Artikel
Umgang mit Werten unterhalb der Nachweisgrenze am Beispiel der alveolengängigen Fraktion des Schweißrauches in der WELDOX-Studie
Suche in Medline nach
Autoren
Veröffentlicht: | 20. September 2011 |
---|
Gliederung
Text
Hintergrund: In statistischen Auswertungen epidemiologischer Studien können quantitative Aussagen zur Exposition nur gemacht werden, wenn quantitative analytische Messergebnisse vorliegen. In den Fällen, in denen die Analytik kein quantitatives Messergebnis angeben kann, wird die kleinste, noch quantitativ bestimmbare Konzentration (LOQ, limit of quantification) bzw. Nachweisgrenze (LOD, limit of detection) angeführt. Für die Aufstellung von Dosis-Wirkungs-Beziehungen bieten sich verschiedene statistische Methoden an, um alle verfügbaren Informationen bestmöglich zur Substitution von Werten <LOD mit geeigneten Schätzwerten zu nutzen. Dieser Vortrag soll einen Überblick über verschiedene statistische Methoden zum Umgang mit nicht quantitativen Messwerten geben.
Material und Methoden: Anhand von Expositionsdaten gegenüber Schweißrauch in der alveolengängigen Fraktion von 241 Schweißern aus der WELDOX-Studie werden verschiedene Methoden zur Behandlung von Messwerten <LOD vorgestellt. Insgesamt lagen hier 90 Datenpunkte unterhalb der spezifischen Nachweisgrenzen. Es werden verschiedene multiple Imputationsverfahren sowie die Tobit-Regression angewendet, aber auch einfache Substitutionsverfahren, zum Beispiel durch LOD/2, oder Ausschließen der nicht quantitativen Messwerte.
Ergebnisse: Multiple Imputationsverfahren mit 1000 Iterationen und die Tobit-Regression liefern für die vorliegenden Daten vergleichbare Schätzungen für die Determinanten der Schweißrauchbelastung. Substitutionsverfahren mit festem Faktor (z.B. LOD/2) führen zu einer starken Überschätzung der Verteilung im niedrigen Schweißrauchexpositionsbereich. Weiterhin ist die LOD von der Messdauer abhängig. Da hierbei die imputierten Daten konstant sind, weisen sie eine systematisch unterschätzte Varianz auf. Das Ausschließen der Werte unterhalb der LOD (hier 37%) führt zu geringeren Fallzahlen und damit einem erheblichen Informationsverlust der Analyse.
Schlussfolgerungen: Für das vorliegende Datenmaterial konnten wir mit multiplen Imputationsverfahren und Tobit-Regression effizientere Parameterschätzungen erhalten. Für eine größere Zahl von Werten unterhalb der Nachweisgrenze sind einfache Substitutionsverfahren nicht empfehlenswert.