Die absolute Differenz der Ereignisrate (Event rate) zwischen zwei Vergleichsgruppen. Meist zwischen der lnterventionsgruppe (Verumgruppe) und der Kontrollgruppe (Placebogruppe). Wird berechnet als: ARR Experimentelle Ereignisrate - - Ereignisrate in der Kontrollgruppe (Control Event rate). z.B. in der mit Marcoumar behandelten Gruppe traten bei 5%, in der Placebogruppe bei 2% Thrombosen auf. Das Risiko unter Marcoumar eine Thrombose zu erleiden, kann um 3% gesenkt werden. Ist die ARR 0%, so besteht kein Unterschied zwischen den Gruppen. 

Systematischer Fehler oder Verzerrung der Studienresultate. Z.B. k?nnen durch Selektion von Patienten systematische Unterschiede zwischen zwei Gruppen, die miteinander verglichen werden, entstehen. So kann ein Unterschied im Outcome zustande kommen, dadurch, dass in der einen Gruppe Patienten mit schwereren Erkrankungsformen oder ausgepr?gterem Risikoprofil beobachtet wurden und der gemessene Unterschied lediglich ein scheinbarer Unterschied ist (= Selektionsbias). In Systematic reviews bezieht sich dieser Begriff auf den Einschluss von Studien (Selektion). Performance Bias: Patienten erhalten im Rahmen einer Studie eine bessere medizinische Versorgung, werden engmaschiger ?berwacht oder zus?tzlich unterst?tzt. Ein Performance Bias kann auch zustande kommen wenn das Studienpersonal nicht verblindet ist und Patienten in einer Gruppe die bessere medizinische Versorgung bekommen. Detection Bias: bei unverblindeten Studien kann, wenn der Studienarzt die Gruppenzugeh?rigkeit eines Patienten kennt, dieser den Patienten genauer untersuchen und beobachten. Attrition Bias: In der einen Gruppe haben h?ufiger Patienten die Studienmedikation abgesetzt z.B. wegen Nebenwirkungen. Publication Bias: es werden nur Studien publiziert die einen positiven Effekt einer medizinischen Massnahme nachweisen und negative Studien werden nicht publiziert. 

Das Ausmass einer Intervention oder einer Exposition (Ursachenforschung) wurde verzerrt gemessen, wegen einer Assoziation der Exposition (Noxe oder Medikament) mit einem anderen Faktor, der die Entwicklung des Outcomes beeinflusst. Oder anders ausgedr?ckt:

Verursacht Faktor A die Erkrankung B? Ein Confounder X muss somit ein Risikofaktor f?r die Erkrankung B sein und mit dem Faktor A assoziiert sein. Z.B. findet man eine Assoziation zwischen Kaffeetrinken und der Entwicklung von Pankreaskarzinomen. Bei genauerer Betrachtung f?llt aber auf, dass in der Gruppe der Exponierten (Kaffeetrinker) das Durchschnittsalter h?her ist. Alter ist somit ein Confounder weil es mit Kaffeetrinken assoziiert ist und ein Risikofaktor f?r das Pankreaskarzinom ist. 

Ereignisrate in der Kontrollgruppe oder Vergleichsgruppe. D.h. die Anzahl Ereignisse geteilt durch die Gesamtzahl aller Patienten in der Gruppe. z.B. in der mit Placebo behandelten Gruppe traten 5% Thrombosen auf. 

Weder der Patient noch der Arzt wissen, welchem Patient die Studienmedikation (das eigentliche Medikament) und welchem Patient Placebo verabreicht wurde. Durch die Verblindung sollen systematische Verzerrungen (Bias) verhindert werden, die durch die Erwartungen der Patienten aber auch der Studien?rzte entstehen k?nnen. Z.B. Weiss der Arzt in einer Hypertoniestudie, dass der Patient die Studienmedikation bekommen hat und die Blutdruckmessung fiel wider Erwarten hoch aus, so misst er m?glicherweise mehrmals, weil er der Messung nicht glaubt.

Evidence based medicine. Ist die Integration der bestverf?gbaren Daten aus klinischer relevanter Forschung mit der klinischen Erfahrung, abgestimmt auf die Bed?rfnisse eines einzelnen Patienten. 

Das Auftreten eines Ereignis in den untersuchten Populationen: z.B. eines Outcome oder einer Komplikation (z. B: Auftreten einer Thrombose). 

Die Anzahl Patienten in einer Population, die in einem definierten Zeitraum ein definiertes Krankheitsereignis erleiden. Entspricht der Inzidenz eines Ereignis in einer Population. Risk wird angegeben als Bruch (25/1 000) oder als Prozentwert (2.5%). Hypothetisches Beispiel: 84 von 3000 ?ber 60 j?hrigen Rauchern hatten ein koronares Ereignis ?ber eine Zeitraum von 5 Jahren. Risk=2.8% in 5 Jahren. Synonym: lnzidenzrate, Ereignisrate (ER). 

Ereignisrate in der Verumgruppe bzw. der lnterventionsgruppe. 

In Fall-Kontroll-Studien wird die Assoziation zwischen der Exposition mit einer m?glichen Noxe und dem Vorliegen einer Erkrankung untersucht. Dabei wird mit der Identifizierung von Patienten begonnen, die an einer bestimmten Erkrankung leiden (?Cases?). Um die ?Cases? zu vergleichen, werden Patienten (,?Controls?) identifiziert, die den F?llen m?glichst ?hnlich sind (z.B. bez?glich Alter, Geschlecht, Blutdruck, Einnahme anderer Medikamente, Begleiterkrankungen usw.) jedoch die Erkrankung nicht aufweisen. Retrospektive wird dann ermittelt, wie viele der ?Cases? und wie viele der ?Controls? mit der zu untersuchenden Noxe exponiert waren und wie viele nicht. Im Gegensatz zur Kohortenstudie, wo die Erkrankungs?h?ufigkeit (lnzidenz der Erkrankung) bei Exponierten und Nicht-Exponierten vergleichen wird, wird bei der Case-Control-Studie die Expositionsh?ufigkeit (Pr?valenz der Exposition) zwischen Erkrankten und Gesunden verglichen. Besteht eine Assoziation zwischen Exposition und Erkrankung, so ist der Anteil der Exponierten im Kollektiv der Erkrankten h?her als im Kollektiv der Gesunden. Eine m?gliche Assoziation zwischen Exposition und Erkrankung (?tiologieforschung) wird mit der Odds ratio beschrieben. Ein relatives Risiko wie bei der Kohortenstudie oder beim RCT kann nicht berechnet werden, da kein Risk bzw. keine Erkankungsinzidenz aus den Daten hervorgeht (die Cases sind schon krank). Eine Assoziation in der Case-Control-Studie ist aber nicht unbedingt ein Beweis f?r eine kausale Beziehung. Entscheidend f?r die Qualit?t einer Fall-Kontroll-Studie ist die Zusammensetzung und Vergleichbarkeit der Kontrollgruppe. Bsp: Es soll eine Assoziation zwischen koronarer Herzkrankheit und Rauchen gezeigt werden. Cases: Patienten mit koronarer Herzkrankheit. Controls: Patienten ohne koronare Herzkrankheit. Jetzt wird retrospektiv die Anzahl Raucher (Exposition) und Nichtraucher (keine Exposition) sowohl im Kollektiv der Erkrankten wie auch der Gesunden ermittelt. Eine Assoziation besteht, wenn der Anteil Raucher in der Gruppe der Cases h?her war als in der Gruppe der Controls, z.B. 56% vs. 44%. (In einer Kohortenstudie w?rden Raucher und Nichtraucher untersucht und erfasst wie viele davon einer KHK entwickeln und wie viele nicht.) Oft ist eine Case-Control-Studie die einzige m?gliche Art einen Zusammenhang zwischen einem Risikofaktor und dem daraus resultierenden Schaden nachzuweisen. Vor allem dann, wenn die Krankheit entweder sehr selten auftritt, oder die Zeit zwischen Exposition (z.B. Asbest) und der vermuteten Krankheit (Pleuramesotheliom) lange Zeit dauert.

beste und zuverl?ssigste Methode zum Nachweis oder Ausschluss einer Erkrankung. z.B. bei der Diagnostik einer Beinvenenthrombose gilt die Phlebographie als Goldstandard (Anm. des Webmasters: stimmt nicht mehr, der heutige Goldstandard ist die Farbkodierte Duplex-Sonographie), bei der Lungenembolie die Pulmonalisangiographie. 

Der Bergriff wird meistens im Zusammenhang mit randomisiert kontrollierten Studien verwendet. Die Outcomes der Patienten werden in der Gruppe analysiert, der sie zu Studienbeginn zugeteilt wurden (random allocation), unabh?ngig ob sie das Verumpr?parat oder das Placebo bekommen haben. Dieses Vorgehen entspricht den Verh?ltnissen in der Praxis am ehesten, da Medikamentenverwechslungen und Mal-Compliance vorkommen. Zudem bleibt die durch die Randomisierung geschaffene Vergleichbarkeit der Gruppen erhalten. Die intention-to-treat-Analyse ergibt eine vorsichtige Absch?tzung der Gruppenunterschiede (vgl. Per-Protocol-Analyse). 

