeTreatment PostK-GruppeXXXXXX * Post-Design (ohne Baseline)

26 R PostE-Gruppe 2Treatment B PostK-GruppeXXXXXX PostE-Gruppe 1Treatment A Mehrgruppen-Prä-Post-Design Prä

27 R PostE-Gruppe 3Tr. A + Tr. B PostE-Gruppe 2Tr. A Mehrfaktorielles-Prä-Post-Design Prä PostE-Gruppe 1Tr. B PostK-Gruppe Prä XXXXXXX Besonders interessant, wenn Interaktionseffekte auftreten können

28 Eigenschaften des experimentellen Ansatzes: Maximierung der internen Validität durch Kontrolle konfundierter Variablen Strenge Kontrolle der Versuchsbedingungen kann sich negativ auf die externe Validität auswirken

29 Multiple Experimental- und Kontrollgruppen (Solomon Vier-Gruppen-Plan) R PostE-Gruppe 2Treatment PostK-Gruppe 2XXXXXX PostE-Gruppe 1Treatment Mehrgruppen-Prä-Post-Design Prä PostK-Gruppe 1XXXXXX

30 Single Consent Design (nach Zelen) Patienten Treatment A Treatment B Treatment A Treatment B Präferenz für A oder keine Präferenz für B R = Randomisierung R

31 Double Consent Design (nach Zelen) Treatment B Präferenz A oder keine Patienten Treatment A R Präferenz B Präferenz A Präferenz B oder keine Treatment A Treatment B Treatment A Treatment B R = Randomisierung

32 Patienten Präferenz zu- gunsten von A keine Präferenz Präferenz zu- gunsten von B Treatment A Treatment B R = Randomisierung Comprehensive Cohort Design R

33 Quasiexperiment Gruppenvergleich ohne randomisierte Gruppenzuweisung u.U. Vergleich natürlicher Gruppen R PräPostE-GruppeTreatment PräPostK-GruppeXXXXXX

34 Zentrale Probleme des Quasiexperiments: 1.) Relevante Störvariablen können mit Gruppenzugehörigkeit und AV korreliert sein Beispiel Freiwilligkeit als Störvariable: Für einer stärker psychologisch orientierte Schmerzbehandlung entscheiden sich Patienten mit geringerer Belastung.

35 2.) Relevante Störvariablen können direkt mit der Wirksamkeit des Treatments konfundiert sein Beispiel Freiwilligkeit als Störvariable: negative Einstellung Reaktanz geringere Wirksamkeit Nachgewiesen Wirksamkeit nicht auf Kontrollgruppe übertragbar

36 Wichtige Designelemente zur Erhöhung der internen Validität Einsatz mehrerer AV: Bestätigend und Alternativen ausschließend Wiederholte Treatmentphasen Parallelisierung; matched pairs Kovariaten erheben, die Aufschluss über systematische Gruppenunterschiede geben können Analyse der Gruppenselektion Prämessung beim Quasi-Experiment noch wichtiger als bei randomisierter Zuweisung

37 E K Paralellisierung ist auch bei Experimenten immer günstig R R R Parallelisierung Gruppenebene Matched-pairs Einzelebene Paar 1 Paar 2 Paar N G1 G2 G3

38 Parallelisierung wenige überprüfte Einflussvariable werden bei Gruppenbildung berücksichtigt Es sollten aber immer möglichst umfassend Variablen erhoben werden, die potentiell mit der UV und AV korreliert sind statistische Kontrolle (partielle Korrelationen, Kovarianzanalyse) statistische Homogenisierung der Vergleichgruppen

39 Vorteile des Quasiexperiments Annäherung an das experimentelle Design Interne Validität durch statistische Kontrolle erhöht (keine experimentelle Kontrolle) Anwendung: Wenn experimentelle Designs nicht durchgeführt werden können

40 Grenzen des Quasiexperiments Unsicherheiten bezüglich des Vergleichs von Exp.- und Kontroll-Gruppe (Verzerrungen??) Statistische Kontrolle nur bei bekannten Störgrößen möglich

41 Regressionseffekte - Regression zur Mitte Bei Prä-Post-Messungen liegen die Werte einer Gruppe mit extremen Merkmalsausprägungen in der Prä-Messung tendenziell näher am Mittelwert bei der Postmessung Werte im Bereich des Mittelwerts (Prä) liegen aber tendenziell extremer in der Postmessung Maximum Minimum MW PräPost PräPost Kontroll Treatment

