Statistische Modellbildungsstrategien für die Kardiologie
Statistical Model Building Strategies for Cardiology
DACH: Österreich - Deutschland - Schweiz
Wissenschaftsdisziplinen
Andere Humanmedizin, Gesundheitswissenschaften (100%)
Keywords
-
Model Building,
Methods And Guidance Development,
Functional Form,
Knowledge Translation,
Cardiology,
Variable Selection
In allen medizinischen Bereichen ist die korrekte Beurteilung der Krankheitsentwicklung und des Therapieansprechens eine wichtige Voraussetzung, um Therapien zu bewerten und zu verbessern. Regressionsmodelle mit vielen Einflussfaktoren sind dabei vor allem für die Auswertung von Beobachtungsstudien von Bedeutung, da hier Patientengruppen oft strukturelle Unterschiede aufweisen. Die entwickelten Modelle verfolgen unterschiedliche Ziele, die d arin bestehen 1) Einflussfaktoren zu identifizieren, die Unterschiede in der Zielgröße erklären, 2) den Zusammenhang zwischen Einflussfaktoren und Zielgröße zu quantifizieren, und 3) die interessierende Zielgröße vorherzusagen. Die statistischen Herausford erungen unterscheiden sich zwischen diesen Zielen. Generell besteht die Entwicklung eines validen beschreibenden Modells aus zwei Schritten, nämlich der Identifizierung einer angemessenen Zahl an Einflussfaktoren, und der Spezifizierung der Form des Zusammenhanges zwischen den Einflussfaktoren und der Zielgröße. Intensive statistische Forschung in beiden Bereichen wird bereits seit Jahrzehnten betrieben, allerdings sind die Resultate nur ungenügend in der klinischenForschungetabliert. Das interdisziplinäreProjektStatistische Modellbildungsstrategien für die Kardiologie möchte eine Brücke schlagen zwischen statistischer Forschung zu Modellbildungsstrategien und der Implementierung der Strategien in der medizinischen Forschung, anhand von 4 typischen Problemen aus dem Bereich der Kardiologie. Die Ziele des Projektes sind 1. Schwachstellen hinsichtlich der statistischen Modellbildung in aktuellen kardiovaskulären Anwendungen zu identifizieren, 2. Entwicklung fortgeschrittener statistischer Modelle für die kardiovaskulären Forschungsfragen durch Anwendung der aktuell besten statistischen Methoden, 3. Entwicklung und Evaluation neuer Methoden, um den häufig auftretenden Überschätzungsfehler zu korrigieren, der durch Daten-gesteuerte Modellbildung entsteht, 4. Bereitstellung von Leitlinien für statistische Modellbildungsstrategien, die auch von angewandten ForscherInnen zu verstehen sind. Aus statistischer Sicht ist das Ziel die aktuellen Standards in Bezug auf Modellbildung, die in der klinischen Forschung tatsächlich Anwendung finden zu identifizieren, zu bewerten und zu verbessern. Um zu garantieren, dass die Ergebnisse tatsächlich in der Anwendung ankommen, werden die Methoden anknüpfend an vier Forschungsthemen aus der Kardiologie entwickelt, um einen medizinischen Startpunkt zu definieren, der zum einen so konkret wie möglich ist, aber dennoch eine breite Übertragbarkeit erlaubt. Aus klinischer Sicht ist das Ziel neue medizinische Erkenntnisse aus optimierten statistischen Modellen zu gewinnen. Aus diesem Projekt sollen für die vier Forschungsthemen jeweils ein verbessertes, verifiziertes Modell entwickelt werde. Zu diesem Zweck werden Daten aus kardiologischen Studien verwendet und mit den Ergebnissen aus der entsprechenden medizinischen Literatur kombiniert.
- Geraldine Rauch, Charité - Universitätsmedizin Berlin - Deutschland
- Heiko Becher, Universitätsklinikum Heidelberg - Deutschland
Research Output
- 64 Zitationen
- 1 Publikationen
-
2021
Titel Regression with Highly Correlated Predictors: Variable Omission Is Not the Solution DOI 10.3390/ijerph18084259 Typ Journal Article Autor Gregorich M Journal International Journal of Environmental Research and Public Health Seiten 4259 Link Publikation