Anzahl Neuerkrankungen in einem Kollektiv oder einer Population w?hrend einer bestimmten Zeit. Z.B: Auftreten von 84 Myokardinfarkten bei 3000 rauchenden M?nnern im Alter von 65 bis 75 Jahren. Lnzidenz = 84/3000 = 0.028 oder 2.8%. Die j?hrliche lnzidenzrate w?re 84/(3000*5) = 0,5 % 

Eine definierte Patientengruppe (eine Kohorte) wird ?ber einen bestimmten Zeitraum beobachtet, um zu sehen, wie viele einen gewissen Outcome entwickeln. Dabei gibt es zwei M?glichkeiten: 1. Die Studienpopulation wird kreiert durch den Einschluss vergleichbarer Patienten die entweder exponiert sind oder nicht. (z.B. Raucher und Nichtraucher) und ein definierter Outcome wird beobachtet (z.B. Bronchus-Karzinom) 2. Eine definierte Population wird selektioniert, diese dann untersucht auf das Vorliegen von z.B. Risikofaktoren (z.B. Hypercholesterin?mie, Hypertonie). F?r multiple Faktoren kann in diesem Fall eine m?gliche Assoziation zum Outcome untersucht werden (Bsp. Framingham Study). Die Schwierigkeit dieses Studiendesigns ist das Problem der Vergleichbarkeit der Gruppen hinsichtlich anderer Faktoren, die Einfluss auf den Outcome haben. In Effektivit?tsstudien (lnterventionsstudien) wird dieses Problem durch die Randomisierung gel?st. Aus ethischen Gr?nden kann man aber die Studienteilnehmer nicht in eine Gruppe randomisieren, die einer potentiellen Noxe ausgesetzt werden. 

Der Bereich in dem der wahre Wert mit einer Wahrscheinlichkeit von 95% liegt (95% Konfidenzintervall). Der wahre Wert ist eigentlich unbekannt, wird aber approximiert durch den sog.,, Point estimate, der im Zentrum des Konfidenzintervalls liegende Wert. Der Vorteil, Resultate mit Hilfe von Konfidenzintervallen anzugeben, liegt darin, dass die Resultate quantifiziert werden k?nnen. Im Gegensatz zum P-Wert, der lediglich besagt ob ein Resultat statistisch signifikant ist oder nicht, aber keine Aussage ?ber die quantitativen Unterschiede zul?sst. Je gr?sser die eingeschlossene Anzahl Probanden in einer Studie, desto enger wird das Konfidenzintervall und desto kleiner ist die Schwankungsbreite des wahren Wertes. Bsp. Ereignisse in der Gruppe A waren um 8% resp. zwischen 6% und 10% (ARR 8%, 95% Cl 6-10%) seltener als in Gruppe B versus Ereignisse in der Gruppe A waren statistisch signifikant seltener als in der Gruppe B (p<0.05). In einer kleineren Studie w?re das Konfidenzintervall gr?sser, z.B. -2% bis 18%. Da f?r diesen Bereich die untere Konfidenzlimite kleiner 0 ist, bedeutet dies, dass in mehr als 5% kein Unterschied zwischen den Gruppen besteht, was gleichzusetzen w?re mit einem Resultat, das keine statistische Signifikanz erreicht. 

Es gibt die positive (LR+) und die negative (LR-) Likelihood Ratio. Die LR+ f?r einen Test beschreibt, wieviel mal h?ufiger ein positiver Test bei Patienten vorkommt, die die gesuchte Erkrankung haben als bei Patienten, die die Erkrankung nicht haben. Bsp. Patienten mit einer Eisenmangelan?mie haben 6 mal h?ufiger einen tiefen Ferritinwert (pos. Test) als Patienten ohne Eisenmangelan?mie (in seltenen F?llen haben auch Patienten ohne Eisenmangelan?mie einen tiefen Ferritinwert=falsch positiver Test). Die LR+ vergleicht wieviel mal h?ufiger bei der uns interessierenden Erkrankung ein richtig positiver Test als ein falsch positiver Test vorkommt. Rechnerisch entspricht dies dem Quotient aus Sensitivit?t/(1-Spezifit?t). Die Ferritinbestimmung bei der Eisenmangelan?mie hat eine Sensitivit?t von 90% und eine Spezifit?t von 85%. Die LR+ betr?t also 90%/15%=6. In der Diagnostik dient die Likelihood ratio dazu die Nachtestwahrscheinlichkeit aufgrund der Vortestwahrscheinlichkeit zu bestimmen. Und zwar geschieht dies durch Multiplikation der Pr?test-Odds mit der Likelihood Ratio= Posttest-Odds. Einfacher kann man mit Hilfe des Likelihood-Nomogramms die Posttestwahrscheinlichkeit direkt aus der Pr?testwahrscheinlichkeit und der Likelihood ratio bestimmen. Eine ?gute? positive Likelihood Ratio, mit der die Posttestwahrscheinlichkeit deutlich erh?ht werden kann, ist >10 f?r einen positiven Test (Best?tigung der Diagnose, Spin). Die Likelihood ratio f?r einen negativen Test, zum Ausschluss einer Diagnose ist kleiner 1 (Posttestwahrscheinlichkeit wird reduziert). Eine ?gute negative Likelihood Ratio ist <0.1. 

