gms | German Medical Science

Kongress Medizin und Gesellschaft 2007

17. bis 21.09.2007, Augsburg

Vergleich unterschiedlicher Methoden zur Analyse korrelierter Daten

Meeting Abstract

Suche in Medline nach

  • Katja Frieler - Institut für Biometrie und klinische Epidemiologie, Charité, Berlin
  • Marcus Reif - Institut für klinische Forschung, Berlin
  • Olga Jakob - Institut für Biometrie und klinische Epidemiologie, Charité; Technische Fachhochschule Berlin, Berlin
  • Marc Dewey - Institut für Radiologie, Charité, Berlin
  • Peter Martus - Institut für Biometrie und klinische Epidemiologie, Charité, Berlin

Kongress Medizin und Gesellschaft 2007. Augsburg, 17.-21.09.2007. Düsseldorf: German Medical Science GMS Publishing House; 2007. Doc07gmds095

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2007/07gmds095.shtml

Veröffentlicht: 6. September 2007

© 2007 Frieler 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/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.