Konfidenzintervalle - Institut für Medizinische Statistik, Informatik und ...
Konfidenzintervalle - Institut für Medizinische Statistik, Informatik und ...
Konfidenzintervalle - Institut für Medizinische Statistik, Informatik und ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Gr<strong>und</strong>lagen der <strong>Medizinische</strong>n <strong>Statistik</strong><br />
Walter Lehmacher<br />
<strong>Institut</strong> für <strong>Medizinische</strong> <strong>Statistik</strong>, <strong>Informatik</strong> <strong>und</strong> Epidemiologie der Universität zu Köln<br />
1. Einleitung<br />
2. Deskriptive <strong>Statistik</strong><br />
3. Wahrscheinlichkeitsrechnung, Verteilungen<br />
4. Diagnostische Tests<br />
5. <strong>Konfidenzintervalle</strong><br />
6. Signifikanztests<br />
7. Nichtparametrische Tests<br />
8. Kontingenztafeln<br />
9. Überlebenszeitanalysen<br />
10. Korrelation, Regression<br />
11. Epidemiologie<br />
12. Versuchsplanung<br />
13. Klinische Studien<br />
14. Varianzanalysen, Verlaufskurven, Crossover, Verschiedenes<br />
2014
Gr<strong>und</strong>lagen der <strong>Medizinische</strong>n <strong>Statistik</strong><br />
Montag<br />
Deskriptive <strong>Statistik</strong><br />
Wahrscheinlichkeitsrechnung, Verteilungen, Diagnostische Tests<br />
Dienstag<br />
<strong>Konfidenzintervalle</strong><br />
Signifikanztests<br />
Mittwoch<br />
Nichtparametrische Tests<br />
Kontingenztafeln, Überlebenszeitanalysen<br />
Donnerstag<br />
Korrelation, Regression<br />
Epidemiologie<br />
Freitag<br />
Versuchsplanung, klinische Studien<br />
Varianzanalysen, Verlaufskurven, Crossover<br />
2
Schließende (inferentielle, konfirmatorische)<br />
<strong>Statistik</strong><br />
Aufgabe der inferentiellen <strong>Statistik</strong>:<br />
„Schluss von der Stichprobe auf die Gr<strong>und</strong>gesamtheit“<br />
D.h. Gewinnung von Aussagen, die allgemeingültig für die<br />
Gr<strong>und</strong>gesamtheit sind<br />
Problem: Jede Stichprobe fällt anders aus. Wie weit ist die Stichprobe<br />
(zufällig) von der Realität entfernt<br />
3
Ziele der inferentiellen <strong>Statistik</strong><br />
• Schätzung <strong>und</strong> Eingrenzung, wo ein wahrer Wert (z.B. der<br />
Erwartungswert μ) zu vermuten ist<br />
Punktschätzer <strong>und</strong> <strong>Konfidenzintervalle</strong><br />
• Entscheidung, ob Phänomene (z.B. Unterschiede,<br />
Korrelationen) rein zufällig oder systematisch (überzufällig,<br />
„signifikant“) sind<br />
Statistische Signifikanz-Tests<br />
• Methodik: Wahrscheinlichkeitsrechnung <strong>und</strong> mathematische <strong>Statistik</strong><br />
4
Beziehung zwischen Gr<strong>und</strong>gesamtheit <strong>und</strong> Stichprobe<br />
Stichprobe<br />
Stichprobe x 1 ,x 2 ,...,x N<br />
Relative Häufigkeit f = h/N<br />
Empir. Verteilungsfunktion,<br />
Summenhäufigkeitsf. F(x)<br />
Histogramm<br />
Mittelwert<br />
Varianz s 2<br />
x<br />
Korrelationskoeffizient r<br />
Gr<strong>und</strong>gesamtheit<br />
Zufallsvariable X<br />
Wahrscheinlichkeit π<br />
Theor. Verteilungsfunktion F(x)<br />
Dichte<br />
Erwartungswert μ<br />
Varianz σ 2<br />
Korrelationskoeffizient ρ<br />
empirisch geschätzte Werte<br />
wahre Parameter<br />
Schätzung<br />
Wahrheit<br />
5
Punktschätzer, Schätzwert<br />
Unbekannter („wahrer“) Parameter der Gr<strong>und</strong>gesamtheit wird durch<br />
einen aus der Stichprobe berechneten Wert (Punktschätzer,<br />
Schätzwert) geschätzt.<br />
6
Standard error of the mean (sem), Standardfehler<br />
ist die Standardabweichung des Mittelwertes:<br />
s(X) = sem<br />
<br />
<br />
n<br />
<br />
s<br />
n<br />
gibt die Genauigkeit des Mittelwerts X als Schätzwert für den<br />
Populationsmittelwert (Erwartungswert) µ an.<br />
Für N → ∞ gilt:<br />
s → σ<br />
sem = s/√n → 0<br />
7
Kastelein et al, N Engl J Med 2008; 358:1431-43<br />
8
Verteilung von<br />
X<br />
<strong>und</strong> Verteilung von X<br />
Verteilung von X<br />
m<br />
9
Verteilung von<br />
X<br />
<strong>und</strong> Verteilung von X<br />
Verteilung von X<br />
n = 4<br />
Verteilung von X<br />
m<br />
10
Verteilung von<br />
X<br />
<strong>und</strong> Verteilung von X<br />
Verteilung von X<br />
n = 9<br />
Verteilung von X<br />
n = 4<br />
Verteilung von X<br />
m<br />
11
Der zentrale Grenzwertsatz<br />
X ~ N(μ;σ 2 ) X ist normal-verteilt mit Erwartungswert μ <strong>und</strong> Varianz σ 2<br />
Z = (X - μ)/σ ~ N(0;1) Z-Transformation;<br />
Z ist normal-verteilt mit Erwartungswert 0 <strong>und</strong> Varianz 1<br />
“Standard-Normalverteilung”<br />
Z = (X - μ)/σ ~ N(0;1/N) oder Z = (X - μ)/(σ/√N) = √N (X - μ)/σ ~ N(0;1)<br />
Zentraler Grenzwertsatz:<br />
Z = √N (X - μ)/s = (X - μ)/sem ~> N(0;1)<br />
für wachsendes N<br />
gilt auch für nicht-normal-verteilte X<br />
12
Grobes 95%-Konfidenzintervall für den Mittelwert μ<br />
Ein grobes 95%-KI für den unbekannten Mittelwert μ bei einem<br />
normalverteilten Merkmal mit unbekannter Varianz σ 2 ist gegeben durch<br />
X + 2 sem<br />
d. h., der tatsächliche (aber unbekannte) Mittelwert μ der Population<br />
wird mit einer Sicherheits-(Konfidenz-)wahrscheinlichkeit von ca. 95%<br />
von diesem KI überdeckt.<br />
13
Beispiel: sem<br />
Finkelstein JS, Lee H, Burnett-Bowie S-AM, et al, 2013: Gonadal Steroids and Body Composition,<br />
Strength, and Sexual Function in Men. N Engl J Med 369, 1011-22<br />
14
Grobes 95%-Konfidenzintervall<br />
für den Erwartungswert μ eines normalverteilten Merkmals:<br />
<br />
<br />
x<br />
<br />
2<br />
; x 2<br />
≈<br />
x<br />
2s .e.m.; x 2<br />
n n <br />
s .e.m. <br />
enthält mit ca. 95%iger Sicherheit den Erwartungswert m<br />
des untersuchten Merkmals<br />
Nicht zu verwechseln mit 2-Regel:<br />
<br />
x<br />
2 ; x 2<br />
<br />
enthält ca. 95% der Werte des untersuchten Merkmals<br />
15
„sigma-Regeln“<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
Standardabweichungen<br />
-3 -2 -1 +1 +2 +3<br />
x<br />
68.3<br />
95.4<br />
99.7<br />
% der gesamten<br />
Verteilung<br />
16
Standard-Normalverteilung<br />
95%<br />
2,5% 2,5%<br />
