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

Schätzung von Konfidenzintervallen bei Generalized Estimating Equations in kontrollierten klinischen Studien

Meeting Abstract

Suche in Medline nach

  • Gerlinde Dahmen - Universität zu Lübeck, Lübeck
  • Andreas Ziegler - Universität zu Lübeck, Lübeck

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. Doc05gmds062

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2005/05gmds264.shtml

Veröffentlicht: 8. September 2005

© 2005 Dahmen 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

Die von Liang und Zeger [1] 1986 eingeführte Methode der Generalized Estimating Equations (GEE) erfreut sich zunehmender Beliebtheit. Die GEEs stellen eine Verallgemeinerung der verallgemeinerten linearen Modelle dar, die bei abhängigen und nicht normalverteilten Zielvariablen angewendet werden können. Die Parameterschätzer haben sehr gute asymptotische Eigenschaften. Für eine hinreichend große Stichprobe kann auch die Kovarianzmatrix des Parameterschätzers konsistent durch den robusten Varianzschätzer geschätzt werden. Bei kleinen Fallzahlen zeigt sich der robuste Kovarianzschätzer allerdings als zu liberal. Dies kann zu verfälschten Ergebnissen des robusten Wald-Tests und auch des zugehörigen Konfidenzintervals führen. Um diesem Problem zu begegnen, werden in der Literatur eine Reihe von Modifikationen vorgeschlagen.

In diesem Beitrag werden zunächst die verschiedenen Möglichkeiten zur Konstruktion von Konfidenzintervallen der GEE Parameterschätzer auch für kleine Stichproben skizziert. Anschließend werden die Verfahren unter Berücksichtigung spezieller Situationen im Rahmen klinischer Studien mit Hilfe von Monte-Carlo Simulationsstudien miteinander verglichen.

Abschließend wird die Anwendbarkeit der GEE in klinisch-therapeutischen Studien mit kleinem Stichprobenumfang diskutiert.


Literatur

1.
Liang KY, Zeger SL. Longitudinal data analysis using generalized linear models. Biometrika 1986; 73(1): 13-22