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

Time-dependent Bias in Studien zur Krankenhausverweildauer"

Meeting Abstract

Suche in Medline nach

  • Martin Schumacher - Institut für Med. Biometrie und Med. Informatik, Freiburg
  • Jan Beyersmann - Institut für Med. Biometrie und Med. Informatik, Freiburger Zentrum für Datenanalyse und Modellbildung, Universität Freiburg

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. Doc05gmds142

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds185.shtml

Veröffentlicht: 8. September 2005

© 2005 Schumacher 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 vervielf&aauml;ltigt, verbreitet und &oauml;ffentlich zug&aauml;nglich gemacht werden, vorausgesetzt dass Autor und Quelle genannt werden.


Gliederung

Text

Einleitung

Die Verweildauer von Patienten in einem Krankenhaus bzw. auf einer Intensivstation hängt von vielen Faktoren ab, die sich teilweise erst im Zeitverlauf entwickeln. Nichtadäquate Berücksichtigung dieses komplexen zeitlichen Geschehens kann zu einer erheblichen Verzerrung der Ergebnisse führen; dieses Phänomen wird in der Literatur als "Time-dependent Bias" bezeichnet.

Material und Methoden

Die in einer systematischen Übersichtsarbeit zum Phänomen des Time-dependent Bias in führenden medizinischen Journalen [1] identifizierten Arbeiten, die die Auswirkungen von krankenhauserworbenen Infektionen behandeln, werden bezüglich ihrer statistischen Methodik und den sich daraus ergebenden Konsequenzen für die Validität der Ergebnisse analysiert. Die Daten einer im Rahmen des Infektions-epidemiologischen Netzwerks SIR durchgeführten prospektiven Kohortenstudie (SIR 3-Studie) [2], [3] werden dann verwendet, um adäquate und nichtadäquate statistische Modellierung gegenüberzustellen und die Größenordnung des möglichen Time-dependent Bias abzuschätzen. Dazu werden exemplarisch die Auswirkungen des Auftretens nosokomialer Pneumonie bzw. nosokomialer Sepsis auf die Verweildauer der Patienten auf der Intensivstation betrachtet.

Ergebnisse

Die empirischen Untersuchungen im Rahmen der SIR3-Studie zeigen, dass für die statistische Analyse der Verweildauer zwei Punkte von besonderer Bedeutung sind:

1.
Entlassung und Tod als konkurrierende Risiken zu betrachten,
2.
die zeitliche Abfolge der betrachteten Ereignisse in adäquater Weise zu berücksichtigen.

Für beide Aspekte bieten sich Mehr-Stadien Modelle [4] und darauf basierende statistische Methoden zur Analyse von Ereigniszeiten an.

Zusätzliche Heterogenität der Patientenpopulation kann durch Modellierung im Rahmen von Regressionsmodellen berücksichtigt werden; hierbei können im Zeitverlauf auftretende Ereignisse, wie nosokomiale Infektionen als zeitabhängige Faktoren einbezogen werden.

Diskussion

Insgesamt stellt das Phänomen des Time-dependent Bias ein nicht zu unterschätzendes Problem in Studien zur Krankenhausverweildauer dar; diese Art der Verzerrung kann jedoch durch adäquate statistische Methodik vermieden werden.


Literatur

1.
Van Walraven C, Davis D, Forster AJ, Wells GA J. Time-dependent bias was common in survival analyses published in leading clinical journals. J Clin Epidemiol 2004; 57: 672-82.
2.
Grundmann H, Bärwolff S, Schwab F, Tami A, Behnke M, Geffers C, Halle E, Gbel U, Schiller R, Jonas D, Klare I, Weist K, Witte W, Beck-Beilecke K, Schumacher M, Rüden H, Gastmeier P. How many infections are caused by patient-to-patient transmission in intensive care units? Crit Care Med 2005 (in press).
3.
Beyersmann J, Gastmeier P, Grundmann H, Bärwolff S, Geffers C, Behnke M, Rüden H, Schumacher M. Assessment of prolongation of intensive care unit stay due to nosocomial infections, using multistate models. Infect Control Hosp Epidemiol 2005 (accepted).
4.
Andersen PK, Keiding N. Multi-state models for event history analysis. Stat Methods Med Res 2002; 11:91-115.