Kostenlose Recherchetools für medizinische Forscher | Editverse (2026)

Wann anwenden. Bestimmen Sie vor Beginn einer Studie die minimale Stichprobengröße unter Berücksichtigung Ihrer angestrebten statistischen Aussagekraft und der erwarteten Effektstärke.

Annahmen. Sie haben ein geplantes Alpha (üblicherweise 0.05), eine angestrebte Teststärke (üblicherweise 0.80) und eine Schätzung der Effektstärke aus Pilotdaten oder der Literatur.

Häufige Fehler. Die statistische Power sollte nicht erst nach der Datenerhebung berechnet werden, um ein nicht signifikantes Ergebnis zu rechtfertigen (eine nachträgliche Berechnung der Power ist nicht aussagekräftig).

1. Cohen J. Statistische Poweranalyse für die Verhaltenswissenschaften. 2. Aufl. 1988.

Anwendungsfall: Zum Vergleichen der Mittelwerte zweier unabhängiger Gruppen hinsichtlich einer kontinuierlichen Zielgröße.

Annahmen. Unabhängigkeit der Beobachtungen; annähernd Normalverteilung in jeder Gruppe; gleiche Varianzen (oder Verwendung der Welch-Korrektur).

Häufige Fehler. Nicht für gepaarte/angepasste Daten verwenden: Verwenden Sie stattdessen den gepaarten t-Test. Prüfen Sie bei kleinen Stichproben zuerst die Normalverteilung.

1. Student. Der wahrscheinliche Fehler eines Mittelwerts. Biometrika. 1908;6(1):1-25.
2. Welch BL. Die Verallgemeinerung des Student'schen Problems. Biometrika. 1947;34:28-35.

Anwendungsfall. Vergleich zweier Messungen an denselben Probanden (vorher/nachher, gepaarte Messungen).

Annahmen. Die Differenzen zwischen den Paaren sind annähernd normalverteilt.

Häufige Fehler. Nur gültig, wenn die Paare tatsächlich übereinstimmen; nicht für zwei unabhängige Stichproben verwenden.

1. Student. Der wahrscheinliche Fehler eines Mittelwerts. Biometrika. 1908;6(1):1-25.

Anwendungsfall. Umrechnung einer Teststatistik (z, t, χ² oder F) in einen p-Wert unter der Nullhypothese.

Annahmen. Sie verfügen bereits über eine korrekt berechnete Statistik und die richtigen Freiheitsgrade.

Häufige Fehler. Ein p-Wert ist weder die Wahrscheinlichkeit, dass die Nullhypothese wahr ist, noch die Größe eines Effekts.

1. Wasserstein RL, Lazar NA. Die ASA-Stellungnahme zu p-Werten. Am Stat. 2016;70:129-133.

Anwendungsfall. Testen Sie mithilfe einer Kontingenztabelle von Häufigkeiten, ob zwei kategoriale Variablen miteinander assoziiert sind.

Annahmen. Die erwartete Anzahl in jeder Zelle sollte mindestens 5 betragen. Die Beobachtungen sind unabhängig.

Häufige Fehler. Bei erwarteten Häufigkeiten unter 5 (kleine Stichproben) sollte stattdessen der Fisher-Exakt-Test verwendet werden.

1. Pearson K. Über das Kriterium, dass ein gegebenes System von Abweichungen… Philos Mag. 1900;50:157-175.

Anwendungsfall: Schätzung des plausiblen Bereichs für den Populationsmittelwert anhand einer Stichprobe.

Annahmen. Die Stichprobe ist zufällig; für kleine n ist die zugrunde liegende Verteilung annähernd normal.

Häufige Fehler. Ein 95%-Konfidenzintervall bedeutet nicht, dass die Wahrscheinlichkeit, dass der wahre Wert in diesem Intervall liegt, 95 % beträgt.

1. Neyman J. Grundzüge einer Theorie der statistischen Schätzung. Philos Trans R Soc A. 1937;236:333-380.

Anwendungsfall. Zur Quantifizierung des standardisierten Ausmaßes des Unterschieds zwischen zwei Gruppen.

Annahmen. Kontinuierliche Daten; die gepoolte Standardabweichung ist aussagekräftig (ähnliche Varianzen).

Häufige Fehler. Die Effektstärke misst das Ausmaß, nicht die statistische Signifikanz oder die klinische Relevanz.

1. Cohen J. Statistische Poweranalyse für die Verhaltenswissenschaften. 1988.

Wann anwenden? Mittelwerte aus drei oder mehr unabhängigen Gruppen gleichzeitig vergleichen.

Annahmen. Unabhängigkeit; Normalverteilung innerhalb der Gruppen; Varianzhomogenität.

Häufige Fehler. Führen Sie nicht stattdessen mehrere paarweise t-Tests durch: Dies erhöht die Wahrscheinlichkeit für einen Fehler 1. Art.

1. Fisher RA. Statistische Methoden für Forscher. 1925.

Anwendungsgebiet. Zur Messung der Stärke und Richtung einer linearen (Pearson) oder monotonen (Spearman) Beziehung zwischen zwei Variablen.

Annahmen. Pearson: Linearität, Normalverteilung, keine Ausreißer. Spearman: ausschließlich monotone Beziehung.

Häufige Fehler. Korrelation bedeutet nicht Kausalität. Prüfen Sie das Streudiagramm auf Nichtlinearitäten.

1. Pearson K. Note on regression and inheritance. Proc R Soc Lond. 1895;58:240-242.
2. Spearman C. Der Beweis und die Messung der Assoziation. Am J Psychol. 1904;15:72-101.

Wann anwenden. Die Leistungsfähigkeit des diagnostischen Tests sollte anhand eines 2×2-Vergleichs von Testergebnis und tatsächlichem Krankheitsstatus beurteilt werden.

Annahmen. Ein gültiger Referenzstandard (Goldstandard) klassifiziert den wahren Krankheitsstatus.

Häufige Fehler. PPV und NPV hängen stark von der Krankheitsprävalenz ab: Melden Sie diese.

1. Altman DG, Bland JM. Diagnostische Tests 1: Sensitivität und Spezifität. BMJ. 1994;308:1552.

Anwendungszeitpunkt. Zur Beurteilung der Unterscheidungsfähigkeit eines kontinuierlichen Tests oder einer Punktzahl.

Annahmen. Binäres Ergebnis (0/1); kontinuierlicher Prädiktor bzw. Score.

Häufige Fehler. Ein AUC-Wert nahe 0.5 bedeutet keine Diskriminierung; ein einzelner Schwellenwert sollte nicht überinterpretiert werden.

