STATISTIK-FORUM.de

[Gaas]

Hallo ich untersuche für die Uni ein medizinisches Thema und möchte dies gerne statistisch untermauern. Da ich nicht weiß ob sich hier ein t Test eignet möchte ich gerne eure Hilfe erbeten:

Untersucht wurden 150 Patienten mit Vorhofflimmern, die operativ am Herzen abladiert wurden. Davon hatten 19 ein Rezidiv. Unter Verdacht stehen aneurysmen, die das Rezidiv verursachen.

n = 150 davon hatten 19 ein Rezidiv.

Insgesamt hatten 45 Pat. Aneurysmen.
Unter den Patienten mit Rezidiv (19) hatten 9 Aneurysmen.

H0= Aneurysmen verursachen Rezidive
H1= Aneurysmen verursachen keine Rezidive.

Ist dies überhaupt möglich? Ich weiß nicht so genau wie es weiter geht.

Danke

[PonderStibbons]

Man kann sich solche Probleme unter anderem anhand dessen strukturieren, auf welchem sogenannten Skalenniveau die interessierende Messung vorliegt. Zum Beispiel gibt es Rationalskalen (mit natürlichem Nullpunkt, wie Alter), Intervallskalen (wie Grad Celsius zur Messung der Variable Temperatur, oder Intelligenztest-Ergebnisse), Ordinalskalen ("die Leistung war: schlecht-nicht ganz schlecht-super"), sowie kategoriale Skalen (blond-braun-schwarz-rothaarig, oder Aneurysma ja/nein, Rezidiv ja/nein).

Für einen t-Test werden 2 Gruppen hinsichtlich einer mindestens intervallskalierten Variable verglichen. D.h. hinsichtlich einer Variable, aus der man sinnvoll einen Mittelwert berechnen kann, wie Alter, Körpertemperatur. Hingegen aus Mann/Frau oder Rezidiv/kein Rezidiv kann man keinen Mittelwert ziehen.

Du hast 2 kategoriale Merkmale, Aneurysma ja/nein und Rezidiv ja/nein. Wenn Du untersuchen willst, ob diese miteinander zusamenhängen, suche nach Kreuztabelle und Chi²-Test.

H0= Aneurysmen verursachen Rezidive

Nein, Das ist keine statistische Nullyhpothese.

Und dass Du mit Deinem Design herausfinden kannst, was irgendwas verursacht (Kausalität), ist naheliegenderweise nicht möglich. Allenfalls kannst Du die Arbeits-(nicht: Null)hypothese formulieren, dass die beiden Größen korreliert/assoziiert sind.

Mit freundlichen Grüßen

PonderStibbons

[Gaas]

Hi vielen Dank für deine Antwort, das war nämlich auch der Punkt, der mich so irriterte. Ich kann einfach aus meinen Daten keinen Mittelwert ziehen.

Ich habe nun deine Empfehlung für die Durchführung eines Chi² Test befolgt und bin auf folgendens Ergebnis gekommen, siehe Bild:



Mein Ergebnis ist sehr signifikant, d.h. ich kann daraus schlussfolgern, dass es in der Grundgesamtheit mit sehr hoher Wahrscheinlichkeit einen Zusammenhang zwischen Aneurysmen und Rezidiven gibt, korrekt?

Mit freundlichen Grüßen

[PonderStibbons]

Wieso jetzt 278 Patienten, Du schriebst zunächst von 150?

Mit freundlichen Grüßen

PonderStibbons

NB, welche Software produziert den einen solchen Schwachsinn wie "sehr signifikant" als angebliches Testergebnis?

[Gaas]

Hey sorry der Ausgangswert hat sich geändert also:

139 Patienten
41 Aneurysmen
20 Rezidive, davon haben 9 ein Aneurysma

Dann ist 278 die Summe der Randhäufigkeiten insgesamt?

Ich hab das mit diesem Rechner gerechnet:
http://www.daten-consult.de/statistikku ... ik_32.html

Aber momentan bin ich nur noch verwirrt, kann es sein, dass meine Kontingenztafel oben schon falsch ist? Weil der Test berücksichtigt z.B. nicht die Tatsache, dass unter den 20 Patienten mit Rezidiv 9 Patienten ein Aneurysma haben, was in Relation zu allen Patienten mit Aneurysma ohne Rezidiv prozentual gesehen deutlich mehr ist?

