STATISTIK-FORUM.de

Guten Abend, ich habe eine ziemlich konkrete Frage und hoffe auf eine Lösung ....

ich habe Korrelationsanalysen nach Spearman durchgeführt und zwar zwischen unterschiedlichen medizinischen Messparametern. Ein Beispiel: Gewicht und CRP (Entzündungswert)

Ich habe diese beiden Parameter jeweils VOR einer Intervention T0 (in diesem Fall: Ernährungstherapie) und DANACH T1 gemessen, daraufhin habe ich Gewicht 0 mit CRP 0 korreliert und Gewicht 1 mit CRP 1. Soweit so gut.

Jetzt konnte ich statistisch auffällig bzw signifikant (p<0,05) beobachten, dass je niedriger das Gewicht 0 war, desto höher war der CRP 0 vor Intervention (je magerer der Patient desto mehr Entzündung- nicht gut!).
NACH Intervention ist diese offensichtlich negative Korrealation jedoch verschwunden, das heißt sie war nicht mehr signifikant.

Nun zu meiner Frage: kann ich daraus schließen, dass diese Ernährungsintervention einen positiven Effekt gezeigt hat, dadurch dass diese negative (und ungute) Korrelation nicht mehr signifikant war bei T1?
Ist dieser Rückschluss möglich?

Vielen herzlichen Dank vorab für die Beschäftigung und hoffentlich Lösung meines Problems:)

LG

Elena

Hab mich jetzt nicht getraut zu lesen wegen der Überschrift - welche Art Experten?

Mit freundlichen Grüßen

PonderStibbons

Elena25 hat geschrieben:Jetzt konnte ich statistisch auffällig bzw signifikant (p<0,05) beobachten, dass je niedriger das Gewicht 0 war, desto höher war der CRP 0 vor Intervention (je magerer der Patient desto mehr Entzündung- nicht gut!).

Hallo Elena, ich fühl mich jetzt erstmal nah genug dran, am Experte sein, zumal meine Frau mir hilft, und die hat Ahnung. Die sagt auch, dass in der Normalbevölkerung das Gegenteil gilt, und Übergewichtige das höhere CRP haben. Das wirft erstmal die Frage nach der von Dir untersuchten Population auf. Waren das kachektische auf der Intensivstation? Anorektikerinnen? Hast Du hsCRP untersucht, oder nur normales CRP. Normales CRP bei gesunden, das wären zensierte Daten (ganz viele die einfach unterhalb eines Cutoffs sind). Da wird die Spearman-Korrelation dann empfindlich für die vielleicht wenigen, die messbare Werte hatten. Das würde man gerne wissen, bevor man Testergebnisse interpretiert.
Überhaupt ist Dir schlecht zu raten, wenn man nicht weiß, wieviele da untersucht wurden und ob das p knapp oder weit unter dem Grenzwert war.

Nun zu meiner Frage: kann ich daraus schließen, dass diese Ernährungsintervention einen positiven Effekt gezeigt hat, dadurch dass diese negative (und ungute) Korrelation nicht mehr signifikant war bei T1?
Ist dieser Rückschluss möglich?

Ok, diese eine Frage lässt sich ohne weitere Erklärungen beantworten: Nein! Der Unterschied zwischen signifikant und nicht-signifikant ist für sich kein signifikanter Unterschied. Das wäre ein Fehlschluss:

It is common to summarize statistical comparisons by declarations of statistical significance or nonsignificance. Here we discuss one problem with such declarations, namely that changes in statistical significance are often not themselves statistically significant. By this, we are not merely making the commonplace observation that any particular threshold is arbitrary—for example, only a small change is required to move an estimate from a 5.1% significance level to 4.9%, thus moving it into statistical significance. Rather, we are pointing out that even large changes in significance levels can correspond to small, nonsignificant changes in the underlying quantities.

aus dem Abstract aus: Andrew Gelman & Hal Stern (2006) The Difference Between “Significant” and “Not Significant” is not Itself Statistically Significant, The American Statistician, 60:4, 328-331, DOI: 10.1198/000313006X152649
https://amstat.tandfonline.com/doi/abs/ ... qXgdWgzbD5

Der letzte Satz dieses Artikels:

However, as we have seen, comparisons of the sort, “X is statistically significant but Y is not,” can be misleading.

@PonderStibbons Meine Frau ist Ernährungsmedizinerin (DGEM) und damit einem Expertentum im Rahmen des Forums nahe. Die sagt, man sollte solche Werte im Allgemeinen nicht per Spearman vergleichen sondern im linearen Modell mit anderen Einflussfaktoren kontrollieren.

LG,
Bernhard