Gesundheit Ernährung
Evidenzbasierte Medizin Glossar A-Z
ScorePunktwert, der aus der Erfassung einer Anzahl von Einzelinformationen in einem definierten Erfassungssystem nach einem festgelegten Algorithmus gebildet wird. Ein bekanntes Beispiel ist der APGAR-Score zur schnellen und systematischen Erfassung des Vitalzustands eines Neugeborenen nach der Geburt. Für Atmung, Herztätigkeit, Hautfarbe, Muskeltonus und Reflexe werden je 0 bis 2 Punkte vergeben und bilden aufsummiert den APGAR-Score. Ein APGAR-Score von 6 oder weniger zeigt einen behandlungsbedürftigen Zustand des Neugeborenen an.
Sekundärliteratur
Publikationen, in denen über die Werke anderer berichtet wird. Die Literaturübersicht, zu der auch systematische Übersichtsarbeiten und Meta-analysen gehören, ist eine Sonderform der Sekundärliteratur. Literaturübersichten fassen die wissenschaftlichen Erkenntnisse aus mehreren Einzelveröffentlichungen (Primärliteratur*) zusammen.
Sensitivität (richtig positive Rate eines Tests)
Anteil der test-positiven Personen unter allen Erkrankten einer Stichprobe, d.h. die Wahrscheinlichkeit, mit einem diagnostischen Test die Kranken auch als krank zu identifizieren. Eine hohe Sensitivität wird angestrebt, wenn eine Erkrankung mit hoher Sicherheit ausgeschlossen werden soll. S. auch Spezifität.
Sensitivitätsanalyse
Analyseverfahren, das feststellt, wie stabil sich eine Modellrechnung oder eine Meta-Analyse gegenüber Schwankungen der Eingangsparameter oder Veränderungen in der Berechnungsmethodik verhält. In gesundheitsökonomischen Modellrechnungen werden in einer Sensitivitätsanalyse mögliche Unterschiede in den Eingangsparametern (leichter versus schwerer Krankheitsschweregrade, gute versus schlechte Compliance, grosser versus kleiner Behandlungseffekt) in ihren Auswirkungen auf die Endergebnisse untersucht und beschrieben.
Spezifität (richtig-negative Rate eines Tests)
Anteil der Test-negativen Personen unter allen Nicht-Erkrankten einer Stichprobe, d.h. die Wahrscheinlichkeit, mit einem diagnostischen Test Nicht-Erkrankte korrekt zu identifizieren. Eine hohe Spezifität wird angestrebt, wenn eine Erkrankung mit großer Sicherheit bestätigt werden soll.
Standardabweichung
Maß für die Streuung von Messwerten um den Durchschnittswert.
Statistische Signifikanz
Ein statistisch signifikantes Ergebnis einer Studie ist ein Ergebnis, das gegen die Nullhypothese* spricht. Die Aussage basiert auf einem statistischen Test, der zur Prüfung einer vorab festgelegten Hypothese mit vorab festgelegter Irrtumswahrscheinlichkeit durchgeführt wird. Statistische Signifikanz darf nicht mit klinischer Relevanz gleich gesetzt werden (s. auch p-Wert*).
Stichprobe
Teilmenge der Gesamtpopulation, über die mit einer Studie eine Aussage gemacht werden soll. In der Stichprobe werden Daten erhoben, anhand derer Schlussfolgerungen für die gesamte Population gezogen werden. (z.B. sollen von einer Studie über 200 Diabetiker mit Nierenbeteiligung Rückschlüsse gezogen werden auf alle Diabetiker mit Nierenbeteiligung.) Um valide Aussagen für die gesamte Population zu erhalten, muss die Stichprobe 1. ausreichend groß sein, um den Stichprobenfehler* klein zu halten und 2. repräsentativ für die gesamte Population sein. damit sie Strukturgleichheit mit der Population aufweist, für die die Aussage gemacht werden soll. Idealerweise wird dies durch eine zufällig gezogene Stichprobe erreicht.
Stichprobenfehler
Unsicherheit der Schätzung in einer Stichprobe*. Jedes Merkmal einer Stichprobe liegt in der Gesamtpopulation mit einer "wahren Häufigkeit“ oder in einer „wahren Größe“ vor. Da die Stichprobe nur einen Teil der Population umfasst, ist damit zu rechnen, dass die Schätzung von Häufigkeit oder Größe des Merkmals in der Stichprobe von der Häufigkeit oder Größe der Gesamtpopulation abweicht. Diese Abweichung wird als Stichprobenfehler bezeichnet. Der Stichprobenfehler ist umso größer, je kleiner die Stichprobe ist und je seltener das zu messende Merkmal in der Population vorkommt. Das Ausmaß des Stichprobenfehlers lässt sich durch Angabe des Konfidenzintervalls* um den Punktschätzer beschreiben.
Stratifizierung
Aufteilung einer Stichprobe oder Untersuchungspopulation in verschiedene Schichten (Strata) in Abhängigkeit von der Ausprägung eines interessierenden Merkmals. Häufig verwendete Stratifizierungsmerkmale sind Alter, Krankheitsschweregrad, Geschlecht oder Ethnizität. Mit stratifizierten Ergebnisauswertungen kann man Ergebnisse für interessierende Subgruppen erhalten oder Confounding* kontrollieren.
Studiendesign
Struktur einer problemgeleiteten, systematischen Beobachtung zur Beantwortung einer spezifischen Fragestellung (Studie). Das Studiendesign hängt von der Fragestellung ab und z.B. auch davon, ob es sich um ein qualitatives oder ein quantitatives Problem handelt. Bei qualitativen Forschungsfragen kommen unterschiedliche Methoden zum Einsatz: z.B. qualitative Interviews, Fokusgruppen; Literatur- oder Quellenanalysen. Bei quantitativen Fragestellungen (z.B. Häufigkeiten von Erkrankungen, Zusammenhang von Exposition und Outcome, Wirksamkeit einer Therapie) kommen Methoden der klinischen Epidemiologie oder der empirischen Sozialforschung zum Einsatz: Bei Beobachtungsstudien (z.B. Kohortenstudien*; Fall-Kontroll-Studien; Querschnittsstudien oder ökologischen Studien) beschränkt sich die Tätigkeit der Wissenschaftler auf das Erheben und Auswerten von Daten. Bei Interventionsstudien (z.B. randomisierten kontrollierten Studien*) wird von den Forschern eine Maßnahme (z.B. Behandlung, Aufklärungskampagne, Versorgungsform) gezielt eingesetzt, um in der Studienpopulation bestimmte Outcomes zu beeinflussen.
Surrogatendpunkte (intermediäre Endpunkte)
Endpunkte, die selbst nicht von unmittelbarer Bedeutung für die Patienten sind, aber stellvertretend für wichtige Endpunkte stehen können (z.B. Blutdrucksenkung als Surrogatparameter für Vermeidung eines Schlaganfalls). Surrogatendpunkte sind oft physiologische oder biochemische Marker, die sich relativ schnell und einfach messen lassen und denen eine Vorhersagefunktion für spätere klinische Ereignisse zugestanden wird. Voraussetzung für zuverlässige Aussagen über die Wirksamkeit einer Behandlung ist ein enger kausaler Zusammenhang zwischen Surrogatparameter und dem eigentlichen Endpunkt. Für die allermeisten Surrogatparameter ist ein kausaler Zusammenhang nicht belegt, was den Nutzen von Surrogatparametern für die Vorhersagekraft von klinisch relevanten Endpunkten in Frage stellt. So haben z.B. in einer Studie mit antiarrhythmisch wirkenden Medikamenten (CAST-Studie) die geprüften Antiarrhythmika gefürchtete Herzrhythmusstörungen (Surrogat) verhindert – mittelfristig traten aber, im Vergleich zu den Kontrollgruppen, vermehrt Todesfälle (klinisch relevanter Endpunkt) auf.
Systematischer Review (Synonym: Systematische Übersicht)
Sekundärforschung, bei der zu einer klar formulierten Frage alle verfügbaren Primärstudien systematisch und nach expliziten Methoden identifiziert, ausgewählt und kritisch bewertet und die Ergebnisse extrahiert und deskriptiv oder mit statistischen Methoden quantitativ (Meta-Analyse*) zusammengefasst werden. Nicht jeder systematische Review führt zu einer Meta-Analyse.
