top

Abstracts by keywords: simulation

Instrumente für Power- und Fallzahlberechnungen bei komplexen hierarchischen Studiendesigns in der Versorgungsforschung

Die Versorgungsforschung kann in ein System mit mehreren Ebenen eingeordnet werden und greift auf jeder Ebene auf eine Reihe von Studiendesigns zurück (Hey/Maschewsky-Schneider 2006: Kapitel 6; Pfaff et al. 2011). Allgemein stellen Studien wichtige Instrumente im Erkenntnisgewinn in der Versorgungsforschung dar (z.B. Meyer et al. 2012; Karbach et al. 2012). Hierbei finden immer häufiger Studiendesigns mit mehreren Hierarchieebenen (sogenannte Multilevel-Datenstrukturen) Anwendung. Ein bedeutender Aspekt in der Versorgungsforschung ist die Notwendigkeit der Adjustierung für mögliche wesentliche Confounder, „da versorgungsrelevante Parameter im Mittelpunkt der Analyse stehen“ (Hey/Maschewsky-Schneider 2006: 251). Hieraus können sich Studiendesigns mit mehr als einer Hierarchieebene und zusätzlicher Berücksichtigung von Kovariaten ergeben. Diese Designs werden im Folgenden als Studiendesigns mit komplexer hierarchischer Datenstruktur bezeichnet. Beispiele sind longitudinale Studien zur Untersuchung von Zeitverläufen (z.B. Körpergewicht) mit Berücksichtigung zusätzlicher Einflussgrößen (z.B. Geschlecht, Alter zu Baseline) oder cluster-randomisierte Studien mit zusätzlicher Berücksichtigung weiterer Clustereigenschaften (z.B. Migrantenanteil, Baseline-Wert der Zielgröße). Ein konkretes Beispiel einer solchen Studie ist URMEL-ICE, eine cluster-randomisierte Studie zur Untersuchung der Wirksamkeit eines schulbasierten Programms zur Prävention von Übergewicht bei Grundschulkindern (Brandstetter et al. 2012). Neben der Gruppenzugehörigkeit (Interventionsgruppe vs. Kontrollgruppe) wurden auch Baselinewert und Zeitabstand der Messungen in der Analyse berücksichtigt.

31.03.2015