STATISTIK-FORUM.de

[mariu]

Hi
Gegeben sind bei einer postoperativen Beurteilung:
- Heilungsverlauf (regelrecht vs. verzögert, nominal)
- Auftreten einer Komplikation (ja vs. nein, ebenfalls nominal)
- BMI (metrisch?)
- Punktewert (Foodscore) von 1-100 je nach Ernährung (müsste ja auch metrisch sein(?)).
Nach Shapiro Wilk ist der Foodscore nicht normalverteilt. Der Bmi einmal ja, zu einem späteren Befragungszeitpunkt schon.(?)

Bei meinem Statistik Modul hängen geblieben ist:
Pearson Korrelation benutzte ich bei metrischen Variablen. Spearman bei ordinalen.

Was mach ich jetzt aber wenn ich Korrelation zwischen einer Variablen mit nominalem Messniveau (also zB Heilungsverlauf oder Komplikation) und eine metrische Variable korrelieren lassen will?
Bei einer Kombination Spearman, ist das richtig?
Und muss ich ggf. noch was beachten, noch was machen, oder auf irgendwas testen etc.?

äußerst dankbare Grüße,
marius

[PonderStibbons]

Was mach ich jetzt aber wenn ich Korrelation zwischen einer Variablen mit nominalem Messniveau (also zB Heilungsverlauf oder Komplikation) und eine metrische Variable korrelieren lassen will?

Warum und wozu willst Du da korrelieren? Das ist ein einfacher Mittelwertvergleich zwischen 2 Gruppen.

Bei einer Kombination Spearman, ist das richtig?

Was meinst Du mit Kombination?

Mit freundlichen Grüßen

P.

[mariu]

Ich würde gerne herausfinden, ob es eine Beziehung zwischen den Variablen gibt.
Also hat der BMI oder dieser Foodscore Einfluss auf den Heilungsverlauf oder die Komplikationsrate meiner Patientengruppe.

Mit Kombination mein ich eine metrisch skalierte Variable gegen eine ordinal oder nominal skalierte Variable.
(Was ja der Fall wäre bei zB. BMI und Komplikation ja/nein)

[PonderStibbons]

Ich würde gerne herausfinden, ob es eine Beziehung zwischen den Variablen gibt.
Also hat der BMI oder dieser Foodscore Einfluss auf den Heilungsverlauf oder die Komplikationsrate meiner Patientengruppe.

Um herauszufinden, ob es eine Beziehung zwischen den Variablen
gibt, kannst Du Mittelwertvergleiche anstellen.

Mit freundlichen Grüße

P.

[mariu]

Danke erstmal,
allerdings wirft das mehr Fragen auf, als es beantwortet
Mit Mittelwertvergleichen kenn ich mich nicht sonderlich aus. Ich sitze jetzt wieder vor 2 Problemen:

Problem 1:
Ich hab meine Patienten eingeteilt in Patienten, die untehalb, innerhalb und oberhalb ihres altersspezifisch BMI liegen.
Hiervon wollte ich jetzt die Mittelwerte des Food Scores (Punktewert von 1-100, der die Ausgewogenheit der Ernährung grob beschreibt) vergleichen.
Vergleiche ich 2 Gruppen mittels t-test bei unabhängigen Stichproben bekomm ich:
unterhalb: 63,58
innerhalb: 56,59
Varianzen sind gleich - T 2,379 - Sig. 0,020
Varianzen sind nicht gleich - T 2,529 - Sig. 0,016

Vergleiche ich jetzt aber alle 3 Gruppen per Mehrfachvergleiche (Varianzanalyse) bekomm ich für den ja eigt. gleichen Gruppenvergleich eine andere Signifikanz.
unteralb - innerhalb -> Mittlere Different 6,992* - Sig 0,046

welches nehm ich da nun jetzt? Oder hab ich irgendwo was falsch gemacht?
---------------------------------------------

Problem 2:
In einem auf 100% skaliertem, gestapeltem Balkendiagramm vergleiche ich 2 Balken (Komplikation Ja und nein) und die Anteile, wieviel jeweils unterhlab, innerhalb und oberhalb ihres Altersspezifischen BMI liegen.
Also von 100% der Patienten mit Komplikation sind das dann halt 17% unterhalb, 52 % innerhalb und 30% oberhalb. Bei den Patienten ohne Komplikation sind es 21% unterhalb, 48% innerhalb und 31% oberhalb.
Kann ich hier jetzt die Unterschiede auch auf Signifikanz prüfen? Wenn ja wie?

Vielen lieben Dank

[PonderStibbons]

Ich hab meine Patienten eingeteilt in Patienten, die untehalb, innerhalb und oberhalb ihres altersspezifisch BMI liegen.
Hiervon wollte ich jetzt die Mittelwerte des Food Scores (Punktewert von 1-100, der die Ausgewogenheit der Ernährung grob beschreibt) vergleichen.