1. Hanley JA, McNeil BJ. Bedeutung und Anwendung der Fläche unter einer ROC-Kurve. Radiology. 1982;143:29-36.

Wann anwenden. Assoziation in einer 2×2-Tabelle quantifizieren; OR für Fall-Kontroll-Studien, RR für Kohortenstudien.

Annahmen. Die Zählungen sind unabhängig; die Zellen sind ungleich Null (ansonsten wird eine Stetigkeitskorrektur angewendet).

Häufige Fehler. OR sollte nicht als RR interpretiert werden, wenn das Ergebnis häufig auftritt (>10 %).

1. Woolf B. Zur Abschätzung des Zusammenhangs zwischen Blutgruppe und Krankheit. Ann Hum Genet. 1955;19:251-253.

Anwendungszeitpunkt. Der Behandlungsnutzen sollte als die Anzahl der zu behandelnden Patienten angegeben werden, um ein Ereignis zu verhindern.

Annahmen. Die Ereignisraten stammen aus vergleichbaren Gruppen über einen definierten Zeithorizont.

Häufige Fehler. Geben Sie immer den Zeithorizont an; ohne ihn ist die NNT bedeutungslos.

1. Laupacis A, Sackett DL, Roberts RS. Eine Bewertung klinisch nützlicher Messgrößen. N Engl J Med. 1988;318:1728-1733.

Wann anwenden. Die diagnostische Genauigkeit (Sensitivität und Spezifität) aus verschiedenen Studien wird mit einem Random-Effects-Modell zusammengefasst.

Annahmen. Jede Studie berichtet über einen 2×2-Vergleich von Testergebnis und Referenzstandard.

Häufige Fehler. Die separate Zusammenfassung von Sensitivität und Spezifität ignoriert deren Korrelation; ein bivariates/HSROC-Modell ist, wenn möglich, vorzuziehen.

1. Reitsma JB, et al. Bivariate Analyse von Sensitivität und Spezifität. J Clin Epidemiol. 2005;58:982-990.

Anwendungszeitpunkt. Zur Messung der Übereinstimmung zwischen drei oder mehr Beurteilern bei der Kategorisierung von Probanden (Fleiss' Kappa).

Annahmen. Jede Versuchsperson wird von der gleichen Anzahl an Beurteilern bewertet; die Kategorien schließen sich gegenseitig aus.

Häufige Fehler. Kappa ist prävalenzsensitiv; geben Sie daher die Häufigkeiten der einzelnen Kategorien zusätzlich an.

1. Fleiss JL. Messung der Übereinstimmung auf einer Nominalskala unter vielen Beurteilern. Psychol Bull. 1971;76:378-382.

Wann anwenden? Vergleichen Sie zwei Messmethoden mithilfe von systematischer Abweichung, 95%-Übereinstimmungsgrenzen, Korrelation und der Methode der kleinsten Quadrate.

Annahmen. Paarweise Messungen derselben Größe mit beiden Methoden.

Häufige Fehler. Beurteilen Sie die Übereinstimmung nicht allein anhand der Korrelation: Geben Sie die Grenzen der Übereinstimmung an.

1. Bland JM, Altman DG. Statistische Methoden zur Beurteilung der Übereinstimmung zwischen zwei Methoden. Lancet. 1986;1:307-310.

Anwendungsfall. Modellierung und Vorhersage eines kontinuierlichen Ergebnisses anhand eines einzelnen kontinuierlichen Prädiktors.

Annahmen. Linearität, Unabhängigkeit, konstante Varianz (Homoskedastizität), normalverteilte Residuen.

Häufige Fehler. Vorhersagen sollten nicht über den beobachteten Bereich von x hinaus extrapoliert werden.

1. Galton F. Rückschritt zur Mittelmäßigkeit in der erblichen Körpergröße. J Anthropol Inst. 1886;15:246-263.

Anwendungsfall. Modellieren Sie ein kontinuierliches Ergebnis aus mehreren Prädiktoren gleichzeitig; lesen Sie jeden Koeffizienten als den adjustierten Effekt.

Annahmen. Linearität, unabhängige Fehler, konstante Varianz, normalverteilte Residuen, keine starke Multikollinearität.

Häufige Fehler. Vermeiden Sie es, mehr Prädiktoren einzuführen, als die Stichprobe zulässt; überprüfen Sie die Varianzinflationsfaktoren.

1. Draper NR, Smith H. Angewandte Regressionsanalyse. 3. Aufl. 1998.

Anwendungsfall. Modellieren Sie ein binäres Ergebnis und ermitteln Sie adjustierte Odds Ratios für jeden Prädiktor.

Annahmen. Das Ergebnis ist binär; die Log-Odds sind linear in den Prädiktoren; die Beobachtungen sind unabhängig.

Häufige Fehler. Faustregel: Mindestens ~10 Ereignisse pro Prädiktor, um instabile Schätzungen zu vermeiden.

1. Hosmer DW, Lemeshow S, Sturdivant RX. Angewandte logistische Regression. 3. Aufl. 2013.

Wann anwenden? Modellierung der Zählergebnisse und Ermittlung der Ratenverhältnisse für jeden Prädiktor.

Annahmen. Die Zählwerte folgen einer Poisson-Verteilung; Mittelwert gleich Varianz (auf Überdispersion prüfen).

Häufige Fehler. Wenn die Varianz den Mittelwert deutlich übersteigt, sollte man ein negatives Binomialmodell oder ein Quasi-Poisson-Modell verwenden.

1. Cameron AC, Trivedi PK. Regressionsanalyse von Zähldaten. 2. Aufl. 2013.

Anwendungsfall. Nichtparametrischer Vergleich zweier unabhängiger Gruppen, wenn die Normalverteilung zweifelhaft ist.

Annahmen. Unabhängige Beobachtungen; ordinale oder stetige Daten.

Häufige Fehler. Es werden Rangverteilungen verglichen, nicht Mittelwerte: Die Ergebnisse werden als Verschiebung der Verteilung beschrieben.

1. Mann HB, Whitney DR. Über einen Test, ob eine von zwei Zufallsvariablen stochastisch größer ist. Ann Math Stat. 1947;18:50-60.

Anwendungsfall. Nichtparametrischer gepaarter Test für gepaarte Daten, wenn die Differenzen nicht normalverteilt sind.

Annahmen. Die Differenzen sind symmetrisch um den Median verteilt; gepaartes Studiendesign.

Häufige Fehler. Nulldifferenzen werden nicht berücksichtigt; Gleichstände reduzieren die Aussagekraft.

1. Wilcoxon F. Individuelle Vergleiche mittels Rangordnungsverfahren. Biometrics Bull. 1945;1:80-83.

Anwendungsfall. Nichtparametrischer Vergleich zwischen drei oder mehr Gruppen.

