Statistische Modellbildungsstrategien für die Kardiologie

In allen medizinischen Bereichen ist die korrekte Beurteilung der Krankheitsentwicklung und des Therapieansprechens eine wichtige Voraussetzung, um Therapien zu bewerten und zu verbessern. Regressionsmodelle mit vielen Einflussfaktoren sind dabei vor allem für die Auswertung von Beobachtungsstudien von Bedeutung, da hier Patientengruppen oft strukturelle Unterschiede aufweisen. Die entwickelten Modelle verfolgen unterschiedliche Ziele, die d arin bestehen 1) Einflussfaktoren zu identifizieren, die Unterschiede in der Zielgröße erklären, 2) den Zusammenhang zwischen Einflussfaktoren und Zielgröße zu quantifizieren, und 3) die interessierende Zielgröße vorherzusagen. Die statistischen Herausford erungen unterscheiden sich zwischen diesen Zielen. Generell besteht die Entwicklung eines validen beschreibenden Modells aus zwei Schritten, nämlich der Identifizierung einer angemessenen Zahl an Einflussfaktoren, und der Spezifizierung der Form des Zusammenhanges zwischen den Einflussfaktoren und der Zielgröße. Intensive statistische Forschung in beiden Bereichen wird bereits seit Jahrzehnten betrieben, allerdings sind die Resultate nur ungenügend in der klinischenForschungetabliert. Das interdisziplinäreProjektStatistische Modellbildungsstrategien für die Kardiologie möchte eine Brücke schlagen zwischen statistischer Forschung zu Modellbildungsstrategien und der Implementierung der Strategien in der medizinischen Forschung, anhand von 4 typischen Problemen aus dem Bereich der Kardiologie. Die Ziele des Projektes sind 1. Schwachstellen hinsichtlich der statistischen Modellbildung in aktuellen kardiovaskulären Anwendungen zu identifizieren, 2. Entwicklung fortgeschrittener statistischer Modelle für die kardiovaskulären Forschungsfragen durch Anwendung der aktuell besten statistischen Methoden, 3. Entwicklung und Evaluation neuer Methoden, um den häufig auftretenden Überschätzungsfehler zu korrigieren, der durch Daten-gesteuerte Modellbildung entsteht, 4. Bereitstellung von Leitlinien für statistische Modellbildungsstrategien, die auch von angewandten ForscherInnen zu verstehen sind. Aus statistischer Sicht ist das Ziel die aktuellen Standards in Bezug auf Modellbildung, die in der klinischen Forschung tatsächlich Anwendung finden zu identifizieren, zu bewerten und zu verbessern. Um zu garantieren, dass die Ergebnisse tatsächlich in der Anwendung ankommen, werden die Methoden anknüpfend an vier Forschungsthemen aus der Kardiologie entwickelt, um einen medizinischen Startpunkt zu definieren, der zum einen so konkret wie möglich ist, aber dennoch eine breite Übertragbarkeit erlaubt. Aus klinischer Sicht ist das Ziel neue medizinische Erkenntnisse aus optimierten statistischen Modellen zu gewinnen. Aus diesem Projekt sollen für die vier Forschungsthemen jeweils ein verbessertes, verifiziertes Modell entwickelt werde. Zu diesem Zweck werden Daten aus kardiologischen Studien verwendet und mit den Ergebnissen aus der entsprechenden medizinischen Literatur kombiniert.

In allen medizinischen Bereichen ist die korrekte Beurteilung der Krankheitsentwicklung und des Therapieansprechens eine wichtige Voraussetzung, um Therapien zu bewerten und zu verbessern. Regressionsmodelle mit vielen Prognosefaktoren sind dabei vor allem für die Auswertung von Beobachtungsstudien von Bedeutung, da hier verschiedene Patientengruppen oft strukturelle Unterschiede aufweisen. Die entwickelten Modelle verfolgen unterschiedliche Ziele, die darin bestehen a) Prognosefaktoren zu identifizieren, die Unterschiede in der Zielgröße erklären, b) den Zusammenhang zwischen Prognosefaktoren und Zielgröße zu quantifizieren, und/oder c) die interessierende Zielgröße vorherzusagen. Die statistischen Herausforderungen unterscheiden sich zwischen diesen Zielen. Generell besteht die Entwicklung eines validen, beschreibenden Modells aus zwei Schritten, nämlich der Identifizierung einer angemessenen Zahl an Prognosefaktoren, und der Spezifizierung der Form des Zusammenhanges zwischen den Prognosefaktoren und der Zielgröße. Statistische Forschung in beiden Bereichen wird bereits seit Jahrzehnten betrieben, allerdings sind die Resultate nur ungenügend in der klinischen Forschung etabliert. Das interdisziplinäre Projekt "Modellbildungsstrategien in medizinischen Anwendungen" will eine Brücke schlagen zwischen statistischer Forschung zu Modellbildungsstrategien und der Implementierung von modernsten Modellbildungsstrategien in der medizinischen Forschung, anhand von typischen Problemen aus dem Bereich der Kardiologie. Für diesen Zweck haben wir verschiedene Datenquellen aus kardiologischen Studien genutzt. Die Ziele des Projektes waren 1.) Schwachstellen hinsichtlich der statistischen Modellbildung in aktuellen kardiovaskulären Anwendungen zu identifizieren, 2.) die Entwicklung neuer Methoden und Evaluation vorhandener Methoden für die Modellbildung mit einen Fokus auf die Selektion von Prognosefaktoren für das Modell und der Spezifizierung des Zusammenhanges der Prognosefaktoren mit der Zielgröße, und 3.) die Bereitstellung von Leitlinien für statistische Modellbildungsstrategien, die auch von angewandten ForscherInnen zu verstehen sind und angewandt werden können. Aus statistischer Sicht war das Ziel die aktuellen Standards in Bezug auf Modellbildung, die in der klinischen Forschung tatsächlich Anwendung finden zu identifizieren, zu bewerten und zu verbessern. Um zu garantieren, dass die Ergebnisse tatsächlich in der Anwendung ankommen, wurden die Methoden anknüpfend an Forschungsthemen aus der Kardiologie entwickelt, um einen medizinischen Startpunkt zu definieren, der zum einen so konkret wie möglich ist, aber dennoch eine breite Übertragbarkeit erlaubt. Aus klinischer Sicht war das Ziel Leitlinien für statistische Modellbildung zu entwickeln, welche die speziellen Herausforderungen von echten Daten widerspiegeln. Wir haben gezeigt, wie neue medizinische Erkenntnisse aus statistischen Modellen gewonnen werden können, die durch den Einsatz besserer Methodik erstellt werden.