ITT, Effektstärke (d-Wert), t-Test, SMD und Kappa-Koeffizient

Intent-to-Treat-Analyse (ITT): Wissenschaftler, die eine klinische Studie durchführen, haben zu Beginn der Untersuchung eine bestimmte Anzahl von Patienten. Über die Dauer der Studie fallen jedoch immer wieder Patienten aus, deren Daten dann am Ende fehlen. Ein Studienergebnis ist sehr genau, wenn ich am Schluss nur die Patienten untersuche, die von Anfang bis Ende der Studie dabei waren. Bei der Intent-to-treat-Analyse allerdings wird das Ergebnis auf alle Studienteilnehmer bezogen, also auch auf diejenigen, die ausgefallen sind.

Diese Art der Analyse kann dann sinnvoll sein, wenn Wissenschaftler die Realität widerspiegeln möchten. Beispielsweise landen im Alltag viele Medikamente im Müll. So könnte man beispielsweise sagen, dass ein Medikament, das 100-mal verschrieben wurde, durchschnittlich 30 Patienten hilft. Das bedeutet nicht unbedingt, dass das Medikament nur wenig Wirkung zeigt. Sondern es kann auch heißen, dass immer wieder einige Patienten aus der Therapie „aussteigen“.

Effektstärke: Cohen’s d

Der „d-Wert“ wird auch „Cohens d“ genannt. Wenn Studien mit zwei Gruppen durchgeführt werden, dann vergleicht man unter anderem die Mittelwerte der Ergebnisse von Gruppe 1 und Gruppe 2. Ob die Mittelwertunterschiede bedeutsam sind, zeigt sich im „d-Wert“.
d = 0,2: kleiner Effekt
d = 0,5: mittlerer Effekt
d = 0,8: starker Effekt

Die Effektstärke ist ein Maß, mit dem der Erfolg einer Therapie beurteilt werden kann. In Studien zur Psychotherapie misst man damit, in welchem Ausmaß sich therapierte Patienten besser fühlen als solche, die keine Therapie erhalten haben, weil sie beispielsweise noch auf der Warteliste standen (Kontrollgruppe). Effektstärken werden unterschiedlich bewertet und sind sehr umstritten. Der Psychologe Jacob Cohen bewertet die Effektstärken beispielsweise so:
ES > 0,2 = geringe Wirksamkeit der Therapie
ES > 0,5 = mittlere und ab
ES = 0,8 bis 1,0 = hohe Wirksamkeit.
Die Formel zur Berechnung der Effektstärke lautet: d = (Mt – Mc) / s, was bedeutet: Mittelwert der Therapiegruppe minus Mittelwert der Kontrollgruppe geteilt durch die Standardabweichung.

t-Test

Der „t-Test“ vergleicht die Mittelwerte zweier Gruppen.

Standardisierte Mittelwertdifferenz, SMD

Die Standardisierte Mittelwertdifferenz (Standardized Mean Difference, SMD) wird als Effektmaß verwendet, wenn man viele Studien zu einer Frage untersucht, also eine Meta-Analyse durchführt. Beispiel: Ich möchte wissen, ob ein Antidepressivum bei Fibromyalgie wirkt. Dann kann ich verschiedene Studien unter die Lupe nehmen, die dieser Frage bereits nachgegangen sind. Angenommen, in den verschiedenen Studien wurden verschiedene Messmethoden vorgenommen, z. B. verschiedene Fragebögen zu Schmerzen oder Lebensqualität benutzt. Dann ist es schwierig, die verschiedenen Studienergebnisse als ein Ergebnis zusammenzufassen. Wenn ich trotzdem auf ein Ergebnis kommen möchte, kann ich dazu die Standardisierte Mittelwertdifferenz benutzen. Hieraus kann ich dann ablesen, wie sehr ein Antidepressivum im Mittel die Fibromyalgiesymptome verändert hat.

Kappa-Koeffizient nach Cohen

Der Kappa-Koeffizient nach Cohen misst, wie sehr die Untersuchungsergebnisse von zwei Gutachtern übereinstimmen. Zum Beispiel misst er, wie zuverlässig zwei Forscher mit einer bestimmten Methode eine bestimmte Erkrankung erkennen können (z.B. „Das Dermoskopie-Bild zeigt Hautkrebs/keinen Hautkrebs“). Die beiden Untersucher sind die „Rater“. Wie hoch die Übereinstimmung zwischen den beiden „Ratern“ ist, nennt man „Inter-Rater-Korrelation“. Wenn ? den Wert „1“ hat, heißt das, dass die beiden Untersucher immer zum selben Ergebnis kommen – es gibt eine perfekte Übereinstimmung. Werte > 8 sind exzellent, Werte zwischen 0,61-0,80 sind gut, Werte zwischen 0,4-0,6 sind ausreichend und Werte < 0,4 schwach.

Verwandte Artikel in diesem Blog:

• Odds Ratio, Relatives Risiko, Absolutes Risiko und das Cox-Modell
• Kumulative Inzidenz und Number Needed to Treat (NNT)

Links:

Michael P. LaValley (2003):
Intent-to-treat Analysis of Randomized Clinical Trials
people.bu.edu/mlava/