Annahmen. Unabhängige Gruppen; ordinale oder stetige Daten; ähnlich geformte Verteilungen.

Häufige Fehler. Ein signifikanter H-Wert zeigt an, welche Gruppen sich unterscheiden, nicht welche: Führen Sie anschließend den Dunn-Test durch.

1. Kruskal WH, Wallis WA. Verwendung von Rängen in der Ein-Kriterium-Varianzanalyse. J Am Stat Assoc. 1952;47:583-621.

Anwendungsfall. Exakter Assoziationstest in einer 2×2-Tabelle, ideal für kleine Stichproben.

Annahmen. Feste Randsummen; unabhängige Beobachtungen.

Häufige Fehler. Bei großen Stichproben ist der Chi-Quadrat-Test rechentechnisch einfacher und gleichwertig.

1. Fisher RA. Die Logik des induktiven Schließens. JR Stat Soc. 1935;98:39-82.

Anwendungsfall. Schätzen Sie die Überlebenswahrscheinlichkeit im Zeitverlauf anhand zensierter Zeit-bis-Ereignis-Daten und vergleichen Sie Gruppen mit dem Log-Rank-Test.

Annahmen. Zensierung ist nicht informativ; Überlebenszeiten werden von einem gemeinsamen Ausgangspunkt aus gemessen.

Häufige Fehler. Zensierte Probanden dürfen am Ende nicht als ereignisfrei behandelt werden: Die Methode berücksichtigt sie bereits.

1. Kaplan EL, Meier P. Nichtparametrische Schätzung aus unvollständigen Beobachtungen. J Am Stat Assoc. 1958;53:457-481.

Anwendungsfall. Schätzung von Hazard-Ratios für Kovariaten in Bezug auf Zeit-bis-Ereignis-Ergebnisse ohne Angabe der Basishazardrate.

Annahmen. Proportionale Gefährdungsraten (Kovariateneffekte konstant über die Zeit); nicht-informative Zensierung.

Häufige Fehler. Überprüfen Sie die Proportionalitätsannahme (z. B. anhand von Schoenfeld-Residuen), bevor Sie den Hazard Ratios vertrauen.

1. Cox DR. Regressionsmodelle und Sterbetafeln. JR Stat Soc B. 1972;34:187-220.

Wann anwenden? Effektstärken aus verschiedenen Studien zusammenfassen und Heterogenität quantifizieren (I²).

Annahmen. Die Studien sind klinisch und methodisch ausreichend vergleichbar, um zusammengefasst zu werden.

Häufige Fehler. Ein hoher I²-Wert (>75 %) deutet auf erhebliche Heterogenität hin: Die gepoolte Schätzung sollte mit Vorsicht interpretiert werden.

1. DerSimonian R, Laird N. Meta-Analyse in klinischen Studien. Control Clin Trials. 1986;7:177-188.

Anwendungsfall. Mithilfe des Egger-Regressionstests lässt sich eine Asymmetrie des Funnel-Plots (ein Indikator für mögliche Publikationsverzerrungen) erkennen.

Annahmen. Mindestens ~10 Studien für einen aussagekräftigen Egger-Test; Effektstärken und Standardfehler pro Studie.

Häufige Fehler. Asymmetrie kann auch auf echte Heterogenität oder Small-Study-Effekte hinweisen und nicht nur auf Verzerrungen.

1. Egger M, Davey Smith G, Schneider M, Minder C. Bias in meta-analysis detected by a simple, graphical test. BMJ. 1997;315:629-634.

Anwendungsfall. Erstellen Sie die Datensatzanzahlen für ein PRISMA 2020 Studienauswahl-Flussdiagramm und überprüfen Sie die arithmetischen Salden.

Annahmen. Die Zählungen stammen aus Ihrem Screening-Protokoll in jeder Phase.

Häufige Fehler. Die Zahlen müssen übereinstimmen: Geprüfte minus ausgeschlossene Texte sollten die Anzahl der vollständig bewerteten Texte ergeben.

1. Page MJ, et al. Die PRISMA 2020-Erklärung. BMJ. 2021;372:n71.

Wann anwenden. Bewerten Sie die Vertrauenswürdigkeit einer Beweislage (Hoch / Mittel / Niedrig / Sehr niedrig) mithilfe des GRADE-Systems.

Annahmen. Sie haben jeden GRADE-Bereich hinsichtlich des gewünschten Ergebnisses bewertet.

Häufige Fehler. Die Sicherheit der Ergebnisse sollte pro Studie und nicht pro Studie bewertet werden; Höherstufungen beziehen sich normalerweise nur auf Beobachtungsstudien.

1. Guyatt GH, et al. GRADE: ein sich abzeichnender Konsens zur Bewertung der Qualität von Evidenz. BMJ. 2008;336:924-926.

Anwendungszeitpunkt. Messung der kategorischen Übereinstimmung zwischen den Beurteilern, die über das zufällig zu erwartende Maß hinausgeht.

Annahmen. Zwei Beurteiler; gleiche Kategorien; unabhängige Beurteilungen.

Häufige Fehler. Kappa reagiert empfindlich auf Prävalenz: Hohe Übereinstimmung kann zu niedrigem Kappa-Wert führen.

1. Cohen J. Ein Übereinstimmungskoeffizient für Nominalskalen. Educ Psychol Meas. 1960;20:37-46.

Anwendungsfall. Zur Quantifizierung der Zuverlässigkeit kontinuierlicher Messungen durch mehrere Beurteiler.

Annahmen. Kontinuierliche Beurteilungen; einheitliches Beurteilungsteam für alle Probanden.

Häufige Fehler. Geben Sie das ICC-Formular an (1,1 / 2,1 / 3,1): Sie sind nicht austauschbar.

1. Shrout PE, Fleiss JL. Intraclass correlations. Psychol Bull. 1979;86:420-428.

Anwendungszeitpunkt. Beurteilung der internen Konsistenz (Reliabilität) einer Skala mit mehreren Items.

Annahmen. Die Items messen ein einzelnes zugrunde liegendes Konstrukt; Intervallskalenskala.

Häufige Fehler. Alpha steigt mit der Anzahl der Items: Hohe Werte auf langen Skalen sollten nicht überinterpretiert werden.

1. Cronbach LJ. Koeffizient Alpha und die interne Struktur von Tests. Psychometrika. 1951;16:297-334.

Anwendungsfall. Berechnen Sie die Sigma-Metrik für eine Laboranalyse und wählen Sie geeignete QC-Regeln aus.

Annahmen. TEa, Bias und CV sind in denselben Prozenteinheiten angegeben.

Häufige Fehler. Bei einem Sigma-Wert unter 3 ist eine intensive Qualitätskontrolle mit mehreren Regeln erforderlich; die Anwendung einzelner Regeln ist nicht zulässig.

