Epidemiologie für Dummies

Oliver Razum, Dr. med. MSc., ist Mediziner und Professor für Epidemiologie und International Public Health sowie Studiendekan an der Fakultät für Gesundheitswissenschaften der Universität Bielefeld. Seine Arbeits- und Forschungsschwerpunkte sind die Lehre in der Epidemiologie, Sozialepidemiologie, Migration und Gesundheit und Gesundheitsversorgung in Entwicklungsländern.Jürgen Breckenkamp, DrPH, MSc., ist Gesundheitswissenschaftler, Epidemiologe und Wissenschaftlicher Mitarbeiter der Fakultät für Gesundheitswissenschaften der Universität Bielefeld.Patrick Brzoska, DrPH, ist Professor für Versorgungsforschung an der Fakultät für Gesundheit der Universität Witten/Herdecke.

• Über die Autoren 7Zur zweiten Auflage 7Zur dritten Auflage 8Zur vierten Auflage 8Einführung 21Über dieses Buch 21Was Sie nicht lesen müssen 22Konventionen in diesem Buch 22Törichte Annahmen über den Leser 23Wie dieses Buch aufgebaut ist 23Teil I: Epidemiologen sind Gesundheitsdetektive 24Teil II: Werkzeuge zum Messen und Vergleichen 24Teil III: Die Architektur der Epidemiologie 24Teil IV: Studien durchführen und Fallstricke vermeiden 24Teil V: Anwendungen der Epidemiologie 24Teil VI: Der Top-Ten- Teil  25Anhang 25Symbole, die in diesem Buch verwendet werden 25Wie es weitergeht 25Teil I: Epidemiologen sind Gesundheitsdetektive 27Kapitel 1: Epidemiologen bei der Arbeit 29Was Epidemiologen tun 29Arbeitskleidung: gelber Schutzanzug 30Gesund dank besserer Medizin? 30Gesundheitsrisiken heute 32Eine Definition von Epidemiologie 35Epidemiologie, Kommunikation und Politik 36Sie haben ein Recht auf Information 36Wir haben ein Sprachrohr 37Wir schauen uns selbst auf die Finger 38Wie und warum wir Epidemiologen wurden 38Epidemiologen geht es um Gesundheit 39Epidemiologen sind vielseitig interessiert 39Epidemiologen denken kritisch 40Epidemiologen entwickeln Studiendesigns 40Epidemiologen handeln 41Epidemiologen träumen von Gerechtigkeit 41Kapitel 2: Epidemiologen sind Detektive 43Auf den Schultern von Giganten 43Risiken sind nicht zufällig verteilt 44Verstädterung, Globalisierung, Seuchen 45Wiege der Epidemiologie: London im 19 Jahrhundert 45Cholera in London 45Die Miasma-Theorie. 46Gesundheitsberichterstattung 46Epidemiologischer Detektiv – Dr John Snow 48Beobachten im Lichte bestehender Theorien 48Hypothesenbildung 49Datenerhebung 50Alles olle Kamellen? 56Kapitel 3: Im Falle eines Falles 57Epidemiologische »Fälle« 57Fälle präzise beschreiben 58Von Todesursachen und Totenscheinen 59ICD-10:Ordnung muss sein 61Die zehn häufigsten Todesursachen in Deutschland 63Krankheitsregister 63Klinische Register – Daten zur Behandlung 65Epidemiologische Register – Daten zur Häufigkeit 65Kapitel 4: Stets im Mittelpunkt: die Bevölkerung 67Epidemiologen schauen auf Bevölkerungen 67Kleine Demografie für Epidemiologen 68Wie viele sind wir? Größe der Bevölkerung 68Wer steht auf meinem Fuß? Bevölkerungsdichte 69Zählen von Anfang an: Geburten 70Zählen bis zum bitteren Ende: Sterbefälle 72Woher, wohin: Wanderungsbewegungen 72Die demografische Formel 73Der neugierige Staat: Volkszählungen 74Bevölkerungsstruktur: die Bevölkerungspyramide 75Lebenserwartung in Deutschland 77Bevölkerungsentwicklung und gesellschaftliche Situation 78Alterung der Bevölkerung 78Zuwanderung nach Deutschland 80Geburtenrückgang nach der Wende 81Ost-West- Wanderung und ihre Folgen 81Was schließen wir aus alledem? 