Welchen Statistik_Test bei niedriger Fallzahl??

[Pinsel]

Hallöle!

Kann mir jemand sagen, welchen Statistik-Test man anwendet, wenn man im Bereich Medizin promoviert und eine klinische Studie mit einer sehr geringen Fallzahl, ca. 25-30 Fälle, auswertet?
Danke im Voraus für die Antworten!

VG,

Pinsel

[Mathilda]

Hallo Pinsel,

was willst Du denn testen? Davon hängt´s wohl ab

Viele Grüße
Mathilda

[holladiewaldfee]

Das fragte ich mich auch gerade

Ich vermute, es geht um den Vergleich Medi / Placebo? EVTL. hilft Dir der Kolmogorow-Smirnow-Test weiter, der ist fuer kleine Fallzahlen geeignet.

LG hdwf

[Pinsel]

Erstmal danke für Euer Interesse!
Wir vergleichen klinische Verläufe von einer bestimmten Erkrankung. Es werden also beispielsweise Blutwerte, Symptome und evtl. geschlechtsspezifische Unterschiede verglichen. Könntet Ihr nun meine Frage beantworten?
VG,

Pinsel

[Rahel]

Hallo Pinsel

Wichtiger als die Tests sind ein sauberes Untersuchungsdesign und deine Hypothesen, die du verifizierst oder verwirfst und diskutierst. Bereits eine schöne deskriptive Analyse z. B. mit Häufigkeiten (N aber keine Prozentangaben bei der Fallzahl) Mittelwerten, Standardabweichung/-fehler und evt. Säulendiagrammen und Tabellen erlaubt nachvollziehbare Aussagen. Es kommt etwas auf die Verteilung deiner Daten an, wie statistisch aussagekräftig deine Berechnungen sind/werden: Noramlverteilung? – sonst evt. transformieren/logarithmisieren oder nicht parametrische Tests verwenden (je nach Zellbesetzung z. B. Chi-Quadrat. Das würde ich ausprobieren). Wie gross ist etwa die Standardabweichung? Grundsätzlich sollten meiner Meinung nach t-Tests aber auch die genaueren Varianzanalysen möglich sein (Blutwerte usw. liegen auf metrischem Skalenniveau vor – wie praktisch!) Du kannst auch Unterschiede zwischen statistischer und praktischer Signifikanz diskutieren. Viel Spass!

LG, Rahel

[Mathilda]

Hallo Pinsel,

da stimme ich erst mal Rahel zu!
Du müsstest Dir erst mal überlegen, was genau Du da überhaupt testest (sorry für die Wiederholung). Du sagst, Du vergleichst unterschiedliche Krankheitsverläufe, scheinbar in Abhängigkeit zu bestimmten Variablen?Was möchtest Du dann testen? Zusammenhänge? Unterschiede? Wie sind die Daten skaliert? Davon hängt schon mal ziemlich ab, welche Tests in Frage kommen. Es gibt da so einen hübschen Entscheidungsbaum: http://www.vislab.ch/Lehre/EST/Entscheidungsbaum_SPSS.pdf - der kann schon mal für den Einstieg helfen.
Ich würde mir außerdem ein paar vernünftige Bücher dazu besorgen (z.B. Bortz/Döring oder Brosius: SPSS, mein absoluter Erklärungs-Favorit) und dann für jeden bei Deinen Fragestellungen möglichen Test nachsehen, ob der auch für geringe Fallzahlen geeignet ist.

Viel Erfolg!

Mathilda

[Pinsel]

Danke für Eure Antworten!!
Wie Ihr vielleicht merkt, bin ich noch ziemlich unerfahren, was meine Doktorarbeit angeht, habe auch erst begonnen und bin jetzt halt dabei, mich hinein zu finden. Deshalb helfen mir Eure Antworten auf jeden Fall weiter!
Ja, wir vergleichen z. B. Blutwerte von den Patienten und schauen beispielsweise, ob es Unterschiede gibt bei Männlein und Weiblein. Oder eben auch Zusammenhänge zwischen Blutwerten und vielleicht schweren Krankheitsverläufen
Mathilda, danke für Deinen Link und was meinst Du genau damit, wenn Du fragst, wie denn die Daten skaliert sind? Sorry, für die vielleicht dumme Frage.
VG,

Pinsel

[Mathilda]

Hallo Pinsel,

das Skalenniveau der Daten ist ein sehr wesentliches Merkmal (eigentlich DAS Merkmal) von Daten, das unter anderem entscheidet, welche statistischen Verfahren man anwenden kann. Da solltest Du Dir auf jeden Fall das Grundlagenkapitel eines Statistik-Buches ansehen!! Ehrlich, sehr wichtig.
Mal ganz grob, damit Du weißt, worum es geht: Die "simpelste" Skalierung ist die nominale Skalierung. Nominal ist z.B. die Unterteilung in männlich/weiblich. Diese Art von Daten "benennt" nur Ausprägungen; sie stehen in keiner Reihenfolge oder Wertung (weiblich ist mehr als männlich >> unsinnig). Es gibt noch ordinale Daten (stehen in einer Rangfolge), intervallskalierte Daten (die Unterschiede sind gleich groß, z.B. ist der Abstand zwischen 10° C und 15° C genauso groß wie zwischen 15° und 20°) und Verhältnisskalen (intervallskaliert UND ein absoluter Nullpunkt ist vorhanden, z.B. Alter).

Warum ist das wichtig für die statistische Auswertung?
Mal ein Beispiel: Stell Dir vor, Du hast nominal skalierte Daten (männlich/weiblich). Die hast Du codiert in Deinem Statistik-Programm mit männlich=1 und weiblich=2. Du KÖNNTEST jetzt natürlich irgendwelche Mittelwerte daraus bilden, denn Du hast ja Zahlen - macht aber genau Null Sinn, weil die Zahlen nichts aussagen. Du hättest genauso gut männlich mit der 12.394 und weiblich mit der 354.494 belegen können oder mit x und y oder was Dir sonst Lustiges einfällt. Ähnliches gilt für ordinal skalierte Daten, mit denen man allerdings schon etwas mehr anfangen kann. Ein Beispiel: Du ordnest Geschäfte nach ihrem Preisniveau. Aldi=1, Plus=2, Rewe=3 oder so. Die Unterschiede zwischen 1, 2 und 3 sind aber unterschiedlich groß - es machen also sehr viele statistische Operationen wieder keinen Sinn.

So, kleiner Klugschei*er-Exkurs beendet Wenn Du noch so am Anfang stehst, würde Dir bestimmt ein Einführungs-Statistik-Buch helfen, um einen ersten Überblick zu bekommen.

Viele Grüße
Mathilda

[Rahel]

Ich sehe das genau so, wie Mathilda ... ! und das wirklich schöne ist (möchte ich ergänzen), dass Blutwerte usw. metrisches Skalenniveau haben. Dieses ist für verschiedene Tests - z. B. für die Varinzanalyse, mit der du die Unterschiede von Blutwerten bei Frauen und Männern berechnen könntest - Voraussetzung. Neben einem statistischen Grundlagenbuch finde ich (gerade für Mediziner) auch das (zwar nicht mehr ganz neue Buch) „Publish or Perish“, dt. mit dem Untertitel: Wie man einen wissenschaftlichen Beitrag schreibt, ohne die Leser zu langweilen oder die Daten zu verfälschen, echt hilfreich.

LG, Rahel

[Sebastian]

• Bortz/Döring
  Das zitierte Buch bei Amazon ansehen/kaufen...
  
• Brosius: Mehrere ähnliche Bücher, konnte ich nicht sicher identifizieren
• Publish or Perish: Wie man einen wissenschaftlichen Beitrag schreibt, ohne die Leser zu langweilen oder die Daten zu verfälschen von George M. Hall
  Das zitierte Buch bei Amazon ansehen/kaufen...