-1,96 0 1,96<br />
17
Wichtige Quantile z q der Standard-Normalverteilung<br />
Irrtumswahrscheinlichkeit α , Sicherheitswahrscheinlichkeit 1 - α<br />
α 1 - α 1 - α/2<br />
(1 - α/2)-Quantil<br />
z (1-α/2)<br />
0,2 0,8 0,9 1,282<br />
0,1 0,9 0,95 1,645<br />
0,05 0,95 0,975 1,960<br />
0,02 0,98 0,99 2,326<br />
0,01 0,99 0,995 2,576<br />
90%-KI: z 1-α/2 = 1,645<br />
95%-KI: z 1-α/2 = 1,960<br />
99%-KI: z 1-α/2 = 2,576<br />
(Oft auch u q oder x q statt z q )<br />
18
Verteilungsfunktion von N(0;1)<br />
19
Approximatives Konfidenzintervall für Erwartungswert μ<br />
basierend auf Normal-Approximation<br />
Approximatives (1 – α)-KI:<br />
X + z (1 – α/2) sem<br />
z (1 –α/2) ist das (1 – α/2)-Quantil bzw. (1 – α/2)-Quantil der Standard-<br />
Normalverteilung N(0;1)<br />
z. B.:<br />
90%-KI: z 1- α/2 = 1,645<br />
95%-KI: z 1- α/2 = 1,960<br />
99%-KI: z 1- α/2 = 2,576<br />
20
Konfidenzintervall für den Mittelwert μ einer<br />
Normalverteilung mit unbekanntem 2<br />
Das (1-a) . 100%-KI für den unbekannten Mittelwert μ bei<br />
einem normalverteilten Merkmal mit unbekannter Varianz<br />
2 ist gegeben durch<br />
<br />
<br />
x<br />
t<br />
n<br />
s<br />
1 ( 1a<br />
/ 2 ) ; x t<br />
n1<br />
( 1a<br />
/ 2<br />
n<br />
) <br />
s<br />
n<br />
<br />
<br />
,<br />
wobei t n-1 (1-a/2) das (1-a/2) . 100%-Quantil der t-Verteilung mit<br />
n - 1 Freiheitsgraden bezeichnet.<br />
21
Dichte der Student t-Verteilung<br />
Standardnormalverteilung:<br />
t-Vtl. mit df<br />
t-Vtl. mit 12 df<br />
t-Vtl. mit 6 df<br />
t-Vtl. mit 3 df<br />
-3 -2 -1 0 1 2 3<br />
22
(1 - α/2)-Quantil t df<br />
(1 - α/2) der t-Verteilung<br />
(α/2) . 100%<br />
(1 - α) . 100%<br />
(α/2) . 100%<br />
- t df<br />
(1- α/2)<br />
0<br />
t df<br />
(1- α/2)<br />
23
Quantile der t-Verteilung t df<br />
(1 α) <strong>und</strong> t df<br />
(1 α/2) für<br />
ausgewählte a <strong>und</strong> Freiheitsgrade df<br />
a 0.10 0.05 0.01<br />
(1 a) (1 a/2) 0.90 0.95 0.95 0.975 0.99 0.995<br />
df t df (0.9) t df (0.95) t df (0.95) t df (0.975) t df (0.99) t df (0.995)<br />
4 1.533 2.132 2.132 2.776 3.747 4.604<br />
5 1.476 2.015 2.015 2.571 3.365 4.032<br />
6 1.440 1.943 1.943 2.447 3.143 3.707<br />
7 1.415 1.895 1.895 2.365 2.998 3.499<br />
8 1.397 1.860 1.860 2.306 2.896 3.355<br />
9 1.383 1.833 1.833 2.262 2.821 3.250<br />
10 1.372 1.812 1.812 2.228 2.764 3.169<br />
11 1.363 1.796 1.796 2.201 2.718 3.106<br />
12 1.356 1.782 1.782 2.179 2.681 3.055<br />
13 1.350 1.771 1.771 2.160 2.650 3.012<br />
14 1.345 1.761 1.761 2.145 2.624 2.977<br />
15 1.341 1.753 1.753 2.131 2.602 2.947<br />
20 1.325 1.725 1.725 2.086 2.528 2.845<br />
25 1.316 1.708 1.708 2.060 2.485 2.787<br />
30 1.310 1.697 1.697 2.042 2.457 2.750<br />
40 1.303 1.684 1.684 2.021 2.423 2.704<br />
60 1.296 1.671 1.671 2.000 2.390 2.660<br />
100 1.290 1.660 1.660 1.984 2.364 2.626<br />
200 1.286 1.653 1.653 1.972 2.345 2.601<br />
500 1.283 1.648 1.648 1.965 2.334 2.586<br />
1000 1.282 1.646 1.646 1.962 2.330 2.581<br />
1.282 1.645 1.645 1.960 2.326 2.576<br />