83Teil II: Werkzeuge zum Messen und Vergleichen 85Kapitel 5: Größen und Veränderungen messen 87Absolute Zahl und Prävalenz 88Absolute Zahl 88Prävalenz 89Ohne Zeit geht nichts – Inzidenzen 91Kumulative Inzidenz (Inzidenzrisiko) 92Inzidenzrate (I) – Basis mittlere Bevölkerung 93Inzidenzrate (II): Inzidenzdichte – Basis Personenzeit 93Weitere Inzidenzmaße: Mortalität und Letalität 96Zusammenhang zwischen Inzidenz und Prävalenz 99Weder Fisch noch Fleisch: Periodenprävalenz 99Risiko und Risikodifferenz 100Kapitel 6: Vergleiche anstellen 103Kein Vergleich – keine Beurteilung 103Für alle Fälle – die Vier-Felder- Tafel  104Randsummen der Vier-Felder- Tafel  105Anwendung in der Praxis 105Relatives Risiko – ein Risiko kommt selten allein 106Kalte und warme Klassenzimmer 106Interpretation des Relativen Risikos 107Vier-Felder- Tafel – die neue Übersichtlichkeit 108Relatives Risiko und absolute Zahl 109Wo Sie keine Relativen Risiken berechnen können 109Odds Ratio – wie hoch ist die Chance? 109Grippaler Infekt oder gesund 110Wievielmal so hoch ist die Chance, krank zu werden? 111Odds Ratios interpretieren 112Attributables Risiko 113Attributables Risiko berechnen (I) 113Attributables Risiko berechnen (II) 114Population Attributable Risk 114Auswirkung einer Exposition auf die Bevölkerung 115Population Attributable Risk berechnen (I) 115Population Attributable Risk berechnen (II) 116Kapitel 7: So werden Daten vergleichbar: Stratifizieren und Standardisieren 117Stratifizierung – die Kleinen nach vorn, die Großen nach hinten 117Standardisierung – der einheitliche Bevölkerungsaufbau 119Direkte Altersstandardisierung – von den Raten zur Standardbevölkerung 120Indirekte Altersstandardisierung – von der Standardbevölkerung zu den Raten 123Fallstricke bei der Standardisierung 126Standardbevölkerungen 128Kapitel 8: Wie sag ich’s richtig? Beschreibende Statistik 131Von Variablen und ihren Werten 131Was ich Ihnen sagen möchte: Antwortmöglichkeiten 132Skalen: Haben Ihre Antworten Niveau? 133Transformation von Variablen – es gibt kein Zurück 134Sprechen wir Epidemiologisch oder Statistisch? 134Deskriptive Statistik – Daten zusammenfassen 135Die goldene Mitte: Maße der zentralen Tendenz 135Streuungsmaße: Wie groß sind die Unterschiede? 137Alles im grünen Bereich? Die Normalverteilung 141Teil III: Die Architektur der Epidemiologie 145Kapitel 9: Alles nur im Hier und Jetzt: Querschnittstudien 147Was läuft hier quer? 148Querschnittstudien sind Momentaufnahmen 148Wie kurz ist ein »Zeitpunkt«? 148Wer macht mit? Und wie viele? 149Was haben Meinungsforschung und Mikrozensus gemeinsam? 149Was Sie mit Querschnittstudien messen können 150Hochspannung in Deutschland: Macht Elektrosmog krank? 151Die Ausschreibung des Auftraggebers 151Vorüberlegungen zum Studiendesign 152Die Entscheidung zur Querschnittstudie 152Was war zuerst da – die Henne oder das Ei? 152Grenzen des Querschnittdesigns 153Die Gefahr von Fehlschlüssen 153Was kommt dabei heraus? 154Stärke der Assoziation: Odds Ratio 155Kapitel 10: Ein Marsch Gesunder durch die Zeit: Kohortenstudien 157Blick nach vorn: Wer wird krank? 157Der Klassiker: Rauchen und Lungenkrebs 158Wann eine Kohortenstudie sinnvoll ist 158Was Sie in Kohortenstudien messen können 159Rekrutieren der Studienbevölkerung 160Auswahl aus der Allgemeinbevölkerung 161Auswahl aus besonderen Bevölkerungen 162Auswahl bei Berufskohorten 163Auf die richtige Größe kommt es an 164Wie komme ich an Informationen? 