gms | German Medical Science

Kongress Medizin und Gesellschaft 2007

17. bis 21.09.2007, Augsburg

Vergleich von multiplen Testprozeduren mit Berücksichtigung kategorialer Teststatistiken bei genetischen Assoziationsstudien

Meeting Abstract

Suche in Medline nach

  • Carsten Scheuer - IMBEI, Johannes Gutenberg-Universität, Mainz, Mainz
  • Anja Victor - IMBEI, Johannes Gutenberg-Universität, Mainz, Mainz
  • John Cologne - RERF, Hiroshima, Japan, Hiroshima
  • Gerhard Hommel - IMBEI, Johannes Gutenberg-Universität, Mainz, Mainz

Kongress Medizin und Gesellschaft 2007. Augsburg, 17.-21.09.2007. Düsseldorf: German Medical Science GMS Publishing House; 2007. Doc07gmds348

Die elektronische Version dieses Artikels ist vollständig und ist verfügbar unter: http://www.egms.de/de/meetings/gmds2007/07gmds348.shtml

Veröffentlicht: 6. September 2007

© 2007 Scheuer 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 und Fragestellung: In der modernen medizinischen Forschung gehören genetische Studien zur Tagesordnung. Da hierbei meist eine größere Anzahl an Markern untersucht wird, gewinnen multiple Testverfahren an Bedeutung. Vor allem die Kontrolle der False Discovery Rate (FDR) ist derzeit ein sehr populärer Ansatz bei genetischen Fragestellungen [4]. Bei genetischen Assoziationsstudien mit Single Nucleotide Polymorphisms (SNPs) gibt es jedoch bisher kaum Untersuchungen zu Vorteilen durch Kontrolle der FDR gegenüber der FWER. Bei diesen Studien ist man mit einem breiten Spektrum verschiedener Situationen konfrontiert. Die Vielfalt der Situationen beeinflusst unter anderem den Anteil der wahren Nullhypothesen, welcher einen Einfluss auf die Unterschiede zwischen FDR und FWER hat. Des Weiteren verwendet man häufig kategoriale Teststatistiken. Dies bietet die Möglichkeit der Verwendung speziell dafür adaptierter multipler Testprozeduren. Es stellt sich daher die Frage, in welchen Situationen die Verwendung von speziell für kategoriale Teststatistiken adaptierter multipler Testprozeduren besonders in Verbindung mit Kontrolle der FDR sinnvoll ist.

Material und Methoden: Es werden Simulationen zu genetischen Assoziationsstudien mit SNPs durchgeführt. Die Grundlage der Simulationen bietet ein reeller Datensatz, so dass Abhängigkeitsstrukturen erhalten bleiben. Im Rahmen dieser Simulationen werden verschiedene einfache FWER-Kontrollprozeduren, die Tarone-Prozedur für kategoriale Teststatistiken [5], die von Hommel & Krummenauer verbesserte Tarone-Prozedur [3], die explorative Simes-Prozedur [1] und der Ansatz von Gilbert [2] untereinander verglichen. Der Fokus der Simulationen liegt darauf, Situationen zu identifizieren, in denen Unterschiede zwischen den Prozeduren bestehen.

Ergebnisse: Erwartungsgemäß ist die jeweilige Situation entscheidend für das Ergebnis. Dies gilt sowohl für die Unterschiede bei Verwendung der speziell für kategoriale Teststatistiken adaptierten Testprozeduren als auch für die Unterschiede zwischen den FDR und FWER Kontrollprozeduren. Der erhoffte Gewinn durch Nutzung der speziell für kategoriale Teststatistiken entwickelten Testprozeduren zeigt sich nur bei geringer Fallzahl.

Diskussion: Es gibt derzeit in der genetischen Forschung die Hoffnung dass durch neuere Prozeduren und alternative Fehlerdefinitionen deutlich mehr Ablehnungen möglich sind. Jedoch ist der mögliche Gewinn stark von der Studiensituation abhängig.


Literatur

1.
Benjamini Y, Hochberg Y. Controlling the false dicovery rate: a practical and powerful approach to multiple testing. JRSS B. 1995;57:289-300.
2.
Gilbert PB. A modified false discovery rate multiple-comparisons procedure for discrete data, applied to human immunodeficiency virus genetics. Applied Statistics. 2005;44:143-58.
3.
Hommel G, Krummenauer F. Improvements and modifications of Tarone`s multiple test procedure for discrete data. Biometrics. 1998;54:673-81.
4.
Storey JD, Tibshirani R. Statistical significance in genomewide studies. Proceedings of the National Academy of Science USA. 2003;100:9440–5.
5.
Tarone RE. A modified Bonferroni method for discrete data. Biometrics. 1990;46:515–22.