Advertisement

Gefässchirurgie

, Volume 22, Issue 6, pp 420–427 | Cite as

Grundlagen der Statistik und Anwendung in der Gefäßchirurgie

  • T. Schwaneberg
  • E. S. Debus
  • C.-A. Behrendt
Leitthema

Zusammenfassung

In der vaskulären Forschung kommen zahlreiche statistische Kennzahlen und Methoden zum Einsatz. Die Auswahl des richtigen statistischen Verfahrens hängt jeweils von dem Kontext der Studienpopulation, der Häufigkeit eines Ereignisses oder der zugrunde liegenden Verteilung ab. Da es bisher nur wenige randomisierte klinische Studien (RCTs) in der Gefäßmedizin gibt und weil insbesondere Projekte der Qualitätsentwicklung auf sogenannte Real-World-Daten angewiesen sind, werden zunehmend nichtrandomisierte Daten aus Registern oder Routinedaten der Kostenträger verwendet, sodass geeignete statistische Verfahren zur Beurteilung der Validität dieser Datenquellen erforderlich werden. Dazu gehören die Standardkennzahlen Mittelwert, Standardabweichung, Varianz und Konfidenzintervalle, aber auch Überlebenszeitanalysen, Propensity Score Matching und Cox-Regression sowie die Darstellung der Ergebnisse in Form von Kaplan-Meier-Kurven und Forest-Plots. Diese werden in diesem Artikel erklärt und anhand von ausgewählten Publikationen aus der vaskulären Versorgungsforschung dargestellt. Die gewissenhafte Auswahl des geeigneten statistischen Verfahrens in der jeweiligen Situation und das Verstehen der Methoden und Ergebnisse in wissenschaftlichen Publikationen sind von großer Wichtigkeit für die Ableitung valider Erkenntnisse.

Schlüsselwörter

Qualitätsverbesserung Studiendesign Konfidenzintervalle Überlebenszeitanalyse Propensity-Score 

The basics of statistics and its application in vascular surgery

Abstract

In vascular research many statistical methods are used. The selection of the right statistical method depends on study design, frequencies on events, and the data’s underlying distributions. In vascular surgery research, random clinical trials (RCTs) are rare. Likewise, quality improvement depends on real-world data. Therefore, the amount of registered and administered data analyses will increase in the next years as well as the usage of statistical methods to examine the validity of data. Among others, the mean, standard deviation, variance and confidence intervals, as well as survival analyses, propensity score matching, and Cox regression, have widespread use for illustration, e. g. Kaplan–Meier curves and forest plots. In the following, the most important statistical methods will be explained by means of select publications from the vascular surgery literature. The conscientious selection of the right analysis methods in every different situation is most important for valid knowledge gains.

Keywords

Quality improvement Research design Confidence intervals Survival analysis Propensity score 

Notes

Einhaltung ethischer Richtlinien

Interessenkonflikt

T. Schwaneberg, E. S. Debus und C.-A. Behrendt geben an, dass kein Interessenkonflikt besteht.

Dieser Beitrag beinhaltet keine von den Autoren durchgeführten Studien an Menschen oder Tieren.