165Mal sehen, was die Zukunft bringt: Follow-up. 168Wie lange muss das Follow-up laufen? 168Offene und geschlossene Kohorten 169Mehrere Befragungszeitpunkte 169Wenn Ihnen Studienteilnehmer abhanden kommen … 170Zurück in die Zukunft? Historische Kohorten 171Kapitel 11: Die Vergangenheit von Kranken und Gesunden: Fall-Kontroll- Studien  175Kommt mir mein Handy zu nahe? 175Wie häufig sind Hirntumoren? 176Wie schnell entstehen Hirntumoren? 176Warum Fall-Kontroll- Studie statt Kohortenstudie? 176Welche Expositionen müssen Sie erfragen? 177Welches Studiendesign ist passend? 177Das Design von Fall-Kontroll- Studien. 177Wie wird man ein »Fall«? 178Auf der Suche nach den Fällen 179Fälle sammeln – repräsentativ oder selektiv? 180Am besten nur inzidente Fälle 180Kontrollen auswählen: die Passenden ins Töpfchen 181Woher nehmen? Quellen für Kontrollen 181Expositionen messen 184Erinnern Sie sich noch? 184Fälle erinnern sich anders als Kontrollen 185Paarungen: passende Kontrollen zu den Fällen 186Individuelles Matching 187Gruppenmatching 187Was Sie in Fall-Kontroll- Studien messen können 188Auswertung bei einem nicht gematchten Design 188Auswertung von individuell gematchten Paaren 189Zu guter Letzt: eingebettete Fall-Kontroll- Studie  191Kapitel 12: Der Zufall als Helfer: randomisierte kontrollierte Studien 193Warum randomisierte kontrollierte Studien? 193Wirksamkeitsprüfung: erste Überlegungen 194Angemessenes Design für Wirksamkeitsprüfungen 195Verzerrungen vermeiden 196Randomisierung 196Compliance – immer bei der Stange bleiben 198Verblindung – keiner weiß was 200Ein-und Ausschlusskriterien 200Klinische Studien – Therapie top oder flop? 202Phase 1: pharmakologische Studien 203Phase 2: therapeutisch-exploratorische Studien 204Phase 3: therapeutisch-konfirmatorische Studien 205Maßzahlen in klinischen Studien 206Absolute Risiken 207Relative Risikoreduktion 207Absolute Risikoreduktion 208Number Needed to Treat 209Number Needed to Harm 210Wenn Zweifel bleiben … 210Phase-4- Studien. 211Therapie-Optimierungsprüfungen  211Anwendungsbeobachtungen 211Ethisch vertretbar? 212Aufklärung und Zustimmung 212Kontrollgruppe und Placebo 212Größe der Studie und vorzeitiger Abbruch 213Auswahlkriterien für Studienteilnehmer 213Goldene Standards aus armen Ländern? 214Alles offengelegt? 214Weisheit aus vielen Studien: Meta-Analysen. 215Kapitel 13: Ganz ohne Individualdaten: ökologische Studien 217Individualdaten oder aggregierte Daten? 217Studiendesigns mit Individualdaten 218Arbeiten mit aggregierten Daten 218Korrelation: Maß für die Stärke der Beziehung 219Nutzen von ökologischen Studien 220Unterschiedliche Arten von ökologischen Studien 221Daten für ökologische Studien 221Wenn der ökologische Schein trügt 222Datenqualität – kritische Nachfragen erwünscht 225Ökologische Studien: besser als ihr Ruf 226Teil IV: Studien durchführen und Fallstricke vermeiden 227Kapitel 14: Epidemiologische Studien durchführen 229Das Thema finden und die Studie planen 229Ein passendes Projekt – die Stecknadel im Heuhaufen? 229Die Forschungsfrage entwickeln und präzisieren 230Literaturrecherche – aktuell oder Schnee von gestern? 231Studienplan erstellen – bis ins kleinste Detail 232Ethik – von der Aufklärung zur Einwilligung 234Datenschutz – meine Daten gehören mir 235Antrag einreichen 236Die Studie durchführen – ab ins Feld 236Pilotstudie – letzte Möglichkeit für Änderungen 236Feldarbeit – die Zeit läuft 237Daten eingeben und prüfen 238Datenaufbereitung und Datenauswertung 238Projektbericht und Publikation – was gibt’s Neues? 