Eine kontinuierliche Variable zu kategorisieren ist selten sinnvoll.
Das vernichtet statistische Informationen und führt im schlechtesten
Fall zu irreführenden Ergebnissen. Rechne doch einfach eine einfache
Regression.

Vergleiche ich jetzt aber alle 3 Gruppen per Mehrfachvergleiche (Varianzanalyse)

Bei Mehrfachvergleichen ist quasi eine Korrektur drin, die das
Problem beheben soll, dass bei mehrfachen Vergleichen auch
das Risiko falsch-positiver Ergebnisse steigen könnte. Sie sind
konservativer als unkorrigierte Mittelwertvergleiche.

Mit freundlichen Grüßen

P.

[mariu]

Eine kontinuieliche Variable zu kategorisieren, ist selten sinvoll.

Ich soll das allerdings so einteilen
Mit steigendem Alter ist eben ein steigender BMI wünschenswert, das macht das ein bisschen schwer Leute zu vergleichen.

Also nehm ich die Seg. des Mehrfachvergleichs?

Und wie sieht das mit meinen Balken aus?
Die Einteilung ist hier auch, wie gesagt, vorgegeben.

Gruß

[PonderStibbons]

Ich soll das allerdings so einteilen

Vielleicht ist der Befehlsgeber ja rationalen Argumenten zugänglich.
Durch die Kategorisierung landen Leute mit ganz ähnlichem BMI
in unterschiedlichen Kategorien, wo sie mit Leuten mit ganz anderem
BMI gleichbehandelt werden. Und nach der nächsten Änderung der
arbiträren BMI-Grenzwerte sind die Ergebnisse nichtmal mehr übertragbar.

Mit steigendem Alter ist eben ein steigender BMI wünschenswert, das macht das ein bisschen schwer Leute zu vergleichen.

Für sowas gibt es also keine Korrekturformeln? Abzug von soundsoviel
je steigendem Lebensjahr?

Also nehm ich die Sig. des Mehrfachvergleichs?

Bietet sich an.

Und wie sieht das mit meinen Balken aus?

Da geht es um den Zusammenhang zweier kategorialer Variablen.

Mit freundlichen Grüßen

P.

[mariu]

Durch die Kategorisierung landen Leute mit ganz ähnlichem BMI
in unterschiedlichen Kategorien, wo sie mit Leuten mit ganz anderem
BMI gleichbehandelt werden.

Darum geht es ja. Also Annahme:
Patient A ist 19 Jahre und hat einen BMI von 21. -> Er hat einen für sein Alter wünschenswerten BMI (19-24 für 19-24 Jährige)
Patient B ist 56 Jahre und hat ebenfalls einen BMI von 21. -> Für sein Alter ist das zu wenig, heißt er liegt unterhalb seines altersspezifischen BMI (23-28 für 55-65 Jährige)
Patient C ist 41 und hat einen BMI von 25. -> Er hat für sein Alter auch einen wünschenswerten BMI (21-26 für 35-44 Jährige), heißt er wäre in der gleichen Gruppe wie Patient A
Die BMI Grenzwerte sind von der National Academy of Science USA, die ich verwenden soll, die würde ich jetzt nicht hinterfragen wollen. Könnte man vielleicht, darum soll es jetzt aber hier nicht gehen

Daraus ergeben sich jetzt 2 meiner Hauptfragen:

1) Haben Patienten, die sich entweder unterhalb, innerhalb oder oberhalb ihres altersspezifischen BMI liegen, sig. Unterschiede in dem Food Score.

und 2) Treten bei Patienten unterhlab, usw. , sig. häufiger Komplikationen auf. (Also bei meinen Patienten mit einer Komplikation sind 17% unter ihrem BMI, bei den Patienten ohne Komplikation sind es 21%. Kann ich da irgendwie eine Sig. errechnen?)

Vielen Dank

[PonderStibbons]

Patient A ist 19 Jahre und hat einen BMI von 21. -> Er hat einen für sein Alter wünschenswerten BMI (19-24 für 19-24 Jährige)

Der springende Punkt ist, Patient A mit BMI 19 landet in einer anderen Kategorie als
der gleichaltrige Patient B mit BMI=18, aber in derselben Kategorie wie Patient C
mit BMI=24. Das mag zwar für grobe diagnostische Spielchen im klinischen Alltag
oder für die Kassenabrechnung (bei BMI über diversen Grenzwerten) interessant
sein, aber für Studien ist das nicht nesonders brauchbar. "Oberhalb des
altersspezifischen BMI" heißt hier alles von BMI 24,5 bis BMI über 40, da
kann entsprechender Unfug herauskommen.

und 2) Treten bei Patienten unterhlab, usw. , sig. häufiger Komplikationen auf. (Also bei meinen Patienten mit einer Komplikation sind 17% unter ihrem BMI, bei den Patienten ohne Komplikation sind es 21%. Kann ich da irgendwie eine Sig. errechnen?)

Da geht es um den Zusammenhang zweier kategorialer Variablen.

Mit freundlichen Grüßen

P.