42 Grundforderungen für Studien zur Therapieevaluation (Metzler & Krause, 1997) 1. Kontrollgruppendesign: Kontrolle eine oder mehrere Behandlungsstandards 2. Genaue Populationsdefiniton (externe Validität) 3. Studie muss prospektiv angelegt sein 4. Es ist unzulässig, dass die Therapeuten über die Zugehörigkeit zu Kontroll- bzw. Experimentalgruppe entscheiden ( Randomisierung)

43 5. Dem Patienten ist die Alternativbehandlung nicht bekannt; Erfolgsbeurteilung durch unabhängige Dritte 6. Compliance zentrale Kovariate; drop-out entscheidendes Akzeptanzkriterium 7. Zielkriterien müssen Relevanz für Patienten besitzen; deutliche Abgrenzung von Surrogatkriterien 8. Konfirmatorische Überprüfung der Studienergebnisse Grundforderungen für Studien zur Therapieevaluation (Metzler & Krause, 1997)

44 Methodik I Design Welche Studienform wurde mit welchem Ziel gewählt? Gibt es mehrere Ziele der Studie? Population Über was soll eine Aussage gemacht werden? (Teilnehmer, Bedingungen oder Studien?) Stichprobe Wie wurde die Stichprobe gewählt? Fand eine Stratifizierung nach bestimmten Merkmalen statt? Sampling-Techniken; Repräsentativität der Datenquellen Zuordnung Wenn möglich, eine randomisierte Zuordnung wählen. Bei nicht-randomisiertem Vorgehen sollte confounder (Kovariaten) erhoben werden. Checkliste für die Planung und Darstellung empirischer Studien nach Wilkinson (1999)

45 Methodik II VariablenBeschreiben Sie genau die gemessenen Variablen! Was für einen Zusammenhang gibt es mit den Zielen der Studie? InstrumenteWelche Instrumente (Fragebögen, psychophysiolog. Messungen, etc.) wurden verwendet? Wie valide und reliabel sind diese? missingWie kam es zu fehlende Werten? Ablehnung, Tod, Datenverlust? Drop-out-Analyse Stichproben-Ist die Stichprobe groß genug? größe &Ausreichende Teststärke/Power? Teststärke

46 Notwendiger Stichprobenumfang N großN klein klein Tatsächlicher Wirkungsunterschied groß klein nachzuweisende Mindestdifferenz groß Skalenniveau des Zielmerkmals nominal ordinal metrisch grob Skalierung des Zielmerkmals fein multivariat Anzahl der Zielmerkmale univariat heterogen Patientenpopulation homogen unkontrolliert unerwünschte Einflussgrößen kontrolliert

47 Resultate I ProblemeBerichten Sie zuerst die Probleme bei der Daten- erhebung. SichtungLook at your data! GrafikenImmer eine grafische Kontrolle der Ergebnisse durchführen. Möglicherweise können hierbei falsche Eingaben, geringe Varianzen etc. erkannt werden TestDie Komplexität des statistischen Testverfahrens sollte ausreichend aber möglichst gering sein. ProgrammeBerichten Sie keine Ausgabe eines Statistik- programmes, welche Sie nicht verstehen.

48 Resultate II Voraus-Überprüfen Sie immer die Voraussetzungen der setzungenjeweiligen Verfahren. HypothesenBerichten Sie den genauen p-Wert und nicht nur, ob Ihr Ergebnis signifikant wird. Effekt- Geben Sie für die primären Outcome-Werte immer größen Effektstärken an. Konfidenz-Für Schätzungen sollten immer Konfidenzintervalle intervalleangegeben werden. KorrekturenBei einer Vielzahl von Ergebnisparametern sollte immer eine Korrektur nach Bonferoni angewendet werden. Grafische Zentrale Ergebnisse sollten in aussagekräftigen Grafiken Darstellung veranschaulicht werden

49 Resultate III KausalitätenBei nicht-randomisierten Studien möglichst nicht kausal Schließen. Tabellen &Nie komplexe Darstellungen verwenden, wenn es Grafikenauch einfacher geht.

50 Diskussion Interpre-Überlegen Sie sich immer, in wie weit Ihre tationErgebnisse generalisierbar sind. Spekula-Spekulationen sind erlaubt, sollten aber tionenmöglichst sparsam verwendet werden und als solche gekennzeichnet sein.


Herunterladen ppt "Untersuchungsdesigns und statistische Methoden in der Evaluationsforschung Markus Wirtz."

Ähnliche Präsentationen


Google-Anzeigen