Zurück zum Content

Epidemiologie

Epidemiologische Modellierung

Covid-19 Ablauf der Epidemie

-:- -:- -:-

Grundlagen Epidemiologie

  • Endemie: normales, übliches Auftreten einer bestimmten Krankheit (z.B. Grippewelle im Winter)
  • Epidemie: unüblich starkes und zeitlich sowie räumlich begrenztes Auftreten einer bestimmten Krankheit (bei Grippe z.B. > 10 %)
  • Pandemie: länder- und kontinentübergreifende Ausweitung einer Epidemie
  • für die Einordnung ist ausschließlich die Häufigkeit maßgebend, nicht die Intensität des Krankheitsverlauf

-:- -:- -:-

SEIR-Modell

  • Einteilung der Gesamtpopulation N in vier Kompartimente
    • Suszeptibel (S), Anzahl der nicht immunen Personen, kontinuierlich abnehmend
    • Exposed (E), Anzahl der infizierten, aber noch nicht erkrankten Personen, erst ansteigend, dann abnehmend
    • Infiziert (I), Anzahl der erkrankten Personen, erst ansteigend, dann abnehmend
    • Recovered (R), Anzahl der gesundeten, in Quarantäne befindlichen oder verstorbenen Personen, kontinuierlich zunehmend
    • S + E + I + R = 1
    • NS + NE + NI + NR = N = Gesamtpopulation
  • Basisannahmen:
    • N = const (Geburten und natürliche Todesfälle im Zeitraum werden nicht berücksichtigt)
    • I(0) << N, S(0) = N – I(0), R(0) = 0
    • Es gibt gibt keine Impfungen
    • Der Anstieg der Infizierungen ist sowohl proportional zur Anzahl der Infizierten I (»mehr Infizierte stecken umso mehr Noch-Nicht-Infizierte an«) als auch proportional zu N – I, da Infizierte aber auch nur noch Noch-Nicht-Infizierte anstecken können.
    • Das Modell berücksichtigt, dass ein Individuum nach seiner Infektion nicht sofort selbst infektiös ist.

-:- -:- -:-

SEIR-Modellgleichungen

SEIR-Modell

Erläuterung des Gleichungssystems

  • Wenn ein Infektionserreger erstmals in eine Bevölkerung eingeschleppt wird, ist die gesamte Bevölkerung für diese Infektion empfänglich (suszeptibel).
  • Im Zeitraum t gibt es durchschnittlich β Kontakte zwischen suszeptiblen und infektiösen Individuen, die zu einer Ansteckung führen. Eine genauere Überlegung zerlegt die Kontaktrate β in ein Produkt β = τc, wobei τ die Transmissionswahrscheinlichkeit und c die eigentliche Kontaktrate ist (β wird dann effektive Kontaktrate genannt). Begegnungen einer suszeptiblen Person mit einer exponierten oder genesenen Person führen nicht zu einer Übertragung des Virus.
    Je mehr Kontakte ein Individuum durchschnittlich hat desto größer ist β.
  • Nach der mittleren Latenzzeit 1/a (= Während der Latenzzeit kann ein infizierter Mensch andere noch nicht anstecken) wird ein infiziertes Individuum auch infektiös (die Latenzzeit ist nicht identisch mit der Inkubationszeit).
    Je länger die Latenzzeit desto kleiner a.
  • Mit der Removalrate γ werden die infektiösen Individuen geheilt (versterben, in Quarantäne), so dass sie niemanden mehr anstecken können. R kennzeichnet die Menge aller Individuen, die die Krankheit nicht mehr weiter verbreiten können; da es sich bei dem Modell um ein geschlossenes System handelt, werden auch die Verstorbenen zu R gezählt.
    γ ist um so kleiner, je länger der Krankheitsverlauf dauert.

