[Für Dummies 01] • Epidemiologie für Dummies, 3., aktualisierte und überarbeitete Auflage by Razum, Oliver -- Read -- Imperial Library of Trantor

Index

Cover Schummelseite Titel Impressum Über die Autoren

Zur zweiten Auflage Zur dritten Auflage

Auf einen Blick Inhaltsverzeichnis Einführung Über dieses Buch Was Sie nicht lesen müssen Konventionen in diesem Buch Törichte Annahmen über den Leser Wie dieses Buch aufgebaut ist

Teil I: Epidemiologen sind Gesundheitsdetektive Teil II: Werkzeuge zum Messen und Vergleichen Teil III: Die Architektur der Epidemiologie Teil IV: Studien durchführen und Fallstricke vermeiden Teil V: Anwendungen der Epidemiologie Teil VI: Der Top-Ten-Teil Anhang

Symbole, die in diesem Buch verwendet werden Wie es weitergeht TEIL I Epidemiologen sind Gesundheitsdetektive

Kapitel 1 Epidemiologen bei der Arbeit

Was Epidemiologen tun

Arbeitskleidung: Gelber Schutzanzug Gesund dank besserer Medizin? Gesundheitsrisiken heute Eine Definition von Epidemiologie

Epidemiologie, Kommunikation und Politik

Sie haben ein Recht auf Information Wir haben ein Sprachrohr Wir schauen uns selbst auf die Finger

Wie und warum wir Epidemiologen wurden

Epidemiologen geht es um Gesundheit Epidemiologen sind vielseitig interessiert Epidemiologen denken kritisch Epidemiologen entwickeln Studiendesigns Epidemiologen handeln Epidemiologen träumen von Gerechtigkeit

Kapitel 2 Epidemiologen sind Detektive

Auf den Schultern von Giganten

Risiken sind nicht zufällig verteilt

Verstädterung, Globalisierung, Seuchen

Wiege der Epidemiologie: London im 19. Jahrhundert Cholera in London Die Miasma-Theorie Gesundheitsberichterstattung

Epidemiologischer Detektiv – Dr. John Snow

Beobachten im Lichte bestehender Theorien Hypothesenbildung Datenerhebung Alles olle Kamellen?

Kapitel 3 Im Falle eines Falles

Epidemiologische »Fälle«

Fälle präzise beschreiben Von Todesursachen und Totenscheinen ICD-10: Ordnung muss sein Die zehn häufigsten Todesursachen in Deutschland

Krankheitsregister

Klinische Register – Daten zur Behandlung Epidemiologische Register – Daten zur Häufigkeit

Kapitel 4 Stets im Mittelpunkt: Die Bevölkerung

Epidemiologen schauen auf Bevölkerungen Kleine Demografie für Epidemiologen

Wie viele sind wir? Größe der Bevölkerung Wer steht auf meinem Fuß? Bevölkerungsdichte Zählen von Anfang an: Geburten Zählen bis zum bitteren Ende: Sterbefälle Woher, wohin: Wanderungsbewegungen Die demografische Formel Der neugierige Staat: Volkszählungen Bevölkerungsstruktur: Die Bevölkerungspyramide Lebenserwartung in Deutschland

Bevölkerungsentwicklung und gesellschaftliche Situation

Alterung der Bevölkerung Zuwanderung nach Deutschland Geburtenrückgang nach der Wende Ost-West-Wanderung und ihre Folgen Was schließen wir aus alledem?

TEIL II Werkzeuge zum Messen und Vergleichen

Kapitel 5 Größen und Veränderungen messen

Absolute Zahl und Prävalenz

Absolute Zahl Prävalenz

Ohne Zeit geht nichts – Inzidenzen

Kumulative Inzidenz (Inzidenzrisiko) Inzidenzrate (I) – Basis mittlere Bevölkerung Inzidenzrate (II): Inzidenzdichte – Basis Personenzeit Weitere Inzidenzmaße: Mortalität und Letalität Zusammenhang zwischen Inzidenz und Prävalenz Weder Fisch noch Fleisch: Periodenprävalenz

Risiko und Risikodifferenz

Kapitel 6 Vergleiche anstellen

Kein Vergleich – keine Beurteilung Für alle Fälle – die Vier-Felder-Tafel

Randsummen der Vier-Felder-Tafel Anwendung in der Praxis

Relatives Risiko – ein Risiko kommt selten allein

Kalte und warme Klassenzimmer Interpretation des Relativen Risikos Vier-Felder-Tafel – die neue Übersichtlichkeit Relatives Risiko und absolute Zahl Wo Sie keine Relativen Risiken berechnen können

Odds Ratio – wie hoch ist die Chance?

Grippaler Infekt oder gesund Wievielmal so hoch ist die Chance, krank zu werden? Odds Ratios interpretieren

Attributables Risiko

Attributables Risiko berechnen (I) Attributables Risiko berechnen (II)

Population Attributable Risk

Auswirkung einer Exposition auf die Bevölkerung Population Attributable Risk berechnen (I) Population Attributable Risk berechnen (II)

Kapitel 7 So werden Daten vergleichbar: Stratifizieren und Standardisieren

Stratifizierung – die Kleinen nach vorn, die Großen nach hinten Standardisierung – der einheitliche Bevölkerungsaufbau

Direkte Altersstandardisierung – von den Raten zur Standardbevölkerung Indirekte Altersstandardisierung – von der Standardbevölkerung zu den Raten Fallstricke bei der Standardisierung

Standardbevölkerungen

Kapitel 8 Wie sag ich's richtig? Beschreibende Statistik

Von Variablen und ihren Werten

Was ich Ihnen sagen möchte: Antwortmöglichkeiten Skalen: Haben Ihre Antworten Niveau? Transformation von Variablen – es gibt kein Zurück Sprechen wir Epidemiologisch oder Statistisch?

Deskriptive Statistik – Daten zusammenfassen

Die goldene Mitte: Maße der zentralen Tendenz Streuungsmaße: Wie groß sind die Unterschiede? Alles im grünen Bereich? Die Normalverteilung

TEIL III Die Architektur der Epidemiologie

Kapitel 9 Alles nur im Hier und Jetzt: Querschnittstudien

Was läuft hier quer?

Querschnittstudien sind Momentaufnahmen Wie kurz ist ein »Zeitpunkt«? Wer macht mit? Und wie viele? Was haben Meinungsforschung und Mikrozensus gemeinsam?

Was Sie mit Querschnittstudien messen können Hochspannung in Deutschland: Macht Elektrosmog krank?

Die Ausschreibung des Auftraggebers Vorüberlegungen zum Studiendesign Die Entscheidung zur Querschnittstudie Was war zuerst da – die Henne oder das Ei?

Grenzen des Querschnittdesigns

Die Gefahr von Fehlschlüssen

Was kommt dabei heraus?

Stärke der Assoziation: Odds Ratio

Kapitel 10 Ein Marsch Gesunder durch die Zeit: Kohortenstudien

Blick nach vorn: Wer wird krank?

Der Klassiker: Rauchen und Lungenkrebs Wann eine Kohortenstudie sinnvoll ist Was Sie in Kohortenstudien messen können

Rekrutieren der Studienbevölkerung

Auswahl aus der Allgemeinbevölkerung Auswahl aus besonderen Bevölkerungen Auswahl bei Berufskohorten Auf die richtige Größe kommt es an Wie komme ich an Informationen?

Mal sehen, was die Zukunft bringt: Follow-up

Wie lange muss das Follow-up laufen? Offene und geschlossene Kohorten Mehrere Befragungszeitpunkte Wenn Ihnen Studienteilnehmer abhanden kommen Zurück in die Zukunft? Historische Kohorten

Kapitel 11 Die Vergangenheit von Kranken und Gesunden

Kommt mir mein Handy zu nahe?

Wie häufig sind Hirntumoren? Wie schnell entstehen Hirntumoren? Warum Fall-Kontroll-Studie statt Kohortenstudie? Welche Expositionen müssen Sie erfragen? Welches Studiendesign ist passend?

Das Design von Fall-Kontroll-Studien

Wie wird man ein »Fall«? Auf der Suche nach den Fällen Fälle sammeln – repräsentativ oder selektiv? Am besten nur inzidente Fälle Kontrollen auswählen: Die Passenden ins Töpfchen Woher nehmen? Quellen für Kontrollen

Expositionen messen

Erinnern Sie sich noch? Fälle erinnern sich anders als Kontrollen

Paarungen: Passende Kontrollen zu den Fällen

Individuelles Matching Gruppenmatching

Was Sie in Fall-Kontroll-Studien messen können

Auswertung bei einem nicht gematchten Design Auswertung von individuell gematchten Paaren

Zu guter Letzt: Eingebettete Fall-Kontroll-Studie

Kapitel 12 Der Zufall als Helfer: Randomisierte kontrollierte Studien

Warum randomisierte kontrollierte Studien?

Wirksamkeitsprüfung: Erste Überlegungen Angemessenes Design für Wirksamkeitsprüfungen

Verzerrungen vermeiden

Randomisierung Compliance – immer bei der Stange bleiben Verblindung – keiner weiß was Ein- und Ausschlusskriterien

Klinische Studien – Therapie top oder Flop?

Phase 1: Pharmakologische Studien Phase 2: Therapeutisch-exploratorische Studien Phase 3: Therapeutisch-konfirmatorische Studien

Maßzahlen in klinischen Studien

Absolute Risiken Relative Risikoreduktion Absolute Risikoreduktion Number Needed to Treat Number Needed to Harm

Wenn Zweifel bleiben

Phase-4-Studien Therapie-Optimierungsprüfungen Anwendungsbeobachtungen

Ethisch vertretbar?

Aufklärung und Zustimmung Kontrollgruppe und Placebo Größe der Studie und vorzeitiger Abbruch Auswahlkriterien für Studienteilnehmer Goldene Standards aus armen Ländern? Alles offengelegt?

Weisheit aus vielen Studien: Meta-Analysen

Kapitel 13 Ganz ohne Individualdaten: Ökologische Studien

Individualdaten oder aggregierte Daten?

Studiendesigns mit Individualdaten Arbeiten mit aggregierten Daten Korrelation: Maß für die Stärke der Beziehung Nutzen von ökologischen Studien Unterschiedliche Arten von ökologischen Studien Daten für ökologische Studien

Wenn der ökologische Schein trügt

Datenqualität – kritische Nachfragen erwünscht Ökologische Studien: Besser als ihr Ruf

TEIL IV Studien durchführen und Fallstricke vermeiden

Kapitel 14 Epidemiologische Studien durchführen

Das Thema finden und die Studie planen

Ein passendes Projekt – die Stecknadel im Heuhaufen? Die Forschungsfrage entwickeln und präzisieren Literaturrecherche – aktuell oder Schnee von gestern? Studienplan erstellen – bis ins kleinste Detail Ethik – von der Aufklärung zur Einwilligung Datenschutz – meine Daten gehören mir Antrag einreichen

Die Studie durchführen – ab ins Feld

Pilotstudie – letzte Möglichkeit für Änderungen Feldarbeit – die Zeit läuft Daten eingeben und prüfen Datenaufbereitung und Datenauswertung Projektbericht und Publikation – was gibt's Neues?

Kapitel 15 Verzerrtes Bild der Wirklichkeit?

Keine Wissenschaft ohne Fehler (leider) Zufällige Fehler: Heute so, morgen so Systematische Fehler: Immer gleich falsch

Die falsche Bevölkerung ausgewählt: Selektionsbias Informationsbias – oder: Missklassifizierte Menschen

Confounding – oder: Leben auf großem Fuße

Schuhgröße und Einkommen: Die Schuh-Studie Confounding heißt Verschleierung Der Umgang mit Confounding Typische Confounder Zwischenstufen sind keine Confounder

Effektmodifikation Jetzt kommt's ganz dicke: Mehrere Fehler

Kapitel 16 Ursachen und Wirkungen

Epidemiologen wollen Ursachen finden

Die Sache mit den kleinen Babys Macht fernsehen dick? Von Kometen und anderen Unglücksbringern Ist Kaffee krebserregend? Wer war König Knut? Warum leiden nicht alle Menschen an Tuberkulose?

Kriterien für Kausalität

Stärke der Beziehung Konsistenz der Beziehung Spezifität des Effekts Zeitliche Sequenz Dosis-Wirkungs-Beziehung Biologische Plausibilität und Kohärenz Experimentelle Evidenz Kausales Denken im Überblick

Kapitel 17 Spielt uns der Zufall einen Streich? Schließende Statistik

Warum wir Sie mit schließender Statistik quälen

Von der Stichprobe zur Bevölkerung Auf den Punkt gebracht – der Punktschätzer Präzision von Schätzungen

Zufall oder doch nicht? Statistisches Testen

Nullhypothese: In Wirklichkeit kein Unterschied Der p-Wert – je größer, desto Zufall Signifikanzniveau – dem Zufall eine Grenze setzen p-Wert und Nullhypothese – eine enge Beziehung Konfidenzintervalle – der Bereich Ihres Vertrauens Fehlertypen: Falscher Alarm oder Aufdeckung verpasst Power – die Macht eines statistischen Tests

Wie groß muss eine Studie sein? Statistische Modelle und die Wirklichkeit

Beispiel: Bluthochdruck und Herzinfarkt Beispiel: Übergewicht und Sterblichkeit Mehrere mögliche Risikofaktoren: Was tun?