24
Beispiel<br />
In einem Labor werden bei der Bestimmung eines Enzyms die folgenden<br />
Messwerte (I.E.) ermittelt:<br />
23.9, 20.0, 22.3, 21.4, 22.9, 20.9<br />
Man berechne das 95%-KI für den Erwartungswert der Enzymbestimmung.<br />
Lösung<br />
n = 6 gegeben, unbekannt,<br />
x 21.9<br />
s<br />
<br />
6 1<br />
2<br />
2<br />
(<br />
23.<br />
9 21.<br />
9 ) ( 20.<br />
0 21.<br />
9 ) <br />
( 20.<br />
9 21.<br />
9 ) 1.<br />
416<br />
1 2<br />
<br />
<br />
95% - KI <br />
<br />
21.9 -<br />
<br />
20.<br />
41;<br />
23.<br />
39<br />
<br />
<br />
1.416<br />
2.571<br />
6<br />
1.416 <br />
; 21.9 2.<br />
571<br />
<br />
6<br />
<br />
<br />
25
Quantile der t-Verteilung (t df<br />
(1 a) <strong>und</strong> t df<br />
(1 a/2)) für<br />
ausgewählte a <strong>und</strong> Freiheitsgrade df<br />
a 0.10 0.05 0.01<br />
(1 a) (1 a/2) 0.90 0.95 0.95 0.975 0.99 0.995<br />
df t df (0.9) t df (0.95) t df (0.95) t df (0.975) t df (0.99) t df (0.995)<br />
4 1.533 2.132 2.132 2.776 3.747 4.604<br />
5 1.476 2.015 2.015 2.571 3.365 4.032<br />
6 1.440 1.943 1.943 2.447 3.143 3.707<br />
7 1.415 1.895 1.895 2.365 2.998 3.499<br />
8 1.397 1.860 1.860 2.306 2.896 3.355<br />
9 1.383 1.833 1.833 2.262 2.821 3.250<br />
10 1.372 1.812 1.812 2.228 2.764 3.169<br />
11 1.363 1.796 1.796 2.201 2.718 3.106<br />
12 1.356 1.782 1.782 2.179 2.681 3.055<br />
13 1.350 1.771 1.771 2.160 2.650 3.012<br />
14 1.345 1.761 1.761 2.145 2.624 2.977<br />
15 1.341 1.753 1.753 2.131 2.602 2.947<br />
20 1.325 1.725 1.725 2.086 2.528 2.845<br />
25 1.316 1.708 1.708 2.060 2.485 2.787<br />
30 1.310 1.697 1.697 2.042 2.457 2.750<br />
40 1.303 1.684 1.684 2.021 2.423 2.704<br />
60 1.296 1.671 1.671 2.000 2.390 2.660<br />
100 1.290 1.660 1.660 1.984 2.364 2.626<br />
200 1.286 1.653 1.653 1.972 2.345 2.601<br />
500 1.283 1.648 1.648 1.965 2.334 2.586<br />
1000 1.282 1.646 1.646 1.962 2.330 2.581<br />
1.282 1.645 1.645 1.960 2.326 2.576<br />
26
<strong>Konfidenzintervalle</strong> (KI) für einen Erwartungswert μ<br />
Grobes 95%-KI:<br />
X + 2 sem d. h. [X - 2 sem bis X + 2 sem ]<br />
Approximatives 95%- KI:<br />
(Normal-Approximation; zentraler Grenzwertsatz)<br />
X + 1,96 sem<br />
Approximative (1 – α)-KI:<br />
(basiert auf Normal-Approximation)<br />
X + z (1 – α/2) sem<br />
Exaktes (1 – α)-KI:<br />
(basiert auf t-Verteilung)<br />
X + t (N-1);(1 – α/2) sem<br />
27
Konfidenzintervall (KI)<br />
• Ein Konfidenzintervall beschreibt einen Wertebereich, der mit einer<br />
vorgegebenen hohen Wahrscheinlichkeit den Populationsparameter<br />
enthält<br />
• Allgemeines Konstruktionsprinzip eines KI:<br />
Stichproben-<strong>Statistik</strong> ± Kritischer Wert ● se<br />
x + 2 sem<br />
28
Dot plot for item asking patients how reassured they were by the exercise stress<br />
test after testing and at one month follow-up in experimental groups, including<br />
means (95% confidence intervals)<br />
Petrie, K. J et al. BMJ 2007;334:352<br />
Copyright ©2007 BMJ Publishing Group Ltd.<br />
29
