Biometrie und Epidemiologie - Cheatsheet.pdf

Biometrie und Epidemiologie - Cheatsheet
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, Sen...

© StudySmarter 2024, all rights reserved.

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.
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden