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

Intervention

Bewusste und geplante Veränderung einer Variablen, deren Auswirkung auf die Zielgröße von Interesse ist, in einer oder mehreren Gruppen unter sonst gleichen Umständen (ceteris paribus).Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Interventionsgruppe

Oder auch: Experimentalgruppe.

Behandlungsgruppe in einer Interventionsstudie, die Personen enthält, die die zu untersuchende Intervention erhalten (im Vergleich zur Kontrollgruppe).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

Interventionsstudie

Oder auch: Experimentelle Studie.

Prospektive Studie, bei der es das Ziel ist, durch aktive Intervention Vergleiche zwischen Interventions- und Kontrollgruppe anzustellen. Häufig verwendet in der klinischen Forschung. Ein Beispiel für eine Interventionsstudie ist die randomisierte kontrollierte Studie.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

Inzidenz

Oder auch: Inzidenzrate.

Kenngröße in der Epidemiologie. Es handelt sich um die Neuerkrankungsrate, also die Wahrscheinlichkeit dafür, dass eine willkürliche Person innerhalb des Beobachtungszeitraums erkrankt. Alle Teilnehmer:innen der Population sind dabei zu Studienbeginn nicht erkrankt. Die Inzidenz gibt somit Aufschluss darüber, wie groß das Erkrankungsrisiko für die/den Einzelne/n über den Gesamtzeitraum hinweg ist.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.

Siehe auch Prävalenz.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Kaplan-Meier-Kurve

Oder auch: Empirische Überlebenskurve.

Grafische Methode zur Darstellung von Ereigniszeitdaten. Die x-Achse stellt die Beobachtungszeit dar, die y-Achse die Kaplan-Meier-Schätzer zu dem spezifischen Zeitpunkt (wird der Tod als Ereignis betrachtet: die Schätzung der Überlebenswahrscheinlichkeit). D. h. dass die Kurve stets einen Sprung nach unten macht, sobald bei einer/-m weiteren Proband:in das untersuchte Ereignis eintritt. Scheidet ein/e Proband:in aus anderen Gründen aus der Studie aus, werden die zensierten Daten meist mit einem Kreuz oder Punkt auf der Kurve markiert.
Die Kaplan-Meier-Kurve ist gut dafür geeignet, um Überlebensraten und die mediane Überlebenszeit abzulesen.1angelehnt an Zwiener, Isabella; Blettner, Maria; Hommel, Gerhard (2011): Survival Analysis—Part 15 of a Series on Evaluation of Scientific Publications. In: Deutsches Ärzteblatt international. DOI: 10.3238/arztebl.2011.0163 und 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.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Kaplan-Meier-Schätzer

Schätzung von Überlebensraten bzw. der Wahrscheinlichkeit, dass das betrachtete Ereignis bei einem/r Proband:in in einem bestimmten Zeitraum nicht eintritt. Es können auch rechts-zensierte Daten in die Schätzung miteingehen.1angelehnt an Zwiener, Isabella; Blettner, Maria; Hommel, Gerhard (2011): Survival Analysis—Part 15 of a Series on Evaluation of Scientific Publications. In: Deutsches Ärzteblatt international. DOI: 10.3238/arztebl.2011.0163 und 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.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Kategorial

Kategoriale Variablen umfassen Variablen auf der Nominalskala und der Ordinalskala, deren Ausprägungen sich als Kategorien beschreiben lassen.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

Kausalität

Ursache-Wirkung-Beziehung. Eine kausale Beziehung zwischen zwei Variablen besagt, dass die eine Variable (Ursache) die andere (Wirkung) kausal bedingt. Somit ist Kausalität von einer Korrelation zwischen zwei Variablen zu unterscheiden.1angelehnt an Bortz, Jürgen; Schuster, Christof (2010): Korrelation. In: Jürgen Bortz und Christof Schuster (Hg.): Statistik für Human- und Sozialwissenschaftler. 7., vollständig überarbeitete und erweiterte Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 153-182, Kapitel 10.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Kohortenstudie

Oder auch: Follow-up-Studie.

Longitudinale, prospektive Studie. Eine große Gruppe vorerst nicht erkrankter und unterschiedlich exponierter (also unterschiedlichen Risikofaktoren ausgesetzten) Personen (Kohorte) wird über einen längeren Zeitraum hinweg beobachtet. Häufig ist es dann das Ziel, die Gruppe der Exponierten mit den Nichtexponierten hinsichtlich der Erkrankung zu vergleichen (siehe Risiko).1angelehnt an Weiß, Christel (2013): Risikostudien. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 241-258, Kapitel 13.4.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten

Konfidenzintervall

Aus den Daten der Stichprobe und mithilfe einer Berechnungsvorschrift erzeugtes Intervall um einen Schätzwert herum, in dem sich der tatsächliche Parameter mit einer vorher festgelegten hohen Wahrscheinlichkeit (siehe auch Grad an gewünschter Sicherheit) befindet (es kann also auch vorkommen, dass der wahre Parameter nicht im Konfidenzintervall enthalten ist). Je schmaler das Konfidenzintervall, desto größer ist die Präzision der Schätzung.1angelehnt an Weiß, Christel (2013): Schätzverfahren. In: Christel Weiß (Hg.): Basiswissen Medizinische Statistik. Mit 20 Tabellen. 6., überarbeitete Auflage. Berlin, Heidelberg: Springer (Springer-Lehrbuch), S. 147-159, Kapitel 8.Zur Erklärung auf der entsprechenden Seite im EpiBioManual.

Fußnoten