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

Nichtparametrische Modelle für faktorielle Diagnosestudien

Meeting Abstract

Search Medline for

  • Edgar Brunner - Georg-August-Universität Göttingen, Göttingen
  • Katharina Lange - Abteilung für medizinische Statistik Universität Göttingen, Göttingen

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. Doc09gmds129

doi: 10.3205/09gmds129, urn:nbn:de:0183-09gmds1294

Published: September 2, 2009

© 2009 Brunner et al.
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

Die Entwicklung neuer diagnostischer Verfahren erfolgt, wie auch bei Arzneimitteln und anderen medizinischen Produkten, nach strengen wissenschaftlichen und regulatorischen Richtlinien. Dabei wird, insbesondere bei bildgebenden Diagnoseverfahren, häufig gefordert, dass mehrere Reader die erhobenen Daten auswerten und eine Diagnose stellen. In Abhängigkeit von der Frage, ob für die Auswertung verschiedener Diagnoseverfahren unterschiedliches Fachpersonal erforderlich ist und von der ethischen Vertretbarkeit der Anwendung unterschiedlicher Verfahren am gleichen Patienten, entstehen hierbei vier Konstellationsmöglichkeiten für Studien.

Die hieraus entstehenden faktoriellen Designs werden in diesem Vortrag präsentiert.

Zum Vergleich diagnostischer Tests wird dabei die Theorie der Receiver Operating Characteristic (ROC) Kurve verwendet, wobei die Fläche unter der ROC-Kurve (die sog. Area Under the Curve oder AUC) sowohl bei stetigen als auch bei ordinalen Daten ein Gütemaß für einen diagnostischen Test darstellt. Basierend auf der von Brunner u.a. [1] erarbeiteten Lösung zum multivariaten nichtparamtrischen Behrens-Fisher-Problem werden Statistiken zum Testen standardmäßiger Hypothesen sowie Konfidenzintervalle für die AUC vorgestellt.

Outline

Literatur

1.
Brunner E, Munzel U, Puri ML. The multivariate nonparametric Behrens-Fisher Problem. Journal of Statistical Planning and Inference. 2002;108:37-53.