Total Hamilton depression scores over time (intention to<br />
treat analysis, means and 95% confidence intervals)<br />
Szegedi, A et al. BMJ 2005;330:503<br />
Copyright ©2005 BMJ Publishing Group Ltd.<br />
30
Beispiel: 95%-KI für unbekannte Mittelwerte μ<br />
Tewes et al, 2006: Insulinpflichtiger Typ-2-Diabetes: Patientenzentrierte Schulung verbessert die<br />
Stoffwechsellage. Dtsch Ärztebl 2006, A341-5<br />
31
Graph summarizes the data from Figure 1<br />
Copyright ©Radiological Society of North America, 2003 Medina, L. S. et al. Radiology 2003;226:297-301<br />
32
Auch im Fall nicht normalverteilter Daten kann bei<br />
genügend großem Stichprobenumfang die Formel<br />
<br />
<br />
x<br />
t<br />
s<br />
n1 ( 1a<br />
/ 2 ) ; x t<br />
n1<br />
( 1a<br />
/ 2<br />
n<br />
) <br />
s<br />
n<br />
<br />
<br />
zur Berechnung des Konfidenzintervalls für den<br />
Erwartungswert m benutzt werden.<br />
Gr<strong>und</strong>: Zentraler Grenzwertsatz<br />
Faustregel: n 30<br />
33
du Prel J-B, Hommel G, Röhrig B, Blettner M, 2009:<br />
Konfidenzintervall oder p-Wert Teil 4 der Serie zur Bewertung<br />
wissenschaftlicher Publikationen. Dtsch Arztebl 106, 335–9<br />
Breite des Konfidenzintervalls<br />
34
Konfidenzintervall für μ 1 - μ 2<br />
bei 2 unabhängigen Stichproben<br />
X 1 ,X 2 ,...,X n <strong>und</strong> Y 1 ,Y 2 ,...,Y m 2 unabhängige Stichproben eines normalverteilten<br />
Merkmals mit Mittelwerten μ 1 bzw. μ 2 <strong>und</strong> Varianz σ 2<br />
Konfidenzintervall für μ 1 - μ 2 :<br />
x<br />
<br />
y<br />
<br />
t<br />
nm<br />
1<br />
2(1<br />
a / 2) s <br />
n<br />
1<br />
m<br />
Beispiel: Krankheitsdauer in Tagen:<br />
Gruppe 1 (neue Therapie): 9, 7, 9, 11, 6, 11, 11, 8 (9)<br />
Gruppe 2 (Standard): 7, 8, 11, 11, 10, 9, 11, 13 (10)<br />
p = 0,317<br />
1 1<br />
95%-KI = 1<br />
2.145 3.71<br />
[ 3.066 ;1.066 ]<br />
8 8<br />
95%-KI enthält die 0, („kein Effekt“), deshalb kann die Nullhypothese „kein<br />
Effekt“ nicht abgelehnt werden.<br />
35
Beispiel: Krankheitsdauer<br />
Gruppenstatistiken<br />
Krankheitsdauer<br />
Gruppe<br />
Neue Therapie<br />
Standard-Therapie<br />
N<br />
Standardf e<br />
Standardab hler des<br />
Mittelwert weichung Mittelwertes<br />
8 9,0000 1,92725 ,68139<br />
8 10,0000 1,92725 ,68139<br />
Krankheitsdauer<br />
Varianzen sind gleich<br />
Varianzen sind nicht<br />
gleich<br />
Lev ene-Test der<br />
Varianzgleichheit<br />
Test bei unabhängigen Stichproben<br />
T-Test f ür die Mittelwertgleichheit<br />
95% Konfidenzintervall<br />
Mittlere Standardfehle der Dif f erenz<br />
F Signif ikanz T df Sig. (2-seitig) Dif f erenz r der Dif ferenz Untere Obere<br />
,000 1,000 -1,038 14 ,317 -1,0000 ,96362 -3,06677 1,06677<br />
-1,038 14,000 ,317 -1,0000 ,96362 -3,06677 1,06677<br />
36
HOPE-Studie<br />
Beispiel:<br />
K = 6<br />
α/6 = 0,833%<br />
99,2%-KIs<br />
The CATT Research Group, 2011: Ranibizumab and<br />
Bevacizumab for Neovascular Age-Related Macular Degeneration. N Engl J Med 364, 1897-908<br />
37
Forest Plot of the long term effect of Orlistat<br />
compared with placebo on weight change<br />
Sedgwick P BMJ 2011;342:bmj.d540<br />
©2011 by British Medical Journal Publishing Group<br />
38
Beispiel<br />
71 von 207 Uni-Bediensteten leiden an Rückenschmerzen.<br />
f = r = p = 71/207 = 34,3 % .<br />
Wie genau ist diese Schätzung bzw. rel. Häufigkeit<br />
In welchem Bereich/Intervall liegt die tatsächliche Prävalenz π <br />
39
Approximatives KI für eine Rate π<br />
Grobes 95%-KI:<br />
r = p = f = h/N , se(r) = [r(1 – r)/N] ½<br />
r + 2 se(r) [ r - 2 se(r) bis p + 2 se(r) ]<br />
Approximatives 95%-KI: (basiert auf Normal-Approximation; zentraler Grenzwertsatz)<br />
r + 1,96 se(p)<br />
Approximatives (1 – α)-KI:<br />
(basiert auf Normal-Approximation)<br />
r + z (1 – α/2) se(p)<br />
40
Approximatives KI für eine unbekannte Rate π<br />
Für genügend großes n ist<br />
<br />
<br />
<br />
f<br />
u<br />
<br />
f<br />
(<br />
1<br />
f)<br />
;f<br />
n<br />
u<br />
1a<br />
2<br />
1a<br />
2<br />
<br />
f<br />
(<br />
1<br />
f)<br />
n<br />
<br />
<br />
<br />
ein approximatives (1 - a) . 100%-KI für p.<br />
f = H/n<br />
Faustregel: n 30<br />
41
Beispiel<br />
71 von 207 Uni-Bediensteten leiden an Rückenschmerzen.<br />
Berechnen Sie das 95%-KI für die Prävalenz der Rückenbeschwerden.<br />
Lösung<br />
r = h/n = 71/207 = 0,343<br />
Approx. 95%-KI für π:<br />
<br />
0.<br />
343 (<br />
1<br />
0.<br />
343 )<br />
0.<br />
343 (<br />
1<br />
0.<br />
343 ) <br />
0. 343 1.<br />
96<br />
; 0.<br />
343 1.<br />
96<br />
<br />
207<br />
207<br />
<br />
<br />
<br />
<br />
0.<br />
278 ; 0.<br />
408<br />
<br />
42
<strong>Konfidenzintervalle</strong> für Prävalenzen: Beispiel<br />
Schmitz R, Poethko-Müller C, Reiter S, Schlaud M, 2011:<br />
Impfstatus <strong>und</strong> Ges<strong>und</strong>heit von Kindern <strong>und</strong> Jugendlichen: Ergebnisse des Kinder- <strong>und</strong><br />
Jugendges<strong>und</strong>heitssurveys (KiGGS) Dtsch Arztebl Int 108, 99-104<br />
43
Binomial-Verteilung<br />
P(X = x), with n = number of trials, π = probability of success<br />
n!<br />
x<br />
P( X x)<br />
p<br />
<br />
x!(<br />
n x)!<br />
<br />
n<br />
x<br />
1p<br />
, for x 0,1,2,...n<br />
44
P(X=k)<br />
π = 0,5 , N = 20, Anzahl der Erfolge X ist binomial-verteilt<br />
0,2<br />
0,15<br />
0,1<br />
0,05<br />
0<br />
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20<br />
Ablehnbereich Annahmebereich<br />
k<br />
Ablehnbereich<br />
45
Exakte <strong>Konfidenzintervalle</strong>: Ablese-Beispiele<br />
N = 100 , A = 0 Nebenwirkungen: Nebenwirkungsrate = 0 %<br />
95%-KI = ( 0,0 % - 3,62 % )<br />
N = 100 , A = 60 Erfolge: Erfolgsrate = 60 %<br />
95%-KI = ( 49,72 % - 69,67 % )<br />
47
Additional Analyses on Diagnostic Accuracy of Computed Tomographic<br />
Angiography and Magnetic Resonance Angiography<br />
Vasbinder GBC et. al. Ann Intern Med 2004;141:674-682<br />
48
Löwel, Meisinger, Heier, Hörmann, von Scheidt, Dtsch Ärztebl 2006, 616-622<br />
49
<strong>Konfidenzintervalle</strong> für Prävalenzen: Unterschiede<br />
Schmitz R, Poethko-Müller C, Reiter S, Schlaud M, 2011: Impfstatus <strong>und</strong> Ges<strong>und</strong>heit von Kindern <strong>und</strong><br />
Jugendlichen: Ergebnisse des Kinder- <strong>und</strong> Jugendges<strong>und</strong>heitssurveys (KiGGS). Dtsch Arztebl 108, 99-104<br />
50
Konfidenzintervall für Differenz von 2 Raten π I <strong>und</strong> π K<br />
r I = a / N I <strong>und</strong> r K = c / N K relative Häufigkeiten<br />
(1 – α)-KI = r I – r K ± z 1–a/2 se( r I – r K )<br />
= r I – r K ± z 1–a/2 [r I (1 – r I )/N I + r K (1 – r K ) / N K ] 1/2<br />
1 – a = 0,95: z 1–a/2 = 1,96<br />
51
Beispiel<br />
Interventions-Gruppe: r I = 90 / 100<br />
Kontroll-Gruppe: r K = 78 / 100<br />
(1 – α) = 0,95 Konfidenzwahrscheinlichkeit<br />
d = r I – r K = 0,90 – 0,78 = 0,12 = 12 %<br />
0,12 ± 1,96 (0,78 x 0,22 / 100 + 0,9 x 0,1 / 100) 1/2<br />
± 1,96 (0,05)<br />
± 0,1<br />
95%-KI = (0,02 – 0,22) = (2 % – 22 %)<br />
p = 0,0327<br />
52
E<br />
Dabi<br />
183<br />
36,4%<br />
320 503<br />
Enox<br />
193<br />
37,7%<br />
319 512<br />
RD = -1,3% , 95%-KI = (-7,3% – +4,6%)<br />
53
Beispiel<br />
Riva<br />
E<br />
18<br />
1,1%<br />
1577 1595<br />
RD = -2,6% , 95%-KI = (-3,7% – -1,5%)<br />
RR = 18/1595 / 58/1558 = 0,303<br />
Enox<br />
58<br />
3,7%<br />
1500 1558<br />
OR = 18/1577 / 58/1500 = 0,295<br />
95%-KI = (0,173 – 0,503)<br />
Eriksson BI et al for the RECORD1 Study Group, 2008: Rivaroxaban versus Enoxaparin for<br />
Thromboprophylaxis after Hip Arthroplasty. N Engl J Med 358, 2765-75<br />
54
Beispiel<br />
Margolis KL et al, 2013: Effect of Home Blood Pressure Telemonitoring and Pharmacist Management<br />
on Blood Pressure Control. A Cluster Randomized Clinical Trial. J Am Med Ass 310, 46-56<br />
55
Konfidenzintervall für relatives Risiko bei Kohortenstudien<br />
Relatives Risiko:<br />
RR = [A / (A + B)] / [C / (C + D)]<br />
Var (ln RR) = B/(A(A + B)) + D/(C(C + D))<br />
se (ln RR) = [ B/(A(A + B)) + D/(C(C + D)) ] 1/2<br />
(1 - α)-Konfidenzintervall:<br />
KI RR<br />
= exp { ln RR ± z 1-α/2<br />
[ B/(A(A + B)) + D/(C(C + D)) ] 1/2 }<br />
= RR exp { ± z 1-α/2 [ B/(A(A + B)) + D/(C(C + D)) ] 1/2 }<br />
z 1–α/2 ist das (1-α/2)-Quantil einer Standard-Normalverteilung,<br />
z. B.: α = 0,05: z 1–α/2 = 1,96<br />
W Lehmacher 2014-01-16<br />
56
Beispiel: KI für RR<br />
Forest plot of the effectiveness of dexamethasone compared with placebo in preventing the<br />
recurrence of acute severe migraine headache in adults<br />
©2011 by British Medical Journal Publishing Group<br />
Sedgwick P BMJ 2011;342:bmj.d45
Beispiel<br />
• Meta-Analyse von 7 Studien (Crowley, P. et al., 1990)<br />
– Behandlung drohender Frühgeburtlichkeit<br />
– Induktion der kindlichen Lungenreifung mit Kortikosteroiden<br />
– Primärer Endpunkt: Kindes-Mortalität; die Kinder von<br />
steroidbehandelten Müttern starben 30-50% seltener als die Kinder von<br />
Kontrollmüttern.<br />
• Eine der ersten Meta-Analysen, die heutigen Qualitätsansprüchen genügt.<br />