238Kapitel 15: Verzerrtes Bild der Wirklichkeit? 241Keine Wissenschaft ohne Fehler (leider) 241Zufällige Fehler: heute so, morgen so 242Systematische Fehler: immer gleich falsch 243Die falsche Bevölkerung ausgewählt: Selektionsbias 244Informationsbias – oder: missklassifizierte Menschen 247Confounding – oder: Leben auf großem Fuße 250Schuhgröße und Einkommen: die Schuh-Studie. 250Confounding heißt Verschleierung 251Der Umgang mit Confounding 252Typische Confounder 254Zwischenstufen sind keine Confounder 254Effektmodifikation 255Jetzt kommt’s ganz dicke: mehrere Fehler 256Kapitel 16: Ursachen und Wirkungen 259Epidemiologen wollen Ursachen finden 259Die Sache mit den kleinen Babys 260Macht fernsehen dick? 262Von Kometen und anderen Unglücksbringern 263Ist Kaffee krebserregend? 263Wer war König Knut? 264Warum leiden nicht alle Menschen an Tuberkulose? 266Kriterien für Kausalität 268Stärke der Beziehung 268Konsistenz der Beziehung 269Spezifität des Effekts 269Zeitliche Sequenz 269Dosis-Wirkung- Beziehung. 270Biologische Plausibilität und Kohärenz 270Experimentelle Evidenz 271Kausales Denken im Überblick 271Kapitel 17: Spielt uns der Zufall einen Streich? Schließende Statistik 273Warum wir Sie mit schließender Statistik quälen 273Von der Stichprobe zur Bevölkerung 274Auf den Punkt gebracht – der Punktschätzer 274Präzision von Schätzungen 275Zufall oder doch nicht? Statistisches Testen 276Nullhypothese: in Wirklichkeit kein Unterschied 276Der p-Wert – je größer, desto zufälliger 277Signifikanzniveau – dem Zufall eine Grenze setzen 279p-Wert und Nullhypothese – eine enge Beziehung 281Konfidenzintervalle – der Bereich Ihres Vertrauens 281Fehlertypen: falscher Alarm oder Aufdeckung verpasst 282Power – die Macht eines statistischen Tests 283Wie groß muss eine Studie sein? 284Statistische Modelle und die Wirklichkeit 285Beispiel: Bluthochdruck und Herzinfarkt 285Beispiel: Übergewicht und Sterblichkeit 286Mehrere mögliche Risikofaktoren: Was tun? 287Teil V: Anwendungen der Epidemiologie 291Kapitel 18: Die großen Seuchen: Infektionsepidemiologie 293Seuchen in Europa: Vergangenheit und Zukunft 294Eine Seuche umrundet die Welt 294Vorbereitungen für die nächste Pandemie 295Vom Erreger zur Epidemie: Grundlagen 296Was sind Infektionskrankheiten? 296Wie werden Krankheitserreger übertragen? 297Grundbegriffe der Infektionsepidemiologie 298Impfen: Schutz aus der Spritze 299Wie sich Epidemien ausbreiten 300Wenn keiner immun ist: Basisreproduktionszahl 300Nicht alle sind empfänglich: Nettoreproduktionszahl 301Die Sicherheit der Gruppe: Herdenimmunität 302Ausbreitungsverlauf beschreiben: epidemische Kurve 303Modellieren: Vorhersagen über die Zukunft 305Ausbrüche früh erkennen: Surveillance 306Datenquellen 307Geeignete Maße berichten 307Daten aufbereiten und übermitteln 308Grenzen der Surveillance 308Können Epidemiologen Seuchen besiegen? 309Wie enden Pandemien? 309Pocken: eine Erfolgsgeschichte 310Kinderlähmung ausrotten? 310Armut macht Epidemien – Cholera in Simbabwe 312Kapitel 19: Krankheitsausbrüche epidemiologisch untersuchen 315Vorgehen bei einem Ausbruch 316Beschreibende (deskriptive) Epidemiologie 316Schließende (analytische) Epidemiologie 320Epidemische Gehirnhautentzündung in Afrika 321Dramatische Ereignisse in Mchanje 322Deskriptive Untersuchung 323Aufklärung mittels einer Fall-Kontroll- Studie. 