-:- -:- -:-

SEIR und Basisreproduktionszahl R0

Basisreproduktionszahl R0

Bei einer Krankheit mit R0 = 2 wächst anfangs die Anzahl der Infizierten in jeder Generation mit dem Faktor 2. Im weiteren Verlauf der Epidemie nimmt die Anzahl von suszeptiblen Personen immer weiter ab, sodass weniger als zwei Suszeptible pro Infektiösen angesteckt werden. Wird im Durchschnitt weniger als eine Person ansteckt, geht die Zahl der Neuinfektionen zurück.
Solange R0 > 1 ist, wächst die Zahl der Neuinfizierungen exponentiell, ist R0 < 1, sinkt die Zahl der Neuinfektionen.

Es gibt 3 Wege R0 zu verkleinern

  • Vergrößerung der Removalrate γ durch Quarantäne. Die Krankheitsdauer (die Phase der Infektiösität) lässt sich medizinisch nicht beeinflussen, es gibt aber die Möglichkeit infektiöse Individuen zu isolieren, damit sie niemanden anstecken können (Containment), wodurch γ effektiv sinkt. Finden die meisten Übertragungen vor dem Auftreten von Krankheitssymptomen statt, so reicht Containment allein möglicherweise nicht aus, um einen Ausbruch aufzuhalten.
  • Verkleinerung der Kontaktrate β durch Kontakt- und Ausgangssperren (Mitigation/Suppression). Wenn alle Personen ihre Kontakte durchschnittlich um 30 % reduzieren, so reduziert sich auch R0 um 30 % (Linearität da R0 = β/γ).
  • Verkleinerung der Menge der suszeptiblen Individuen S, z.B. durch Impfung

R0 ist dimensionslos und lässt sich auch wie folgt ausdrücken:
R0 = Transmissionsrate * (Kontakte zwischen Suszeptiblen und Infektiösen) * (Dauer der Infektionsität)

Impfabdeckung
Mittels R0 berechnet sich, welcher Anteil der Bevölkerung gegen eine Infektion immun beziehungsweise geimpft sein muss, um Epidemien zu verhindern.
Ist zu Beginn der Epidemie beispielsweise R0 = 2 und 50% der Bevölkerung immun, so wird die Zahl der Infizierten (auf einen Zeitpunkt bezogen) nicht weiter steigen.
-> Nettoreproduktionszahl = R0 * Immunitätsanteil
Um eine Ausbreitung zu verhindern muss Anteil der Suszeptiblen so weit sinken, dass jeder Infektiöse durchschnittlich weniger als eine Person angesteckt.
-> Dies ist der Fall wenn der Anteil der Suszeptiblen in der Bevölkerung weniger als 1/R0 beträgt.
Ein R0 = 10 erfordert dass ein Anteil von mind. 90 % der Population immunisiert ist.

-:- -:- -:-

Zeitlicher Verlauf des SEIR-Modells

1 entspricht 100% (also die Gesamtbevölkerung zu Beginn einer Epidemie)

  • Die Infektionsdynamik hängt von der Basisreproduktionszahl R0 und von der Generationszeit ab.
  • R0 gibt an, wie viele suszeptible Individuen eine infektiöse Person durchschnittlich ansteckt.
  • Die Generationszeit ist die mittlere Zeitdauer zwischen den Infektionszeitpunkten und der darauffolgenden Ansteckungen.
    Generationszeit = Latenzzeit + Dauer der Infektiosität

-:- -:- -:-

Erweiterung des SEIR Modells um die Social Distancing Variable p

S‘ = – pβSI und E‘ = pβSI – aE  

Effekt der Social DIstancing VAriable p

-:- -:- -:-

SEIRS-Modell

Erweiterung des SEIR-Modells um Verlust der Immunität ξ

ξ = Rate mit der immunisierte Menschen die Immunität verlieren und wieder suszeptibel werden

S‘ = –βSI + ξR
E‘ = βSI – aE
I‘ = aE – γI
R‘ = γI – ξR

-:- -:- -:-

SEIRS-Modell mit dynamischer Population

Erweiterung des SEIRS-Modells um Geburten und natürliche Todesfälle

μ = Geburtenrate
ν = Natürliche Todesrate

Differentialgleichungssystem (wie sich die Kompartimente pro Zeiteinheit verändern):

S‘ = –βSI + μN – νN + ξR
-> Infizierungen + Geburten natürliche Sterbefälle + Immunschutzverlustige

E‘ = βSI – νE – aE
-> Infizierungen natürliche Sterbefälle – Erkrankungen

I‘ = aE – νI – γI
-> Erkrankungen – natürliche Todesfälle – (Gesundungen, Quarantäne, Todesfälle)

R‘ = γI – νR – ξR
-> = (Gesundungen, Quarantäne, Todesfälle) – natürliche Todesfälle – Immunschutzverlustige

-:- -:- -:-

Dynamisches SEIRS Modell mit Impfung

Erweitertes Epeidemieausbreitungsmodell

  • B  Geburt
  • M  Migration
  • S  Suszeptibel
  • E  Exponiert
  • V  Immunisierung durch Impfung
  • Q  Quarantäne
  • IA  Asyptomatischer Krankheitsverlauf
  • In  »Normaler« Krankheitsverlauf
  • H  Schwerer Krankheitsverlauf mit Hospitalisierung
  • R  Gesundung
  • Dn  »Natürlicher« Tod (= nicht durch die Infektion)
  • Di  Tod aufgrund der Infektion

Der Einfachkeit halber wurden natürliche Todesfälle aus den Kompartimenten  IA, In, V und H nicht eingezeichnet.
Ebenso wurden auf Verlust der Immunität (R -> S) sowie eine Unterscheidung bei den Geburten nach natürlicher Immunität verzichtet.

-:- -:- -:-

SIDARTE-Modell

Das SIDARTE-Modell wurde erstmalig im März 2020 während der COVID-19-Pandemie von italienischen Forscher:innen publiziert.

SIDHARTE-Modell

Legende
S Suszeptibel
I Infected (asymptomatisch infiziert, nicht entdeckt)
D Diagnosed (asymptomatisch infiziert, diagnostiziert)
A Ailing(symptomatisch infiziert, nicht entdeckt)
R Recognised (symptomatisch infiziert, diagnostiziert)
T Threatened (akut symptomatisch infiziert, diagnostiziert)
H Geheilt
E Verstorben

Modellgleichungen
ΔS = -S(αI + βD + γA + δR)
ΔI = S(αI + βD + γA + δR) – (ε + ζ + λ)I
ΔD = εI – (η + ρ)D
ΔA = ζI – (θ + μ + κ)A
ΔR = ηD + θA – (ν + ξ)R
ΔT = μA + νR – (σ + τ)T
ΔH = λI + ρD + κA + ξR + σT
ΔE = τT

Dynamik
S -> I, D, A, R  -> αI, βD, γA, δR  -> Ansteckung
I -> D  -> εI   -> Diagnostizierung eines asymtomatisch Infizierten
I -> A  -> ζI   -> Ein unentdeckter Fall erkrankt sysptomatisch
D -> R  -> ηD   -> Ein diagnostizierter asymtomatischer wird symptomatisch
A -> R  -> θA   -> Diagnostizierung eines symptomatisch Erkrankten
A, R -> T  -> μA, νR Erkrankung wird akut
T -> E  -> τT  -> Tod eines akut Erkrankten
I, D, A, R, T -> H  -> λI, ρD, κA, ξR, σT  -> Heilung

-:- -:- -:-

Inkubationszeit

  • Zeit von der Ansteckung bis zum Beginn der Erkrankung

Serielles Intervall

  • durchschnittliche Dauer vom Beginn der Erkrankung einer ansteckenden Person bis zum Erkrankungsbeginn einer von dieser angesteckten Person. Das serielle Intervall ist oft größer als die Inkubationszeit, weil die Ansteckung i.d.R. erst erfolgt, wenn eine erkrankung symptomatisch geworden ist.

-:- -:- -:-

Kontagionsindex

  • beschreibt jenen Anteil einer nicht-immunen Population, bei dem es nach Kontakt mit einem Krankheitserreger zu einer Infektion kommt. Dabei ist unerheblich, ob die Infektion auch zu einer Erkrankung führt, lediglich das Eindringen und die Vermehrung des Erregers im neuen Wirt wird für die Berechnung des Kontagiositätsindex herangezogen.
  • Der Kontagiositätsindex ist in der Epidemiologie ein wichtiger Parameter zur Beschreibung jener Wahrscheinlichkeit, mit der ein Individuum nach Kontakt mit einem Erreger infiziert wird.
  • Der Kontagiositätsindex stellt eine mathematische Quantifizierung der Ansteckungsfähigkeit (Kontagiosität) eines Krankheitserregers mithilfe einer dimensionslosen Maßzahl dar.

-:- -:- -:-

Manifestationsindex

  • Der Manifestationsindex gibt an, mit welcher Wahrscheinlichkeit eine mit einem Erreger infizierte Person manifest, also erkennbar erkrankt.
  • Je kleiner der Manifestationsindex, umso mehr Infektionen verlaufen klinisch stumm. Bei Infektionskrankheiten wird in diesem Fall auch von einer stillen Feiung gesprochen, wenn der Organismus dazu in der Lage war, auch eine ausreichende Immunantwort zu bilden. Sofern diese Immunität in späterer Folge nicht wieder verloren geht, ist der Organismus somit vor einer Erkrankung geschützt. Das Prinzip der stillen Feiung wird im Übrigen auch bei der Schutzimpfung angewendet.

-:- -:- -:-

Prävalenz

Prävalenz = Anzahl Erkrankungsfälle / Bevölkerung

  • Prävalenz gibt die relative Häufigkeit an, an einer bestimmten Krankheit zu leiden
  • Punktprävalenz = Erkrankungen zu einem bestimmten Stichtag
  • Periodenprävalenz = Erkrankungen in einer bestimmten Zeitspanne
  • Prävalenz verliert an Aussagekraft, wenn Menschen wiederholt erkranken

-:- -:- -:-

Kumulative Inzidenz

Kumulative Inzidenz = Anzahl Neuerkrankrankungen im Zeitraum t / Anzahl der gesunden Personen zu Beginn von t

  • Anteil der Menschen, die innerhalb einer bestimmten Zeitspanne mindestens einmal an der Krankheit erkranken
  • Wenn eine Person mehrmals an der Krankheit erkrankt, wird diese nur einmal berücksichtigt
  • wird oft als »Krankheitsfälle pro 100.000« angegeben bezogen auf eine bestimmte Zeitspanne

-:- -:- -:-

Inzidenzrate / -dichte

Inzidenzrate = Anzahl Neuerkrankrankungen im Zeitraum t / Mittlere Anzahl der Personen unter Risiko in t

  • berücksichtigt Veränderungen der Bevölkerungsanzahl
    (Ab- und Zuwanderung, Geburten, Todesfälle)

Inzidenzdichte =  Anzahl Neuerkrankrankungen im Zeitraum t / Zeit unter Risiko (t)

  • Maß für die „Geschwindigkeit“ der Ausbreitung einer Krankheit
  • Als Risikozeit ist die Zeit definiert, in der ein einzelnes nicht erkranktes Individuum aus der Bevölkerung einer Exposition ausgesetzt ist. Die individuellen Risikozeiten werden zur sogenannten Personenzeit unter Risiko der betrachteten Bevölkerung im betrachteten Zeitraum (d. h. die Summe der Zeiten, die beobachtete Personen gesund verbrachten) addiert.

-:- -:- -:-

Relatives Risiko

RR = P1 / P0

  • Relation des Risikos zu erkranken zwischen Menschen mit und ohne Exposition. Beschreibt die Stärke des Zusammenhang zwischen Exposition und Krankheit.
  • RR > 1 -> Risiko der Exponierten ist größer als das Risiko der Nicht-Exponierten, Exposition ist möglicherweise krankheitsverursachend oder -fördernd
  • RR = 1 -> Risiko der Exponierten ist gleich dem Risiko der Nicht-Exponierten, es besteht kein Zusammenhang
  • RR < 1 -> Risiko der Exponierten ist kleiner als das Risiko der Nicht-Exponierten, Exposition ist möglicherweise protektiv

Attributables Risiko

  • gibt an, in welchem Maß der Anteil der Erkrankungen auf eine bestimmte Exposition (z.B. Raucher, Diabetes, COPD) zurückzuführen ist.

-:- -:- -:-

Mortalität / Letalität

Mortalität = Anzahl Todesfälle / Bevölkerung

  • bezeichnet die Anzahl der Todesfälle bezogen auf die Gesamtanzahl der Individuen

Letalität = Anzahl Todesfälle im Zeitraum t / Anzahl Neuerkrankungen im Zeitraum t

  • bezeichnet die „Tödlichkeit“ einer Erkrankung beziehungsweise die Wahrscheinlichkeit, daran zu sterben

Case Fatality Rate = Anzahl Todesfälle im Zeitraum t / Anzahl bekannter Neuerkrankungen im Zeitraum t

  • die Letalität lässt sich im Gegensatz zur bekannten Case Fatality Rate oftmals nur schätzen, da nicht alle Erkrankungen gemeldet und damit auch statistisch erfasst werden

-:- -:- -:-

Mitigation

  • Strategie um die Ausbreitung des Virus durch nicht allzu einschneidende Maßnahmen zu verlangsamen mit dem Ziel die Kapazitäten des Gesundheitssystems durch zuviele gleichzeitig Erkrankende zu vermeiden (»Flatten the curve«). Dabei wird einkalkuliert, dass ein Großteil der Bevölkerung (60-70%) sich mit dem Virus infiziert (infizieren muss), um eine »Durchseuchung/Herdenimmunität« zu erreichen. Dieser Prozess kann sicxh über einen sehr langen Zeitraum (Jahre)  hinziehen und bedeutet viele Kollateralschäden. Dies funktioniert nur, wenn die nach durchstandener Krankheitsphase erlangte Immunität für einen längeren Zeitraum Bestand hat und das Virus keine Mutationen ausbildet.

Suppression

  • Strategie mit sehr strikten Massnahmen (Ausgangssperren) um die Übertragungswege des Virus zu stoppen, ihn auszuhungern. Ziel ist es, die Basisreproduktionsrate R0 dauerhaft auf einen Wert unter 1 zu drücken. Da ein solcher Lock-Down sich über mehrere Monate hinziehen müsste und damit große Schäden für psychosoziale Gesundheit der Bevölkerung und Ökonomie mit sich bringt, gibt es die Idee der »Hammer-and-Dance«-Methode. Dabei werden nach einer ersten längeren Lockdown-Phase (»Hammer«) die Beschränkungen gelockert und es beginnt die Phase des «Tanzes» – also abwechselnde Wiederverschärfung und Lockerung der Massnahmen, um ein zu starkes Wiederauftreten der Pandemie solange zu verhindern, bis ein Impfstoff entwickelt ist bzw, Medikamente zur Verfügung stehen.

Durchseuchung

  • bezeichnet den Verbreitungsgrad einer endemischen Infektionskrankheit. Dazu zählen auch die Fälle unter den ehemals erkrankten Individuen der Population, in denen die Anzeichen der Erkrankung nicht wahrgenommen oder mit der Erkrankung nicht in Verbindung gebracht wurden. Dabei ist es von Krankheit zu Krankheit verschieden, ob eine vorübergehende oder dauerhafte Immunität erreicht wurde.