TEIL V Anwendungen der Epidemiologie

Kapitel 18 Die großen Seuchen: Infektionsepidemiologie

Seuchen in Europa: Vergangenheit und Zukunft

Eine Seuche, die die Welt umrundet Vorbereitungen für die nächste Pandemie

Vom Erreger zur Epidemie: Grundlagen

Was sind Infektionskrankheiten? Wie werden Krankheitserreger übertragen? Grundbegriffe der Infektionsepidemiologie Impfen: Schutz aus der Spritze

Wie sich Epidemien ausbreiten

Wenn keiner immun ist: Basisreproduktionszahl Nicht alle sind empfänglich: Nettoreproduktionszahl Die Sicherheit der Gruppe: Herdenimmunität Ausbreitungsverlauf beschreiben: Epidemische Kurve Modellieren: Vorhersagen über die Zukunft

Ausbrüche früh erkennen: Surveillance

Datenquellen Daten aufbereiten und übermitteln Grenzen der Surveillance

Können Epidemiologen Seuchen besiegen?

Pocken: Eine Erfolgsgeschichte Kinderlähmung ausrotten? Armut macht Epidemien – Cholera in Simbabwe

Kapitel 19 Krankheitsausbrüche epidemiologisch untersuchen

Vorgehen bei einem Ausbruch

Beschreibende (deskriptive) Epidemiologie Schließende (analytische) Epidemiologie

Epidemische Gehirnhautentzündung in Afrika

Dramatische Ereignisse in Mchanje Deskriptive Untersuchung Aufklärung mittels einer Fall-Kontroll-Studie Fußball also doch gefährlich?

Kapitel 20 Sozialepidemiologie: Lieber reich und gesund als arm und krank

Der Traum von der Gleichheit der Menschen

Versuche, die Welt zu verbessern Erste Schritte der Sozialepidemiologie Wie misst man soziale Ungleichheit?

Die Whitehall-Studie

Wie alles begann Was dabei herauskam

Ungleichheit in England: Der »Black Report«

Die Folgen des »Black Report«

Gesundheitliche Ungleichheit in Deutschland Wie soziale Ungleichheit krank macht

Das Erklärungsmodell von Andreas Mielck Kritik an Andreas Mielcks Erklärungsmodell

Sozialepidemiologie: Vergleichen und Handeln

Lernen aus Vergleichen zwischen Ländern Neue Wege zum Handeln: Ökosoziale Epidemiologie Kritik am ökosozialen Konzept Die beste aller Welten?

Kapitel 21 Erfolge messen

Gesundheitsprogramme – mein Rücken zwickt

Der Handlungskreis in Public Health Warum Gesundheitsprogramme evaluieren? Idealbedingungen oder wahres Leben?

Effektivität von Gesundheitsprogrammen messen

Evaluation – die Mühen der Ebenen Ziele formulieren – hat es Ihnen geholfen? Surrogatgrößen – Ersatzziele führen in die Irre

Studiendesigns mit Kontrollgruppe

Experimentelle Designs Quasi-experimentelles Design

Evaluation ohne Kontrollgruppe

Zeitliche Entwicklungen beurteilen Grenzen von Vergleichen ohne Kontrollgruppe

Kapitel 22 Screening: Dem Risiko ins Auge schauen

Sinn des Screenings: Krankheiten früh erkennen

Epidemiologen beurteilen die Wirksamkeit Ärzte diagnostizieren und behandeln Geeigneter Schnelltest gesucht

Eigenschaften von Tests

Ein Gedankenexperiment Vier mögliche Kombinationen Maße für die Eigenschaften eines Tests HIV-Testen mit Fidel Castro

Screening – Nutzen und Schaden

Nicht perfekter Schnelltest im Alltag Es zählt nur die Gesamtbilanz

Bewertung von Screening-Programmen

Verzerrte Wirklichkeit

Graues Screening oder Screening-Programme?

Streit um Prostata-Screening Emotionen pur

Gewinner und Verlierer beim Screening

Screening als Tausch von Risiken Ergebnisoffen beraten

TEIL VI Der Top-Ten-Teil

Kapitel 23 Zehn Tipps, um Fehler in Studien zu vermeiden

Keine vorschnellen Schlüsse ziehen Mit einer klaren Fragestellung beginnen Geeignete Stichprobengröße wählen Raten statt absolute Zahlen analysieren Geeignete Vergleichsgruppe wählen Mögliches Confounding bedenken Enttäuschende Ergebnisse nicht verschweigen Ergebnisse klar kommunizieren Mit den Medien umgehen lernen Risiken realistisch einschätzen

Kapitel 24 Die zehn besten Datenquellen

Bevölkerungsstatistik Todesursachenstatistik Meldepflichtige Infektionskrankheiten Bevölkerungsbezogene Krebsregister Krankenhaus-Diagnosestatistik Kinder- und Jugendgesundheitssurvey KiGGS Telefonischer Gesundheitssurvey Mikrozensus Sozio-oekonomisches Panel SOEP Ein Blick zu den europäischen Nachbarn Entwicklung und Gesundheit: Weltweite Daten

Quellen Stichwortverzeichnis Endbenutzer-Lizenzvertrag

← Prev
Back
Next →

← Prev
Back
Next →