• Logo der Cochrane Collaboration:<br />
58
Beispiel: Subgruppenanalyse<br />
Yusuf et al, 2000, N Engl J Med, 145-53<br />
59
Interpretation des Konfidenzniveaus<br />
Man hat eine Methode verwendet, die mit Wahrscheinlichkeit 1 - α richtig<br />
ist,<br />
d.h. dass das (1 - α)-KI den unbekannten Parameter auch tatsächlich<br />
enthält.<br />
Anders ausgedrückt:<br />
Berechnet man sehr viele <strong>Konfidenzintervalle</strong> aus derselben<br />
Gr<strong>und</strong>gesamtheit, so liegt in ungefähr<br />
(1 - α) . 100% der <strong>Konfidenzintervalle</strong> der wahre Parameter darin.<br />
„Häufigkeitsinterpretation des Konfidenzniveaus“<br />
60
(1 – α-Konfidenzintervall<br />
Ein Konfidenzintervall (Vertrauensintervall) zur<br />
Konfidenzwahrscheinlichkeit 1 - a (z. B. = 95%) ist ein Intervall, das<br />
den gesuchten Wert (Parameter) (mindestens) mit Wahrscheinlichkeit<br />
1 - α enthält.<br />
„Für den wahren Wert gilt, dass er mit einer Wahrscheinlichkeit von<br />
95% durch das KI überdeckt wird“<br />
☞<br />
Der wahre Wert (Parameter) liegt mit 95% Sicherheit im 95%-KI.<br />
(z. B. ein Erwartungswert μ oder eine Wahrscheinlichkeit π der<br />
Gr<strong>und</strong>gesamtheit)<br />
61
95%-<strong>Konfidenzintervalle</strong> für unbekannten Mittelwert μ<br />
μ<br />
<br />
1<br />
2<br />
3<br />
4<br />
5<br />
6<br />
7<br />
8<br />
9<br />
10<br />
11<br />
12<br />
13<br />
14<br />
15<br />
16<br />
17<br />
18<br />
19<br />
20<br />
Stichprobe<br />
In ca. 95% der <strong>Konfidenzintervalle</strong> ist der wahre Parameter μ tatsächlich enthalten<br />
62
Verschiedene Entscheidungen in Abhängigkeit der<br />
Lage des Konfidenzintervalls<br />
– d 0 d tatsächlicher Unterschied D<br />
<<br />
| | | ><br />
(------------) Überlegenheit<br />
Superiority<br />
(------------) Relevante Überlegenheit<br />
Relevant Superiority<br />
(------------) Äquivalenz<br />
Equivalence<br />
(------------------------) Nicht-Unterlegenheit<br />
Non-Inferiority<br />
63
Possible Scenarios of Observed Treatment Differences for<br />
Adverse Outcomes (Harms) in Noninferiority Trials<br />
Copyright restrictions may apply.<br />
Piaggio, G. et al. JAMA 2006;295:1152-1160.<br />
64
Äquivalenz<br />
65
Superiority/Equivalence/Non-Inferiority<br />
66
Literatur<br />
Medina LS, Zurakowski D, 2003: Measurement Variability and Confidence<br />
Intervals in Medicine: Why Should Radiologists Care Radiology 226, 297–<br />
301<br />
du Prel J-B, Hommel G, Röhrig B, Blettner M, 2009: Konfidenzintervall oder p-<br />
Wert Teil 4 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch<br />
Arztebl 106, 335–9<br />
67
Übersicht<br />
• Konfidenzintervall: Definition <strong>und</strong> Interpretation<br />
• KI für (unbekannte) Mittelwerte<br />
• KI für Differenzen von 2 Mittelwerten<br />
• KI für (unbekannte) Raten (Wahrscheinlichkeiten)<br />
• KI für Differenzen von 2 Raten (Wahrscheinlichkeiten)<br />
Statistics is the only profession which demands the<br />
right to make mistakes 5% of the time<br />
Anonymous quotation<br />
68