Die statistische Synthese der Resultate (Outcome) aus verschiedenen, vergleichbaren Studien zum gleichen oder einem ?hnlichen Thema. Das Zusammenfassen der verschiedenen Resultate zu einem ?Metaresultat?, quasi dem Mittelwert, wird ?pooling? genannt. Das Ziel einer Meta-Analyse ist, durch poolen der Daten hohe Patientenzahlen zu erlangen und einen Trend ?ber die Effektivit?t z.B. einer Intervention aufzuzeigen. Meta-Analysen haben eine qualitative Komponente, n?mlich das die eingeschlossenen Studien definierten Qualit?tsmerkmalen gehorchen m?ssen,audemars piguet replica watches und eine quantitative Komponente, was der numerischen Integration der Daten entspricht. Meta-Analysen und systematic reviews besitzen das h?chste Evidenzniveau, da die Qualit?t aller eingeschlossenen Studien auf das Vorliegen systematischer Fehler (Bias) ?berpr?ft wird, Die Begriffe Meta-Analyse und systematische ?bersicht (systematic review) werden teilweise synonym verwendet. 

Der negative Pr?diktionswert (NPV, negative predictive value) gibt die Wahrscheinlichkeit an, nicht erkrankt zu sein bei negativem Test. Z.B: die Wahrscheinlichkeit bei negativem D-Dimer?Test keine Lungenembolie zu haben. Je sensitiver ein Test, desto h?her der NPV, aber nur wenn die Erkrankungswahrscheinlichkeit tief ist. 

Anzahl von Patienten, die behandelt werden m?ssen um ein Ereignis zu verhindern,rolex replica watches das mit der Kontrollbehandlung eingetreten w?re. Gilt aber nur f?r eine spezifische Intervention und einen spezifischen Outcome. Z.B. die NNT unter Pravastatin 40 mg w?hrend 10 Jahren (Studiendauer) f?r 50-70 Diabetiker mit Hypertonie einen Myokardinfarkt oder Todesfall zu verhindern. Die NNT berechnet sich aus 1/ARR (wobei ARR absolute Risikoreduktion). Z.b. NNT = 1/0.03 = 33 d.h. 33 Patienten m?ssen ein Jahr (oder je nachdem wie lange die Studie dauerte) behandelt werden, um ein (Ereignis, Event, Outcome) zu verhindern. 

Die Wahrscheinlichkeit, dass ein Ereignis eintritt wird zum Beispiel auf 60% (60/100; P=0.6) gesch?tzt. Die Wahrscheinlichkeit, dass das Ereignis nicht auftritt ist demgem?ss 40% und die Odds (oder Chance) ist 60:40 bzw. 1.5. Umgekehrt wird die Chance auf 2:3 gesch?tzt, so ist betr?gt die Wahrscheinlichkeit 2/5 (2/(2+3)) resp. P0.4. Allgemein wird die Odds so dargestellt: a/b. Im vergleich dazu bezieht sich die Inzidenz oder Risk auf die Gesamtzahl also a/a+b. Die Umrechnung der Odds in die Wahrscheinlichkeit lautet demnach: P = Odds/(Odds ratio+1) Die Umrechnung der Wahrscheinlichkeit in die Odds lautet demnach: Odds Ratio = P/(1-P) 