1. Westgard JO. Grundlegende Qualitätskontrollpraktiken. 4. Aufl. 2016.

Wann anwenden. Die Übereinstimmung zwischen zwei Messmethoden wird anhand der mittleren Abweichung und der Übereinstimmungsgrenzen beurteilt.

Annahmen. Die Differenzen sind über den gesamten Messbereich annähernd normalverteilt und konstant.

Häufige Fehler. Verwenden Sie niemals den Korrelationskoeffizienten zur Beurteilung der Übereinstimmung der Methoden.

1. Bland JM, Altman DG. Statistische Methoden zur Beurteilung der Übereinstimmung. Lancet. 1986;1:307-310.

Anwendungszeitpunkt. Vergleich nichtparametrischer Methoden, robust gegenüber Ausreißern und Messfehlern in beiden Methoden.

Annahmen. Kontinuierliche gepaarte Messungen; keine Annahmen über die Fehlerverteilung.

Häufige Fehler. Um die Steigung zuverlässig zu bestimmen, ist ein angemessener Messbereich erforderlich.

1. Passing H, Bablok W. Ein neues biometrisches Verfahren zum Testen der Gleichheit von Messungen. J Clin Chem Clin Biochem. 1983;21:709-720.

Wann anwenden? Berechnen Sie die Rate neuer Ereignisse pro Personenzeiteinheit unter Risiko.

Annahmen. Die Personenzeit wird korrekt erfasst; die Ereignisse sind unabhängig.

Häufige Fehler. Verwechseln Sie nicht die Inzidenz (Neuerkrankungen im Zeitverlauf) mit der Prävalenz (bestehende Fälle).

1. Rothman KJ, Greenland S, Lash TL. Moderne Epidemiologie. 3. Aufl. 2008.

Anwendungsfall: Schätzung des Anteils einer Population mit einer bestimmten Erkrankung zu einem bestimmten Zeitpunkt oder in einem bestimmten Zeitraum.

Annahmen. Fälle und Bevölkerung werden über denselben Zeitraum gemessen.

Häufige Fehler. Die Prävalenz spiegelt sowohl die Inzidenz als auch die Dauer wider, nicht die Rate der Neuerkrankungen.

1. Rothman KJ, Greenland S, Lash TL. Moderne Epidemiologie. 3. Aufl. 2008.

Wann anwenden. Quantifizieren Sie das zusätzliche Risiko, das auf eine Exposition zurückzuführen ist (attributables Risiko, attributabler Anteil, populationsbezogenes AR).

Annahmen. Eine kausale Interpretation setzt voraus, dass der Zusammenhang zwischen Exposition und Ergebnis nicht durch Störfaktoren beeinflusst wird.

Häufige Fehler. Attributable Fraktionen setzen Kausalität voraus: Sie sind nicht auf rein assoziative Daten anwendbar.

1. Rothman KJ, Greenland S, Lash TL. Moderne Epidemiologie. 3. Aufl. 2008.

Wann anwenden. Beurteilen Sie, wie robust ein statistisch signifikantes RCT-Ergebnis ist.

Annahmen. Binäres Ergebnis 2×2 aus einer randomisierten Studie.

Häufige Fehler. Ein niedriger Fragilitätsindex macht eine Studie an sich nicht ungültig.

1. Walsh M, et al. Die statistische Signifikanz der Ergebnisse randomisierter kontrollierter Studien ist häufig fragil. J Clin Epidemiol. 2014;67:622-628.

Wann anwenden. Bevor Sie einen parametrischen Test auswählen, prüfen Sie, ob die Daten plausiblerweise aus einer Normalverteilung stammen.

Annahmen. Kontinuierliche Daten; n zwischen 3 und 5000 für den Shapiro-Wilk-Test.

Häufige Fehler. Ein p-Wert > 0.05 beweist keine Normalverteilung: Überprüfen Sie immer auch das Histogramm und den QQ-Plot.

1. Shapiro SS, Wilk MB. Ein Varianzanalysetest auf Normalverteilung. Biometrika. 1965;52:591-611.

Wann anwenden. Fassen Sie eine stetige Variable für eine Tabelle 1 zusammen (Mittelwert, Standardabweichung, Median, Interquartilsabstand, Spannweite).

Annahmen. Keine: nur beschreibend.

Häufige Fehler. Mittelwert ± Standardabweichung nur bei annähernd symmetrischen Daten angeben; Median (Interquartilsabstand) bei schiefen Daten verwenden.

1. Amerikanische Psychologische Vereinigung. Publikationshandbuch. 7. Auflage. 2020.

Anwendungsfall. Standardisieren Sie einen Wert und ermitteln Sie sein Perzentil in einer Normalverteilung.

Annahmen. Populationsmittelwert und Standardabweichung sind bekannt; die Verteilung ist normal.

Häufige Fehler. Verwenden Sie stattdessen einen t-Wert, wenn Sie Parameter anhand einer kleinen Stichprobe schätzen.

1. Moore DS, McCabe GP, Craig BA. Einführung in die Praxis der Statistik. 9. Aufl. New York: WH Freeman; 2017.

Anwendungsfall. Visualisieren Sie die Form, das Zentrum und die Streuung einer stetigen Variablen.

Annahmen. Kontinuierliche Daten; ausreichende Stichprobengröße für aussagekräftige Kategorien.

Häufige Fehler. Die Behälterbreite hat einen großen Einfluss auf das Erscheinungsbild: Probieren Sie verschiedene Varianten aus, bevor Sie ein Urteil fällen.

1. Sturges HA. Die Wahl eines Klassenintervalls. J Am Stat Assoc. 1926;21:65-66.

Anwendungsfall. Quantifizierung der Übereinstimmung (nicht nur der Korrelation) zwischen zwei Methoden zur Messung derselben kontinuierlichen Größe.

Annahmen. Gepaarte Messungen an denselben Probanden; annähernd bivariate Normalverteilung für das Fisher-z-Konfidenzintervall; ein ausreichend großer Wertebereich.

Häufige Fehler. Verwenden Sie nicht allein den Pearson-Korrelationskoeffizienten r, um Übereinstimmung zu belegen. Bei sehr kleinen Stichproben ist das Konfidenzintervall unzuverlässig; ergänzen Sie es mit einem Bland-Altman-Diagramm.

1. Lin LI. Ein Konkordanzkorrelationskoeffizient zur Bewertung der Reproduzierbarkeit. Biometrics. 1989;45(1):255-268.
2. McBride GB. Ein Vorschlag für Kriterien zur Beurteilung der Übereinstimmungsstärke des Konkordanzkorrelationskoeffizienten nach Lin. NIWA-Kundenbericht HAM2005-062. 2005.

