STATISTIK-FORUM.de

[Piamia222]

Hallo,

ich muss eine Studie bewerten und in der Studie ist es so, dass die Randomisierung beim Geschlecht nicht geklappt hat. Die Baseline-Daten weisen signifikante Unterschiede zwischen der Interventions- und Kontrollgruppe auf. Nun steht in der Diskussion "However, after correcting for sex, the I Group showed a statistically significant higher physical function and cognitive function than the C Group" Nun frage ich mich wie die Korrektur stattfand?

In der Studie steht noch "Differences between Groups for Patient characteristics at baseline for nominal and ordinal variables were analysed by x" tess. For continious variables, differences between Groups at baseline were analysed by linear Regression Analysis with sex as covariate".
Aber was bedeutet dieses "Sex als covariate"?

Weiterhin steht dort noch "The I Group consisted of more men than the C Group. After adjustments for sex, there was no difference in nutritional variables between Groups at baseline. In subsequent analyses, adjustments were made for baseline values and sex."
ich würde mich total freuen, wenn mir jemand helfen könnte!

Lieben Dank und viele Grüße!!

[bele]

Es ist eine lineare Regression. Man hat versucht, den Unterschied zwischen Männern und Frauen zu schätzen und herauszurechnen, allerdings nur als additive Konstante. Die Wirklichkeit könnte komplexer sein als der Rechenweg zum Ausgleichen. Wieviel weißt Du über lineare Regressionen?

[Piamia222]

Super, danke das hilft mir schon! Was bedeutet denn "additive Konstante"?

Heißt das, dass durch die lineare Regression die ungleiche Geschlechterverteilung versucht wurde zu korrigieren? Oder wurde es durch Schätzung und Herausrechnen versucht zu beheben? (Hat die Methode dann einen bestimmten Namen)?

[bele]

Hallo Piamia,

ja, man hat versucht, die Geschlechtsunterschiede heraus zu rechnen. Man macht sich dabei immer gedankliche Vorstellungen von der Art der Geschlechtseinflüsse und rechnet sie dann soweit heraus, wie das nach den Vorstellungen möglich ist. Nimmt man ein ganz einfaches Modell, dann sieht man die Geschlechtsabhängigkeit zu einfach und rechnet nur ganz einfache zu Zusammenhänge heraus. Nimmt man ein komplexes Modell, dann hat man sehr viele Freiheiten, wie man dieses gestaltet. Man macht sich dann angreifbar mit der Frage, ob man an so einem komplexen Modell so lange geschraubt hat, bis einem die Ergebnisse gepasst haben (Stichwort "researcher degree of freedom"). Deine Autoren haben den Standardweg genommen: Sehr einfache Vorstellung von den Geschlechterzusammenhängen aber auch kaum Manipulationsmöglichkeiten. Das ist etwas gutes.

Den Begriff "additive Konstante" erkläre ich an dieser Stelle nicht, weil es den Rahmen sprengen würde. Wenn Du die Methodik einer Arbeit beurteilen willst die lineare Regression verwendet, dann musst Du Dich selbst ein wenig in die lineare Regression einarbeiten oder mit dem wagen Wissen aus diesem Thread leben und ansonsten auf die Autoren der Arbeit vertrauen.

Google mal nach "researcher degree of freedom", nach dem Zitat "Alle Modelle sind falsch, aber manche sind nützlich" und bestimmt findet sich im Forum jemand, der eine gute Einführung in lineare Modelle empfehlen kann. Das ist aber nicht in einem Forumspost oder in einer halben Stunde zu erledigen.

LG,
Bernhard