Show simple item record

Nichtparametrische Analyse von diagnostischen Tests

dc.contributor.advisorBrunner, Edgar Prof. Dr.de
dc.contributor.authorWerner, Carolade
dc.date.accessioned2013-01-31T07:56:04Zde
dc.date.available2013-01-31T07:56:04Zde
dc.date.issued2006-08-18de
dc.identifier.urihttp://hdl.handle.net/11858/00-1735-0000-000D-F21E-Ade
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-3596
dc.identifier.urihttp://dx.doi.org/10.53846/goediss-3596
dc.description.abstractGrundlage fast jeder klinischen Studie bilden diagnostische Verfahren, die Voraussetzung für das Erkennen einer Krankheit sind. Bei der Evalutation eines neuen diagnostischen Tests werden Fälle (”Kranke“) und Kontrollen (”Gesunde“) mit gesichertem Gesundheitsstatus benötigt. Die Methode, mit der dieser Gesundheitsstatus erhoben wird, ist der sogenannte ”Goldstandard“. Der Goldstandard ist ein anerkanntes Verfahren oder die Kombination mehrerer Verfahren, um mit sehr hoher Wahrscheinlichkeit die wahre Diagnose zu erhalten. Häufig besteht dennoch die Notwendigkeit, ein alternatives Verfahren zu entwickeln, was unter anderem daran liegen kann, dass der Goldstandard sehr aufwändig bzw. teuer ist, dass er zu invasiv ist oder sogar erst nach dem Tod des Patienten bestimmt werden kann. In einer Diagnosestudie werden die Kollektive der Gesunden und Kranken dann mit dem potentiellen neuen Diagnoseverfahren untersucht. Zum Vergleich diagnostischer Tests wird die Theorie der ROC-Kurven verwendet. Ein Gütemaß für einen diagnostischen Test ist die Fläche unter der ROC-Kurve. Es ist bekannt, dass diese Fläche unter der ROC-Kurve genau der Größe entspricht, die von der nichtparametrischen Wilcoxon-Statistik geschätzt wird. In der vorliegenden Arbeit wird eine nichtparametrische Theorie entwickelt, die mit leichten Modifikationen für alle Designs, die in Diagnosestudien üblich und sinnvoll sind, anwendbar ist. Diese Designs schließen Studien mit beliebig vielen Untersuchern und Methoden bzw. Modalitäten und Studien mit Mehrfachbeobachtungen an einem Patienten (sogenannte ”clustered data“) ein. Die Art der erhobenen Messwerte ist außerdem nicht eingeschränkt, es sind dichotome, ordinale und stetige Werte zugelassen.de
dc.format.mimetypeapplication/pdfde
dc.language.isogerde
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/de
dc.titleNichtparametrische Analyse von diagnostischen Testsde
dc.typedoctoralThesisde
dc.title.translatedNonparametric Analysis of diagnostic trialsde
dc.contributor.refereeBrunner, Edgar Prof. Dr.de
dc.date.examination2006-07-07de
dc.subject.dnb310 Statistikde
dc.subject.gokEGC070de
dc.description.abstractengDiagnostic tests form the base of almost every clinical trial since they are necessary for the identification of the disease. For the evaluation of a new diagnostic trial one needs cases and controls with assured disease state. The method which yields the disease state is called gold standard. This gold standard is an accepted method or a combination of accepted methods to yield the true disease state with a high probability. Nevertheless, the necessity to develop new diagnostic tests is given when the existing test is too complex or too expensive, when it is too invasive or even only applicable after the patient died. In a diagnostic trial the groups of healty and diseased are investigated with the potential new diagnostic measure. To compare diagnostic tests, ROC curves are applied. A measure of the accuracy of a diagnostic test is the area under the ROC curve. It is well-known, that this area under the curve corresponds to the effect estimated by the nonparametric Wilcoxon statistic. The thesis develops a nonparametric theory which is applicable to all typical designs which appear frequently in diagnostic trials. These designs include studies with any number of readers and modalities and studies with repeated measurements on one subject, so-called clustered data. The scale of the measurements is also unrestricted, dichotomous as well as ordinal as well as continuous data are allowed.de
dc.contributor.coRefereeDenker, Manfred Prof. Dr.de
dc.subject.topicMathematics and Natural Sciencede
dc.subject.gerNichtparametrikde
dc.subject.gerDiagnosestudiede
dc.subject.gerROC-Kurvede
dc.subject.gerAUCde
dc.subject.gerclustered datade
dc.subject.engnonparametricde
dc.subject.engdiagnostic trialsde
dc.subject.engROC curvede
dc.subject.engAUCde
dc.subject.engclustered datade
dc.subject.bk44.32de
dc.subject.bk31.73de
dc.identifier.urnurn:nbn:de:gbv:7-webdoc-1272-9de
dc.identifier.purlwebdoc-1272de
dc.identifier.ppn521172985de


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record