zurück Home	Tumor - Statistik: Bias
Schätzung	Der Statistiker geht davon aus, dass es eine wahre aber unbekannt Größe eines Messwertes gibt. Durch Auswertung einer Stichprobe wird der wahre Wert geschätzt.
Abweichung	Die Schätzung weicht immer etwas vom wahren Werte ab. Die Schätzung wird um so genauer, je größer die Stichprobe ist.
Bias	Die Schätzung wahren Wertes gelingt nur, wenn die Stichprobe repräsentativ ist. Wenn ein systematischer Fehler vorliegt, so wird der Schätzfehler durch Vergrößerung der Stichprobe nicht geringer.
	systematische Fehler
Selection Bias	In Studien werden oft Patienten untersucht, die weder sehr alt noch sehr jung sind, die keine Nebenerkrankungen haben. Die Ergebnisse werden dann für alle Patienten formuliert. In der Praxis versagt die Therapie, weil die meisten Patienten nicht dieser positiven Untergruppe angehören.
	Wenn nur die Patienten ausgewertet werden, die eine aggressive Therapie durchgehalten haben, so handelt es sich um eine positive Untergruppe, deren gute Ergebnisse später nicht reproduziert werden können. Besser ist die Auswertung von "intend to treat". Dabei werden Therapieabbrecher und Therapieverweigerer mitgezählt.
	Understaging: Bei Radikaloperationen werden oft Metastasen entdeckt, die vorher nicht bekannt waren. Wird primär nicht operiert (Strahlentherapie, medikamentöse Therapie) so wird das Stadium falsch niedrig eingeschätzt. Des Ergebnis der Bestrahlung erscheint dann schlechter als das einer Operation.
Publication Bias (1,3)	Studien, die kein Ergebnis erbringen, werden nicht veröffentlicht oder nicht beachtet. Dadurch werden aus der Gesamtstichprobe nur die Teilstichproben ausgewertet, die ein Ergebnis erbracht haben.
Publication Bias (2)	Zeitschriften, die sich aus Arzneimittelwerbung finanzieren, äußern sich seltener kritisch gegeüber neuen Medikamenten. Von 20 Studien ist eine rein zufällig auf dem 5 % Niveau signifikant. Wird nur diese publiziert, so ergibt sich ein falscher Zusammenhang. Große Pharmafirmen sind in der Lage, zahlreiche Studien zu finanzieren und nur die positiven Ergebnisse zu veröffentlichen.
Profit Bias	Firmen, die Studien ihrer Produkte finanzieren, können negative Ergebnisse unterdrücken. Forscher, die von Firmen bezahlt werden, versuchen die Auswertung so zu gestalten, dass etwas Positives heraus kommt. Medikamente und Therapieverfahren, die nicht mehr patentgeschützt sind, werden in Studien kaum berücksichtigt.
Performance Bias	Durch eine unzureichende Verblindung der Studienpatienten kann es bewusst oder unbewusst zu einer besseren medizinischen Versorgung einer Patientengruppe kommen.
Attrition Bias	ein systematischer Fehler in den Studienergebnissen, der durch Verlust von Follow-up-Daten entsteht
Reporting Bias	Bias durch selektive Wiedergabe von Ergebnissen
Recall Bias	systematischer Fehler durch die Tatsache, dass sich die Studienteilnehmer falsch an frühere Ereignisse erinnern
Literatur	1.) Dickersin K, Min YI: Publication bias: the problem that won’t go away. Ann N Y Acad Sci 703(1993):135–46 2.) Becker A, et al.: The association between a journal's source of revenue and the drug recommendations made in the articles it publishes.. CMAJ 183(2011):544–8 3.) Nguyen TAN, et al.: Public Availability of Results of Trials Assessing Cancer Drugs in the United States. J Clin Oncol 31(2013):2998-3003

Impressum                         Zuletzt geändert am 23.05.2015 17:45