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

Bias

Verzerrungen der Studienergebnisse durch systematische Fehler, sodass ggf. falsche Schlüsse gezogen werden. Somit sollte Bias vermieden werden, was z. B. durch ein geeignetes Studiendesign möglich ist. Es wird zwischen Selektionsbias, Informationsbias, Detektionsbias, Behandlungsbias und Publikationsbias unterschieden.1angelehnt an Weiß, Christel (2013): Epidemiologische Studien. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 219-240, Kapitel 12.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Binär

Eine binäre oder dichotome Variable ist eine kategoriale Variable mit genau zwei zu unterscheidenden Ausprägungen.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 2.3.3.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Biometrie

Die Wissenschaft, die sich mit Messungen an Lebewesen und den dazu erforderlichen Mess- und Auswerteverfahren beschäftigt. Sie umfasst die statistischen Methoden für die medizinische Forschung.

„Dieser Wissenschaftszweig befasst sich mit der  mathematischen Modellierung zufallsabhängiger Phänomene in Medizin, Pharmazie, Biologie und Landwirtschaft.“ 1Weiß, Christel (2013): Einleitung. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 11, Kapitel 1.

Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Bonferroni-Korrektur

Methode zur Adjustierung des α-Fehlers als Lösung des Multiplizitätsproblems. Dabei wird das Signifikanzniveau anteilig auf alle Tests aufgeteilt, indem \frac{\alpha}{\text{Testanzahl}} berechnet wird, sodass die Wahrscheinlichkeit für einen α-Fehler insgesamt wieder bei 5 % liegt.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Boxplot

Grafische Methode der deskriptiven Statistik eingeführt durch den US-amerikanischen Statistiker John W. Tukey (1977).1Tukey, John (1977): Exploratory data analysis. In: Addison-Wesley Series in Behavioral Science: Quantitative Methods. Ein Boxplot bietet die Möglichkeit, in einer Grafik gleichzeitig die zentrale Tendenz und Variabilität einer Verteilung darzustellen. Repräsentiert werden die mittleren 50% einer Verteilung, ihr Median, die 25%- und 75%-Quantile, die Werte an den Rändern der Verteilung sowie Ausreißer.2angelehnt an Bortz, Jürgen; Schuster, Christof (2010): Grafische Darstellungen vonMerkmalsverteilungen. In: Jürgen Bortz und Christof Schuster (Hg.): Statistik für Human- und Sozialwissenschaftler. 7., vollständig überarbeitete und erweiterte Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 39-47, Kapitel 3.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Chi-Quadrat-Verteilung

Neben der Normalverteilung eine weitere bedeutende Verteilung in der Statistik. Sie nimmt nur positive Werte an und ist rechtsschief verteilt. Ihre spezifische Form ist abhängig von der Anzahl an Freiheitsgraden df. Wird z. B. für die Durchführung von Chi-Quadrat-Test verwendet.1angelehnt an Weiß, Christel (2013): Verteilungen. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 115-143, Kapitel 7.4.2.

Fußnoten

Confounding

Tritt auf, wenn ein häufig nichterfasstes Merkmal im Hintergrund der Analyse (ein sogenannter Confounder) sowohl die Einflussvariable als auch das Outcome beeinflusst. Dies kann zur Vortäuschung eines kausalen Zusammenhangs führen (Scheinkorrelation), der in Wirklichkeit nur sehr schwach oder auch gar nicht vorhanden ist. Es sollte stets vor Analysebeginn über mögliche Confounder beratschlagt werden. Diese sind dann z. B. als Kovariablen in der Analyse zu berücksichtigen. Auch Randomisierung ist eine Methode, um Confounding zu vermeiden.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 2.3.2 und Kapitel 12.

Fußnoten