Details

Epidemiologie für Dummies


Epidemiologie für Dummies


Für Dummies 3. Auflage

von: Oliver Razum, Jürgen Breckenkamp, Patrick Brzoska

23,99 €

Verlag: Wiley-VCH
Format: EPUB
Veröffentl.: 18.04.2017
ISBN/EAN: 9783527801381
Sprache: deutsch
Anzahl Seiten: 416

DRM-geschütztes eBook, Sie benötigen z.B. Adobe Digital Editions und eine Adobe ID zum Lesen.

Beschreibungen

Wer ein gesundheitswissenschaftliches Fach oder Medizin studiert, darf sich auf die Epidemiologie freuen, denn dann wird es richtig spannend. Oliver Razum, Jürgen Breckenkamp und Patrick Brzoska führen in diesen Querschnittsbereich der Medizin und der Gesundheitswissenschaften ein. Sie erläutern, wie Epidemiologen Risikofaktoren und Krankheiten der Bevölkerung untersuchen, wie Studiendesigns aufgebaut sind und welche Methoden zur kritischen Datenanalyse angewendet werden. Anhand vieler Beispiele erfahren Sie, wie sich Seuchen ausbreiten, warum Bewegung gesund ist und warum Rauchen krank macht.
<p>Über die Autoren 7</p> <p>Zur zweiten Auflage 8</p> <p>Zur dritten Auflage 8</p> <p><b>Einführung</b> <b>23</b></p> <p>Über dieses Buch 23</p> <p>Was Sie nicht lesen müssen 24</p> <p>Konventionen in diesem Buch 24</p> <p>Törichte Annahmen über den Leser 25</p> <p>Wie dieses Buch aufgebaut ist 25</p> <p>Teil I: Epidemiologen sind Gesundheitsdetektive 26</p> <p>Teil II: Werkzeuge zum Messen und Vergleichen 26</p> <p>Teil III: Die Architektur der Epidemiologie 26</p> <p>Teil IV: Studien durchführen und Fallstricke vermeiden 26</p> <p>Teil V: Anwendungen der Epidemiologie 26</p> <p>Teil VI: Der Top-Ten-Teil 27</p> <p>Anhang 27</p> <p>Symbole, die in diesem Buch verwendet werden 27</p> <p>Wie es weitergeht 27</p> <p><b>Teil I: Epidemiologen sind Gesundheitsdetektive 29</b></p> <p><b>Kapitel 1 Epidemiologen bei der Arbeit</b> <b>31</b></p> <p>Was Epidemiologen tun 31</p> <p>Arbeitskleidung: Gelber Schutzanzug 32</p> <p>Gesund dank besserer Medizin? 32</p> <p>Gesundheitsrisiken heute 34</p> <p>Eine Definition von Epidemiologie 37</p> <p>Epidemiologie, Kommunikation und Politik 38</p> <p>Sie haben ein Recht auf Information 38</p> <p>Wir haben ein Sprachrohr 39</p> <p>Wir schauen uns selbst auf die Finger 40</p> <p>Wie und warum wir Epidemiologen wurden 40</p> <p>Epidemiologen geht es um Gesundheit 41</p> <p>Epidemiologen sind vielseitig interessiert 41</p> <p>Epidemiologen denken kritisch 42</p> <p>Epidemiologen entwickeln Studiendesigns 42</p> <p>Epidemiologen handeln 43</p> <p>Epidemiologen träumen von Gerechtigkeit 43</p> <p><b>Kapitel 2 Epidemiologen sind Detektive</b> <b>45</b></p> <p>Auf den Schultern von Giganten 45</p> <p>Risiken sind nicht zufällig verteilt 46</p> <p>Verstädterung, Globalisierung, Seuchen 47</p> <p>Wiege der Epidemiologie: London im 19 Jahrhundert 47</p> <p>Cholera in London 47</p> <p>Die Miasma-Theorie 48</p> <p>Gesundheitsberichterstattung 48</p> <p>Epidemiologischer Detektiv – Dr John Snow 50</p> <p>Beobachten im Lichte bestehender Theorien 50</p> <p>Hypothesenbildung 51</p> <p>Datenerhebung 52</p> <p>Alles olle Kamellen? 58</p> <p><b>Kapitel 3 Im Falle eines Falles</b> <b>59</b></p> <p>Epidemiologische »Fälle« 59</p> <p>Fälle präzise beschreiben 60</p> <p>Von Todesursachen und Totenscheinen 61</p> <p>ICD-10: Ordnung muss sein 63</p> <p>Die zehn häufigsten Todesursachen in Deutschland 65</p> <p>Krankheitsregister 65</p> <p>Klinische Register – Daten zur Behandlung 67</p> <p>Epidemiologische Register – Daten zur Häufigkeit 67</p> <p><b>Kapitel 4 Stets im Mittelpunkt: Die Bevölkerung</b> <b>69</b></p> <p>Epidemiologen schauen auf Bevölkerungen 69</p> <p>Kleine Demografie für Epidemiologen 70</p> <p>Wie viele sind wir? Größe der Bevölkerung 70</p> <p>Wer steht auf meinem Fuß? Bevölkerungsdichte 71</p> <p>Zählen von Anfang an: Geburten 72</p> <p>Zählen bis zum bitteren Ende: Sterbefälle 74</p> <p>Woher, wohin: Wanderungsbewegungen 74</p> <p>Die demografische Formel 75</p> <p>Der neugierige Staat: Volkszählungen 76</p> <p>Bevölkerungsstruktur: Die Bevölkerungspyramide 77</p> <p>Lebenserwartung in Deutschland 80</p> <p>Bevölkerungsentwicklung und gesellschaftliche Situation 80</p> <p>Alterung der Bevölkerung 80</p> <p>Zuwanderung nach Deutschland 82</p> <p>Geburtenrückgang nach der Wende 83</p> <p>Ost-West-Wanderung und ihre Folgen 83</p> <p>Was schließen wir aus alledem? 84</p> <p><b>Teil II: Werkzeuge zum Messen und Vergleichen 85</b></p> <p><b>Kapitel 5 Größen und Veränderungen messen</b> <b>87</b></p> <p>Absolute Zahl und Prävalenz 88</p> <p>Absolute Zahl 88</p> <p>Prävalenz 89</p> <p>Ohne Zeit geht nichts – Inzidenzen 91</p> <p>Kumulative Inzidenz (Inzidenzrisiko) 92</p> <p>Inzidenzrate (I) – Basis mittlere Bevölkerung 93</p> <p>Inzidenzrate (II): Inzidenzdichte – Basis Personenzeit 93</p> <p>Weitere Inzidenzmaße: Mortalität und Letalität 97</p> <p>Zusammenhang zwischen Inzidenz und Prävalenz 99</p> <p>Weder Fisch noch Fleisch: Periodenprävalenz 100</p> <p>Risiko und Risikodifferenz 100</p> <p><b>Kapitel 6 Vergleiche anstellen</b> <b>103</b></p> <p>Kein Vergleich – keine Beurteilung 103</p> <p>Für alle Fälle – die Vier-Felder-Tafel 104</p> <p>Randsummen der Vier-Felder-Tafel 105</p> <p>Anwendung in der Praxis 105</p> <p>Relatives Risiko – ein Risiko kommt selten allein 106</p> <p>Kalte und warme Klassenzimmer 106</p> <p>Interpretation des Relativen Risikos 107</p> <p>Vier-Felder-Tafel – die neue Übersichtlichkeit 108</p> <p>Relatives Risiko und absolute Zahl 109</p> <p>Wo Sie keine Relativen Risiken berechnen können 110</p> <p>Odds Ratio – wie hoch ist die Chance? 110</p> <p>Grippaler Infekt oder gesund 110</p> <p>Wievielmal so hoch ist die Chance, krank zu werden? 111</p> <p>Odds Ratios interpretieren 112</p> <p>Attributables Risiko 113</p> <p>Attributables Risiko berechnen (I) 114</p> <p>Attributables Risiko berechnen (II) 114</p> <p>Population Attributable Risk 115</p> <p>Auswirkung einer Exposition auf die Bevölkerung 115</p> <p>Population Attributable Risk berechnen (I) 116</p> <p>Population Attributable Risk berechnen (II) 116</p> <p><b>Kapitel 7 So werden Daten vergleichbar: Stratifizieren und Standardisieren</b> <b>119</b></p> <p>Stratifizierung – die Kleinen nach vorn, die Großen nach hinten 119</p> <p>Standardisierung – der einheitliche Bevölkerungsaufbau 121</p> <p>Direkte Altersstandardisierung –von den Raten zur Standardbevölkerung 122</p> <p>Indirekte Altersstandardisierung –von der Standardbevölkerung zu den Raten 125</p> <p>Fallstricke bei der Standardisierung 128</p> <p>Standardbevölkerungen 130</p> <p><b>Kapitel 8 Wie sag ich’s richtig? Beschreibende Statistik</b> <b>133</b></p> <p>Von Variablen und ihren Werten 133</p> <p>Was ich Ihnen sagen möchte: Antwortmöglichkeiten 134</p> <p>Skalen: Haben Ihre Antworten Niveau? 135</p> <p>Transformation von Variablen – es gibt kein Zurück 136</p> <p>Sprechen wir Epidemiologisch oder Statistisch? 136</p> <p>Deskriptive Statistik – Daten zusammenfassen 137</p> <p>Die goldene Mitte: Maße der zentralen Tendenz 137</p> <p>Streuungsmaße: Wie groß sind die Unterschiede? 139</p> <p>Alles im grünen Bereich? Die Normalverteilung 143</p> <p><b>Teil III: Die Architektur der Epidemiologie 147</b></p> <p><b>Kapitel 9 Alles nur im Hier und Jetzt: Querschnittstudien</b> <b>149</b></p> <p>Was läuft hier quer? 150</p> <p>Querschnittstudien sind Momentaufnahmen 150</p> <p>Wie kurz ist ein »Zeitpunkt«? 150</p> <p>Wer macht mit? Und wie viele? 151</p> <p>Was haben Meinungsforschung und Mikrozensus gemeinsam? 151</p> <p>Was Sie mit Querschnittstudien messen können 152</p> <p>Hochspannung in Deutschland: Macht Elektrosmog krank? 153</p> <p>Die Ausschreibung des Auftraggebers 153</p> <p>Vorüberlegungen zum Studiendesign 154</p> <p>Die Entscheidung zur Querschnittstudie 154</p> <p>Was war zuerst da – die Henne oder das Ei? 154</p> <p>Grenzen des Querschnittdesigns 155</p> <p>Die Gefahr von Fehlschlüssen 155</p> <p>Was kommt dabei heraus? 157</p> <p>Stärke der Assoziation: Odds Ratio 157</p> <p><b>Kapitel 10 Ein Marsch Gesunder durch die Zeit: Kohortenstudien</b> <b>159</b></p> <p>Blick nach vorn: Wer wird krank? 159</p> <p>Der Klassiker: Rauchen und Lungenkrebs 160</p> <p>Wann eine Kohortenstudie sinnvoll ist 160</p> <p>Was Sie in Kohortenstudien messen können 161</p> <p>Rekrutieren der Studienbevölkerung 162</p> <p>Auswahl aus der Allgemeinbevölkerung 162</p> <p>Auswahl aus besonderen Bevölkerungen 164</p> <p>Auswahl bei Berufskohorten 165</p> <p>Auf die richtige Größe kommt es an 166</p> <p>Wie komme ich an Informationen? 168</p> <p>Mal sehen, was die Zukunft bringt: Follow-up 170</p> <p>Wie lange muss das Follow-up laufen? 170</p> <p>Offene und geschlossene Kohorten 171</p> <p>Mehrere Befragungszeitpunkte 171</p> <p>Wenn Ihnen Studienteilnehmer abhanden kommen … 172</p> <p>Zurück in die Zukunft? Historische Kohorten 173</p> <p><b>Kapitel 11 Die Vergangenheit von Kranken und Gesunden</b> <b>177</b></p> <p>Kommt mir mein Handy zu nahe? 178</p> <p>Wie häufig sind Hirntumoren? 178</p> <p>Wie schnell entstehen Hirntumoren? 178</p> <p>Warum Fall-Kontroll-Studie statt Kohortenstudie? 179</p> <p>Welche Expositionen müssen Sie erfragen? 179</p> <p>Welches Studiendesign ist passend? 179</p> <p>Das Design von Fall-Kontroll-Studien 180</p> <p>Wie wird man ein »Fall«? 180</p> <p>Auf der Suche nach den Fällen 181</p> <p>Fälle sammeln – repräsentativ oder selektiv? 182</p> <p>Am besten nur inzidente Fälle 182</p> <p>Kontrollen auswählen: Die Passenden ins Töpfchen 183</p> <p>Woher nehmen? Quellen für Kontrollen 183</p> <p>Expositionen messen 186</p> <p>Erinnern Sie sich noch? 186</p> <p>Fälle erinnern sich anders als Kontrollen 187</p> <p>Paarungen: Passende Kontrollen zu den Fällen 188</p> <p>Individuelles Matching 189</p> <p>Gruppenmatching 189</p> <p>Was Sie in Fall-Kontroll-Studien messen können 190</p> <p>Auswertung bei einem nicht gematchten Design 190</p> <p>Auswertung von individuell gematchten Paaren 192</p> <p>Zu guter Letzt: Eingebettete Fall-Kontroll-Studie 194</p> <p><b>Kapitel 12 Der Zufall als Helfer: Randomisierte kontrollierte Studien</b> <b>195</b></p> <p>Warum randomisierte kontrollierte Studien? 195</p> <p>Wirksamkeitsprüfung: Erste Überlegungen 196</p> <p>Angemessenes Design für Wirksamkeitsprüfungen 197</p> <p>Verzerrungen vermeiden 198</p> <p>Randomisierung 198</p> <p>Compliance – immer bei der Stange bleiben 200</p> <p>Verblindung – keiner weiß was 202</p> <p>Ein- und Ausschlusskriterien 202</p> <p>Klinische Studien – Therapie top oder Flop? 205</p> <p>Phase 1: Pharmakologische Studien 206</p> <p>Phase 2: Therapeutisch-exploratorische Studien 206</p> <p>Phase 3: Therapeutisch-konfirmatorische Studien 207</p> <p>Maßzahlen in klinischen Studien 208</p> <p>Absolute Risiken 209</p> <p>Relative Risikoreduktion 210</p> <p>Absolute Risikoreduktion 210</p> <p>Number Needed to Treat 211</p> <p>Number Needed to Harm 212</p> <p>Wenn Zweifel bleiben … 213</p> <p>Phase-4-Studien 213</p> <p>Therapie-Optimierungsprüfungen 213</p> <p>Anwendungsbeobachtungen 213</p> <p>Ethisch vertretbar? 214</p> <p>Aufklärung und Zustimmung 215</p> <p>Kontrollgruppe und Placebo 215</p> <p>Größe der Studie und vorzeitiger Abbruch 215</p> <p>Auswahlkriterien für Studienteilnehmer 216</p> <p>Goldene Standards aus armen Ländern? 216</p> <p>Alles offengelegt? 217</p> <p>Weisheit aus vielen Studien: Meta-Analysen 218</p> <p><b>Kapitel 13 Ganz ohne Individualdaten: Ökologische Studien</b> <b>219</b></p> <p>Individualdaten oder aggregierte Daten? 219</p> <p>Studiendesigns mit Individualdaten 220</p> <p>Arbeiten mit aggregierten Daten 220</p> <p>Korrelation: Maß für die Stärke der Beziehung 221</p> <p>Nutzen von ökologischen Studien 222</p> <p>Unterschiedliche Arten von ökologischen Studien 223</p> <p>Daten für ökologische Studien 224</p> <p>Wenn der ökologische Schein trügt 224</p> <p>Datenqualität – kritische Nachfragen erwünscht 227</p> <p>Ökologische Studien: Besser als ihr Ruf 228</p> <p><b>Teil IV: Studien durchführen und Fallstricke vermeiden 229</b></p> <p><b>Kapitel 14 Epidemiologische Studien durchführen</b> <b>231</b></p> <p>Das Thema finden und die Studie planen 231</p> <p>Ein passendes Projekt – die Stecknadel im Heuhaufen? 231</p> <p>Die Forschungsfrage entwickeln und präzisieren 232</p> <p>Literaturrecherche – aktuell oder Schnee von gestern? 233</p> <p>Studienplan erstellen – bis ins kleinste Detail 234</p> <p>Ethik – von der Aufklärung zur Einwilligung 236</p> <p>Datenschutz – meine Daten gehören mir 237</p> <p>Antrag einreichen 238</p> <p>Die Studie durchführen – ab ins Feld 238</p> <p>Pilotstudie – letzte Möglichkeit für Änderungen 239</p> <p>Feldarbeit – die Zeit läuft 239</p> <p>Daten eingeben und prüfen 240</p> <p>Datenaufbereitung und Datenauswertung 240</p> <p>Projektbericht und Publikation – was gibt’s Neues? 240</p> <p><b>Kapitel 15 Verzerrtes Bild der Wirklichkeit?</b> <b>243</b></p> <p>Keine Wissenschaft ohne Fehler (leider) 243</p> <p>Zufällige Fehler: Heute so, morgen so 244</p> <p>Systematische Fehler: Immer gleich falsch 245</p> <p>Die falsche Bevölkerung ausgewählt: Selektionsbias 246</p> <p>Informationsbias – oder: Missklassifizierte Menschen 250</p> <p>Confounding – oder: Leben auf großem Fuße 252</p> <p>Schuhgröße und Einkommen: Die Schuh-Studie 252</p> <p>Confounding heißt Verschleierung 253</p> <p>Der Umgang mit Confounding 254</p> <p>Typische Confounder 256</p> <p>Zwischenstufen sind keine Confounder 256</p> <p>Effektmodifikation 257</p> <p>Jetzt kommt’s ganz dicke: Mehrere Fehler 258</p> <p><b>Kapitel 16 Ursachen und Wirkungen</b> <b>261</b></p> <p>Epidemiologen wollen Ursachen finden 261</p> <p>Die Sache mit den kleinen Babys 262</p> <p>Macht fernsehen dick? 264</p> <p>Von Kometen und anderen Unglücksbringern 265</p> <p>Ist Kaffee krebserregend? 265</p> <p>Wer war König Knut? 266</p> <p>Warum leiden nicht alle Menschen an Tuberkulose? 268</p> <p>Kriterien für Kausalität 270</p> <p>Stärke der Beziehung 270</p> <p>Konsistenz der Beziehung 271</p> <p>Spezifität des Effekts 271</p> <p>Zeitliche Sequenz 272</p> <p>Dosis-Wirkungs-Beziehung 272</p> <p>Biologische Plausibilität und Kohärenz 273</p> <p>Experimentelle Evidenz 273</p> <p>Kausales Denken im Überblick 274</p> <p><b>Kapitel 17 Spielt uns der Zufall einen Streich? Schließende Statistik 275</b></p> <p>Warum wir Sie mit schließender Statistik quälen 276</p> <p>Von der Stichprobe zur Bevölkerung 276</p> <p>Auf den Punkt gebracht – der Punktschätzer 276</p> <p>Präzision von Schätzungen 278</p> <p>Zufall oder doch nicht? Statistisches Testen 278</p> <p>Nullhypothese: In Wirklichkeit kein Unterschied 279</p> <p>Der p-Wert – je größer, desto Zufall 280</p> <p>Signifikanzniveau – dem Zufall eine Grenze setzen 282</p> <p>p-Wert und Nullhypothese – eine enge Beziehung 283</p> <p>Konfidenzintervalle – der Bereich Ihres Vertrauens 284</p> <p>Fehlertypen: Falscher Alarm oder Aufdeckung verpasst 285</p> <p>Power – die Macht eines statistischen Tests 286</p> <p>Wie groß muss eine Studie sein? 286</p> <p>Statistische Modelle und die Wirklichkeit 288</p> <p>Beispiel: Bluthochdruck und Herzinfarkt 288</p> <p>Beispiel: Übergewicht und Sterblichkeit 289</p> <p>Mehrere mögliche Risikofaktoren: Was tun? 290</p> <p><b>Teil V: Anwendungen der Epidemiologie 293</b></p> <p><b>Kapitel 18 Die großen Seuchen: Infektionsepidemiologie</b> <b>295</b></p> <p>Seuchen in Europa: Vergangenheit und Zukunft 295</p> <p>Eine Seuche, die die Welt umrundet 296</p> <p>Vorbereitungen für die nächste Pandemie 297</p> <p>Vom Erreger zur Epidemie: Grundlagen 298</p> <p>Was sind Infektionskrankheiten? 298</p> <p>Wie werden Krankheitserreger übertragen? 299</p> <p>Grundbegriffe der Infektionsepidemiologie 300</p> <p>Impfen: Schutz aus der Spritze 300</p> <p>Wie sich Epidemien ausbreiten 302</p> <p>Wenn keiner immun ist: Basisreproduktionszahl 302</p> <p>Nicht alle sind empfänglich: Nettoreproduktionszahl 303</p> <p>Die Sicherheit der Gruppe: Herdenimmunität 304</p> <p>Ausbreitungsverlauf beschreiben: Epidemische Kurve 304</p> <p>Modellieren: Vorhersagen über die Zukunft 305</p> <p>Ausbrüche früh erkennen: Surveillance 307</p> <p>Datenquellen 307</p> <p>Daten aufbereiten und übermitteln 308</p> <p>Grenzen der Surveillance 308</p> <p>Können Epidemiologen Seuchen besiegen? 309</p> <p>Pocken: Eine Erfolgsgeschichte 309</p> <p>Kinderlähmung ausrotten? 309</p> <p>Armut macht Epidemien – Cholera in Simbabwe 311</p> <p><b>Kapitel 19 Krankheitsausbrüche epidemiologisch untersuchen</b> <b>313</b></p> <p>Vorgehen bei einem Ausbruch 314</p> <p>Beschreibende (deskriptive) Epidemiologie 314</p> <p>Schließende (analytische) Epidemiologie 318</p> <p>Epidemische Gehirnhautentzündung in Afrika 318</p> <p>Dramatische Ereignisse in Mchanje 320</p> <p>Deskriptive Untersuchung 320</p> <p>Aufklärung mittels einer Fall-Kontroll-Studie 321</p> <p>Fußball also doch gefährlich? 323</p> <p><b>Kapitel 20 Sozialepidemiologie: Lieber reich und gesund als arm und krank</b> <b>325</b></p> <p>Der Traum von der Gleichheit der Menschen 326</p> <p>Versuche, die Welt zu verbessern 326</p> <p>Erste Schritte der Sozialepidemiologie 327</p> <p>Wie misst man soziale Ungleichheit? 328</p> <p>Die Whitehall-Studie 329</p> <p>Wie alles begann 329</p> <p>Was dabei herauskam 329</p> <p>Ungleichheit in England: Der »Black Report« 331</p> <p>Die Folgen des »Black Report« 332</p> <p>Gesundheitliche Ungleichheit in Deutschland 332</p> <p>Wie soziale Ungleichheit krank macht 333</p> <p>Das Erklärungsmodell von Andreas Mielck 333</p> <p>Kritik an Andreas Mielcks Erklärungsmodell 334</p> <p>Sozialepidemiologie: Vergleichen und Handeln 335</p> <p>Lernen aus Vergleichen zwischen Ländern 335</p> <p>Neue Wege zum Handeln: Ökosoziale Epidemiologie 336</p> <p>Kritik am ökosozialen Konzept 337</p> <p>Die beste aller Welten? 338</p> <p><b>Kapitel 21 Erfolge messen</b> <b>339</b></p> <p>Gesundheitsprogramme – mein Rücken zwickt 339</p> <p>Der Handlungskreis in Public Health 340</p> <p>Warum Gesundheitsprogramme evaluieren? 341</p> <p>Idealbedingungen oder wahres Leben? 342</p> <p>Effektivität von Gesundheitsprogrammen messen 343</p> <p>Evaluation – die Mühen der Ebenen 343</p> <p>Ziele formulieren – hat es Ihnen geholfen? 344</p> <p>Surrogatgrößen – Ersatzziele führen in die Irre 344</p> <p>Studiendesigns mit Kontrollgruppe 345</p> <p>Experimentelle Designs 345</p> <p>Quasi-experimentelles Design 348</p> <p>Evaluation ohne Kontrollgruppe 349</p> <p>Zeitliche Entwicklungen beurteilen 349</p> <p>Grenzen von Vergleichen ohne Kontrollgruppe 351</p> <p><b>Kapitel 22 Screening: Dem Risiko ins Auge schauen</b> <b>353</b></p> <p>Sinn des Screenings: Krankheiten früh erkennen 353</p> <p>Epidemiologen beurteilen die Wirksamkeit 355</p> <p>Ärzte diagnostizieren und behandeln 355</p> <p>Geeigneter Schnelltest gesucht 356</p> <p>Eigenschaften von Tests 357</p> <p>Ein Gedankenexperiment 357</p> <p>Vier mögliche Kombinationen 358</p> <p>Maße für die Eigenschaften eines Tests 359</p> <p>HIV-Testen mit Fidel Castro 359</p> <p>Screening – Nutzen und Schaden 361</p> <p>Nicht perfekter Schnelltest im Alltag 361</p> <p>Es zählt nur die Gesamtbilanz 361</p> <p>Bewertung von Screening-Programmen 363</p> <p>Verzerrte Wirklichkeit 363</p> <p>Graues Screening oder Screening-Programme? 365</p> <p>Streit um Prostata-Screening 365</p> <p>Emotionen pur 366</p> <p>Gewinner und Verlierer beim Screening 366</p> <p>Screening als Tausch von Risiken 366</p> <p>Ergebnisoffen beraten 367</p> <p><b>Teil VI: Der Top-Ten-Teil 369</b></p> <p><b>Kapitel 23 Zehn Tipps, um Fehler in Studien zu vermeiden</b> <b>371</b></p> <p>Keine vorschnellen Schlüsse ziehen 371</p> <p>Mit einer klaren Fragestellung beginnen 372</p> <p>Geeignete Stichprobengröße wählen 372</p> <p>Raten statt absolute Zahlen analysieren 373</p> <p>Geeignete Vergleichsgruppe wählen 373</p> <p>Mögliches Confounding bedenken 374</p> <p>Enttäuschende Ergebnisse nicht verschweigen 374</p> <p>Ergebnisse klar kommunizieren 375</p> <p>Mit den Medien umgehen lernen 376</p> <p>Risiken realistisch einschätzen 376</p> <p><b>Kapitel 24 Die zehn besten Datenquellen</b> <b>379</b></p> <p>Bevölkerungsstatistik 379</p> <p>Todesursachenstatistik 380</p> <p>Meldepflichtige Infektionskrankheiten 381</p> <p>Bevölkerungsbezogene Krebsregister 382</p> <p>Krankenhaus-Diagnosestatistik 383</p> <p>Kinder- und Jugendgesundheitssurvey KiGGS 383</p> <p>Telefonischer Gesundheitssurvey 384</p> <p>Mikrozensus 385</p> <p>Sozio-oekonomisches Panel SOEP 385</p> <p>Ein Blick zu den europäischen Nachbarn 386</p> <p>Entwicklung und Gesundheit: Weltweite Daten 387</p> <p>Quellen 391</p> <p>Stichwortverzeichnis 399</p>

Diese Produkte könnten Sie auch interessieren:

Biomedical Imaging
Biomedical Imaging
von: Reiner Salzer
PDF ebook
109,99 €
Clinical Reasoning in Occupational Therapy
Clinical Reasoning in Occupational Therapy
von: Linda Robertson
PDF ebook
33,99 €
Clinical Reasoning in Occupational Therapy
Clinical Reasoning in Occupational Therapy
von: Linda Robertson
EPUB ebook
33,99 €