gms | German Medical Science

50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds)
12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie (dae)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie
Deutsche Arbeitsgemeinschaft für Epidemiologie

12. bis 15.09.2005, Freiburg im Breisgau

Wie unterscheiden sich Nichtteilnehmer, die einen Nichtteilnehmer-Kurzfragebogen ausgefüllt haben, von denen, die ihn nicht ausgefüllt haben?

Meeting Abstract

  • Astrid Feuersenger - Universitätsklinikum Essen, Essen
  • A. Stang - Halle-Wittenberg
  • S. Moebus - Essen
  • A. Schmermund - Essen
  • R. Erbel - Essen
  • K. Jöckel - Essen

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. Deutsche Arbeitsgemeinschaft für Epidemiologie. 50. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds), 12. Jahrestagung der Deutschen Arbeitsgemeinschaft für Epidemiologie. Freiburg im Breisgau, 12.-15.09.2005. Düsseldorf, Köln: German Medical Science; 2005. Doc05gmds023

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds218.shtml

Veröffentlicht: 8. September 2005

© 2005 Feuersenger et al.
Dieser Artikel ist ein Open Access-Artikel und steht unter den Creative Commons Lizenzbedingungen (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.de). Er darf vervielfältigt, verbreitet und öffentlich zugänglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung und Fragestellung

In der Literatur existieren eine Reihe von Publikationen, bei denen die Untersuchung auf Unterschiede zwischen Teilnehmern und Nichtteilnehmern einer epidemiologischen Studie thematisiert werden (z.B. [1], [2], [3], [4]). Die Problematik, dass sich Teilnehmer und Nichtteilnehmer in gewissen Eigenschaften stark voneinander unterscheiden können, ist bekannt. Um der Gefahr eines Nonresponse-Bias entgegenzuwirken, kommen einerseits stärkere Rekrutierungsmaßnahmen zum Einsatz, andererseits werden so genannte Nichtteilnehmer-Kurzfragebögen (KFB) eingesetzt, um wenigstens einige relevante Informationen von den Nichtteilnehmern (NR) zu erhalten. Da nicht alle NR bereit sind einen KFB auszufüllen, ergibt sich die Frage, wie repräsentativ die NR mit KFB für alle NR sind. Anhand der Heinz Nixdorf Recall Studie [5] untersuchen wir für das Geschlecht und das Alter mittels Anteils- bzw. Mittelwertvergleichen, ob Unterschiede zwischen den NR mit und ohne KFB bestehen, und wie repräsentativ die NR mit KFB für alle NR sind. Bei der Analyse zur Repräsentativität berücksichtigen wir außerdem, dass sich Teilnehmer, die nach unterschiedlichem Rekrutierungsaufwand teilnehmen, voneinander unterscheiden können [6], [7]. Solche Analysen liefern einen Beitrag zur Abschätzung des Nonresponse-Bias.

Material und Methoden

Bei der Heinz Nixdorf Recall Studie ist das Geschlecht und das Alter von allen Probanden (N=9138) bekannt. Die Teilnehmer werden entsprechend ihres bis zur Teilnahme benötigten Rekrutierungsaufwands in vier Gruppen (=Wellen) eingeteilt. Die Welle stellt ein Maß für die Intensität der Rekrutierungsaufwandes (1. Welle = niedrigster Aufwand, 4. Welle = höchster Aufwand) dar. Die relevanten Größen bei der Welleneinteilung sind die Anzahl der Probandentelefongespräche, Anschreiben, Proxi-Telefongespräche sowie Anrufbeantwortermitteilungen. Wir vergleichen die NR mit KFB mit denen ohne KFB. Für die Analyse, wie repräsentativ die NR mit KFB für alle NR sind, untersuchen wir anhand von Anteils- bzw. Mittelwertvergleichen, ob die Aussagen, die man beim alleinigen Einschluss von NR mit KFB erhält, sehr stark abweichen von den Aussagen, bei denen alle NR eingeschlossen werden. Deshalb werden Vergleiche zwischen den Wellen und den NR mit KFB sowie Vergleiche zwischen den Wellen und allen NR (Zusammenfassung der NR mit und ohne KFB zu einer Gruppe) durchgeführt, und die Schlussfolgerungen (Existenz von Anteils-/Mittelwertunterschieden?) miteinander verglichen. Weiterhin betrachten wir den Schätzer des kumulierten Anteils bzw. des Mittelwertes aller Teilnehmer und NR mit KFB und den tatsächlichen Studienanteil/-mittelwert (Einbeziehung aller 9138 Probanden). Berechnet werden einerseits Anteile und Odds Ratios (OR) mit 95% Konfidenzintervallen (KIs) mittels logistischer Regression andererseits Mittelwerte und generalisierte lineare Modelle (GLMs).