Literatur

  1. 1.
    Sackett DL, Rosenberg WM, Gray JA, Haynes RB, Richardson WS (1996) Evidence based medicine: what it is and what it isn’t. BMJ 312(7023):71–72CrossRefPubMedPubMedCentralGoogle Scholar
  2. 2.
    Albert DA (1981) Deciding whether the conclusions of studies are justified: a review. Med Decis Making 1(3):265–275CrossRefPubMedGoogle Scholar
  3. 3.
    Giles KA, Pomposelli F, Hamdan A, Wyers M, Jhaveri A, Schermerhorn ML (2009) Decrease in total aneurysm-related deaths in the era of endovascular aneurysm repair. J Vasc Surg 49(3):543–550 (discussion 50–1)CrossRefPubMedPubMedCentralGoogle Scholar
  4. 4.
    Puhr R, Heinze G, Nold M, Lusa L, Geroldinger A (2017) Firth’s logistic regression with rare events: accurate effect estimates and predictions? Stat Med 36(14):2302.  https://doi.org/10.1002/sim.7273 PubMedGoogle Scholar
  5. 5.
    Franklin JM, Eddings W, Austin PC, Stuart EA, Schneeweiss S (2017) Comparing the performance of propensity score methods in healthcare database studies with rare outcomes. Stat Med 36(12):1946–1963PubMedGoogle Scholar
  6. 6.
    Lovegrove RE, Javid M, Magee TR, Galland RB (2008) Endovascular and open approaches to non-thrombosed popliteal aneurysm repair: a meta-analysis. Eur J Vasc Endovasc Surg 36(1):96–100CrossRefPubMedGoogle Scholar
  7. 7.
    Lewis S, Clarke M (2001) Forest plots: trying to see the wood and the trees. BMJ 322(7300):1479–1480CrossRefPubMedPubMedCentralGoogle Scholar
  8. 8.
    Deery SE, Soden PA, Zettervall SL, Shean KE, Bodewes TC, Pothof AB et al (2017) Sex differences in mortality and morbidity following repair of intact abdominal aortic aneurysms. J Vasc Surg 65(4):1006–1013CrossRefPubMedGoogle Scholar
  9. 9.
    Lederle FA, Freischlag JA, Kyriakides TC, Matsumura JS, Padberg FT Jr., Kohler TR et al (2012) Long-term comparison of endovascular and open repair of abdominal aortic aneurysm. N Engl J Med 367(21):1988–1997CrossRefPubMedGoogle Scholar
  10. 10.
    Cox DR (1972) Regression models and life-tables. J R Stat Soc Ser B 34(2):187–220Google Scholar
  11. 11.
    Kuss O, Blettner M, Börgermann J (2016) Propensity score: an alternative method of analyzing treatment effects effects – part 23 of a series on evaluation of scientific publications. Dtsch Arztebl Int 113:597–603PubMedGoogle Scholar
  12. 12.
    Austin PC (2011) An introduction to propensity score methods for reducing the effects of confounding in observational studies. Multivariate Behav Res 46(3):399–424CrossRefPubMedPubMedCentralGoogle Scholar
  13. 13.
    Rosenbaum PR et al (1983) The central role of the propensity score in observational studies for causal effects. Biometrika 70(1):41–55CrossRefGoogle Scholar
  14. 14.
    Cepeda MS, Boston R, Farrar JT, Strom BL (2003) Comparison of logistic regression versus propensity score when the number of events is low and there are multiple confounders. Am J Epidemiol 158(3):280–287CrossRefPubMedGoogle Scholar
  15. 15.
    Schermerhorn ML, Buck DB, O’Malley AJ, Curran T, McCallum JC, Darling J et al (2015) Long-term outcomes of abdominal aortic aneurysm in the medicare population. N Engl J Med 373(4):328–338CrossRefPubMedPubMedCentralGoogle Scholar
  16. 16.
    Vorgrimler D, Wübben D (2003) Die Delphi-Methode und ihre Eignung als Prognoseinstrument. Statistisches Bundesamt – Wirtschaft und Statistik 8/2003, Statistisches Bundesamt, Wiesbaden. S 763–774. https://www.destatis.de/DE/Publikationen/WirtschaftStatistik/Gastbeitraege/DelphiMethode_82003.html
  17. 17.
    Cohen J (1988) Statistical power analysis for the behavioral sciences, 2. Aufl. Taylor & Francis, LondonGoogle Scholar
  18. 18.
    Hedges V (1981) Distribution theory for Glass’s estimator of effect size and related estimators. J Educ Behav Stat 6(2):107–128CrossRefGoogle Scholar
  19. 19.
    Chowdhury MM, McLain AD, Twine CP (2014) Angioplasty versus bare metal stenting for superficial femoral artery lesions. Cochrane Database Syst Rev.  https://doi.org/10.1002/14651858.CD006767.pub3 PubMedGoogle Scholar
  20. 20.
    Grimm J, Muller-Hulsbeck S, Jahnke T, Hilbert C, Brossmann J, Heller M (2001) Randomized study to compare PTA alone versus PTA with Palmaz stent placement for femoropopliteal lesions. J Vasc Interv Radiol 12(8):935–942CrossRefPubMedGoogle Scholar
  21. 21.
    Behrendt CA, Heidemann F, Riess HC, Stoberock K, Debus SE (2017) Registry and health insurance claims data in vascular research and quality improvement. Vasa 46(1):11–15CrossRefPubMedGoogle Scholar
  22. 22.
    Karthikesalingam A, Holt PJ, Vidal-Diez A, Bahia SS, Patterson BO, Hinchliffe RJ et al (2016) The impact of endovascular aneurysm repair on mortality for elective abdominal aortic aneurysm repair in England and the United States. J Vasc Surg 64(2):321–327.e2CrossRefPubMedGoogle Scholar
  23. 23.
    Behrendt et al (2017) Short-term and long-term results of endovascular and open repair of abdominal aortic aneurysms in Germany. J Vasc Surg.  https://doi.org/10.1016/j.jvs.2017.04.040 Google Scholar

Copyright information

© Springer Medizin Verlag GmbH 2017

Authors and Affiliations

  1. 1.Universitäres Herzzentrum Hamburg, Klinik und Poliklinik für GefäßmedizinUniversitätsklinikum Hamburg-EppendorfHamburgDeutschland
  2. 2.Arbeitsgruppe GermanVasc, Universitäres Herzzentrum Hamburg, Klinik und Poliklinik für GefäßmedizinUniversitätsklinikum Hamburg-EppendorfHamburgDeutschland

Personalised recommendations