gms | German Medical Science

54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie

07. bis 10.09.2009, Essen

Article

Send article

Wie wichtig sind die statistischen Modellannahmen bei der Anwendung von Regressionsmodellen?

Meeting Abstract

Search Medline for

  • Ralf Bender - Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen, Köln

Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie. 54. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (gmds). Essen, 07.-10.09.2009. Düsseldorf: German Medical Science GMS Publishing House; 2009. Doc09gmds137

doi: 10.3205/09gmds137, urn:nbn:de:0183-09gmds1373

Published: September 2, 2009

© 2009 Bender.
This is an Open Access article distributed under the terms of the Creative Commons Attribution License (http://creativecommons.org/licenses/by-nc-nd/3.0/deed.en). You are free: to Share – to copy, distribute and transmit the work, provided the original author and source are credited.

Outline

Text

Regressionsmodelle gehören zu den wichtigsten statistischen Techniken in der epidemiologischen Forschung [1]. Alle Regressionsmodelle besitzen statistische Modellannahmen, die für die praktische Anwendung jedoch eine unterschiedliche Bedeutung besitzen. Während manche Modellannahmen in der Praxis zumindest bei großen Stichproben vernachlässigbar sind, müssen andere von den betrachteten Daten zumindest annähernd erfüllt werden, um verlässliche Ergebnisse aus dem angewendeten Regressionsmodell zu erhalten. Es wird ein Überblick über die wichtigsten Regressionsverfahren und deren statistische Modellannahmen gegeben. Hierbei werden auch spezielle Methoden wie das Proportionale Odds Modell betrachtet [2]. Anhand von Beispielen über den Zusammenhang zwischen Rauchen und diabetischer Retinopathie wird die Bedeutung der zentralen Modellannahme des Proportionalen Odds Modells illustriert [3], [4].

Outline

References

1.
Bender R. Introduction to the use of regression models in epidemiology. In: Verma, M, Ed. Cancer Epidemiology, Vol. 1: Host Suspectibility Factors. Totowa, NJ: Humana Press; 2009. p. 179-195.
2.
Bender R, Grouven U. Ordinal logistic regression in medical research. J R Coll Physic London. 1997;31:546-551.
3.
Bender R, Grouven U. Using binary logistic regression models for ordinal data with non-proportional odds. J Clin Epidemiol. 1998;51:809-816.
4.
Chase HP, Garg SK, Marshall G, Berg CL, Harris S, Jackson WE, Hamman RE. Cigarette smoking increases the risk of albuminuria among subjects with type 1 diabetes. JAMA. 1991;265:614-617.