Zu den Inhalten springen

Zum Aufgabengebiet des Institut für Medizinische Biometrie und Statistik (IMBI) am Universitätsklinikum Freiburg gehören die methodische und angewandte biomedizinische Forschung, von der künstlichen Intelligenz bis zur Versorgungsforschung, die akademische Lehre und die statistische Beratung. Ferner trägt das Institut in interdisziplinären Projekten mit den jeweiligen medizinischen Fachbereichen durch sorgfältige Planung, zielgerichtete Erhebung und Aufbereitung der notwendigen Daten sowie deren problemadäquate statistische Auswertung zu einer sachgerechten Interpretation der erzielten Forschungsergebnisse bei.

Neuigkeiten

Ein Paper unserer Kollegin Oksana Martinuka wurde als  Paper des Monats 09/2024 ausgezeichnet  durch die AG „Statistische Methodik in der klinischen Forschung“ der GMDS, Deutsche Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS) e.V.

Martinuka, O., Hazard, D., Marateb, H. R., Maringe, C., Mansourian, M., Rubio-Rivas, M., & Wolkewitz, M. (2023). Target trial emulation with multi-state model analysis to assess treatment effectiveness using clinical COVID-19 data. BMC medical research methodology, 23(1), 197.

Worum geht es?

Target trial emulation ist eine wichtige Methode, um die Wirksamkeit von Behandlungen mit realen Beobachtungsdaten zu bewerten, insbesondere wenn RCTs nicht verfügbar sind. In diesem Paper erweitern die Autoren das Konzept, indem sie Multi-State-Modelle verwenden, um den komplexen Krankheitsverlauf von COVID-19-Patienten zu analysieren. Anhand der Daten von 501 hospitalisierten Patienten wird gezeigt, wie durch die Kombination Multi-State-Modellen und dem Klonen-Zensieren-Gewichten-Ansatz (Clone-censor-weight approach) typische Verzerrungen adressiert werden können. Die Multi-State-Modelle ermöglichen es, verschiedene Krankheitszustände und konkurrierende Risiken zu berücksichtigen, was zu einer präziseren Bewertung der Behandlungseffekte führen kann. Dies bietet neue Einblicke in die Beurteilung der Behandlungswirksamkeit und könnte die Entscheidungsfindung in der klinischen Praxis verbessern.