STATISTIK-FORUM.de

[pentragon79]

Hallo Zusammen,

ich bin Student und habe eine statistische Aufgabenstellung bekommen. Ich habe mir ein Konzept bzw. Vorgehen zum Auswerten dieser Daten überlegt. Nun würde ich gerne ein paar Anmerkungen, Verbesserungen und/oder Meinungen zu meinem Konzept der statisstischen Auswertungen erhalten. Ich möchte damit Logikfehler und/oder generell fachliche Fehler vermeiden.

Ich habe durch ein Screening in einem Krankenhaus Patientendaten von ca 750 Patienten. Diese Patienten unterteilen sich in zwei verschiedene Gruppen von Patienten anhand ihrer Erkrankung bzw. ihres Krankheitsbildes. Beide Gruppen zählen 375 Patienten. Das Screening umfasste 13 Patientenmermale (Probleme) wie z.B. Stuhlkontinenz, Blasenkontinenz, Depression etc. Jedes Patientenmerkmal wurde durch ein anerkanntes Assessment erfasst und mittles Score innerhalb des Testverfahrens abgebildet. Nun soll festgestellt werden, ob bestimmte Patientenmerkmale einer der beiden Gruppen signifikant häufiger bzw. ausgeprägter vorhanden und typisch für diese Patientengruppe sind.Hat man diese signifikanten Patientenmerkmale erfasst, soll überprüft werden, ob diese Merkmale mit höheren Kosten in der Behandlung korrelieren.

Grundlegend Frage: Soll ich die Patientengruppen innerhalb Ihres Krankheitsbildes(Innerhalb ihrer Gruppe) auf die 13 Patientenmerkmale untersuchen und dann gegenüberstellen. Somit sehe ich sofort, welche Patientenmerkmale sich bei den beiden Gruppen signifikant unterscheiden. Oder alle Patienten in einen Topf werfen und dann die Patientenmerkmale untersuchen. Ich bevorzuge Variante 1. Welches Vorgehen hätte Vorteile?

Hier nun meine Konzept:

Deskriptive Statistik

1. Messniveau der 13 Problemfelder feststellen: Sind Intervall- und Verhältnisskaliert und ich gehe von Normalverteilung aus.
2. Lokalisationsparameter bestimmen: -> Arithmetisches Mittel (da Normalverteilung) -> Klassenbildung Breite 5 Jahre
3. Dispersionsparameter bestimmen: -> Standardabweichung + Variationskoeffizienten
4. Eventuell mittels Konfidenzintervall eine Voraussage über den Mittelwert der betreffenden Grundgesamtheit treffen.

Analytische Statistik

1. Überprüfung auf Normalverteilung -> QUIQUADRAT-TEST
2. Signifikanztest: wenn Normalverteilt t-Test nach Student sonst U-Test von Mann und Whiney
3. Die signifikanten Patientenmerkmale auf Korrelation mit erhöhten Kosten überprüfen -> Korrelationskoeffizient bestimmten (Produkt-Moment nach Pearson -> normalverteilt
und auf Signifikanz überprüfen -> gegen 0 absichern (linearer Zusammenhang).
4. Lineare Regression durchführen?


Ich hoffe, dass ich mit diesem Vorgehen nicht total falsch liege und möchte mich schon jetzt bei allen bedanken die sich meinen Beitrag zu Gemüte führen.

Grüsse und bis auf bald

Stefan

[PonderStibbons]

Da ich den inhaltlichen Kontext und die genaue Fragestellung nicht kenne,
kann ich über die Sinnhaftigkeit des Vorgehens nicht allzu viel sagen. Sieht
nicht abwegig aus. Ein Bestandteil könnte eine multiple lineare Regression
mit "Gruppe" und den Beschwerden sein.