Wann anwenden. Vergleichen Sie zwei Messmethoden, wenn beide einen Messfehler aufweisen (im Gegensatz zur Methode der kleinsten Quadrate, die davon ausgeht, dass X exakt ist).

Annahmen. Das Verhältnis der Fehlervarianzen (λ) der beiden Methoden ist bekannt oder kann anhand von Replikaten geschätzt werden; die Fehler sind über den gesamten Bereich annähernd konstant.

Häufige Fehler. Ist der Fehler proportional zur Konzentration, verwenden Sie die gewichtete Deming- oder Passing-Bablok-Methode. Verwenden Sie die OLS-Methode nicht, wenn beide Methoden verrauscht sind.

1. Deming WE. Statistische Datenbereinigung. Wiley; 1943.
2. Linnet K. Evaluation von Regressionsverfahren für Methodenvergleichsstudien. Clin Chem. 1993;39(3):424-432.

Wann anwenden? Erstellen Sie ein GUM-Unsicherheitsbudget: Wandeln Sie jede Komponente in eine Standardunsicherheit um und kombinieren Sie diese mittels der Wurzel der Quadrate.

Annahmen. Die Komponenten sind unabhängig (keine Kovarianzterme) und die Messgröße ist eine Summe der Beiträge mit Sensitivitätskoeffizienten von 1.

Häufige Fehler. Erweiterte und Standardunsicherheiten dürfen nicht vermischt werden. Korrelierte oder nicht-einheitssensitive Terme müssen vor der Eingabe manuell hinzugefügt werden.

1. JCGM 100:2008. Auswertung von Messdaten — Leitfaden zur Angabe der Unsicherheit bei Messungen (GUM).
2. Eurachem/CITAC Guide CG 4. Quantifizierung der Unsicherheit bei analytischen Messungen. 3. Auflage. 2012.

Wann anwenden. Schätzen Sie die Bestimmungsgrenze und die Nachweisgrenze anhand von Blindwert- und Niedrigkonzentrations-Replikaten mit den parametrischen Formeln (CLSI EP17-A2 legt das Studiendesign fest) oder die Bestimmungsgrenze (LoD/LoQ) anhand einer Kalibrierkurve (ICH Q2(R1)).

Annahmen. EP17: Die Ergebnisse sind annähernd normalverteilt, basierend auf mindestens 60 Blindwert- und 60 Niedrigkonzentrationsmessungen (jeweils 20 zur Überprüfung), die über mehrere Tage und verschiedene Reagenzienchargen verteilt wurden. ICH: Lineares Verhalten nahe der Nachweisgrenze.

Häufige Fehler. Der Rechner akzeptiert mindestens 10 Wiederholungen; gemäß EP17 werden etwa 60 Blindproben und 60 Messungen niedriger Konzentrationen zur Festlegung eines Grenzwerts und mindestens 20 Messungen zur Überprüfung eines angegebenen Grenzwerts verwendet. Dieses parametrische Verfahren setzt eine einzelne Probe niedriger Konzentration voraus; bei mehreren Proben oder nicht normalverteilten Blindproben ist das nichtparametrische Verfahren anzuwenden. Grenzwerte sind experimentell zu bestätigen.

1. CLSI. Bewertung der Nachweisfähigkeit klinischer Labormessverfahren; EP17-A2. 2012.
2. ICH Q2(R1). Validierung analytischer Verfahren: Text und Methodik. 2005.
3. Armbruster DA, Pry T. Bestimmungsgrenze, Nachweisgrenze und Quantifizierungsgrenze. Clin Biochem Rev. 2008;29(Suppl 1):S49-S52.

Anwendungszeitpunkt. Legen Sie ein Referenzintervall (zentrale 95 % einer gesunden Referenzpopulation) für einen Laboranalyten fest.

Annahmen. Die Werte stammen von mindestens 120 genau definierten Referenzpersonen (CLSI C28-A3); Ausreißer wurden überprüft, nicht willkürlich entfernt.

Häufige Fehler. Bei weniger als 120 Werten sollten die Grenzen als Näherungswerte betrachtet werden. Eine Aufteilung nach Alter oder Geschlecht ist ratsam, wenn sich die Verteilungen deutlich unterscheiden.

1. CLSI. Definition, Festlegung und Überprüfung von Referenzintervallen im klinischen Labor; Genehmigte Richtlinie C28-A3. 2008.
2. Horn PS, Pesce AJ. Referenzintervalle: ein Update. Clin Chim Acta. 2003;334:5-23.

Wann anwenden. Prüfen Sie, ob ein Test über seinen gesamten Messbereich linear reagiert, indem Sie auf eine quadratische Komponente testen (der polynomische Ansatz des früheren CLSI EP6-A).

Annahmen. Mindestens fünf gleichwertige Stufen; Mittelwertbildung der Replikate pro Stufe; konstante Varianz über den gesamten Bereich.

Häufige Fehler. Ein hoher R²-Wert allein beweist keine Linearität. Nicht signifikante Ergebnisse beweisen bei sehr wenigen Stufen keine Linearität: Überprüfen Sie die Residuen.

1. CLSI. Bewertung der Linearität quantitativer Messverfahren; EP06. 2. Auflage. 2020.

Wann anwenden? Schätzen Sie den Zusammenhang zwischen X und Y, nachdem der lineare Effekt einer dritten Variable Z (eines Störfaktors) entfernt wurde.

Annahmen. Lineare Zusammenhänge; annähernd normalverteilte Variablen; Z wird fehlerfrei gemessen.

Häufige Fehler. Eine partielle Korrelation beweist weder, dass Z ein Störfaktor ist, noch dass X die Ursache für Y ist. Bei mehreren Kovariablen sollte eine multiple Regression durchgeführt werden.

1. Kim S. ppcor: ein R-Paket zur schnellen Berechnung von semipartiellen Korrelationskoeffizienten. Commun Stat Appl Methods. 2015;22(6):665-674.

Anwendungsfall. Zeigen Sie, dass eine neue Behandlung nicht um mehr als eine vorher festgelegte Grenze schlechter ist als die Kontrollbehandlung (Nichtunterlegenheitsnachweis) oder dass sich zwei Behandlungen in beide Richtungen um weniger als die Grenze unterscheiden (Äquivalenznachweis, TOST), bei einem binären Ergebnis.

Annahmen. Die Sicherheitsmarge wurde im Protokoll vor Datenerhebung festgelegt und ist klinisch gerechtfertigt; die Stichproben sind für die Wald-Approximation ausreichend groß.