Herdenimmunität

  • der Anteil einer Population (der „Herde“), der gegenüber bestimmten übertragbaren Infektionskrankheiten immun ist
  • Herdenimmunität stellt eine indirekte Form des Schutzes vor einer ansteckenden Krankheit dar, die dann auftritt, wenn ein hoher Prozentsatz einer Population immun wurde – sei es durch Infektion oder durch Impfung – so dass ein erhöhter Schutz auch für die nicht-immunen Individuen entsteht.
  • Die unter idealen Umständen für einen Herdeneffekt mindestens notwendige Herdenimmunität wird wie folgt aus der Basisreproduktionszahl berechnet:
    (dann ist die Nettoreproduktionszahl N0 = 1)

HImin = 1 – 1/R0

  • In der Realität sind meist höhere Durchimpfungsraten für einen Herdeneffekt als unter idealen Bedingungen erforderlich. Um dies zu berücksichtigen, wird die Gleichung um die Größe E, den Faktor der Wirksamkeit, erweitert:

Dmin = [1 – 1/R0] / E

-:- -:- -:-

Altersstandardisierung

Standardisierung von Maßzahlen hinsichtlich der Altersstruktur

Direkte Altersstandardisierung

  • Vergleicht man z.B. die Sterberaten zweier Regionen bezüglich eines bestimmten Gesundheitsrisikos so können unterschiedliche Werte daher kommen, dass die Altersstrukturen der beiden Regionen unterschiedlich sind (Region A hat besipielsweise einen erhebliche höheren Anteil an älteren Menschen). Dies kann zur Folge haben, dass die Sterberate (pro 100.000 Einwohner) in Region A höher ist als die in Region B. Durch die direkte Standardisierung können Ergebnisse aus unterschiedlichen Populationen sowie auch aus unterschiedlichen Studien – unabhängig von Unterschieden bezüglich der Altersstruktur – adäquat verglichen werden.

Fiktives Problembeispiel (Quelle: Wikipedia): Für die zwei Stadtteile A und B mit jeweils 30.000 Einwohnern werden Erkrankungsraten ermittelt. In Stadtteil A erkrankten insgesamt 900 Einwohner, womit sich eine Erkrankungsrate von 30 Erkrankten je 1.000 Einwohner ergibt. In Stadtteil B erkrankten demgegenüber 2.020 Einwohner, womit sich eine Erkrankungsrate von 67,3 Erkrankten je 1.000 Einwohner berechnen lässt. Offensichtlich erkranken in Stadtteil B damit mehr als doppelt so viele Menschen wie in Stadtteil A, was auf eine Gesundheitsgefährdung in Stadtteil B hindeuten könnte. Andererseits könnte jedoch auch eine unterschiedliche Altersstruktur der beiden Stadtteile für die Unterschiede verantwortlich sein.

Für beide Stadtteile A und B müssen für die direkte Standardisierung zunächst Erkrankungsraten in einzelnen Altersgruppen berechnet werden (zur Vereinfachung der Übersichtlichkeit werden im Beispiel lediglich drei Altersgruppen differenziert):

Stadtteil A
Alter Einwohner Erkrankte je 1.000 A
0 bis 49 20.000 200 10
50 bis 64 8.000 400 50
ab 65 2.000 300 150
Gesamt 30.000 900 30
Stadtteil B
Alter Einwohner Erkrankte je 1.000 B
0 bis 49 12.000 120 10
50 bis 64 8.000 400 50
ab 65 10.000 1.500 150
Gesamt 30.000 2.020 67,3

Entscheidend für die weiteren Berechnungen sind die altersspezifischen Erkrankungsraten aus beiden Populationen (hier als Erkrankte je 1.000 Einwohner angegeben). Diese werden verwendet, um (fiktive) Erkranktenzahlen für Stadtteil A und Stadtteil B zu berechnen, wobei beide Populationen so betrachtet werden, als ob sie eine identische Altersstruktur wie eine zuvor (willkürlich) ausgewählte Standardpopulation aufweisen würden. Im vorliegenden Fall wurde einfach eine Standardpopulation aus den Summen der Altersgruppenbesetzungen von Stadtteil A und B gebildet.

