STATISTIK-FORUM.de

[jacquorzy]

Hallo,
Ich hätte eine Frage, wie ich die Daten einer retrospektiven Studie am besten darstellen kann

konkret geht es um die Auswirkungen eines Medikamentes auf ca 25 Parameter (alle metrisch; Blutzucker, Blutdruck, Blutfette,...)
die Messwerte werden 2mal erhoben, zu Beginn und nach 1 Jahr
alle Daten sind in SPSS eingefügt

das Ziel wäre die Daten tabellarisch und graphisch so darzustellen:
- Vergleich der Parameter der Erstuntersuchung zwischen Männern und Frauen (gibt es signifikante Unterschied mit p<0,05?)
- Vergleich der Parameter der zweiten Untersuchung zwischen Männern und Frauen
- Welche Parameter haben sich nach 1 Jahr signifikant verändert (in der Gesamtpopulation, nur bei Männern und/oder nur bei Frauen)

Meine Überlegung sind bisher, dass ich mir für jeden Parameter der Erstuntersuchung den Mittelwert und die Standardabweichung für das jeweilige Geschlecht berechne und dann mittels t-Test für unabhängige Stichproben ansehe, ob ein signifikanter Unterschied besteht.
Weiters würde ich zum Vergleich Messungen zu Beginn und nach 1 Jahr einen t-test für abhängige Stichproben nehme und dann einzeln für Männer, Frauen und Gesamtpopulation jeden Parameter ausrechen.
Das ganze würde ich tabellarisch darstellen und nur die signifkanten Parameter mittels einer Graphik herausheben.

bin ich da am richtigen Weg? gibt es Verbesserungspotential? wie könnte man diese Ergebnisse am besten tabellarisch und graphisch darstellen? (ich gehe davon aus, dass sich in etwa 3-4 Parameter wirklich signifikant verändern nach 1 Jahr bzw auch ca 3-4 signifikant unterschiedlich sind zwischen Männern und Frauen)

statistisch bin ich nicht so der Experte, darum wende ich mich an euch
bin für jeden Input dankbar!

lg

[bele]

Hallo!

Für die graphische Darstellung gibt es verschiedene Möglichkeiten. Relevant wäre für die graphische Darstellung die Fallzahl. Ich würde das bei 10 Personen anders darstellen als bei 30 und bei 500 nochmal anders. Die ungefähre Stichprobengröße fehlt auch noch, um den t-Test abzunicken.

Für die unverbundenen Stichproben und n>30 würde ich wahrscheinlich versuchen, Histogramme beider Gruppen übereinander darzustellen, wenn die Fallzahl das hergibt. Für die verbundenen Stichproben würde ich wahrscheinlich eine Art Bland-Altman-Diagramm zeichnen (grundsätzliches hier: https://cran.r-project.org/web/packages ... Intro.html ; das bezieht sich auf R, zu SPSS müsstest Du dann nochmal suchen. Das im Link gegebene Beispiel, Männer und Frauen in einem Diagramm darzustellen, könnte man aber gleich als Anregung mit übernehmen).

Ob Du die Diagramme nur von signifikant veränderten oder auch von anderen Werten machst, das hängt von der Art der Arbeit ab. Auf einem Poster haben nur wenige Diagramme Platz, sollte es um eine medizinische Doktorarbeit gehen, würde ich die von allen 25 Parametern machen.

Wichtig erscheint es mir, aus den 25 Parametern vor der Auswertung die wichtigsten als Hauptendpunkte zu benennen, sonst rennst Du mit der Alpha-Fehlerkummulation in ein großes Problem (Google Bonferroni).

LG,
Bernhard

[jacquorzy]

danke für das feedback!

@bele:
also es geht um 40 Probanden (20 weiblich, 20 männlich)
teilweise fehlen Messwerte, sodass pro Parameter zwischen 25 und 40 Messwerte von Probanden vorhanden sind

lg

[bele]

Hi!

Das ist eine gute Fallzahl, bei der es Dir noch frei steht, jeden Datenpunkt einzeln zu zeichnen aber Du Dich auch schon für ein zusammenfassendes Diagramm entscheiden kannst. Bei Medizinern sind ja Boxplots recht beliebt, wenn man die Informationsmenge eher eindampfen möchte. Aus 25 Werten lässte sich m. E. mit gutem Gewissen ein Boxplot machen - natürlich nur für den unverbundenen Fall. Kann SPSS Boxplots mit "Kerben"/"notches" ( https://sites.google.com/site/davidssta ... -box-plots )? Oder, wie oben vorgeschlagen, Histogramme mit identischen x-Achsen übereinander. Histogramme hängen halt oft stark von der Einteilung auf der x-Achse ab.
Für die verbundenen Stichproben ist das eine gute Größe für einen Bland-Altman-/Mean-Difference-Plot. Ich mag auch diese Grafiken, deren Name mir nicht einfällt: Rechts und links je eine Achse, auf der die beiden Messpunkte abgetragen werden sind und dazwischen eine Verbindungslinie und dann sieht man ganz gut, ob die Verbindungslinien alle ansteigen oder abfallen. Ist aber wieder ein Plot mit sehr viel Information.

