Statistik für Mediziner und Pharmazeuten

Philip Rowe lehrt an der School of Pharmacy and Chemistry der John Moores Universität in Liverpool (UK). Neben seiner Lehr- und Forschungstätigkeit ist er als freiberuflicher Berater für Pharmaunternehmen sowie immer häufiger als Trainer in Kliniken und Forschungsinstituten unterwegs. Sein Credo lautet, dass man kein Statistiker sein muss, um Daten und Messergebnisse sinnvoll auszuwerten. Man sollte aber wissen, welche Auswertung für welche Art von Daten sinnvoll ist und wann man die Statistik als Methode "ausgereizt" hat.

Gute Daten + gute Statistik = gute Ergebnisse!
 
Mit diesem Buch haben falsche Statistiken keine Chance mehr. Übersichtlich gegliedert in 6 Teile mit zusammen 20 Kapiteln werden hier
alle wichtigen Typen von Daten und die Verfahren zu deren Auswertung erklärt. Die erklärte Maxime des Autors ist es, dass sich eine statistische Auswertung immer an der Art und Qualität der Daten orientieren muss, damit diese nicht fehl- oder überinterpretiert werden. Komplizierte Mathematik ist dabei weder nötig noch erwünscht, denn meistens sind die einfachsten Verfahren die aussagekräftigsten.
Ein positiver Lerneffekt stellt sich bereits nach wenigen Seiten ein, denn hier werden genau die Fragen gestellt (und beantwortet!), mit denen ein angehender Mediziner oder Pharmazeut während der Ausbildung konfrontiert wird. Mit seinem ungezwungenen und direkten Stil gelingt
es dem Autor, dass die Statistik vom ungeliebten Kind zum effizienten Werkzeug wird, auch ohne mathematische Begabung beim Leser.
 
* Leicht verständliche Texte (fast) ohne Formeln
* Alle Beispiele kommen aus der Medizin oder der Pharmazie
* Warnhinweise auf häufi ge Fehler und auf den unsachgemäßen Einsatz von Statistiken
 
Als leicht verständliche Einführung in die statistischen Grundlagen und Verfahren, die in der Medizin und in der Pharmazie eingesetzt werden, ist dieses Buch bestens geeignet für alle, die eine Ausbildung im medizinischpharmazeutischen Bereich absolvieren.

VORWORT
 
TEIL1: Datentypen
 
DATENTYPEN
Kommt es wirklich darauf an?
Daten auf einer Intervallskala
Daten auf einer Ordinalskala
Daten auf einer Nominalskala
Aufbau dieses Buchs
Kapitelzusammenfassung
 
TEIL2: Daten auf Intervallskalen
 
BESCHREIBENDE STATISTIK
Zusammenfassung von Datensätzen
Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert
Beschreibung der Spannweite - die Standardabweichung und die relative Standardabweichung
Quartile - eine andere Möglichkeit, Daten zu beschreiben
Verwendung von Software für die beschreibende Statistik
Kapitelzusammenfassung
 
DIE NORMALVERTEILUNG
Was ist eine Normalverteilung?
Wie erkennt man normalverteilte Daten?
Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen vom Mittelwert
Kapitelzusammenfassung
 
STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES MITTELWERTS
Stichproben und Grundgesamtheiten
Von der Stichprobe zur Grundgesamtheit
Verschiedene Stichprobenfehler
Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers?
Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler
Aufrechnung von Stichprobengröße und Standardabweichung
Kapitelzusammenfassung
 
DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT
Was ist ein Konfidenzintervall?
Wie breit sollte das Intervall sein?
Was meinen wir mit ''95 %''-Konfidenz?
Berechnung der Intervallbreite
Eine Reihe von Stichproben und 95 %-Konfidenzintervallen
Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der Standardabweichung, des Stichprobenumfangs und des gewünschten Konfidenzniveaus ab?
Zwei Aussagen
Einseitige 95 %-Konfidenzintervalle
Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen
Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und Datentransformation
Kapitelzusammenfassung
 
DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS
Der doppelte t-Test - ein Beispiel für einen Hypothesentest
Signifikanz
Das Risiko eines falsch-positiven Ergebnisses
Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht signifikantes Ergebnis erhalten?
Voraussetzungen für einen doppelten t-Test
Kapitelzusammenfassung
 
DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT
Wie kann man die Signifikanz eines Ergebnisses beziffern?
p-Werte
Gibt es zwei Arten, Signifikanz zu definieren?
Bestimmung des p-Wertes
p-Werte oder 95 %-Konfidenzintervalle?
Kapitelzusammenfassung
 
DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE STICHPROBENUMFÄNGE
Was könnte sonst noch schief gehen?
Die Güte
Berechnung des notwendigen Stichprobenumfangs
Kapitelzusammenfassung
 
DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND ÄQUIVALENZ
Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle spielt?
Äquivalenztests
Tests auf Nicht-Unterlegenheit
p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen
Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch
Kapitelzusammenfassung
 
DER DOPPELTE T-TEST (5). EINSEITIGE TESTS
Suche nach einer Veränderung in einer bestimmten Richtung
Schutz vor falsch-positiven Befunden
Versuchung
Einsatz eines Softwarepakets bei einem einseitigen Test
Sollte man häufiger einseitige Tests einsetzen?
Kapitelzusammenfassung
 
WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH?
Wie interpretiert man statistische Signifikanz?
Am Anfang steht äußerste Skepsis
Kapitelzusammenfassung
 
DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN
Gepaarte Datensätze
Untersuchung der Daten mithilfe eines doppelten