Die Odds Ratio oder relative Odds beschreiben das Verh?ltnis zweier Odds zueinander. In der Gruppe der Exponierten sind a die Erkrankten und b die Nichterkrankten. In der Gruppe der Nichtexponierten sind c die Erkrankten und d die Nichterkrankten. Odds f?r die Exponierten= a/b. Odds f?r die Nichtexponierten= c/d. Das Verh?ltnis der zwei Odds zueinander lautet dann alblcld oder a*d/c*b. Im Vergleich dazu lautet das Relative Risiko: al(a+b)/c/(c+d). Da die Odds ein Verh?ltnis beschreibt, heisst ?kein Unterschied? eine Odds Ratio von 1. Ist der Wert gr?sser oder kleiner als 1, so bedeutet dies, dass die Chance f?r ein Ereignis in der einen Gruppe h?her resp. reduziert (Schutz einer Intervention vor einem Ereignis) wird. Die Odds Ratio und das relative Risiko sind vergleichbar wenn die Pr?valenz einer Erkrankung tief respektive wenn eine Erkrankung selten ist. Bei hoher Pr?valenz approximiert die Odds Ratio das relative Risiko weniger genau. 

Der positive Pr?diktionswert (PPV, positive predictive value) entspricht der Erkrankungswahr?scheinlichkeit bei positivem Test. Z.B: die Wahrscheinlichkeit bei ST-Steckensenkungen in der Fahrradergometrie (pos. Test) tats?chlich eine koronare Herzkrankheit zu haben. Je spezifischer ein Test, desto h?her der PPV aber nur wenn auch die Erkrankungswahrscheinlichkeit hoch ist. 

Erkrankungswahrscheinlichkeit nach einem positiven Test. Die Posttestwahrscheinlichkeit errechnit sich aus der Pr?testwahrscheinlichkeit und der Likelihood ratio. Hat ein 65 j?hriger Raucher mit Hypertonie belastungsabh?ngige retrosternale Schmerzen, so ist die Pr?testwahr?scheinlichkeit vor der Fahrradergometrie f?r eine koronare Herzkrankheit hoch (z.B. 70%) und die Posttestwahrscheinlichkeit bei signifikanten ST-Senkungen nahezu 100%. Hat eine 20 j?hrige, gesunde Frau retrosternale Schmerzen, so ist die Pr?testwahrscheinlichkeit tief f?r eine koronare Herzkrankheit vor einer Fahrradergometrie tief. Treten w?hrend des Versuchs ST-Senkungen auf so handelt es sich mit grosser Wahrscheinlichkeit um ein falsch positives Testresultat. 

Wurde ein Test einmal durchgef?hrt, so kann man mit Hilfe des Pr?diktivwertes absch?tzen wie hoch die Wahrscheinlichkeit f?r das Vorliegen der gesuchten Erkrankung bei einer Person ist (positiver Pr?diktivwert bei positivem Test) bzw. bei negativem Test wie hoch die Wahrscheinlichkeit ist, dass die Krankheit nicht vorliegt (negativer Pr?diktivwert). Der Pr?diktivwert liefert also eine Erkrankungswahrscheinlichkeit (hingegen liefert die Sensitivit?t die Wahrscheinlichkeit, dass Erkrankte mit Hilfe des Tests erfasst werden). Der Pr?diktivwert beantwortet also die Frage: Falls mein Patient ein positiver Test hat, wie hoch ist die Wahrscheinlichkeit, dass er die Krankheit tats?chlich hat? Der Pr?diktivwert ist abh?ngig von der Sensitivit?t und Spezifit?t eines Tests sowie von der Pr?valenz der gesuchten Erkrankung. Die Interpretation eines positiven oder negativen Tests variiert vom klinischen Setting, gem?ss der Vortestwahrscheinlichkeit. Der positive Pr?diktionswert (PPV, positive predictive value) entspricht der Erkrankungswahrscheinlichkeit bei positivem Test. Z.B: die Wahrscheinlichkeit bei ST-Steckensenkungen in der Fahrradergometrie (pos. Test) tats?chlich eine koronare Herzkrankheit zu haben. Je spezifischer ein Test, desto h?her der PPV aber nur wenn auch die Erkrankungswahrscheinlichkeit hoch ist. Der negative Pr?diktionswert (NPV, negative predictive value) gibt die Wahrscheinlichkeit an, nicht erkrankt zu sein bei negativem Test. Z.B: die Wahrscheinlichkeit bei negativem D-Dimer-Test keine Lungenembolie zu haben. Je sensitiver ein Test, desto h?her der NPV, aber nur wenn die Erkrankungswahrscheinlichkeit tief ist. 

