Zusammenfassung
Hintergrund
Die Anwendung und das Verständnis von Statistik sind sehr wichtig für die biomedizinische Forschung und für die klinische Praxis. Dies gilt insbesondere auch zur Abschätzung der Möglichkeiten unterschiedlichster Diagnostik- und Therapieoptionen beim Glaukom. Die scheinbare Komplexität der Statistik, die zum Teil dem „gesunden Menschenverstand“ zu widersprechen scheint, zusammen mit der nur vorsichtigen Akzeptanz der Statistik bei vielen Medizinern können zu bewussten und unbewussten Manipulationen bei der Datendarstellung und -interpretation führen.
Ziel der Arbeit
Ziel ist die verständliche Darstellung einiger typischer Fehler in der medizinisch-statistischen Datenbehandlung.
Material und Methoden
Anhand hypothetischer Beispiele aus der Glaukomdiagnostik erfolgen die Darstellung der Wirkung eines hypotensiven Medikamentes sowie die Beurteilung der Ergebnisse eines diagnostischen Tests. Es werden die typischsten statistischen Einsatzbereiche und Irrtumsquellen ausführlich und verständlich analysiert
Ergebnisse
Mechanismen von Datenmanipulation und falscher Dateninterpretation werden aufgeklärt. Typische Irrtumsquellen bei der statistischen Auswertung und Datendarstellung werden dabei erläutert.
Schlussfolgerungen
Die erläuterten praktischen Beispiele zeigen die Notwendigkeit, die Grundlagen der Statistik zu verstehen und korrekt anwenden zu können. Fehlendes Grundlagenwissen und Halbwissen der medizinischen Statistik können zu folgenschweren Missverständnissen und falschen Entscheidungen in der medizinischen Forschung, aber auch in der klinischen Praxis führen.
Abstract
Background
The use and the understanding of statistics are very important for biomedical research and for the clinical practice. This is particularly true for estimation of the possibilities for different diagnostic and therapy options in the field of glaucoma. The apparent complexity and contraintuitiveness of statistics along with a cautious acceptance by many physicians, might be the cause of conscious and unconscious manipulation with data representation and interpretation.
Objectives
Comprehendable clarification of some typical errors in the handling of medical statistical data.
Materials and methods
Using two hypothetical examples from glaucoma diagnostics the presentation of the effect of a hypotensive drug and interpretation of the results of a diagnostic test and typical statistical applications and sources of error are analyzed in detail and discussed.
Results
Mechanisms of data manipulation and incorrect data interpretation are elucidated. Typical sources of error in the statistical analysis and data presentation are explained.
Conclusion
The practical examples analyzed demonstrate the need to understand the basics of statistics and to be able to apply them correctly. The lack of basic knowledge or half-knowledge in medical statistics can lead to misunderstandings, confusion and wrong decisions in medical research and also in clinical practice.
Literatur
Drösser C (2002) Zahlenschwindel In: Die Zeit 18/2002
Dubben H‑H, Beck-Bornholdt H‑P (2013) Der Hund, der Eier legt. Erkennen von Fehlinformation durch Querdenken. Rowohlt, Reinbeck
Gigerenzer G (2003) Wie kommuniziert man Risiken. In: Bundesärztekammer (Hrsg) Fortschritt und Fortbildung in der Medizin. Deutscher Ärzte-Verlag, Köln
Glantz SA (2012) Primer of biostatistics. McGraw-Hill, New York
Hesse C (2010) Warum Mathematik glücklich macht. 151 verblüffende Geschichten. Beck, München
Hilgers R‑D, Bauer P, Scheiber V (2007) Einführung in die medizinische Statistik. Springer, Heidelberg
Huff D (1993) How to lie with statistics. W W Norton & Co, New York
Köhler W, Schachtel G, Voleske P (1995) Biostatistik. Einführung in die Biometrie für Biologen und Agrarwissenschaftler. Springer, Heidelberg
Macleod MR, Lawson McLean A, Kyriakopoulou A, Serghiou S, Wilde A de, Sherratt N, Hirst T, Hemblade R, Bahor Z, Nunes-Fonseca C, Potluru A, Thomson A, Baginskaite J, Egan K, Vesterinen H, Currie GL, Churilov L, Howells DW, Sena ES (2015) Risk of bias in reports of in vivo research: a focus for improvement. PLoS Biol 13:e1002273
Ray WA, O’Day DM (1985) Statistical analysis of multi-eye data in ophthalmic research. Invest Ophthalmol Vis Sci 26:1186–1188
Tuck MW, Crick RP (1998) The age distribution of primary open angle glaucoma. Ophthalmic Epidemiol 5:173–183
Author information
Authors and Affiliations
Corresponding author
Ethics declarations
Interessenkonflikt
K.E. Kotliar und I.M. Lanzl geben an, dass kein Interessenkonflikt besteht.
Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.
Rights and permissions
About this article
Cite this article
Kotliar, K.E., Lanzl, I.M. Mit Statistik gemeistert: perfekte Augentropfen und idealer Screeningtest. Ophthalmologe 113, 838–843 (2016). https://doi.org/10.1007/s00347-016-0312-y
Published:
Issue Date:
DOI: https://doi.org/10.1007/s00347-016-0312-y