Stadtteil A
Alter Stand.Pop. Erkrankte je 1.000 A Erkrankte (fikt.)
0 bis 49 32.000 10 320
50 bis 64 16.000 50 800
ab 65 12.000 150 1.800
Gesamt 60.000 2.920
Stadtteil B
Alter Stand.Pop. Erkrankte je 1.000 B Erkrankte (fikt.)
0 bis 49 32.000 10 320
50 bis 64 16.000 50 800
ab 65 12.000 150 1.800
Gesamt 60.000 2.920

Im Beispiel lassen sich aus den Angaben der letzten Tabellenzeilen für beide Stadtteile A und B schließlich identische direkt altersstandardisierte Erkrankungsraten von 4,87 % (bzw. von 48,7 Erkrankten je 1.000 Einwohner) durch Teilen der errechneten fiktiven Erkranktenzahlen (2.920) durch die Gesamtzahl der Personen in der Standardpopulation (60.000) berechnen. Die eingangs genannten Unterschiede der “rohen” Erkrankungsraten zwischen den beiden Stadtteilen A und B resultieren in diesem Beispiel also ausschließlich aus der unterschiedlichen Altersstruktur der Stadtteile A und B.

-:- -:- -:-

Weitere Kennziffern

  • Zeit von Erkrankungsbeginn bis Pneumonie (Lungenentzündung)
  • Zeit von Erkrankungsbeginn bis Hospitalisierung
  • Zeit von Erkrankungsbeginn bis zum Akuten Lungenversagen (ARDS)
  • Zeit von Erkrankungsbeginn bis ITS (Aufnahme auf Intensivstation)
  • Zeit von Hospitalisierung bis ITS
  • Dauer des Krankenhausaufenthalts
  • Anteil der Hospitalisierten unter den Erkrankten
  • Anteil der Hospitalisierten mit Beatmung
  • Anteil der Hospitalisierten, die auf ITS behandelt wurden
  • Anteil der invasiv beatmeten mit extrakorporaler Membranoxygenierung (ECMO, vorübergehende technische Lungenersatz-Therapie)
  • Anteil Verstorbene unter den ITS-Patienten

-:- -:- -:-

Kohortenstudie

  • Ziel ist es einen Zusammenhang zwischen einer oder mehreren Expositionen und dem Auftreten einer Krankheit aufzudecken. Dabei wird eine Gruppe exponierter und eine Gruppe nicht exponierter Personen über einen bestimmten Zeitraum hinsichtlich des Auftretens oder der Sterblichkeit bestimmter Krankheiten beobachtet.
  • Unter einer Kohorte versteht man eine Gruppe von Personen, in deren Lebensläufen ein bestimmtes biographisches Ereignis annähernd zum selben Zeitpunkt aufgetreten ist.
  • Um einen Zusammenhang herzustellen, werden am Ende der Untersuchung die Anzahl von Neuerkrankungen (Inzidenz) bei Exponierten und Nichtexponierten gemessen und verglichen. Besteht ein positiver Zusammenhang zwischen einer Exposition und einer Krankheit, liegt der Anteil erkrankter Personen in der Gruppe exponierter Personen über dem der nicht-exponierten Untersuchungsgruppe. Damit kann die Exposition einen möglichen Risikofaktor darstellen. Um letztlich Aussagen über die Stärke der Assoziation zu machen, werden die beiden Inzidenzraten ins Verhältnis gesetzt und das relative Risiko berechnet.

-:- -:- -:-

Confounder (Störfaktoren)

  • sind all jene Faktoren, welche sowohl die abhängige Variable als auch die unabhängige Variable beeinflussen können und nicht manipuliert werden. Dies können Merkmale von Versuchspersonen oder äußere Faktoren sein.
  • sind als alternative oder konkurrierende Erklärungen zur Ausgangshypothese des Forschungsproblems zu sehen. Zur Kontrolle von Störfaktoren gibt es spezielle Techniken.
  • Beispiel: bei einem Experiment würde man eine deutliche positive Korrelation zwischen Tabakkonsum und dem Auftreten von Leberzirrhose feststellen, obwohl Tabakkkonsum nicht zur Leberzirrhose führt. Da aber viele Raucher auch Trinker sind, wären Suchtpersönlichkeit und Alkohol Confounder im Rahmen der Messung des Effektes, den Rauchen auf das Outcome Leberzirrhose hat.

-:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:-
-:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:-
-:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:- -:-