Statistik in der Promotionsarbeit

Mehr als nur eins, zwei t-Tests

Dr. Thomas Keller, ACOMED-statistik, Leipzig

Einige t-Tests und der von einem befreundeten Mathematiker geschriebenen 10-Zeiler für den Methodenteil reichen für die medizinische Doktorabeit aus - die Zeiten sind leider vorbei: In der medizinischen Forschung wird immer mehr Wert auf eine sorgfältige Planung und Durchführung von Projekten aus statistischer Sicht gelegt. Ihre Promotionsarbeit ist ein solches Projekt - welche Konsequenzen ergeben sich für Sie?

Erstens - Sie müssen sich darauf einstellen, dass Ihre Arbeiten immer stärker auch danach beurteilt werden, ob statistische Methoden in ausreichendem Umfang und richtig zum Einsatz kamen.
Der Einfluss der Statistik-Abteilungen ist in den letzten Jahren erheblich gewachsen, und so haben deren Chefs auch ein größeres Mitwirkungsrecht, wenn es um die Beurteilung von Promotionsarbeiten geht. Wie können Sie den ausreichenden Umfang und die Richtigkeit der statistischen Methoden sicherstellen? Die Antwort ist eine weitere Konsequenz:

Surftipp

Acomed

Webseite Acomed Statistik

Zweitens - betrachten Sie die Statistik nicht im Sinne eines abzuhakenden Statistikteils, sondern als Werkzeug für die gesamte Arbeit - von der Planung über die Datenerfassung, die Bereitstellung der Ergebnisse bis hin zu deren Bewertung und Diskussion. (Dem wird häufig dadurch Rechnung getragen, dass von Biometrie gesprochen wird, und nicht von Statistik).
Hierzu sollen in dieser Onlinezeitung Anregungen gegeben werden; wie können in den verschiedenen Phasen einer Promotionsarbeit biometrische/statistische Methoden Eingang finden? Hierzu gibt es viele Ansatzpunkte, und es wird Sie überraschen, dass die Abschnitte zu Planung und Datenerhebung umfangreicher sind, als das Kapitel zu den statistischen Analysen.

Planungsphase:

a. Prospektive Definition der Fragestellung und der Endpunkte. Dies ist einer der Dreh- und Angelpunkte für die Qualität der Arbeit aus biometrischer Sicht. Werden nämlich möglichst viele Daten erhoben, um dann "zu sehen, was herauskommt", ist man auf dem besten Wege zu einem der wichtigsten Trugschlüsse - dem des multiplen Testens.

Beispiel: In einem Vorhaben werden N=100 verschiedene Parameter erhoben, für die statistische Analyse wird p<0,05 als Signifikanzgrenze gewählt (p<0,05 heißt: Die Wahrscheinlichkeit, einen nichtvorhandenen Unterschied irrtümlich als vorhanden zu erkennen, beträgt 5 %). Dann werden Sie auf jeden Fall ein Ergebnis herausbekommen. Genauer gesagt, mit einer Wahrscheinlichkeit von 1-0,95100 = 99,4% wird mindestens 1 signifikanter Unterschied gefunden werden. (Selbst bei p<0,01 ist die Chance hoch: 63,4%). Auswege sind: Reduzierung der Parameter durch theoretische Vorüberlegungen, Korrekturverfahren (z.B. Bonferroni-Korrektur mit dem Signifikanzlevel = p/N, oder Überprüfung des Ergebnisses in einem Blind-Versuch u.a.). WeitereHinweise zum multiplen Testen

Besonders verheerend ist dieser Trugschluss bei den Protein- und DNA-Chips, bei denen bis zu 1000 Parameter häufig an weniger als 50 Patienten getestet werden.

b. Prospektive Festlegung der statistischen Tests, der Irrtumswahrscheinlichkeit (Def. siehe Beispiel 1) und der Power (für biomedizinische Fragestellungen wird meist 80% gewählt: Die Wahrscheinlichkeit, mit der Stichprobe einen Unterschied aufzudecken, der in der Gesamtheit tatsächlich vorhanden ist, beträgt 80% ). Unmittelbar damit hängt die Wahl des Umfanges der Stichprobe (Fallzahl) zusammen. Beispiele fürFallzahlbestimmung

Weiter
auf Seite