Häufige Fehler. Die Trennlinie sollte nicht erst nach Sichtung der Daten festgelegt werden. Bei kleinen Zellen oder Werten nahe 0 oder 100 % empfiehlt sich die Verwendung einer Score-Methode (Farrington-Manning-Methode). Nicht-Signifikanz in einem Überlegenheitstest beweist nicht die Äquivalenz.

1. Blackwelder WC. Der Beweis der Nullhypothese in klinischen Studien. Control Clin Trials. 1982;3:345-353.
2. Schuirmann DJ. Ein Vergleich des Zwei-Einseitig-Testverfahrens und des Power-Ansatzes zur Beurteilung der Äquivalenz der mittleren Bioverfügbarkeit. J Pharmacokinet Biopharm. 1987;15:657-680.
3. Piaggio G, et al. Berichterstattung über randomisierte Nichtunterlegenheits- und Äquivalenzstudien (CONSORT-Erweiterung). JAMA. 2012;308(24):2594-2604.

Anwendungsfall. Analysieren Sie eine Crossover-Studie mit zwei Perioden und zwei Behandlungen (AB/BA) mit einem kontinuierlichen Ergebnis: Schätzen Sie den Behandlungseffekt und testen Sie auf Perioden- und Übertragungseffekte (Hills-Armitage / Grizzle).

Annahmen: Die Teilnehmer wurden randomisiert den beiden Sequenzen zugeordnet; ausreichende Auswaschphase; annähernd normale intraindividuelle Unterschiede; keine Interaktion zwischen Behandlung und Periode.

Häufige Fehler. Der Carryover-Test hat eine geringe Aussagekraft und sollte nicht als alleiniges Kriterium für die Analyse verwendet werden (Senn); die Auswaschung sollte im Versuchsaufbau berücksichtigt werden. Nicht anwenden bei Erkrankungen, die sich von selbst zurückbilden, oder Behandlungen mit dauerhaften Auswirkungen.

1. Senn S. Cross-over Trials in Clinical Research. 2. Aufl. Wiley; 2002.
2. Hills M, Armitage P. Die zweiperiodige Cross-over-Studie. Br J Clin Pharmacol. 1979;8:7-20.
3. Grizzle JE. Das Zwei-Perioden-Wechseldesign und seine Anwendung in klinischen Studien. Biometrics. 1965;21:467-480.

Anwendungszeitpunkt. Planen Sie eine Crossover-Studie mit zwei Perioden und zwei Sequenzen (AB/BA), in der zwei Behandlungen hinsichtlich eines kontinuierlichen Ergebnisses verglichen werden.

Annahmen. Kein Carry-over-Effekt oder Interaktion zwischen Periode und Behandlung; gleiche Teilnehmerzahlen in beiden Sequenzen; Standardabweichung innerhalb der Probanden aus einer vorherigen Crossover-Studie.

Häufige Fehler. Nicht anwenden für Parallelgruppenstudien oder wenn Übertragungseffekte wahrscheinlich sind (langfristige Behandlungen, keine Auswaschphase). Bioäquivalenz erfordert eine TOST-basierte Berechnung.

1. Senn S. Cross-over Trials in Clinical Research. 2. Aufl. Wiley; 2002.
2. Chow SC, Shao J, Wang H. Stichprobenberechnungen in der klinischen Forschung. 2. Aufl. 2008.

Wann anwenden. Legen Sie die Abbruchkriterien für eine Studie mit geplanten Zwischenergebnissen so fest, dass der Gesamtfehler 1. Art bei α bleibt.

Annahmen. Gleichmäßig verteilte Beobachtungen (gleiche Informationsmenge pro Phase); zweiseitiger Test einer normalverteilten Statistik; Grenzen werden vor der Entblindung festgelegt.

Häufige Fehler. Vermeiden Sie ungeplante Looks. Verwenden Sie für ungleiche Abstände die Alpha-Spending-Funktion (Lan-DeMets) in spezieller Software.

1. O'Brien PC, Fleming TR. Ein Verfahren für multiples Testen in klinischen Studien. Biometrics. 1979;35(3):549-556.
2. Pocock SJ. Gruppensequentielle Methoden bei der Planung und Analyse klinischer Studien. Biometrika. 1977;64(2):191-199.
3. Jennison C, Turnbull BW. Gruppensequenzielle Methoden mit Anwendungen in klinischen Studien. CRC; 2000.

Anwendungsfall: Erzeugt eine reproduzierbare Speicherbelegungsliste (einfach, permutiert-block oder stratifiziert) mit einem gespeicherten Startwert. Der R-Befehl gibt die exakte Liste wieder.

Annahmen. Die Liste wird von einer Person verwaltet, die unabhängig vom Rekrutierungsprozess ist (Verschleierung der Zuteilung); der Seed und die Liste werden archiviert.

Häufige Fehler. Verwenden Sie in unverblindeten Studien keine feste Blockgröße (die letzten Zuordnungen werden vorhersehbar). Einfache Randomisierung kann bei kleinen Studien zu einem Ungleichgewicht führen. Dynamische Methoden wie die Minimierung erfordern spezielle Software.

1. Schulz KF, Grimes DA. Generierung von Zuteilungssequenzen in randomisierten Studien. Lancet. 2002;359:515-519.
2. Kim J, Shin W. Wie man eine Randomisierung durchführt. Clin Orthop Surg. 2014;6(1):103-109.

Wann anwenden. Die Behandlungseffekte sollten als absolute Risikoreduktion, relatives Risiko, Odds Ratio und Number Needed to Treat (NNT) angegeben werden, jeweils mit einem 95%-Konfidenzintervall (KI), sowie in einem Cates-Plot, der die Auswirkungen auf 100 behandelte Personen darstellt.

Annahmen. Binäres Ergebnis über einen festgelegten Nachbeobachtungszeitraum; ausreichend große Häufigkeiten für die Wald-Intervalle.

Häufige Fehler. Wenn das ARR-Intervall die Null enthält, erstreckt sich das NNT-Intervall bis ins Unendliche (NNTB bis NNTH): Geben Sie es nicht als einfachen Bereich an. NNT bezieht sich spezifisch auf die Nachbeobachtungszeit.

1. Altman DG. Konfidenzintervalle für die Number Needed to Treat. BMJ. 1998;317:1309-1312.
2. Laupacis A, Sackett DL, Roberts RS. Eine Bewertung klinisch nützlicher Messgrößen für die Folgen einer Behandlung. N Engl J Med. 1988;318:1728-1733.

Wann anwenden? Umrechnung zwischen Cohen's d, Hedges' g, der Korrelation r und der Odds Ratio, damit Studien in einer Metaanalyse zusammengefasst werden können.

Annahmen. Die zugrunde liegende kontinuierliche Ergebnisvariable ist in beiden Gruppen annähernd normalverteilt (die logistische Umrechnung in OR setzt dies voraus).

