19

EPI (Fach) / EPI (Lektion)

EPI

Diese Lektion wurde von TheresaGo erstellt.

Lektion lernen

Diese Lektion ist leider nicht zum lernen freigegeben.

zurück  |  weiter 1 / 1

Anzeige
  • Prävalenz Was ist es? Wie rechnet man es aus? ¡bezeichnet den Anteil der Erkrankten oder Exponierten an der Bevölkerung ¡„Fotografie“ der Gesundheitswissenschaft ¡Beschreibt die Situation zu einem Zeitpunkt ¡(Punkt)Prävalenz =   (Erkrankte zum Zeitpunkt / Bevölkerung) * 100
  • Inzidenz ¡Zeigt die Dynamik oder Geschwindigkeit eines Gesundheits-problems  ¡Kumulative Inzidenz = (Neuerkrankungen im Zeitraum / Personen unter Risiko am Beginn) Alle Personen, die hier inkludiert sind müssen theoretisch erkranken können. Beispiel: Bereits HIV-Infizierte müssen zur Inzidenzberechnung herausgenommen werden.   
  • Odds Ratio ¡Mit der Vier-Feld-Tafel können wir die Odds Ratio (OR) berechnen ¡Odds = Wahrscheinlichkeit / 1 - Wahrscheinlichkeit ¡OR beschreibt den Zusammenhang, Assoziationsmaß ¡OR = Quotient aus der Odds exponiert / Odds nicht exponiert ¡OR = 1 kein Unterschied ¡OR > 1 Exponierte haben eine größere Chance zu erkranken ¡OR < 1 Exponierte haben eine niedrigere Chance zu erkranken Berechnung: AD/BC
  • Beobachtende Studien ¡Studienleitung beeinflusst nicht, sondern beobachtet ¡Aussagekraft wird geringer angesehen als beim Experiment, da die Kontrolle über alle Einflussfaktoren sehr schwierig betrachtet wird.
  • Fall Kontrolle Studien Grundlagen Retrospektiv ¡Beobachtend und rückblickend ¡Das Outcome ist bekannt (z.B. Krankheit, Impfstatus) ¡Personen mit dem Outcome sind unsere Fälle (cases) ¡Diese Vergleichen wir mit Personen, die in allen anderen Eigenschaften vergleichbar sind , aber eben das Outcome nicht haben. ¡Kontrollen, werden am besten nach dem Zufallsprinzip aus der gleichen Population der Fälle gezogen
  • Forschungsinteresse Fall Kontroll Was will die Fall Kontroll überprüfen? ¡Überprüfung, ob eine bestimmte Exposition mit dem Outcome verbunden ist. z.b handystudie - gehirntumore  ¡Risikomaß: Odds Ratio mittels Vier-Feld-Tafel ¡Risiko? ¡Schutz? ¡Kein Zusammenhang? ¡Durch die Analyse der zurückliegenden Risiken, sollen Empfehlungen für die Prävention und Gesundheitsförderung identifiziert werden.
  • matching Bei Fall-Kontroll Studien Variablen, die besonders häufig als Störfaktoren (Confounder) auftreten, sind da Alter, das Geschlecht und die soziale Lage Eine Möglichkeit um in Fall-Kontroll Studien für Störfaktoren zu kontrollieren, also den unerwünschten Einfluß dieser Faktoren auszuschalten: - Matching Beim Matching beginnt man bereits auf der Designerebene und nicht erst bei der Datenanalyse damit, für einen Störfaktor (Confounder) zu kontrollieren Paarweises Matching: Jedem Falls steht eine idente  Kontrollperson gegenüber. Die Matching-Kriterien (Alter, Geschlecht, bestimmte Determinante) wird in der Planungsphase festgelegt. ¡Mann, 38 Jahre, Hepatitis C – Koinfektion ¡Mann, 38  Jahre, keine Hepatitis C - Koinfektion ¡Frequenz-Matching: In beiden Populationen sind die definierten Matching-Kriterien im gleichen Umfang vorhanden. ¡Bei den Fällen und Kontrollen sind vergleichbare Prozentsätze von  Frauen/Männer, Altersgruppen, …
  • Warum matching? Welcher Studientyp? ¡Fall-Kontroll  Sample bei diesem Studientyp zumeist klein, wir können kaum speziell für Subgruppen auswerten ¡Matchen ist quasi  ein Tool zur Qualitätskontrolle ¡Matching darf auch nicht so angelegt sein, dass es die Studie unmöglich macht. ¡Achtung: Wenn Matching-Faktor mit der Krankheit verbundnen ist, aber nicht mit der Exposition: Analyse weniger kaum ausagekr´ftig.
  • Fall-Kontroll Vor (3) und Nachteile (3) ¡zum Beispiel die Handystudie Gut geeignet für Krankheiten mit geringer Prävalenz  ¡Meist nicht zu teuer und mit wenig Zeitaufwand machbar ¡Es können mehrere Expositionen analysiert werden ¡ ¡Qualität hängt von der Dokumentation der Patientengeschichten ab, bzw. der persönlichen Erinnerung ¡Abfolge der Events eindeutig, war die Exposition wirklich zuerst? ¡Vergleichbarkeit von Fällen und Kontroll-Personen