323Fußball ist also doch gefährlich? 325Alternativhypothesen bedenken 326Kapitel 20: Sozialepidemiologie: lieber reich und gesund als arm und krank 327Der Traum von der Gleichheit der Menschen 327Versuche, die Welt zu verbessern 328Erste Schritte der Sozialepidemiologie 328Wie misst man soziale Ungleichheit? 329Die Whitehall-Studie. 330Wie alles begann 330Was dabei herauskam 331Ungleichheit in England: Der »Black Report« 332Die Folgen des »Black Report« 333Gesundheitliche Ungleichheit in Deutschland 334Wie soziale Ungleichheit krank macht 334Das Erklärungsmodell von Andreas Mielck 335Kritik an Andreas Mielcks Erklärungsmodell 336Sozialepidemiologie: vergleichen und Handeln 336Lernen aus Vergleichen zwischen Ländern 337Neue Wege zum Handeln: ökosoziale Epidemiologie 338Kritik am ökosozialen Konzept 338Die beste aller Welten? 339Kapitel 21: Erfolge messen 341Gesundheitsprogramme – mein Rücken zwickt 341Der Handlungskreis in Public Health 342Warum Gesundheitsprogramme evaluieren? 343Idealbedingungen oder wahres Leben? 344Effektivität von Gesundheitsprogrammen messen 344Evaluation – die Mühen der Ebenen 344Ziele formulieren – hat es Ihnen geholfen? 345Surrogatgrößen – Ersatzziele führen in die Irre 346Studiendesigns mit Kontrollgruppe 346Experimentelle Designs 347Quasi-experimentelles Design 349Evaluation ohne Kontrollgruppe 350Zeitliche Entwicklungen beurteilen 351Grenzen von Vergleichen ohne Kontrollgruppe 352Kapitel 22: Screening: dem Risiko ins Auge schauen 355Sinn des Screenings: Krankheiten früh erkennen 355Epidemiologen beurteilen die Wirksamkeit 357Ärzte diagnostizieren und behandeln 357Geeigneter Schnelltest gesucht 358Eigenschaften von Tests 359Ein Gedankenexperiment 359Vier mögliche Kombinationen 360Maße für die Eigenschaften eines Tests 360HIV-Testen mit Fidel Castro 361Screening – Nutzen und Schaden 363Nicht perfekter Schnelltest im Alltag 363Es zählt nur die Gesamtbilanz 364Bewertung von Screening-Programmen. 365Verzerrte Wirklichkeit 365Graues Screening oder Screening-Programme?. 367Streit um Prostata-Screening. 367Emotionen pur 368Gewinner und Verlierer beim Screening 368Screening als Tausch von Risiken 369Ergebnisoffen beraten 369Teil VI: Der Top-Ten- Teil. 371Kapitel 23: Zehn Tipps, um Fehler in Studien zu vermeiden 373Keine vorschnellen Schlüsse ziehen 373Mit einer klaren Fragestellung beginnen 374Geeignete Stichprobengröße wählen 374Raten statt absolute Zahlen analysieren 375Geeignete Vergleichsgruppe wählen 375Mögliches Confounding bedenken 376Enttäuschende Ergebnisse nicht verschweigen 376Ergebnisse klar kommunizieren 377Mit den Medien umgehen lernen 377Risiken realistisch einschätzen 378Kapitel 24: Die zehn besten Datenquellen 379Bevölkerungsstatistik 379Todesursachenstatistik 380Meldepflichtige Infektionskrankheiten 381Bevölkerungsbezogene Krebsregister 382Krankenhaus-Diagnosestatistik. 383Kinder-und Jugendgesundheitssurvey KiGGS 383Telefonischer Gesundheitssurvey 384Mikrozensus 384Sozio-oekonomisches Panel SOEP 385Ein Blick zu den europäischen Nachbarn 386Entwicklung und Gesundheit: weltweite Daten 387Soziale Ungleichheit: Human Development Index HDI 387Mortalität und Morbidität 388Weltweite gesundheitliche Ungleichheit 389Das Schweizer Taschenmesser unter den Datenbanken 389Quellen 391Abbildungsverzeichnis 399Stichwortverzeichnis 403