Artikel
Vergleich unterschiedlicher Methoden zur Analyse korrelierter Daten
Suche in Medline nach
Autoren
Veröffentlicht: | 6. September 2007 |
---|
Gliederung
Text
Einleitung/Hintergrund: Für die Analyse korrelierter Daten sind in der Vergangenheit eine Vielzahl von Analyseverfahren entwickelt worden, deren Einsatzmöglichkeiten sich zum Teil überschneiden. Die Verfahren wurden insbesondere für die Situation longitudinaler Daten entwickelt, erlauben darüber hinaus aber auch die Berücksichtigung weiterer Abhängigkeitsstrukturen. Ziel unserer Arbeit ist ein Vergleich der Ergebnisse unterschiedlicher Modellierungsansätze in zwei verschiedenen Anwendungssituationen und die exemplarische Selektion des jeweils adäquaten Modells anhand geeigneter Kriterien.
Material und Methoden: Wir vergleichen die gängigen Methoden (klassische Manova, Gemischte Modelle, Verallgemeinerte Schätzgleichungen, Analyse relativer Effekte nach Brunner) anhand von zwei unterschiedlichen Datensätzen. Der erste Datensatz stammt aus einer bizentrischen randomisierten Therapiestudie mit insgesamt fünf geplanten Untersuchungszeitpunkten. Hier steht vor allem die Berücksichtigung der zeitlichen Abhängigkeitsstruktur im Vordergrund. Der zweite Datensatz wurde im Rahmen einer radiologischen Beobachtungsstudie zum Einfluss unterschiedlicher Faktoren wie etwa lipidsenkender Medikamente auf die Entwicklung von Plaques und Stenosen der Koronararterien erhoben. Die Vermessungen von verkalkten und nicht-verkalkten Plaques wurden hier mittels Mehrschicht-Computertomographie nicht nur zu zwei verschiedenen Zeitpunkten, sondern auch an unterschiedlich vielen Ablagerungsstellen pro Patient durchgeführt. Da das Problem der zeitliche Abhängigkeit in diesem Fall durch Differenzenbildung gelöst werden kann, liegt der Schwerpunkt dieser Analyse anders als im ersten Fall auf der Berücksichtigung der Clusterungen, die durch die simultanen Mehrfachmessungen an einem Individuum entstehen.
Ergebnisse: Bei der Anwendung verallgemeinerter Schätzgleichungen hat der Typ der Arbeitskorrelationsmatrix teilweise starken Einfluss auf die geschätzten Parameter und Standardfehler. Bei den Longitudinaldaten zeigte das AR(1)-Modell im Vergleich zum vollstrukturierten Modell eine unbefriedigende Anpassung. Weitere Ergebnisse werden vorgestellt.
Diskussion/Schlussfolgerungen: Vor dem Hintergrund einer Fülle theoretisch fundierter Modellansätze zur Analyse abhängiger, insbesondere longitudinaler Daten besteht großer Bedarf an Planungs- aber auch an Daten-gesteuerten Kriterien für die optimale Modellwahl. Aus unseren exemplarischen Analysen werden Vorschläge für die Wahl dieser Kriterien abgeleitet.