  • Design einer Kohorten Studie ¡Am Studienbeginn werden Vergleichsgruppen bestimmt: ¡Exponierte Personen ¡Nicht exponierte Personen ¡Diese Populationen werden über längere Zeit hin  beobachtet. ¡Auch hier interessiert uns der Zusammenhang zwischen: ¡Exposition (erklärende Variable) ¡Outcome (zu erklärende Variable) ¡Sollte unsere Annahme über diesen Zusammenhang richtig „richtig sein“, sollte die Inzidenz unterschiedlich sein.
  • Anzeige
  • Variationsmöglichkeit Kohorte ¡Wir können in Kohorten auch mehrere Expositionen vergleichen, wir brauchen aber immer zum Vergleich eine Population ohne Exposition: ¡Die Exposition(en) können je nach Design in einer experimentellen Kohorte zugeordnet sein (z.B. Medikament), oder in beobachtenden Studien auf Grund von Befragungen erhoben werden (Gesundheitsverhalten). ¡randomly allocated exposition ¡self selected
  • Bias oder Fehlerquellen in Studien Was machen gute Studien? Durch was zeichnen sich diese aus? ¡Bias bezeichnet eine systematische Abweichung der beobachteten (gemessenen) Werte von der Realität ¡Der Bias kann in allen Phasen der Studie entstehen (bis hin zum Publikationsbias) ¡Gute Studien kennzeichnen sich durch eine selbstkritische Diskussion 
  • Confounding Die Geschichte mit William Farr (Mediziner). Cholera in England. Er dachte, es wäre die schlechte Luft, aber in wirklichkeit lag es am Wasser, dass die Gruppe aus der Themes bezog. Die anderen aus einer anderen Quelle.  In der Analyse zwischen Exposition und Outcome wird eine dritte Variable (der Confounder) übersehen, die unabhängig voneinander mit beiden Variablen einen Zusammenhang hat ¡Hinter dem Confounding steht ein reales Phänomen, dass wir erkennen müssen
  • Welche Aufgaben erfüllt die Epidemiologie?   Sie vergleichen Infos, und analysieren die dimension des Problems Sie finden die Ursachen eines Gesundheitsproblems heraus und leiten Präventionsempfehlungen ab Sie analysieren den Krankheitsverlauf Sie empfehlen und evaluieren Maßnahmen Policy-Empfehlungen und Politikberater
  • Wie berechnet man die kumulative Inzidenz? (Neuerkrankungen im Zeitraum / Personen unter Risiko am Beginn) 
  • was ist die OR? Odds  Der Quotient aus der Wahrscheinlichkeit p, dass ein Ereignis eintritt und der Wahrscheinlichkeit, dass es nicht eintritt 1-p (Gegenwahrscheinlichkeit) wird Odds genannt. (siehe auch Odds Ratio)  Odds Ratio Das Odds Ratio ist das Verhältnis der Odds zweier Gruppen. Es ist eine statistische Maßzahl, die etwas über die Stärke eines Zusammenhangs von zwei Merkmalen aussagt. Das Odds Ratio wird meistens im Rahmen von Fall-Kontroll-Studien berechnet und ist dort ein Maß für die Assoziation zwischen Exposition und Erkrankung.   Odds ist der Quotient aus Wahrscheinlichkeit und Gegenwahrscheinlichkeit ¡Odds = Wahrscheinlichkeit / 1 - Wahrscheinlichkeit ¡OR beschreibt den Zusammenhang, Assoziationsmaß zwischen Exposition und Erkrankung ¡OR = Quotient aus der Odds exponiert / Odds nicht exponiert ¡OR = 1 kein Unterschied ¡OR > 1 Exponierte haben eine größere Chance zu erkranken ¡OR < 1 Exponierte haben eine niedrigere Chance zu erkranken Mit der Vier Felder Tafel kann die Odds Ration berechnet werden.  Verwendet in Fall_Kontroll Studie -> Back in Time
  • Wann ist eine Kohorte sinnvoll?   Wenn man die zeitliche Abfolge von Exposition und Outcome ermitteln will   Wenn man den Einfluss von einer oder mehrerer Expositionen auf einen Outcome untersuchen will   Wenn man eine seltene Exposition untersuchen will, denn man kann gezielt nach einer exponierten Gruppe für die Studie suchen  
  • Vorteil einer Kohorten Studie? Ermöglichen es die Inzidenzraten von Neuerkrankungen beiExponierten und Nichtexponierten zu messen und zu vergleichen
  • Was kann ich in Fall-Kontroll Studien messen? Die Odds Ration kann ich messen, also den Zusammenhang, die Assoziation zwischen Exposition und Outcome 

zurück  |  weiter 1 / 1