Subscribe to RSS
DOI: 10.1055/s-0042-118769
Studien analysieren und verstehen
Analysing and understanding scientific papersPublication History
Publication Date:
06 December 2016 (online)
![](https://www.thieme-connect.de/media/rad-u2d/201604/lookinside/thumbnails/283_10-1055-s-0042-118769-1.jpg)
Zusammenfassung
Um auf dem Laufenden zu bleiben, muss man regelmäßig wissenschaftliche Veröffentlichungen lesen. Dabei gilt es, relevante Studien möglichst schnell als solche zu erkennen und deren Ergebnisse richtig zu beurteilen. Von besonderer Bedeutung ist, dass Unsicherheiten, Variabilität und Fehler zu den unvermeidlichen Bestandteilen der medizinischen Wissenschaft gehören. Es lohnt sich daher, Veröffentlichungen systematisch zu prüfen und Studiendaten kritisch zu hinterfragen.
-
Um eine Veröffentlichung richtig einzuordnen, spielt das Studiendesign eine wichtige Rolle. Als Goldstandard für die experimentelle Überprüfung einer Fragestellung gilt die (doppelblinde) randomisierte kontrollierte Studie.
-
Bei der Studienauswertung sind systematische Fehlerquellen zu berücksichtigen, z. B. Selektionsbias, Beobachterbias, Abweichungen vom Studienplan, Publikationsbias.
-
Metaanalysen fassen Einzelstudien zu einem Thema systematisch zusammen. Ihre Qualität hängt entscheidend von der Güte und Auswahl der Einzelstudien ab.
-
Einzelstudien bestehen i. d. R. aus Einleitung, Methodenteil, Ergebnissen, Diskussion und Literatur. Im Abstract sollten die wesentlichen Ergebnisse der Studie zusammengefasst sein.
-
Bei der Analyse der Daten sind deren Art (binär, nominal, ordinal oder kardinal skaliert) und die Maßzahlen für Lage und Streuung einer Stichprobe (z. B. Median, Mittelwert, Standardabweichung, Varianz, Konfidenzintervall) von Bedeutung.
-
Das Konfidenzintervall beschreibt den Bereich, der den gesuchten, nicht genau bekannten „wahren“ Parameter mit einer gewissen Wahrscheinlichkeit einschließt. Der Sicherheitsbereich für diese Wahrscheinlichkeit wird meist auf 95 % festgelegt.
-
Statistisch signifikante Unterschiede sind solche, die nur sehr unwahrscheinlich durch Zufall zustande kämen. Als Grenze der Unwahrscheinlichkeit wird meist 5 % festgelegt.
-
Bei Signifikanztests formuliert man eine Hypothese zur Zufälligkeit beobachteter Abweichungen, die man mithilfe der erhobenen Daten statistisch überprüft. Die Nullhypothese geht meist davon aus, dass die Abweichungen zufällig sind, die Alternativhypothese postuliert dagegen tatsächliche Unterschiede.
-
Der p-Wert (liegt zwischen 0 und 1) gibt die Wahrscheinlichkeit an, mit der ein gefundener Unterschied lediglich zufällig zustande gekommen ist. Je kleiner der p-Wert ist, desto unwahrscheinlicher ist es also, dass der gefundene Effekt zufällig zustande gekommen ist.
-
Literatur
- 1 Stengel D. Glossar. In: Bhandari M, Hanson B, Stengel D. Statistik und Aufbereitung klinischer Daten. Stuttgart: Thieme; 2010: 137-143
- 2 Kabisch M, Ruckes C, Seibert-Grafe M et al. Randomisierte kontrollierte Studien. Teil 17 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Ärztebl 2011; 108: 663-668
- 3 Martus P, Buckley RE. Fehler und Unsicherheit. In: Bhandari M, Hanson B, Stengel D. Statistik und Aufbereitung klinischer Daten. Stuttgart: Thieme; 2010: 31-51
- 4 Hinneburg I. Evidenzbasierte Pharmazie: Therapiestudien kritisch bewerten. Pharmazeutische Zeitung online; 2014 17. Im Internet: www.pharmazeutischezeitung.de/?id=51881 (Stand: 19. 10. 2015)
- 5 EBM Netzwerk. Glossar zur Evidenzbasierten Medizin. 10/2011 Im Internet: www.ebm-netzwerk.de/was-ist-ebm/images/dnebm-glossar-2011.pdf (Stand: 19. 10. 2015)
- 6 Stengel D, Audigé L. Über Zahlen. In: Bhandari M, Hanson B, Stengel D. Statistik und Aufbereitung klinischer Daten. Stuttgart: Thieme; 2010: 1-28
- 7 Klug SJ, Bender R, Blettner M et al. Wichtige epidemiologische Studientypen – Artikel Nr. 18 der Statistik-Serie in der DMW. Dtsch Med Wochenschr 2007; 132: e45-e47
- 8 European Food Information Council. Wissenschaftliche Studien verstehen. EUFIC Review. 01/20018Im Internet: www.eufic.org/article/de/expid/WISSENSCHAFTLICHESTUDIEN-VERSTEHEN/ (Stand: 19. 10. 2015)
- 9 Ziegler A, Lange S, Bender R. Systematische übersichten und Meta-Analysen – Artikel Nr. 19 der Statistik-Serie in der DMW. Dtsch Med Wochenschr 2007; 132: e48-e52