Wahrscheinlichkeit, dass ein Patient an einer gewissen Krankheit leidet vor Durchf?hrung eines Tests. Diese Wahrscheinlichkeit wird gesch?tzt aus der Pr?valenz der Erkrankung f?r die betreffende Altersgruppe, anamestischen Daten (z.B. Risikofaktoren) sowie aus den Befunden der klinischen Untersuchung. Hat ein 65 j?hriger Raucher mit Hypertonie belastungsabh?ngige retrosternale Schmerzen, so ist die Pr?testwahrscheinlichkeit vor der Fahrradergometrie f?r eine koronare Herzkrankheit hoch (z.B. 70%) und die Posttestwahrscheinlichkeit bei signifikanten ST-Senkungen nahezu 100%. Hat eine 20 j?hrige, gesunde Frau retrosternale Schmerzen, so ist die Pr?testwahrscheinlichkeit tief f?r eine koronare Herzkrankheit vor einer Fahrradergometrie tief. Treten w?hrend des Versuchs ST?Senkungen auf so handelt es sich mit grosser Wahrscheinlichkeit um ein falsch positives Testresultat. 

Anzahl Erkrankte oder Ereignisse in einer definierten Population zu einem definierten Zeitpunkt (point prevalence).

P < 0.05 bedeutet, dass die Wahrscheinlichkeit kleiner als 5% ist, dass der gemessene Unterschied zwischen den zwei Vergleichsgruppen (Z.B. eine ARR von 6%) auf Zufall beruht. Oder dass wenn man die gleiche Studie 20 mal durchf?hren w?rde, k?nnte man h?chstens einmal keinen Unterschied zwischen den Gruppen feststellen. Die 5% Grenze ist arbitr?r und hat keine spezielle Bedeutung. Ein P-Wert von <0.01 heisst dass die Grenze bei 1% festgelegt wird. Ist ein Ergebnis statistisch signifikant so sagt dies nur, dass die Wahrscheinlichkeit klein ist dass das Resultat auf Zufall beruht, besagt aber nichts ?ber die Gr?sse des Unterschieds (und damit ?ber die klinische Relevanz) zwischen den Gruppen. Im Vergleich dazu kann man mit dem 95% Konfidenzintervall den Unterschied und dessen Schwankungsbreite zwischen zwei Gruppen quantifizieren. 

Die Randomisierte kontrollierte Studie ist das beste Studiendesign um eine medizinische Intervention und deren Effekt auf einen definierten Outcome zu untersuchen. Bei diesem Studiendesign wird eine Gruppe von Patienten oder Probanden nach dem Zufallsprinzip in zwei oder mehrere Gruppen aufgeteilt (randomisiert). Die eine Gruppe erh?lt das zu untersuchende Medikament (Verumgruppe, Study Group), w?hrend die andere Gruppe eine konventionelle Therapie (z. B. Vergleichstherapie), ein Placebo (Placebogruppe) oder nichts erh?lt. Im Idealfall wissen weder der Patient noch der Forscher wer welche Therapie erh?lt. Diese Studienanlage wird doppelblind genannt; weiss nur der Proband nicht was er erh?lt, so handelt es sich um eine einfach-blinde Studienanordnung. Der grosse Vorteil der randomisierten kontrollierten Studie liegt darin, dass systematische Differenzen zwischen den Gruppen durch Zufallszuteilung zu einen oder anderen Gruppe ausgeschlossen werden. Die Randomisierung gew?hrleistet, dass die Gruppen so identisch wie m?glich sind und nur Unterschiede, die durch Zufall zustande kommen, vorhanden sind. Der Begriff kontrolliert bezieht sich darauf, dass die Resultate in der lnterventionsgruppe mit denen der Kontrollgruppe verglichen wurden. Die Nachteile oder Probleme der randomisierten kontrollierten Studie sind folgende: Die Studien sind oft langwierig und teuer. Patienten, die an einer randomisierten Studie teilnehmen und damit einverstanden sind, dass sie nach dem Zufallsprinzip entweder das Medikament oder ein Placebopr?parat erhalten, sind mitunter nicht ganz repr?sentativ f?r durchschnittliche Patienten. 

Zuteilung zur Interventions-oder Kontrollgruppe nach dem Zufalisprinzip. Zur Bestimmung der Wirksamkeit eines Medikamentes werden aus einem Patientenkollektiv 2 Gruppen gebildet. Die eine Gruppe erh?lt das Medikament und die andere Placebo. Die Zuordnung zur einen oder anderen Gruppe muss in einer randomisierten kontrollierten Studie streng nach dem Zufallsprinzip erfolgen. Die Idee hinter der Randomisierung ist, alle Patienten aus der Studienpopulation in 2 identische, vergleichbare Gruppen aufzuteilen. Zudem darf die Randomisierungsliste den an der Studie beteiligten Personen nicht bekannt sein, damit diese nicht wissen welcher Gruppe ein gewisser Patient zugeteilt wurde. 

