STATISTIK-FORUM.de

[NaMu92]

Liebes Forum,
ich habe von meinem Reviewer im Bezug aus Parameter eines Blutbildes, zweier Gruppen den Vorschlag erhalten den T-Test oder Rank-sum (=Mann-Whitney-U-Test?) zu verwenden. Ich glaube das ist bei den Daten gar nicht möglich. Was meint ihr?
Zu den Daten:
-2 unabhängige Gruppen
-Einmal 20 und einmal 70 Ergebnisse im Bereich (4,3-6,7x10^12/l)
-Blutbildparameter (RBC) Normwert 4,5 bis 5,9 Mio. pro µl

Für einen T-test hätte ich vermutet, dass die Parameter kontinuierlich unendlich groß oder klein werden können. Das ist aber nicht möglich, sonst wäre Person x ja tot. Hab ich da einen Denkfehler?

Mein alternativer Vorschlag wäre, die Daten zu kategorisieren (Kleiner als Referenzbereich/im Referenzbereich/größer als Referenzbereich) oder (außerhalb/innerhalb des Referenzbereichs) und dann mit one-way-ANOVA oder bei 2 Kategorien chi2. Oder was würdet ihr vorschlagen?
Muss ich zuvor Varianz/Normalverteilung berechnen?

Vielen Dank!!

[PonderStibbons]

Kategorisieren verschleudert Informationen und kann zudem zu irreführenden Ergebnissen führen.

Da Deine Gesamtstichprobe n=70 beträgt, ist sie ausreichend groß, so die Normalverteilungs-Voraussetzung des t-Tests nicht mehr relevant ist. Allerdings solltest Du per Boxplots oder auf andere Weise betrachten, ob einflußreiche Ausreißer vorliegen. Das wäre wichtig für die Interpretation. Den t-Test solltest Du auf jeden Fall mit Welch-Korrektur für etwaige ungleiche Varianzen durchführen.

Den Gedanken mit dem Unendlichen kann ich leider nicht nachvollziehen.

Mit freundlichen Grüßen

PonderStibbons

[bele]

Hallo NaMu92,

ich habe von meinem Reviewer im Bezug aus Parameter eines Blutbildes, zweier Gruppen den Vorschlag erhalten den T-Test oder Rank-sum (=Mann-Whitney-U-Test?) zu verwenden. Ich glaube das ist bei den Daten gar nicht möglich. Was meint ihr?

Aus eigener Erfahrung mit Ärzten als Reviewern ist Deine Vorsicht hinsichtlich deren Statistikkompetenz angemessen. Hier ist aber kein Grund erkennbar, warum das nicht möglich sein sollte.

Für einen T-test hätte ich vermutet, dass die Parameter kontinuierlich unendlich groß oder klein werden können.

Da nichts in der realen Welt unendlich groß oder unendlich klein werden kann, dürfte man nach dieser Argumentation nie einen t-Test rechnen. Du kannst Dir aber mittels der t-Verteilung anhand Deiner Mittelwerte und Standardabweichungen ausrechnen, dass ein Patient ohne Erythrozyten so selten wäre, dass Du das getrost als Rundungsfehler vernachlässigen kannst. Spätestens beim Rangsummentest greift das Argument auch theoretisch nicht mehr, praktisch ist es in beiden Fällen irrelevant.

Mein alternativer Vorschlag wäre, die Daten zu kategorisieren (Kleiner als Referenzbereich/im Referenzbereich/größer als Referenzbereich) oder (außerhalb/innerhalb des Referenzbereichs) und dann mit [...] chi2.

Das kommt jetzt auf den medizinischen Kontext an. Will man wissen, ob die zwei Gruppen sich in ihren Erythrozytenkonzentrationen unterscheiden, dann wird man in der Regel einen t-Test rechnen. Will man wissen, ob die eine Gruppe häufiger außerhalb des Normwertbereichs ist als die andere, dann ist ein -Unabhängigkeitstest angebracht.

PonderStibbons hat natürlich Recht, dass die Kategorisierung Information verschwendet, aber wenn ich wissen will, ob der Arzt beim Betrachten der Laborwerte auf die eine Gruppe häufiger aufmerksam gemacht wird als auf die andere, dann kann Kategorisierung inhaltlich sinnvoll sein. Du musst also aus medizinischer Sicht überlegen, was genau angebracht ist. Für den Moment scheint Dein Reviewer mehr von Statistik zu verstehen als Du, sodass Du ihm folgen solltest, falls Du selbst nicht zu einem eindeutigen Ergebnis kommst.

LG,
Bernhard