Klinische Studien lesen und verstehen

Dr. Michael Benesch ist Arbeits- und Wirtschaftspsychologe, Geschäftsführer der M. Benesch Unternehmensberatung und lehrt an verschiedenen Hochschulen.Prof. Elisabeth Steiner ist Dipl. Sozialarbeiterin und Psychologin an der FH Campus Wien.

Studierende wie Lehrende stehen häufig vor der Herausforderung, Studien lesen und deren Ergebnisse bewerten zu müssen. Dieses einfach gestaltete und verständliche Lehrbuch vermittelt die Grundlagen dafür und erscheint nun in der zweiten, aktualisierten und überarbeiteten Auflage. Statistisch bzw. epidemiologisch nicht oder kaum vorgebildete Leser lernen an Beispielen aus Medizin, Sozialwissenschaften oder Psychologie, Studienergebnisse zu beurteilen und zu verstehen. Zentral sind das "Schlüsselthema Signifikanz" und die damit verbundenen Begriffe (z. B. Alpha-Fehler, Power- Analyse, Signifikanzniveau, p-Wert). Ferner werden häufige medizinstatistische Kennzahlen erklärt und können mit Hilfe des Buches korrekt interpretiert werden. Checklisten bieten zudem praktische Hilfe bei der systematischen Beurteilung von Publikationen.Jedes Kapitel beinhaltet Übungsbeispiele mit Musterlösungen. Formeln werden weitgehend vermieden. Zahlreiche Bezüge zu Beispielen und Hintergründen aus dem Alltag erleichtern das Verstehen und Interpretieren empirischer Studien und statistischer Kennzahlen.

Vorwort5Vorwort zur 2. Auflage71 Grundlagen statistischer Tests111.1 Stichprobe und Grundgesamtheit111.2 Signifikanz (p-Wert)211.3 Die Nullhypothese und die Alternativhypothese271.4 Fehler erster Art und Fehler zweiter Art321.5 Das Signifikanzniveau491.6 Ein- und zweiseitige Forschungshypothesen521.7 Signifikanz und Relevanz, Power (Macht) und Fallzahlschätzung561.8 Konfidenzintervalle621.9 Standardabweichung versus Standardfehler672 Medizinstatistische Kennzahlen aus der Epidemiologie692.1 Inzidenz und Prävalenz692.2 Maßzahlen für das Risiko792.2.1 Odds Ratio (OR)792.2.2 Relatives Risiko (RR; relative risk)872.2.3 Absolute und relative Risikoreduktion (ARR, RRR)952.2.4 "Number needed to treat" (NNT; Anzahl der notwendigen Behandlungen) und "number needed to harm"1002.2.5 Goldstandard und diagnostische Tests1022.2.6 Sensitivität und Spezifität1042.2.7 ROC - Receiver Operator Characteristics Curve und ROC-Analysen1143 Die Beurteilung der Qualität von Studien1203.1 Hierarchie der Evidenz: Studiendesigns1223.2 Kriterien zur Studienbeurteilung/Checklisten1293.3 Eine Checkliste zur Studienbeurteilung selbst erstellen152Literaturverzeichnis156Zum Autor/Zur Autorin159Stichwortverzeichnis161