[bele]

Ja, das ist keine Kontingenztafel, sondern eine Tabelle.

Du brauchst sowas hier für Deinen Chiquadrat-Test.

Code: Alles auswählen

               Rezidiv ja     | Rezidiv nein
Aneurysma ja            9     |    32
Aneurysma nein         11     |    87


LG,
Bernhard

[bele]

Nochmal ich. Ich weiß zwar nicht, was für eine Art von Arbeit das ist, aber willst Du in Deinen Material und Methodenteil wirklich sowas schreiben:

Ich hab das mit diesem Rechner gerechnet:
http://www.daten-consult.de/statistikku ... ik_32.html

So eine Website kann morgen offline gehen oder heimlich im Hintergrund das Programm verändern, deshalb kann morgen keiner mehr Dein Vorgehen nachkochen. Besorg Dir ein richtiges Statistikprogramm, das auch die Leser kennen. Unter Medizinern ist SPSS der Standard und oft kann man als Studierender auch an eine eingeschränkte, aber preiswerte Lizenz kommen.

Alternativ kannst Du Dir von http://www.R-project.org die kostenlose Statistiksoftware R herunterladen. Einen Chiquadrattest kannst Du machen, indem Du die folgende Kommandofolge dort hinein copy&pastest:

Code: Alles auswählen

datenmatrix <- matrix(c(9,11,32,87), nrow = 2)
print(datenmatrix)
chisq.test(datenmatrix)

Musst halt die Zahlen in der ersten Zeile anpassen, wenn Du noch weitere Fälle findest. Das Ergebnis sieht dann so aus:

Code: Alles auswählen

> chisq.test(datenmatrix)

   Pearson's Chi-squared test with Yates' continuity correction

data:  datenmatrix
X-squared = 1.8995, df = 1, p-value = 0.1681


Und wenn Du wissen willst, was Du in das Literaturverzeichnis schreibst, brauchst Du einfach nur den Befehl citation() eingeben.

LG,
Bernhard

[Gaas]

Hi Bernhard vielen Dank für deine Antworten,

ich habe mir das kostenlose Programm von R-Project heruntergeladen.

Wenn ich das ganze nun durchexerziere komme ich auf folgenden Test:

Hypothese: Es gibt einen Zusammenhang zwischen Aneurysmen und Rezidiven
0-Hypothese: Es gibt keinen Zusammenhang zwischen Aneurysmen und Rezidiven.

Ziel: Die 0-Hypothese zurückweisen.

Die Kreuztabelle und der Chi² - Test spucken mir diese Werte heraus:

X-squared = 1.8995, df = 1, p-value = 0.1681

Interpretation:
Bei einem Chi² - Wert von 1.8995 kann ich die 0-Hypothese auf dem Signifikanzniveau von 5% nicht zuruckweisen, d.h. REIN statistisch gesehen gibt es keinen Zusammenhang zwischen Aneurysmen und Rezidiven.

In deinem Fall hast du eine Korrektur nach Yates durchgeführt. Warum?
Liegt es daran, dass die Fallzahl 139 sehr gering ist?
Also je größer die Stichprobe, umso verlässlicher die Resultate.

Ich muss gestehen rein subjektiv hätte ich mit einem deutlich signifikantem Ergebnis gerechnet, weil ich mir als Statistik laie zunächst nur die Prozentualen Anteile angesehen habe.

9/20 Patienten mit einem Aneurysma haben ein Rezidiv, das entspricht einem Anteil von 45%, was medizinsich gesehen sehr hoch ist.

Jetzt habe ich natürlich überlegt, ob es noch andere Testverfahren gibt, um auch bei geringer Fallzahl eine gute Aussage zu erhalten. Dabei bin ich auf den exakten Test nach Fischer gestoßen.

Hier erhalte ich den p-Wert: 0.1160, was auch nicht signifikant ist.


Gibt es in meiner Interpretation einen Fehler? und inwiefern haltet ihr den Fischer - Test bei diesem Fall für geeignet

VG

[PonderStibbons]

9/20 Patienten mit einem Aneurysma haben ein Rezidiv,

Nö. Laut Kreuztabelle haben 9 von 20 Patienten mit Rezidiv ein Aneurysma (45%).
Zum Vergleich 32 von 119 Patienten ohne Rezidiv haben ein Aneurisma (27%)

Das %-Unterschied wirkt erstmal markant, aber nicht überwältigend. Vor allen
Dingen hängt die Prozentzahl der kleineren Gruppe an einzelnen Fällen.
6 von 20 statt 9 von 20, also zufällig nur mickrige 3 Fälle weniger mit der
Kombination Rezidiv/Aneurysma, und der Prozentsatz läge bei 30% statt 45%.
Bei kleinen Gruppen muss man Prozentsätze mit großer Skepsis betrachten.
Implizit trägt der Singifikanzest dem Umstand Rechnung, dass schon kleine
zufällige Verschiebungen die Raten deutlich angleichen könnten.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo Gaas,

Das mit den Prozentsätzen hat PonderStibbons perfekt erklärt, dazu muss ich nichts mehr schreiben.

In deinem Fall hast du eine Korrektur nach Yates durchgeführt. Warum?

Die völlig ehrliche Antwort ist, dass ich einfach die Voreinstellungen des Programms übernommen habe. Der Chiquadrattest ist einfach ein Näherungsverfahren bei dem man aufpassen muss, dass uzureichende Annäherung einen nicht in die Irre leitet. Die Yates-Korrektur ist die bei R voreingestellte Variante. Beides stammt aus einer Zeit, als man Tests noch ohne Computer oder mit langsamen Computern machte, und den Rechenaufwand gering halten musste. Mag vielleicht aus der Zeit gefallen sein, ist aber noch üblich. R bietet Dir in der chisq.test-Funktion den Ausweg, das exakte p durch Simulation auszuprobieren. Das ist zwar auch eine Annäherung, aber eine, bei der Du selbst die Präzision bestimmen kannst, indem Du die Zahl der Simulationsdurchgänge veränderst. Da letztlich "nicht signifikant mit p um 10% herauskommt, spielt es vielleicht auch nicht so eine große Rolle.

Also je größer die Stichprobe, umso verlässlicher die Resultate.

Je größer die Stichprobe, umso kleinere Effekte kann man nachweisen.

Jetzt habe ich natürlich überlegt, ob es noch andere Testverfahren gibt, um auch bei geringer Fallzahl eine gute Aussage zu erhalten. Dabei bin ich auf den exakten Test nach Fischer gestoßen.

... inwiefern haltet ihr den Fischer - Test bei diesem Fall für geeignet

Ich würde dem Fisher-Test (kein "sch" sondern englische Schreibweise nach Sir Ronald Fisher: https://en.wikipedia.org/wiki/Ronald_Fisher ) den Vorzug geben. Er ist bei großen Zahlen sehr rechenaufwändig, wie Du gesehen hast, spielt das für Deine Zahlen aber keine Rolle. Dein Rechner ist schnell genug.
Neben dem Vorteil, dass es sich um einen exakten Test handelt, spuckt die Funktion fisher.test Dir auch gleich noch ein 95%-Konfidenzintervall für die Odds Ratio aus:

Code: Alles auswählen

   Fisher's Exact Test for Count Data

data:  datenmatrix
p-value = 0.116
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
0.7356588 6.5066995
sample estimates:
odds ratio
  2.210275

Das 95%-Konfidenzintervall reicht von 0,74 bis 6,50. Damit ist eine OR von 1 im Intervall enthalten und wir können nicht behaupten, dass die OR signifikant positiv sei.

Ich glaube, PonderStibbons sieht das anders, aber ich finde diese Aussage über die OR viel besser als die Aussage, dass p größer als 5% ist.

LG,
Bernhard



PS: Diese Nachricht habe ich am 12.12. um 16:12 abschicken wollen, aber da war der Forenserver überlastet.