Ergebnisse

Tabelle 1 [Tab. 1] zeigt die absoluten Zahlen und die (kumulierten) Anteile der Frauen für die Wellen, die NR mit und ohne KFB, alle NR und die ganze Studienpopulation. Tabelle 2 [Tab. 2] enthält die ORs der Vergleiche.

Unter den NR mit KFB befinden sich mehr Frauen als bei den NR ohne KFB. Der Altersvergleich (Daten nicht präsentiert) zeigt, dass die NR mit KFB im Durchschnitt älter sind als diejenigen ohne KFB. Bei den Wellenvergleichen für Geschlecht und Alter zeigt sich, dass - bei abweichender Größe der Schätzer - die Schlussfolgerungen bei den Vergleichen mit den NR mit KFB identisch sind mit denen aller NR. Der kumulierte Anteil sowie der kumulierte Mittelwert aus allen Teilnehmern und NR mit KFB zeigt, dass sowohl bei dem Anteil der Frauen als auch bei dem Mittelwert des Alters sehr gute Schätzer für die gesamte Studienpopulation erreicht werden, wenn die Teilnehmer und die NR mit KFB in die Schätzung eingeschlossen werden.

Diskussion

Hinsichtlich der Alters- und Geschlechtszusammensetzung existieren Unterschiede zwischen den NR, die einen KFB ausfüllen, und denen, die keine Angaben machen. Andererseits zeigt sich, dass es trotz dieser Unterschiede möglich ist, gute Schätzer und valide Schlussfolgerungen beim ausschließlichen Einschluss der NR mit KFB zu erhalten.

Ob sich diese Ergebnisse auch für andere Variablen, Studien und Populationen zeigen, ist unerforscht. Literatur, die sich mit dieser Thematik befasst, haben wir nicht gefunden. Damit umfangreichere Aussagen hinsichtlich der Repräsentativität der NR mit KFB (für alle NR) und der Größe des Nonresponse-Bias getroffen werden können, besteht dringender Forschungsbedarf darin, obige Analysen ebenfalls für epidemiologisch relevante Expositionen durchzuführen.


Literatur

1.
Helasoja V, Prattala R, Dregval L, Pudule I, Kasmel A. Late Response and Item Nonresponse in the Finbalt Health Monitor Survey. Eur J Public Health 2002;12(2):117-23
2.
Madigan MP, Troisi R, Potischman N, Brogan D, Gammon MD, Malone KE, Brinton LA. Characteristics of Respondents and Non-Respondents From a Case-Control Study of Breast Cancer in Younger Women. Int J Epidemiol 2000;29(5):793-8
3.
Bisgard K M, Folsom AR, Hong CP, Sellers TA. Mortality and Cancer Rates in Nonrespondents to a Prospective Study of Older Women: 5-Year Follow-Up. Am J Epidemiol 15-5-1994;139(10):990-1000.
4.
Melton LJIII, Dyck PJ, Karnes JL, O'Brien PC, Service FJ. Non-Response Bias in Studies of Diabetic Complications: the Rochester Diabetic Neuropathy Study. J Clin Epidemiol 1993;46(4):341-8
5.
Schmermund A, Möhlenkamp S, Stang A et al. Assessment of clinically silent atherosclerotic disease and established and novel risk factors for predicting myocardial infarction and cardiac death in healthy middle-aged subjects: rationale and design of the Heinz Nixdorf Recall Study. Am Heart J 2002;144:212-218
6.
Brogger J, Bakke P, Eide GE, Gulsvik A. Contribution of Follow-Up of Nonresponders to Prevalence and Risk Estimates: a Norwegian Respiratory Health Survey. Am J Epidemiol 15-3-2003;157(6):558-66.
7.
Bakke P, Gulsvik A, Lilleng P, Overa O, Hanoa R, Eide GE. Postal Survey on Airborne Occupational Exposure and Respiratory Disorders in Norway: Causes and Consequences of Non-Response. J Epidemiol Community Health 1990;44(4):316-20