Im Gegensatz zu Tests, bei denen man sich vorher überlegen soll, welche man macht, darf man beliebig viele verschiedene Grafiken zeichnen, bevor man sich für eine entscheidet.

LG,
Bernhard

[strukturmarionette]

Hi,

bin ich da am richtigen Weg?

- (teils auf dem 'richtigen' Weg) eigentlich liegt ein typisches überschaubares Beispiel für ein zweifaktorielles varianzanalytischesn Design mit Messwdhlg auf einem Faktor vor
- nach Anwendungsvoraussetzungsprüfung dafür (Allg Lineares Modell) ließen sich Deine Fragestellungen damit womöglich beantworten
- problematisch ist die Behandlung von 25 abhängigen Variablen gleichzeitig (bei offensichtlich einem Medikamententest ohne Kontrolle relevanter anderer Vars)

Gruß
S.

[jacquorzy]

danke

gehe ich recht in der Annahme, dass ich, wenn ich eine Hauptfragestellung mit einem Parameter habe, die 24 anderen Parameter in der Nebenfragestellung nicht nach Bonferri korrigieren muss?

lg

[bele]

Das ist ein möglicher Weg, mit dem Problem der Alphafehlerinflation umzugehen. Von den 24 Nebenfragestellungen kannst Du dann aber auch nicht behaupten, dort etwas bewiesen zu haben. Die anderen 24 geben nur Hinweise, wo andere Effekte liegen könnten und regen damit Folgestudien an. Alphafehlerinflation ist ein wirklich merkwürdiges Feld, zu dem es viele Meinungen und Ideen gibt. Es wäre gut, wenn Du mit Deinem Betreuer/Doktorvater/o.ä. absprichst, wie das gewünscht wird.

LG,
Bernhard

[jacquorzy]

ein kurzes Update, das Studiendesign wurde geändert, ich würde gern wissen, ob ich daraus die richtigen Schlüsse ziehe
ich bin wieder für jedes Feedback sehr dankbar

- eine Kontrollgruppe wird gemacht -> das Studiendesign ist also keine retrospektive Querschnittstudie mehr, sondern eine retrospektive Fall-Kontroll-Studie?

- die Hauptfragestellung beinhaltet 150 Parameter, es gibt also 150 Nullhypothesen und dazugehörige Alternativhypothesen

- das Signifikanzniveau wird nach Bonferroni korrigiert -> das neue zweiseitige signifikanzniveau alpha wird also berechnet nach alpha/Anzahl der Parameter, 0,05/150 -> = 0,00033? Das heißt, eine Nullhypothese kann nur dann als statistisch signifikant verworfen werden, wenn der dazugehörige p-Wert p<0,00033 ist?

- da durch das Matching eine Bindung der Gruppen entsteht, kann ich keinen ungepaarten T-Test bzw keinen Wilcoxon-Rangsummen-Test (= Wilcoxon-Mann-Whitney-Test = U-Test) verwenden sondern muss die Gruppen als gepaart betrachten und einen T-Test für gepaarte Stichproben bzw einen Wilcoxon-Vorzeichen-Rang-Test für die Auswertung verwenden?

[PonderStibbons]

- die Hauptfragestellung beinhaltet 150 Parameter, es gibt also 150 Nullhypothesen und dazugehörige Alternativhypothesen

Das ergbt normalerweise keinen Sinn. Und dies auch noch bei 40 (!) Probanden?

- das Signifikanzniveau wird nach Bonferroni korrigiert -> das neue zweiseitige signifikanzniveau alpha wird also berechnet nach alpha/Anzahl der Parameter, 0,05/150 -> = 0,00033?

Das ist ein Hinweis darauf, dass 150 Hauptfragestellungsnullhypothesentests keinen Sinn ergeben.

Mit freundlichen Grüßen

P.

[bele]

Hallo,

niemand hat 150 individuelle Haupthypothesen aufgestellt. Entweder gibt es eine definierbare Haupthypothese, oder von mir aus auch zwei, oder eine Studie mit 25 bis 40 Leuten ist zum Thesenbestätigen nicht geeignet. Das hört sich für mich eher nach einer hypothesengenerierenden als nach einer Hypothesentestenden Studie an. Ihr habt halt jetzt Daten herumliegen und wollt wissen, ob darin eine interessante Neuigkeit steckt. Die interessante Neuigkeit könnt Ihr in den Daten ja auch suchen. Im Ergebnis kommt dann heraus, dass von den 150 untersuchten Parametern drei einen unkorrigierten p-Wert kleiner 0,01 ergeben und dass man prospektiv auf diese drei Parameter achten und sie prospektiv bei kommenden Patienten untersuchen sollte.

LG,
Bernhard