Biometrie und Epidemiologie - Cheatsheet
Einführung in biometrische Techniken und Konzepte
Definition:
Grundlagen der biometrischen Identifikation und Authentifizierung anhand biologischer Merkmale.
Details:
- Biometrische Merkmale: Fingerabdruck, Iris, Gesicht, Stimme, DNA
- Verifikation vs. Identifikation
- Fehlerraten: FAR (False Acceptance Rate), FRR (False Rejection Rate)
- Technologien: Scanner, Sensoren, Algorithmen
- Anwendungen: Sicherheitssysteme, Zugangskontrollen
- Vor- und Nachteile biometrischer Systeme
Statistische Verteilungen und ihre Anwendungen
Definition:
Grundlegende Bauweise von Daten in der Biometrie und Epidemiologie. Modelliert Zufallsvariablen und Wahrscheinlichkeiten.
Details:
- Wichtige Verteilungen: Normalverteilung, Binomialverteilung, Poissonverteilung.
- Normalverteilung: Symmetrisch, Glockenform; Parameter: Mittelwert (\mu), Standardabweichung (σ).
- Binomialverteilung: Diskret; Parameter: Anzahl der Versuche (n), Erfolgswahrscheinlichkeit (p).
- Poissonverteilung: Diskret; Modelliert seltene Ereignisse; Parameter: Erwartungswert (\lambda).
- Wichtige Formeln: \[ \text{Normalverteilung: } f(x) = \frac{1}{\sqrt{2 \pi \sigma^2}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} \] \[ \text{Binomialverteilung: } P(X = k) = \binom{n}{k} p^k (1-p)^{n-k} \] \[ \text{Poissonverteilung: } P(X = k) = \frac{e^{-\lambda} \lambda^k}{k!} \]
- Anwendungen: Hypothesentests, Regressionsanalysen, Überlebenszeitanalysen.
Hypothesentests und Konfidenzintervalle
Definition:
Hypothesentests: Verfahren zur Entscheidung, ob eine Nullhypothese (H_0) verworfen wird oder nicht. Konfidenzintervalle: Bereich, der den wahren Parameterwert mit einer bestimmten Sicherheitswahrscheinlichkeit (z.B. 95%) enthält.
Details:
- Hypothesentests: Formulierung von H_0 und Alternativhypothese (H_A).
- Fehler 1. Art (α): H_0 fälschlich verworfen.
- Fehler 2. Art (β): H_0 fälschlich beibehalten.
- p-Wert: Wahrscheinlichkeit, dass beobachteter Teststatistikwert oder extremer unter H_0 eintritt.
- Teststatistik (z.B. t-Test, Chi-Quadrat-Test): Berechnung basierend auf Stichprobendaten.
- Konfidenzintervall: \( \hat{\theta} \pm z \cdot \frac{\sigma}{\sqrt{n}} \)
- z-Wert: Abhängig vom gewählten Konfidenzniveau (z.B. 1.96 für 95%).
Kohorten-, Fall-Kontroll- und Querschnittsstudien
Definition:
Vergleich der untersuchten Kohorten hinsichtlich Exposition und Outcome.
Details:
- Kohortenstudien: Prospektives Design, Gruppierung nach Exposition, Beobachtung des Outcomes.
- Fall-Kontroll-Studien: Retrospektives Design, Gruppierung nach Outcome, Vergleich der Exposition.
- Querschnittsstudien: Momentaufnahme, gleichzeitige Erfassung von Exposition und Outcome.
- Kohortenstudien: Berechnung relativer Risiko (RR): \[ RR = \frac{a/(a+b)}{c/(c+d)} \]
- Fall-Kontroll-Studien: Berechnung von Odds-Ratio (OR): \[ OR = \frac{a/c}{b/d} = \frac{ad}{bc} \]
Bias und Confounding in Studien und deren Kontrolle
Definition:
Störfaktoren, die fälschlicherweise die Beziehung zwischen Exposition und Ergebnis beeinflussen, zu positiven oder negativen Verzerrungen führen.
Details:
- Bias: Systematische Fehler der Studiendesign oder Durchführung; nicht zufällig.
- Arten von Bias: Selektionsbias, Informationsbias, Messbias.
- Confounding: Drittvariable, die sowohl Exposition als auch Ergebnis beeinflusst; führt zu verfälschten Schätzungen.
- Kontrollmethoden: Randomisierung, Matching, Stratifikation, Multivariates Modellieren.
- Randomisierung: Verteilung der Teilnehmer per Zufall; reduziert sowohl bekannten als auch unbekannten Confounder.
- Matching: Paare oder Gruppen mit gleichen Confoundern.
- Stratifikation: Analyse in Subgruppen; jeweilige Berücksichtigung von Confoundern.
- Multivariates Modellieren: Verwendung von statistischen Modellen zur gleichzeitigen Kontrolle für mehrere Confounder.
SEIR-Modelle (Susceptible, Exposed, Infectious, Recovered)
Definition:
SEIR-Modell zur mathematischen Modellierung der Ausbreitung von Infektionskrankheiten.
Details:
- S: Susceptible (Anfällig)
- E: Exposed (Exponiert, infiziert aber symptomlos)
- I: Infectious (Infektiös, erkrankt und ansteckend)
- R: Recovered (Genesen und immun)
- Differentialgleichungen beschreiben den Übergang zwischen den Zuständen.
- Gleichungen:
- \frac{dS}{dt} = - \beta SI
- \frac{dE}{dt} = \beta SI - \frac{E}{\tau_e}
- \frac{dI}{dt} = \frac{E}{\tau_e} - \frac{I}{\tau_i}
- \frac{dR}{dt} = \frac{I}{\tau_i}
- \beta: Infektionsrate
- \tau_e: Inkubationszeit
- \tau_i: Infektionsdauer
Simulation von Krankheitsszenarien und Interventionseffekten
Definition:
Simulation von Krankheitsszenarien und Interventionseffekten - Modellierung und Analyse von Krankheitsausbreitungen und den Wirkungen medizinischer Interventionen mit Hilfe von Computer-Simulationen.
Details:
- Grundlagen: Nutzung epidemiologischer Modelle (z.B. SIR-Modell)
- Ziele: Vorhersage von Krankheitsverläufen, Bewertung von Interventionsstrategien
- Wichtige Parameter: Basisreproduktionszahl (\text{R}_0), Infektionsrate, Genesungsrate
- Simulationsverfahren: Monte-Carlo-Methoden, agentenbasierte Modelle
- Nutzen: Entscheidungshilfe für Gesundheitspolitik, Ressourceneinsatz
Durchführung von Datenanalysen mithilfe statistischer Software
Definition:
Durchführung von Datenanalysen mithilfe statistischer Software in der Vorlesung Biometrie und Epidemiologie.
Details:
- Anwendung von SPSS, R oder SAS zur Datenanalyse.
- Explorative Datenanalyse (EDA): Untersuchung von Datenmustern, Verteilungen und Anomalien.
- Deskriptive Statistik: Berechnung von Mittelwert, Median, Standardabweichung, etc.
- Inferenzstatistik: Hypothesentests, Konfidenzintervalle.
- Regressionsanalyse zur Modellierung von Zusammenhängen.
- Visualisierung der Ergebnisse mit Diagrammen und Graphen.