Glossar

A B C D E F G H I K L M N O P Q R S T Ü V W Y Z

Area under the Curve

Abkürzung: AUC.

Die Fläche unter der ROC-Kurve ist eine Kenngröße, die die Güte eines diagnostischen Tests in einer Maßzahl zusammenfasst. Eine AUC von eins bedeutet, dass der diagnostische Test 100 % akkurat zwischen Erkrankten (positives Ergebnis) und Nicht-Erkrankten (negatives Ergebnis) unterscheiden kann. Eine AUC von 0,5 beschreibt den Fall, dass der Test rein zufällig zwischen negativem und positivem Ergebnis unterscheidet. Die AUC kann Werte zwischen 0,5 und 1 annehmen.1angelehnt an Weiß, Christel (2013): Studien zu Diagnostik und Prävention. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 259–273, Kapitel 14.1.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

As-Treated

Abkürzung: AT.

Analyseverfahren bei randomisierten kontrollierten Studien. Patient:innen werden je nach erhaltener Therapie / stattgefundener Behandlung in die Analyse miteinbezogen. Therapiewechsler wechseln somit auch Analysegruppe – Studienabbrecher werden gar nicht in der Analyse berücksichtigt. 1angelehnt an Weiß, Christel (2013): Studien zu Therapie und Prognose. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 275–294, Kapitel 15.1.

Siehe auch Intention-to-Treat und Per-Protocol.

Fußnoten

Ausreißer

Werte, die entweder so hoch oder so niedrig sind, dass sie inhaltlich nicht in das Gesamtbild der Datenreihe passen und ihre Entstehung unklar ist. Es handelt sich entweder um Fehler bei der Messung oder der Dokumentation (diese sind dann in jedem Fall in der Analyse auszuschließen) oder tatsächlich um reale „Ausnahmefälle“. Die Definition eines Ausreißers und der Umgang mit Ausreißern, die keine Datenfehler sind, sollten auf inhaltlichen Überlegungen beruhen.
Ausreißer sind z. B. die Ursache für starke Abweichungen zwischen Mittelwert und Median.1angelehnt an Weiß, Christel (2013): Grundlagen. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 17–35, Kapitel 2.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Ausschlusskriterien

Festgelegte Eigenschaften, die Personen, die diese Eigenschaften aufweisen, von der Aufnahme in die Stichprobe ausschließt, auch wenn sie alle Einschlusskriterien erfüllen.1angelehnt an Weiß, Christel (2013): Studien zu Therapie und Prognose. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 275–294, Kapitel 15.1.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Balkendiagramm

Grafische Methode in der deskriptiven Statistik, um die absoluten oder relativen Häufigkeiten der Ausprägungen einer kategorialen Variablen untereinander zu vergleichen.1angelehnt an Weiß, Christel (2013): Häufigkeiten. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 37–53, Kapitel 3.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Baselinewerte

Werte einer Variablen, die oft zum Start einer Studie aufgenommen werden. Sie bilden die Grundlage (Baseline) zu der mögliche Differenzen untersucht werden können.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Bedingte Wahrscheinlichkeit

Mathematische Formulierung: P(B|A).

Die Wahrscheinlichkeit für Ereignis B unter der Bedingung, dass vorher bereits Ereignis A eingetreten ist.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Behandlungsbias

Subjektive, ungleiche Versorgung der Patient:innen im Studienverlauf, je nach Behandlungsgruppe. Kann durch doppelte Verblindung verhindert werden.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Bestimmtheitsmaß

Maß für die Güte der Vorhersage der Variable y durch die Variable x in einer linearen Regression. Der Wert des Maßes liegt zwischen 0 und 1 und gibt an, wie viel Prozent der Gesamtstreuung in y durch die Streuung in x erklärt werden kann. Ergibt sich durch Quadrieren des Pearson-Korrelationskoeffizienten.1angelehnt an Weiß, Christel (2013): Beschreibung eines Zusammenhangs. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 73-89, Kapitel 5.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten