Inhalt
Einführung
Medizinische Statistik als Bestandteil medizinischer Forschung - Population und Stichprobe - Merkmale und Skalenarten
Beschreibende Statistik eines Merkmals
Darstellung der Daten in Tabellen - Grafische Darstellung der Daten: Balkendiagramm, Kreisdiagramm, Histogramm, Polygon, Summenhistogramm, Summenpolygon
Wahrscheinlichkeitstheorie
Grundmodell der Wahrscheinlichkeitstheorie: Zufällige Ereignisse und deren Verknüpfung, Klassische Definition der Wahrscheinlichkeit, Axiomatische Definition der Wahrscheinlichkeit, Rechnen mit Wahrscheinlichkeiten - Zufallsvariablen und ihre Verteilung: Grundbegriffe, Diskrete Zufallsvariablen, Stetige Zufallsvariablen, Verteilungsparameter - Spezielle Verteilungen: Diskrete Verteilungen, Stetige Verteilungen
Schätzung unbekannter Parameter
Punktschätzungen - Bereichsschätzungen: Verteilung von Punktschätzungen, Konfidenzintervalle
Formulieren und Prüfen von Hypothesen
Inhaltliche und statistische Hypothesen: Klassifikation inhaltlicher Hypothesen, Statistische Alternativhypothesen, Statistische Nullhypothesen - Fehlerarten bei statistischen Entscheidungen - Prüfung statistischer Hypothesen: Der p-Wert, Einseitige und zweiseitige Fragestellungen, Statistische Signifikanz - Ablauf statistischer Tests
Ausgewählte statistische Tests
Parametrische Tests für normalverteilte Merkmale: Vergleich eines Mittelwerts mit einem bekannten Wert, Vergleich zweier Mittelwerte bei unabhängigen Stichproben, Vergleich zweier Mittelwerte bei verbundenen Stichproben, Äquivalenztests, Überprüfung der Voraussetzungen - Tests für ordinalskalierte Merkmale: Vergleich zweier Verteilungen bei unabhängigen Stichproben, Vergleich zweier Verteilungen für verbundene Stichproben - Tests für nominalskalierte (dichotome) Merkmale: Vergleich zweier Wahrscheinlichkeiten bei unabhängigen Stichproben, Vergleich zweier Wahrscheinlichkeiten bei verbundenen Stichproben
Analyse-Techniken für verschiedene Skalen
Analyse von quantitativen Zielgrößen: Korrelationsanalyse, Grafische Veranschaulichung bivariater Zusammenhänge, Produkt-Moment-Korrelation, Interpretation von Korrelationen - Einfache lineare Regression: Modell und Voraussetzungen, Schätzung der linearen Regressionsfunktion, Varianzzerlegung und Bestimmtheitsmaß, Konfidenzintervalle und Tests - Analyse von qualitativen Zielgrößen: Korrelationsanalyse ordinalskalierter und nominalskalierter Merkmale - Analyse von Zähldaten
Spezielle medizinische Analysen
Analyse von Überlebenszeiten: Links- und doppelt-zensiertes sowie Intervall-zensierte Beobachtungen, Überlebensfunktion, Hazard-Rate und Hazard-Funktion, Event-Time-Ratio, Weibull-Verteilung, Cox- und Weibull-Regression - Konkurrierende Risiken: Aalen-Johansen-Schätzer, Inzidenzfunktionen, Mehrstadienmodelle
Klassifikation und Prognose
Prävalenz - Fagan-Nomogramm - ROC-Kurven und Binormale ROC-Kurven - Prognostischer und prädiktiver Faktor
Spezielle Fragestellungen
Beurteilung der Zuverlässigkeit von Messungen: Intra-Raster, Inter-Raster, Test-Retest - Klinische Studien: Dosis-Wirkungs-Experiment, Einfluss von Gruppengrößen, Interaktionstest - Epidemiologische Studien: Confounding, Kohortenstudien, Fall-Kontroll-Studien - Meta-Analyse: Forest-Plot, Meta-Regressionsplot, Funnel-Plot
Dozent/in
Unser Trainer für Statistik und Data-Mining mit R Marco Skulschus studierte in Wuppertal und Paris Ökonomie und arbeitet schon seit mehr als 10 Jahren als Dozent, Fachbuch-Autor zum Thema Datenbanken, Datenanalyse und als Berater für statistische Analyse mit R. Teilnehmer/innen seiner R-Seminare sind Betriebswirte / Volkswirtschaftler, Ingenieure und Doktoranden, die für Statistik und Data Mining R einsetzen wollen.
Veröffentlichungen
- Grundlagen empirische Sozialforschung ISBN 978-3-939701-23-1
- System und Systematik von Fragebögen ISBN 978-3-939701-26-2
- Oracle SQL ISBN 978-3-939701-41-5
- SQL Server 2012: Data Mining und multivariate Verfahren ISBN 978-3-939701-85-9
- SQL und relationale Datenbanken ISBN 978-3-939701-52-1
Projekte
Als Berater konzipiert Herr Skulschus Analysesysteme auf Basis von relationalen Datenbanken und entwickelt dann statistische Modelle und Analysen mit R-Programmierung. Zu seinen Kunden zählen Marktforschungsunternehmen, Marketing-Abteilungen sowie Abteilungen für die Qualitätssicherung und Prozessoptimierung oder auch Forschungseinrichtungen.
Forschung
Er leitete ein mehrjähriges Forschungsprojekt zur Entwicklung eines Fragebogensystems mit ontologie-basiertem Datenmodell und innovativen Frage-Antwort-Darstellungen. Förderung durch das BMWi und Zusammenarbeit mit verschiedenen Universitäten.
Dieses Seminar bietet eine Einführung in die medizinische Statistik und richtet sich speziell an die Bedürfnisse der medizinischen Forschung. Es bietet den Teilnehmer/innen anwendungsorientiert Hilfestellung in der Auswahl und Interpretation von Daten und Ergebnissen. Sie lernen die deskriptive und induktive Statistik kennen, beschäftigen sich mit Schätzer, Standardfehler und Konfidenzintervallen oder Testen von Hypothesen und betrachten die Analysetechniken von quantitativen und qualitativen Zielgrößen sowie Zähldaten. Speziell für die Analyse im Medizin-Bereich vermittelt das Seminar Ihnen die Analyse von Überlebenszeiten und Risiken sowie die Themen Klassifikation und Prognose. Das Seminar schließt ab mit der Beurteilung der Zuverlässigkeit von Messungen und speziellen Fragestellungen wie klinischen Studien, epidemiologischen Studien und der Meta-Analyse.