Häufige Fehler. Führen Sie keine Umrechnung durch, wenn die Originaldaten tatsächlich binär sind: Verwenden Sie stattdessen direkt das angegebene Odds Ratio. Umrechnungen zwischen d und r setzen ein Zwei-Gruppen-Design voraus.

1. Borenstein M, Hedges LV, Higgins JPT, Rothstein HR. Einführung in die Metaanalyse. Wiley; 2009. Kap. 7.
2. Chinn S. Eine einfache Methode zur Umrechnung einer Odds Ratio in eine Effektstärke. Stat Med. 2000;19:3127-3131.

Anwendungsfall. Vergleich gepaarter binärer Ergebnisse (die gleichen Probanden vor/nach der Behandlung oder übereinstimmende Fall-Kontroll-Paare).

Annahmen. Die Paare sind voneinander unabhängig; das Ergebnis ist zu beiden Zeitpunkten dichotom; nur diskordante Paare enthalten Information.

Häufige Fehler. Nicht für unabhängige Gruppen verwenden (Chi-Quadrat- oder Fisher-Test verwenden). Bei weniger als ca. 25 diskordanten Paaren den exakten p-Wert bevorzugen.

1. McNemar Q. Anmerkung zum Stichprobenfehler der Differenz zwischen korrelierten Anteilen. Psychometrika. 1947;12(2):153-157.
2. Fagerland MW, Lydersen S, Laake P. Der McNemar-Test für binäre Matched-Pair-Daten. BMC Med Res Methodol. 2013;13:91.

Anwendungszeitpunkt. Testen Sie, ob sich zwei diagnostische Tests oder Biomarker, die an denselben Probanden gemessen wurden, in ihrer Unterscheidungsfähigkeit (Fläche unter der ROC-Kurve) unterscheiden.

Annahmen. Jede Versuchsperson hat sowohl Punktwerte als auch einen eindeutigen Status (0/1); die Versuchspersonen sind voneinander unabhängig; die beiden AUC-Werte sind korreliert, da sie dieselben Versuchspersonen betreffen (DeLong berücksichtigt dies). Bei Punktgleichheit wird der mittlere Rang (0.5) verwendet.

Häufige Fehler. Nicht für Marker verwenden, die an verschiedenen Probanden gemessen wurden (verwenden Sie einen ungepaarten Vergleich). Bei sehr wenigen positiven oder negativen Werten ist die Normalapproximation unzuverlässig; ein nicht signifikantes Ergebnis beweist keine gleichwertige Leistung. Vergleichen Sie partielle AUCs oder klinisch relevante Schwellenwerte, wenn nicht die gesamte Kurve relevant ist.

1. DeLong ER, DeLong DM, Clarke-Pearson DL. Vergleich der Flächen unter zwei oder mehr korrelierten ROC-Kurven: ein nichtparametrischer Ansatz. Biometrics. 1988;44(3):837-845.
2. Hanley JA, McNeil BJ. Eine Methode zum Vergleich der Flächen unter ROC-Kurven, die aus denselben Fällen abgeleitet wurden. Radiology. 1983;148(3):839-843.
3. Robin X, Turck N, Hainard A, et al. pROC: ein Open-Source-Paket für R und S+ zur Analyse und zum Vergleich von ROC-Kurven. BMC Bioinformatics. 2011;12:77.

Anwendungsfall. Wählen Sie einen einzelnen Entscheidungsschwellenwert für einen kontinuierlichen diagnostischen Marker und betrachten Sie Sensitivität, Spezifität, prädiktive Werte, Likelihood-Ratios und AUC bei diesem Schwellenwert. Fünf Kriterien werden direkt miteinander verglichen: Youden-Index, der Wert, der der oberen linken Ecke am nächsten liegt, eine festgelegte Sensitivität, eine festgelegte Spezifität und die erwarteten Kosten in Abhängigkeit von der Prävalenz sowie die relativen Kosten eines falsch negativen Ergebnisses.

Annahmen: Ein Markerwert pro Proband mit einem Referenzstandardstatus von 0/1; unabhängige Probanden. Die Cut-off-Werte entsprechen den Mittelwerten aufeinanderfolgender, sortierter Markerwerte (die gleichen Schwellenwerte wie bei pROC); ein Proband gilt als testpositiv, wenn der Markerwert ≥ dem Cut-off-Wert ist (oder ≤, falls niedrigere Werte positiver sind). Prädiktive Werte bei einer anderen Prävalenz sind nur gültig, wenn Sensitivität und Spezifität auf diese Population übertragbar sind.

Häufige Fehler. Der Grenzwert und seine Genauigkeit werden anhand derselben Daten gewählt und geschätzt und sind daher zu optimistisch. Eine Validierung mit neuen Daten oder mittels Bootstrap ist ratsam, insbesondere bei weniger als etwa 30 Probanden pro Klasse. Unterschiedliche Kriterien führen legitim zu unterschiedlichen Grenzwerten (Perkins & Schisterman). Verwenden Sie nicht die Stichprobenprävalenz für PPV/NPV, wenn Fälle und Kontrollen separat ausgewählt wurden; geben Sie stattdessen die tatsächliche Prävalenz an. Das AUC-Konfidenzintervall ist eine Normalapproximation (DeLong), die auf [0, 1] abgeschnitten ist und in der Nähe von 1 oder bei sehr wenigen Probanden unzuverlässig ist.

1. Youden WJ. Index zur Bewertung diagnostischer Tests. Cancer. 1950;3(1):32-35.
2. Clopper CJ, Pearson ES. Die Verwendung von Konfidenz- oder Fiduzialgrenzen am Beispiel der Binomialverteilung. Biometrika. 1934;26(4):404-413.
3. DeLong ER, DeLong DM, Clarke-Pearson DL. Vergleich der Flächen unter zwei oder mehr korrelierten ROC-Kurven: ein nichtparametrischer Ansatz. Biometrics. 1988;44(3):837-845.
4. Perkins NJ, Schisterman EF. Die Inkonsistenz von „optimalen“ Schwellenwerten, die anhand zweier Kriterien auf Basis der ROC-Kurve ermittelt wurden. Am J Epidemiol. 2006;163(7):670-675.
5. Robin X, Turck N, Hainard A, et al. pROC: ein Open-Source-Paket für R und S+ zur Analyse und zum Vergleich von ROC-Kurven. BMC Bioinformatics. 2011;12:77.

Wann anwenden? Beurteilen Sie, ob ein Vorhersagemodell oder ein Marker klinische Entscheidungen verbessern würde: Der Nettonutzen wägt die richtig positiven Ergebnisse gegen die falsch positiven Ergebnisse an der Risikoschwelle ab, an der ein Patient oder Arzt handeln würde, und vergleicht das Modell mit der Behandlung aller oder mit der Behandlung von niemandem.