Umschläge, verschlossene (sealed envelopes)
Unzuverlässige Methode der verdeckten randomisierten Zuordnung der Probanden zu Interventions- und Kontrollgruppe in RCTs. Für jeden einzelnen Studienteilnehmer liegt die Gruppenzuordnung in einem verschlossenen, undurchsichtigen Umschlag vor. Erst nach Überprüfung der Einschlusskriterien und Einwilligung des Probanden in die Studienteilnahme wird ein Umschlag geöffnet und die Gruppenzuordnung abgelesen. Die Methode ist sehr manipulationsanfällig, da die Reihenfolge, in der die Umschläge geöffnet werden, nicht zuverlässig kontrolliert werden kann. Die Umschlagsmethode sollte daher nur dann angewandt werden, wenn eine zentrale Randomisierung nicht praktikabel ist, z.B. bei Studien in Notfallsituationen.
Validität (innere Validität, Glaubwürdigkeit)
Innere Validität bezeichnet das Ausmaß, mit dem die Ergebnisse einer Studie die „wahren“ Effekt einer Intervention/Exposition wiedergegeben werden, d.h. frei von systematischen Fehlern (Bias*) sind. Die innere Validität beruht auf der Integrität des Studiendesigns und ist Voraussetzung für die Anwendbarkeit der Studienergebnisse in der Routineversorgung (s. auch externe Validität*).
Verblindung
Geheimhaltung der Gruppenzuordnung (Therapie oder Kontrolle) vor Patienten, Studienärzten, Pflegepersonal und Auswertern, die an einer Studie teilnehmen. Damit soll verhindert werden, dass durch das Wissen um die Gruppenzugehörigkeit die Therapieantwort der Patienten, das Verhalten der Ärzte oder die Bewertung der Ergebnisse beeinflusst wird. In einfach-blinden Studien wissen nur die Patienten nicht über ihre Zuordnung Bescheid, in doppel-blinden Studien bleibt die Zuordnung Patient und behandelndem Arzt verborgen. Die Verblindung von Ärzten und Patienten ist nicht immer durchführbar (z.B. beim Vergleich von chirurgischen mit medikamentösen Verfahren), wobei eine Verblindung der Endpunkt-Auswerter in der Regel möglich ist (s. auch Bias*).
Verdeckte Zuordnung (concealment of allocation)
Methodisches Verfahren zum Schutz vor Selektionsbias. Geheimhaltung der randomisierten Zuteilungsfolge zu Therapie- oder Kontrollgruppe bis zum Zeitpunkt des Studieneinschlusses und der Zuordnung des Patienten zu einer Studiengruppe (s. auch Bias*).
Vortest-Wahrscheinlichkeit einer Erkrankung (pre-test probability)
Schätzung der Wahrscheinlichkeit einer Erkrankung vor der Durchführung eines Tests. Sie beruht im Allgemeinen auf der Prävalenz* der Erkrankung in einem bestimmten Umfeld (z.B. Normalbevölkerung, Primär-, Sekundärversorgung, im Krankenhaus, in der eigenen Praxis). Sind diese Informationen nicht verfügbar, müssen sie gegebenenfalls geschätzt werden.
Wahrscheinlichkeitsverhältnis (Likelihood Ratio = LR)
Das Verhältnis der Wahrscheinlichkeit, dass ein positives (oder negatives) Testergebnis bei einer Person mit der Erkrankung auftritt zur Wahrscheinlichkeit, dass dieses positive (oder negative) Testergebnis bei einer Person ohne diese Erkrankung auftritt. Die LR ermöglicht eine Aussage darüber, wie stark sich durch das Testergebnis die Wahrscheinlichkeit für oder gegen das Vorliegen einer Erkrankung ändert (Nachtestwahrscheinlichkeit*).
Zufallszahlen (random numbers)
In der klinischen Forschung dienen Zufallszahlen zur Bildung von Stichproben oder zur zufälligen Zuteilung von Probanden zur Interventions- oder Kontrollgruppe (Randomisierung*). Echte Zufallszahlen werden z.B. beim Münzwurf, Würfeln oder Roulette erzeugt. In der Praxis wird meist auf Pseudozufallszahlen zurückgegriffen, d. h. auf scheinbar zufällige Zahlen, die nach einem festen, reproduzierbaren Verfahren erzeugt werden. Obwohl nicht wirklich zufällig, haben sie ähnliche statistische Eigenschaften wie echte Zufallszahlenfolgen. (Pseudo-) Zufallszahlen können gedruckten Tabellen entnommen oder von Computerprogrammen erzeugt werden.
© mit freundlicher Unterstützung des Bundesministerium für Gesundheit