Mehr zum Confounding: Adjustierung durch Matching, Stratifikation und multivariate Methoden
Dieses Kapitel weist im Vergleich zu den meisten anderen Kapiteln einen höheren „Schwierigkeitsgrad“ auf, da die hier diskutierten Konzepte teilweise einen hohen Abstraktionsgrad erreichen. Trotzdem ist dieses Kapitel eher für besonders interessierte „Anf
- PDF / 303,946 Bytes
- 12 Pages / 467.717 x 685.984 pts Page_size
- 74 Downloads / 265 Views
Mehr zum Confounding: Adjustierung durch Matching, Stratifikation und multivariate Methoden ▸ In der Analysephase gibt es drei Möglichkeiten, um Confounding zu behandeln: ∎ Matching ∎ Stratifikation ∎ Multivariate Analysen ▸ Multivariate Analysen erlauben Adjustierung für mehrere Confounder gleichzeitig ▸ Die meisten multivariaten Methoden sind Weiterentwicklungen der einfachen Regression ▸ Das Ergebnis einer solchen multivariaten Regression ist eine Regressionsgleichung: Der Zusammenhang zwischen dem Endpunkt, dem Risikofaktor und mehreren Confoundern wird durch Koeffizienten in einer Gleichung erklärt ▸ Der „adjustierte“ Effekt ist so zu interpretieren, als hätten alle anderen Confounder in allen Gruppen den gleichen Wert (egal welchen) und stören so nicht mehr ▸ Die richtige Anwendung multivariater Modelle erfordert Erfahrung und spezielle Kenntnisse im Bezug auf die zugrunde liegenden Annahmen
Dieses Kapitel weist im Vergleich zu den meisten anderen Kapiteln einen höheren „Schwierigkeitsgrad“ auf, da die hier diskutierten Konzepte teilweise einen hohen Abstraktionsgrad erreichen. Trotzdem ist dieses Kapitel eher für besonders interessierte „Anfänger“ als für Fortgeschrittene gedacht. In den vorangegangenen Kapiteln haben wir immer wieder darauf hingewiesen, dass Confounding ein „Feind der klinischen Wahrheit“ ist. Zusammengefasst bedeutet Confounding, dass ein Zusammenhang zwischen dem Endpunkt und dem Risikofaktor teilweise, manchmal sogar zur Gänze durch andere Einflüsse erklärbar ist. Die randomisierte kontrollierte Studie ist die einzige Designform, die für bekannte und
H. Herkner et al., Erfolgreich wissenschaftlich arbeiten in der Klinik © Springer-Verlag/Wien 2011
96
12 Mehr zum Confounding
unbekannte Confounder kontrolliert, indem sie sicherstellt, dass sich die Gruppen lediglich hinsichtlich der Intervention unterscheiden. Wenn eine solche Interventionsstudie nicht möglich ist, wir also eine Beobachtungsstudie durchführen, können wir nur für uns bekannte Confounder kontrollieren. Dieses „Kontrollieren“ bedeutet, dass man bestimmte Techniken verwendet, um einen adjustierten Wert zu erhalten. Was „adjustiert“ bedeutet, erklären wir am besten mit einem Beispiel.
Ein erfundenes Beispiel Wir beobachten, dass bei einer Krankheit, z. B. Lungenentzündung, das Risiko, in den nächsten vier Wochen zu sterben, stark erhöht ist, wenn Patienten aus einem Seniorenwohnheim zugewiesen werden (1 %), im Vergleich zu Patienten, die von selbst in die Notfallambulanz kommen (0,01 %). Das relative Risiko ist demnach 100! Seniorenheimbewohner haben also ein 100fach erhöhtes Risiko, die Lungenentzündung nicht zu überleben, wenn man sie mit anderen Patienten mit Lungenentzündung vergleicht. Der Confounder hier ist ganz offensichtlich das Alter, da Patienten in Seniorenheimen einfach wesentlich älter sind (Durchschnittsalter 86 Jahre) als der Durchschnittspatient einer Notaufnahme (Durchschnittsalter 35 Jahre). Wenn man nun für die unterschiedliche Altersstruktur der Gruppen kontrolliert, z. B. mit einer Regressionsmethode,
Data Loading...