Annahmen. Die vorhergesagten Werte sind kalibrierte Wahrscheinlichkeiten zwischen 0 und 1 für ein binäres Ergebnis, das bei allen Probanden beobachtet wird (keine Zensierung); für alle Modelle werden dieselben Probanden verwendet; der Schwellenwertbereich spiegelt die Risiken wider, bei denen eine Entscheidung plausiblerweise geändert werden würde. Die Kurven der zur Modellanpassung verwendeten Daten sind optimistisch.

Häufige Fehler. Verwenden Sie keine Rohwerte, die keine Wahrscheinlichkeiten darstellen, interpretieren Sie Kurven nicht außerhalb eines klinisch sinnvollen Schwellenwertbereichs und schließen Sie nicht ohne Validierung auf einen Nutzen kleiner Unterschiede: Dieses Tool zeigt keine Konfidenzintervalle und keine Korrektur für Überanpassung an. Der Nettonutzen ist kein Genauigkeitsmaß wie beispielsweise die AUC.

1. Vickers AJ, Elkin EB. Entscheidungskurvenanalyse: Eine neue Methode zur Bewertung von Vorhersagemodellen. Med Decis Making. 2006;26(6):565-574. doi:10.1177/0272989X06295361
2. Vickers AJ, van Calster B, Steyerberg EW. Nettonutzenansätze zur Bewertung von Vorhersagemodellen, molekularen Markern und diagnostischen Tests. BMJ. 2016;352:i6. doi:10.1136/bmj.i6
3. Vickers AJ, van Calster B, Steyerberg EW. Eine einfache Schritt-für-Schritt-Anleitung zur Interpretation der Entscheidungskurvenanalyse. Diagn Progn Res. 2019;3:18. doi:10.1186/s41512-019-0064-7

Wann anwenden. Planen Sie, wie viele Teilnehmer eine Studie zur diagnostischen Genauigkeit benötigt: um Sensitivität und Spezifität mit einer gewählten Präzision (Buderer) zu schätzen, um zu zeigen, dass eine AUC einen Nullwert übersteigt, oder um die AUCs zweier Tests zu vergleichen, die an denselben Probanden durchgeführt wurden.

Annahmen. Buderer: Wald-Intervalle (Normalverteilungsapproximation), daher sollte d so klein sein, dass das Intervall zwischen 0 und 100 % liegt; die Prävalenz entspricht der Prävalenz in der rekrutierten Stichprobe. AUC: Die Hanley-McNeil-Varianz ist eine glatte Approximation, die annähernd binormale Verteilungen der Scores annimmt; die Ergebnisse beziehen sich auf die empirische (Mann-Whitney-)AUC und eine Normalverteilungs-Teststatistik. Paarweiser Vergleich: r ist die Korrelation zwischen den beiden AUC-Schätzungen, die unverändert übernommen wird und aus Pilotdaten oder der Literatur stammen muss.

Häufige Fehler. Das Buderer-Ergebnis sollte nicht als Power-Berechnung für einen Hypothesentest interpretiert werden (es berücksichtigt lediglich die Konfidenzintervallbreite). Die AUC-Ergebnisse sind nicht für sehr kleine Stichproben (wenige Krankheitsfälle), für partielle AUC-Werte oder für Cluster-/Mehrfachbefunddaten geeignet. Für eine exakte oder sehr hohe/niedrige Sensitivität empfiehlt sich die exakte Binomialplanung oder ein spezielles Softwarepaket.

1. Buderer NMF. Statistische Methodik: I. Einbeziehung der Krankheitsprävalenz in die Stichprobenberechnung für Sensitivität und Spezifität. Acad Emerg Med. 1996;3(9):895-900.
2. Flahault A, Cadilhac M, Thomas G. Die Berechnung des Stichprobenumfangs sollte zur Gewährleistung der Genauigkeit des Studiendesigns in diagnostischen Teststudien durchgeführt werden. J Clin Epidemiol. 2005;58(8):859-862.
3. Hanley JA, McNeil BJ. Bedeutung und Anwendung der Fläche unter der Receiver-Operating-Characteristic-Kurve (ROC-Kurve). Radiology. 1982;143(1):29-36.
4. Hanley JA, McNeil BJ. Eine Methode zum Vergleich der Flächen unter ROC-Kurven, die aus denselben Fällen abgeleitet wurden. Radiology. 1983;148(3):839-843.
5. Obuchowski NA. Stichprobenberechnungen in Studien zur Testgenauigkeit. Stat Methods Med Res. 1998;7(4):371-392.

Wann anwenden? Um ein Testergebnis in eine Nachtestwahrscheinlichkeit umzuwandeln: Sensitivität/Spezifität, eine 2×2-Tabelle oder veröffentlichte Likelihood-Ratios eingeben, die Vortestwahrscheinlichkeit festlegen und das Ergebnis aus der Tabelle oder dem Fagan-Nomogramm ablesen.

Annahmen. Sensitivität und Spezifität sind auf Ihre Situation übertragbar; die Vortestwahrscheinlichkeit ist realistisch (Prävalenz oder klinische Schätzung); das Ergebnis ist dichotom. Bei 2×2-Zählungen wird das Konfidenzintervall (KI) mithilfe der Logarithmusmethode (Simel 1991) berechnet, die ausreichende Zellzahlen voraussetzt. Ist eine Zelle null, wird vor der Berechnung von Likelihood-Ratio (LR) und KI zu jeder Zelle 0.5 addiert (Stetigkeitskorrektur), wie im Dokument beschrieben.

Häufige Fehler. Likelihood-Ratios korrelierter Tests dürfen nicht so verkettet werden, als wären sie unabhängig. Die aus Sensitivität und Spezifität als Prozentsätze eingegebene Likelihood-Ratio hat kein Konfidenzintervall (Zählwerte sind erforderlich). Eine Spezifität von 100 % führt zu LR+ = unendlich; im Zählwertmodus ergibt die Korrektur von 0.5 einen endlichen Wert mit einem sehr breiten Intervall.

1. Fagan TJ. Nomogramm für den Satz von Bayes. N Engl J Med. 1975;293(5):257.
2. Simel DL, Samsa GP, Matchar DB. Likelihood-Ratios mit Konfidenzintervallen: Schätzung des Stichprobenumfangs für diagnostische Teststudien. J Clin Epidemiol. 1991;44(8):763-770.
3. Deeks JJ, Altman DG. Diagnostische Tests 4: Likelihood-Ratios. BMJ. 2004;329(7458):168-169.