- 10 Ressing M, Blettner M, Klug SJ. Systematische Übersichtsarbeiten und Metaanalysen. Teil 6 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Ärztebl 2009; 106: 456-463
- 11 du Prel J-B, Röhrig B, Blettner M. Kritisches Lesen wissenschaftlicher Artikel. Teil 1 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Arztebl Int 2009; 106: 100-105
- 12 Cochrane Deutschland. Cochrane-Glossar. Im Internet: www.cochrane.de/de/cochrane-glossar (Stand: 24. 11. 2015)
- 13 Evans I, Thornton H, Chalmers I et al. Wo ist der Beweis? Plädoyer für eine evidenzbasierte Medizin. Bern: Huber; 2013. Im Internet: http://de.testingtreatments.org/wpcontent/uploads/2013/07/wo_ist_der_beweis_volltext.pdf
- 14 Dubben HH, Beck-Bornholdt HP. Unausgewogene Berichterstattung in der medizinischen Wissenschaft – publication bias. 2004 Institut für Allgemeinmedizin des Universitätsklinikums Hamburg-Eppendorf 2. Aufl. Im Internet: www.uke.de/institute/allgemeinmedizin/downloads/institutallgemeinmedizin/BROSCHUERE_-_Publication_bias.pdf (Stand: 18. 11. 2015)
- 15 Dubben HH. Wie erkenne ich schlechte Studien?. Via Medici 2007; 2: 40-42
- 16 Ziegler A. So lügt man mit Statistik – Heute: die Meta-Analyse. Dtsch Med Wochenschr 2009; 134: 2469-2470
- 17 Sauerbreie W, Blettner M. Interpretation der Ergebnisse von 2 × 2-Tafeln. Teil 9 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Ärztebl 2009; 106: 795-800
- 18 Dubben HH. Früherkennung des Prostatakarzinoms – Schaden belegt, Nutzen nicht belegbar. Bundesgesundheitsbl 2014; 57: 318-326
- 19 Schröder FH, Hugosson J, Roobol MJ et al. Prostate-cancer mortality at 11 years of follow-up. N Engl J Med 2012; 366: 981-990
- 20 Andreß HJ. Berechnung des Konfidenzintervalls eines arithmetischen Mittels (σ unbekannt). (24. 3. 2003) Im Internet: http://eswf.unikoeln.de/lehre/stathome/statcalc/v2101b.htm (Stand: 16. 2. 2016)
- 21 Bender R, Lange S. Was ist ein Konfidenzintervall? Artikel Nr. 8 der Statistik-Serie in der DMW. Dtsch Med Wochenschr 2007; 132: e17-e18
- 22 Gaus W, Muche R. Medizinische Statistik. Angewandte Biometrie für Ärzte und Gesundheitsberufe. Stuttgart: Schattauer; 2013
- 23 Stengel D. Glossar. In: Bhandari M, Hanson B, Stengel D. Statistik und Aufbereitung klinischer Daten. Stuttgart: Thieme; 2010: 137-143
- 24 Martus P, Buckley RE. Fehler und Unsicherheit. In: Bhandari M, Hanson B, Stengel D. Statistik und Aufbereitung klinischer Daten. Stuttgart: Thieme; 2010: 31-51
- 25 Weiß C. Basiswissen Medizinische Statistik. 6. Aufl. Berlin, Heidelberg: Springer; 2013
- 26 Klotz S. Einführung in die Geostatistik mit EDV-Anwendung. Universität Tübingen. 2008 Im Internet: https://homepages.unituebingen.de/stefan.klotz/seiten/Statistik/StatistikTesten.pdf (Stand: 7. 1. 2016)
- 27 Schäfer T. Methodenlehre 1. Universität Chemnitz. 2013 Im Internet: https://www.tuchemnitz.de/hsw/psychologie/professuren/method/homepages/ts/methodenlehre/Meth13Web.pdf (Stand: 7. 1. 2016)
- 28 Dubben HH. Früherkennung des Prostatakarzinoms – Schaden belegt, Nutzen nicht belegbar. Bundesgesundheitsbl 2014; 57: 318-326
- 29 Rojahn J. Studien richtig lesen – Teil 1: Studiendesign und Fehlerquellen. Legeartis 2016; 6: 16-23
- 30 Dubben HH, Beck-Bornholdt HP. Die Bedeutung der statistischen Signifikanz. Sonderheft 44. Kölner Z Soz Sozpsychol. In: Diekmann A, (Hrsg.) Methoden der Sozialforschung. 2006: 61-74
- 31 Hinneburg I. Evidenzbasierte Pharmazie: Therapiestudien kritisch bewerten. Pharmazeutische Zeitung online; 2014 17. Im Internet: www.pharmazeutischezeitung.de/?id=51881 (Stand: 19. 10. 2015)
- 32 EBM Netzwerk. Glossar zur Evidenzbasierten Medizin. 10/2011 Im Internet: www.ebm-netzwerk.de/was-ist-ebm/images/dnebm-glossar-2011.pdf (Stand: 19. 10. 2015)
- 33 Bender R, Lange S, Ziegler A. Wichtige Signifikanztests – Artikel Nr. 11 der Statistik-Serie in der DMW. Dtsch Med Wochenschr 2007; 132: e24-e25
- 34 Harms V. Medizinische Statistik. 8. Aufl. Lindhöft: Harms Verlag; 2012
- 35 Victor A, Elsäßer A, Hommel G et al. Wie bewertet man die p-Wert-Flut? Hinweise zum Umgang mit dem multiplen Testen. Teil 10 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Ärztebl 201; 107: 50-56
- 36 Sauerbrei W, Blettner M. Interpretation der Ergebnisse von 2 × 2-Tafeln. Teil 9 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Ärztebl 2009; 106: 795-800
- 37 Bender R, Lange S. Was ist der p-Wert? Artikel Nr. 7 der Statistik-Serie in der DMW. Dtsch Med Wochenschr 2007; 132: e15-e16