STATISTIK-FORUM.de

[Quarkfreak]

Hi,
Ich sitze an einem Projekt, das die Leistungsfähigkeit eines neuartigen Testansatzes in der Früherkennung krankhafter Prozesse zum Gegenstand hat. Ziel ist es, drei Meßwerte so miteinander zu kombinieren, dass anhand eines Indikators differentialdiagnostische Zuordnungen gemacht werden können.

Kurze Erklärung:
Es werden 3 Gruppen von Patienten mit unterschiedlichen Erkrankungen verglichen.
Als Untersuchung der Merkfähigkeit dient ein Test mit jeweils 3 Durchgängen pro Person, welcher die Wiedererkennung von Bildmaterial beinhaltet.
Da die Patienten von einem unterschiedlichen Ausgangsniveau starten, gilt es, dieses, und die Entwicklung der individuellen Testleistung zu berücksichtigen und hierbei einen Wert zu ermitteln, der nach Durchführung des Tests bei Patienten mit bislang unbekannter Diagnose eine Zuordnung in eine der eingangs erwähnten Patientengruppen erlaubt.

Hat jemand eine Idee, wie man eine solche Formel aufbauen könnte?

Besten Dank schon einmal!

[bele]

Hi!

Da gibt es verschiedenste Ansätze und verschiedene Geschmäcker. Mein Vorschlag wäre: Alle Daten, die Du hast, also die Testergebnisse zu den drei Zeitpunkten, die Differenzen zwischen diesen Zeitpunkten und eventuell weitere interessante Merkmale (Alter bei Diagnoseverdacht etc) in einen Klassifikationsbaum zu stecken. http://de.wikipedia.org/wiki/CART_%28Algorithmus%29 Der Vorteil eines solchen Klassifikationsbaumes ist, dass man einen lesbaren Baum erhält der sich hoffentlich inhaltlich gut interpretieren lässt. So versteht man vielleicht auch in Worten, was die Krankheiten unterscheidet. Viel schlechter interpretierbar wäre ein Random forest http://de.wikipedia.org/wiki/Random_Forest , vielleicht aber auch viel besser in der Klassifikation. Müsste man ausprobieren.

Wenn Du nach einer Formel fragst: Du kannst natürlich auch drei logistische Regressionen rechnen, die jeweils die Wahrscheinlichkeit einer der drei Diagnosen angibt (oder sonst irgendwie polinom logistisch regredieren), aber ich mag Entscheidungsbäume. Sie sind so schön intuitiv nachvollziehbar, auch wenn man kein Mathematiker ist.

Die nötige Software gibt es z. B. unter http://www.r-project.org umsonst und frei. Lesestoff:
* http://cran.r-project.org/web/packages/ ... gintro.pdf
* http://stat-www.berkeley.edu/users/brei ... c_home.htm
* http://www.stanford.edu/~stephsus/R-ran ... -guide.pdf

LG,
Bernhard