Die relative Risikoreduktion beschreibt um wie viel das relative Risiko durch eine Intervention im Vergleich zu Placebo reduziert wurde. Ein relatives Risiko von 0.60 (oder 60%) besagt, dass im Vergleich zur Kontrollgruppe (=100%) 60% der Ereignisse in der Interventionsgruppe auftraten. Bzw. dass in der lnterventionsgruppe 40% (1-0.60=0.40) weniger Ereignisse auftraten (=relative Risikoreduktion). Mit anderen Worten: im Vergleich zur Kontrollgruppe sind Ereignisse in der lnterventionsgruppe um 40% seltener. Dieser Wert sagt aber nichts dar?ber aus wie viele Ereignisse wirklich durch eine Behandlung verhindert werden, sondern nur wie viele Ereignisse in der Behandlungsgruppe im Vergleich, resp. relativ zur Kontrollgruppe seltener sind. RRR = (CER -- EER) / CER * 100 

Das relative Risiko beschreibt das Verh?ltnis vom Risiko (Event rate) in der lnterventionsgruPPe zum Risiko (Control Event rate) in der Kontroll-oder VergleichsgruPPe. Es handelt sich also um einen Vergleich der Ereignisraten zwischen lnterventionsgruPPe und Kontrollgruppe relativ zu einander. Ein relatives Risiko von 1 besagt, dass kein Unterschied zwischen den Gruppen besteht. Ist das relative Risiko kleiner als 1, so bedeutet dies, dass die Intervention das Risiko f?r den untersuchten Outcome zu reduzieren vermag oder dass die Intervention vor dem sch?dlichen Outcome (z.B. Frakturrate bei Osteoporose) sch?tzt. Ein relatives Risiko von 0,60 (oder 60%) besagt, dass im Vergleich zur Kontrollgruppe (=100%) 60% der Ereignisse in der lnterventionsgruppe auftraten. Bzw. dass in der lnterventionsgruppe 40% weniger Ereignisse auftraten (=relative Risikoreduktion). Das relative Risiko sagt somit nichts ?ber die absolute Reduktion des Risikos aus. Ist das Risiko in der lnterventionsgruppe 1% und in der Kontrollgruppe 2% so wird das Risiko nur um 1% absolut reduziert. Relativ wird das Risiko aber um 50% reduziert (1%/2%). 

Sensitivit?t und Spezifit?t beschreiben die Aussagekraft bzw. wie gut ein Test ist und sollten in Erw?gung gezogen werden bevor der Test angewendet wird. Wurde der Test einmal angewendet und ist entweder positiv oder negativ, dann ergibt der (positive oder negative) Pr?diktivwert Auskunft wie wahrscheinlich das Vorliegen der Erkrankung ist. Der Anteil Patienten mit einer gewissen Erkrankung die durch Anwendung des Test erkannt werden bzw. einen positiven Test haben. Bsp. der prozentuale Anteil Patienten mit einer Eisenmangel?an?mie, die einen tiefen Ferritin-Wert haben (pos. Test). Ein Test mit einer hohen Sensitivit?t erfasst nahezu alle Erkrankten. Ein negatives Testresultat kann die eventuelle Erkrankung mit hoher Wahrscheinlichkeit ausschliessen, weil die Anzahl Probanden, die trotz negativem Test die gesuchte Erkrankung haben klein ist (falsch negatives Testresultat). Merke Snout: Sensitivity negative out. Sensitivit?t und Spezifit?t sind Marker, die die Qualit?t eines Tests beschreiben. 

Beschreibt den Anteil an Patienten ohne die gesuchte Erkrankung mit negativem Testresultat, d.h. die Anzahl richtig negativer Resultate. Ein Test mit einer hohen Spezifit?t ist n?tzlich um eine gesuchte Erkrankung zu best?tigen. Merke Spin: Specificity positive in. (Bsp. Das Gesicht eines Menschen mit Down-Syndrom ist hochspezifisch). Merke: ?1 - Spezifit?t?: der Anteil falsch positiver Ergebnisse. 

Die Architektur einer Studie. Ein geeignetes Studiendesign ist abh?ngig von der Forschungs?frage. Z.B. wird eine Intervention i.d.R. durch eine randomisierte kontrollierte Studie untersucht, ?tiologiefragen anhand einer Kohortenstudie oder einer case ? contro -Study. In der klinischen Forschung wird im Studiendesign die untersuchte Population definiert, die Intervention oder der zu untersuchende Test und die Outcomeparameter. Weitere zentrale Fragen sind, wie Daten im zeitlichen Verlauf gesammelt und analysiert werden. Z.B. prospektiv heisst, von einem gegebenen Zeitpunkt an werden Patienten auf der Zeitachse vorw?rts verfolgt und idealerweise vor Studienbeginn definierte Krankheitsereignisse (z.B. Myokard?infarkte) gemessen. Daten k?nnen auch retrospektive analysiert werden. Das heisst, man identifiziert Krankheitsf?lle und schaut, ob in der Vergangenheit eine Exposition stattgefunden hatte. 

Unter einem ?systematic review? versteht man die kritische Interpretation und Zusammen?fassung m?glichst aller Informationen zu einem bestimmten Thema. ?systematisch? bezieht sich dabei auf das systematische Identifizieren aller Informationen zu einem bestimmten Thema sowie auf die systematische kritische Beurteilung der Qualit?t ausgew?hlter Arbeiten. Sorgf?ltig durchgef?hrte ?Systematic Reviews? liefern die sichersten und genauesten Informationen zu einem bestimmten Thema. Eine Schwierigkeit besteht in der Suche nach vorhandenen Informationen. In der Medline z.B. wird nur etwa ein Drittel aller publizierten Arbeiten gespeichert. F?r eine m?glichst vollst?ndige Erfassung der publizierten Informationen werden zudem andere Datenbanken (z.B. EMBASE, Science Citation Index) durchsucht, verschiedene Zeitschriften handverlesen und die Referenzenlisten auf ?bersehene Arbeiten hin untersucht. Aus diesen identifizierten Arbeiten werden dann durch unabh?ngige Gutachter potentiell einzuschliessende Arbeiten ausgew?hlt. Diese ausgew?hlten Arbeiten (?eligible studies?) werden auf zu Beginn definierte Einschlusskriterien gepr?ft und diejenigen Arbeiten die den Kriterien gehorchen eingeschlossen (?included?). Die Notwendigkeit dieser peniblen Suche liegt darin, dass Studien mit sogenannt ?negativen? Resultaten (z.B. Medikamentenstudien, die keine positive Wirkung im Vergleich zum Placebo zeigen konnten) in sogenannt ?schlechteren? und in der Medline nicht referenzierten Zeitschriften oder ?berhaupt nicht publiziert werden (publication bias). Die so eingeschlossenen Arbeiten werden mit System kritisch beurteilt, gewertet, die Daten ?extrahiert? und anschliessend in einer Meta?Analyse miteinander verglichen. Im unterschied zu Meta-Analyse wird nicht zwingend ein gepooltes Resultat pr?sentiert, sondern abschliessend die Evidenz zu einem spezifischen Thema abschliessend kritisch beurteilt. Seit Jahren besteht die Cochrane - CoIIaboration Group, eine Arbeitsgruppe aus medizinischen Forschern, Statistikern, Epidemiologen und praktizierenden ?rzten, die ?systematische reviews? anfertigen und diese im Internet und als CD -ROM* anbieten.

*Cochrane Database of systematic reviews. Erh?ltlich bei: BMJ Publishing Group, P0 Box 295, London WC1H 9TE, UK. Fax 0044 171 383 66 62 oder http://www.cochrane.org 

In einer ?bersichtsarbeit wird in kurzer und ?bersichtlicher Form das dem Verfasser zu einem bestimmten Thema oder zu einer speziellen Frage wichtig und richtig scheinende zusammengefasst. F?r den Leser besteht die M?glichkeit, sich innerhalb kurzer Zeit einen ?berblick ?ber ein bestimmtes Thema zu verschaffen. Der Nachteil einer ?bersichtsarbeit kann, muss aber nicht unbedingt sein, dass diese vorwiegend die pers?nliche Meinung eines Autors widerspiegelt und dass die Literatur nicht systematisch gesucht wurde. 

Das Mass der G?ltigkeit eines Forschungsresultats oder einer Studie. Die G?ltigkeit wird beeinflusst durch sog. systematische Fehler (Bias), aber auch durch Fehler im Studiendesign und der Studiendurchf?hrung (z.B. Geheimhaltung der RandomisierungSliste concealment of random allocation; Unterschiede zwischen Placebo und Verum in Bezug auf Geruch, Farbe und Gr?sse) oder durch Fehler in der Darstellung der Resultate (z.B. statistische Auswertung). Validit?t wird weiter unterteilt in interne Validit?t: Das Ausmass der G?ltigkeit der Resultate in bezug auf die untersuchte Studienpopulation. Externe Validit?t (=Generalisierbarkeit): die G?ltigkeit der Resultate f?r Patienten ausserhalb der Studie, bzw. inwiefern die Resultate auf den Patienten in der Praxis ?bertragen werden k?nnen.