Eine Einzelheit:

1. Messniveau der 13 Problemfelder feststellen: Sind Intervall- und Verhältnisskaliert und ich gehe von Normalverteilung aus.
2. Lokalisationsparameter bestimmen: -> Arithmetisches Mittel (da Normalverteilung) -> Klassenbildung Breite 5 Jahre
[...]
1. Überprüfung auf Normalverteilung -> QUIQUADRAT-TEST

Normalverteilt sind die Stichprobenwerte sichherlich nicht,
ist aber auch nicht erforderlich. Für die Verfahren, die hier
in Frage kommen, wird Normalverteilung in den Subgruppen
gefordert (t-Test), bzw. bei Regressionen und Varianzanalysen
NV der Vorhersagefehler (Residuen). Aber auch dies ist bei n=750
nicht mehr relevant.

Mit freundlichen Grüßen

P.

[pentragon79]

Hallo PonderStibbons,

danke erstmal das du Dir die Zeit genommen hast. Ich hatte jetzt ein Gespräch mit nem Statistikprof. an unserer Fh. Das Vorgehen habe ich aus unserem Gespräch
mitgenommen:

• Stichprobe 1: muskuloskelettale Patienten ( n = ca. 375)
• Stichprobe 2: geriatrische Patienten (n = ca. 375)
• Die 13 Patientenmerkmale (siehe Seite 6 und 7) sind intervallskaliert (metrisch)

Vorgehen:

1. Fehlerbereinigung mittels Häufigkeitentabelle und vergleich mittels Kreuztabellen
2. t-Test nach Student -> unabhängig -> welche Patientenmerkmale unterscheiden sich bei beiden Gruppen signifikant. Normalverteilung nicht relevant.
3. Test der merkmale auf Relevanz mittels punktbiserialer Korrelation.
4. Beide intervallskalierte Variablen (Kosten und Patientenmerkmal) werden mittels Produkt-Moment-Korrelation nach Spearman berechnet.

Ich benutze zur Auswertung der Daten SPSS. Kannst du mir eventuell noch Tipps geben.

Danke im Voraus.

Gruss

Stefan

[strukturmarionette]

Hi,

Vorgehen:

1. Fehlerbereinigung mittels Häufigkeitentabelle und vergleich mittels Kreuztabellen

- Häufigkeitstabellen bereinigen keine Fehler.

2. t-Test nach Student -> unabhängig -> welche Patientenmerkmale unterscheiden sich bei beiden Gruppen signifikant. Normalverteilung nicht relevant.

- Die H0 diese Tests lautet: Eine (intervallskalierte) Variable unterscheidet sich im Vergleich zweier unabhängiger Stichproben nicht.

3. Test der merkmale auf Relevanz mittels punktbiserialer Korrelation.

- Korrelation können niemals 'Relevanz' testen.

4. Beide intervallskalierte Variablen (Kosten und Patientenmerkmal) werden mittels Produkt-Moment-Korrelation nach Spearman berechnet.

- das steht zunäscht einmal im Widerspruch zu dem:

• Die 13 Patientenmerkmale (siehe Seite 6 und 7) sind intervallskaliert (metrisch)

- des Weiteren: Spearman ist ungeignet für intervallskalierte Merkmale, besser Pearson.

Gruß
S.

[pentragon79]

Hi S,

danke erstmal für deinen Beitrag.

Zu 1: Es geht darum die Werte schnell zu entdecken, welche eindeutifgfalsch sind. Fehlerbereinigung = Löschung dieser Werte übernehme ich und nicht die Tabelle.

Zu 2. Für mich: H0 = Mittelwertsunterschied ist zufällig zustande gekommen.
H1 = .....nicht zufällig sustande gekommen -> signifikanz

Zu 3. Da habe ich mich zu undeutlich ausgedrückt. punktbiseriale Korrelation -> SPSS (Rangkorrelationskoeffizient nach Spearman) -> Relevanz

Zu 4. Ja habe ich verwechselt ist Pearson.

Mich würde mal Deine meinung zu 3 interessieren. Und würdest du eine Regression dem korrelationskoeffizienten vorziehen?

Gruss

stefan

[strukturmarionette]

Hi,

Patientendaten von ca 750 Patienten.

Mich würde mal Deine meinung zu 3 interessieren. Und würdest du eine Regression dem korrelationskoeffizienten vorziehen?

Prinzipiell wäre es (rechnerisch) fast das gleiche. Wenn Du eine einfache multiple Rergression meinst.

Gruß
S.