Statistische Verfahren: Kann ich das so machen?

[Lars1981]

Hi!

Ich untersuche den Zusammenhang zwischen der QT-Zeit (Abstand im EKG) und einem Hormonwert im Blut.
Dazu hab ich bei 12 Person je 2 mal (bei 2 Personen auch 3 mal) Blut abgenommen, um den Hormonwert zu bestimmen, und ein EKG geschrieben. Wenn ich mir das jetzt als Streudiagramm anschaue, sehe ich (mit Hilfe einer Regressionsgeraden), dass bei steigendem Hormonwert die QT-Zeit kürzer wird.

=> Mit welchem statistischen Verfahren kann ich das nachweisen? Was schlagt ihr vor?

Das Problem ist, dass die QT-Zeit von den Personen relativ stark variieren => also bei gleichwertigem Hormonwert stark unterschiedliche QT-Zeiten.

Ich hab dann folgendes gemacht:
1) Ich hab die Hormonwerte und die QT-Zeiten von jedem einzelnen visuell klassiert => also niedriger Hormonwert = 1, hoher Hormonwert = 2; kurze QT-Zeit = 1, lange QT-Zeit = 2.
Dabei kam dann - wie auch schon im Streudiagramm gesehen - heraus, dass bei niedrigem Hormonwert (1) meist ein langes QT Intervall (2) nebendran steht.
2) Dann hab ich mit den beiden ordinalskalierten Werten eine Korrelation nach Spearman und gleichzeitig auch nach Pearson druchgeführt (=> beides signifikant).

Jetzt zu meinen Fragen:
1) Ist das ein korrektes Vorgehen? Kann ich das so machen?
2) Sind die Tests korrekt? Gibt es bessere Tests?
3) Gibt es ein anderes, besseres Vorgehen?
4) Kann ich nachweisen, dass die mittlere Steigung der Geraden signifikant von 0 (das wäre ja die Nullhypothese) abweicht? (hab noch nicht mal rausgefunden wie ich in SPSS die Steigung der Ausgleichsgeraden sehen kann)??

Vielen Dank schonmal im Vorraus!

Lars

[oegi]

Hi Lars,

zunächst mal bin ich (auch) recht neu im Gebiet der Statistik, aber vielleicht helfen meine Tipps etwas.

1)+2) Speraman ist so in Ordnung. Pearson nicht, da du m.E. durch die umkodierung keine intervallskalierten Daten mehr hast. Meine Frage wieso hast du überhaupt umkodiert? Die QT-Zeit wird doch wahrscheinlich in ms gemenssen und der Hormonwert hat doch bestimmt auch irgendeine kontinuierliche Zahl? Diese Werte kannst du direkt miteinander korrelieren (dann: Pearson). Vorher solltest du noch nachsehen ob die Werte normalverteilt sind, da dies als Voraussetzung für den Pearson Korrelationskoeffizienten gilt. Wenn die Daten nicht normalverteilt sind kannst du wieder den Spearman nehmen.

3) Ob es ein besseres Verfahren gibt, kann ich leider nicht sagen, da die hohe Statistik auch noch nicht so mein Ding ist. Wenn du die Daten runterbrichts, kannst du noch nach Unterschieden zwischen den Patienten untersuchen. Hierzu könntets du als nicht parametrische Verfahren den U-Test nach Mann-Whitney verwenden (wenn Merkmale dichotom sind). Da deine Kategorisierungen wahrscheinlich polytom sind (mehrere Ausprägungen haben wie bspw. kurze QT-Zeit, mittlere QT-Zeit, lange QT-Zeit...) wird vorwiegend der H-Test nach Kruskal-Wallis verwendet. Diese Test überprüfen ob sich die Patienten signifikant voneinander unterscheiden.

4) hab isch keine Ahnung

Viele Grüße
oegi

[Lars1981]

Hi oegi!

Vielen Dank erstmal für die schnelle Antwort.

1) Freut mich das Spearman in Ordnung ist. Kendall Tau sollte doch auch gut sein? Also ist mein Vorgehen generell statistisch vertretbar?
2) Ja, die QT-Zeit ist in ms (metrisch) und auch die Hormonwerte (pg/ml) sind metrisch. Aber eine "direkte" Korrelation dieser beiden Werte wird nicht signifikant. Das liegt meiner Meinung an der Tatsache, dass bei ungefähr gleichwertigem "Baseline" Hormonspiegel sehr unterschiedliche QT-Zeiten bestehen.
z.B.: bei einem Hormonspiegel von 30 und 31 => QT-Zeiten von 370 und 430. Wenn jetzt der Hormonspiegel ansteigt auf 40 und 41 => QT-Zeiten von 340 und 370.
=> QT-Zeiten sind bei einem Hormonspiegel von 30 und 41 gleich.
Da ich ja nur 2 (und 2 mal 3) Werte habe, kann ich keine "Personenbezogene" Korrelation rechnen. Deshalb hab ich die Werte visuell klassiert. Als erstes hab ich nur mal die Hormonwerte klassiert - und zwar von allen zusammen => Einfache Gliederung in niedrig und hoch. Eine Korrelation nach Pearson (ist die bei metrischen und ordnial Daten möglich??) zwischen den klassierten Hormonwerten und den entsprechenden QT-Zeiten wird dann auf dem Niveau 0,05 signifikant.
Aber mir schien es besser, beide Werte Personenbezogen zu klassieren (Vermeidung irgendwelcher versteckter statistischer Fehler??)?

Das mit den Unterschieden im Patientenkollektiv werde ich mir mal genauer anschauen thx.

Gibt es sonst noch ein paar schöne Ideen?

Viele Grüße,

Lars

[oegi]

Hi Lars,

Eine Korrelation nach Pearson (ist die bei metrischen und ordnial Daten möglich??)

Nein, ist bei ordinalskalierten Variablen eine Verletzung der Voraussetzung. Diese wird anscheinend oftmals verletzt, aber das ist eine anderes Thema. Somit wird für eine Pearson Korrelation Intervallniveau voraussgesetzt.

Aber mir schien es besser, beide Werte Personenbezogen zu klassieren (Vermeidung irgendwelcher versteckter statistischer Fehler??)?

Was heißt für dich "personenbezogen Klassiert"? Ich denke mal du hast theoretisch formuliert ab wann ein Hormonwert als hoch, mittel, niedrig gilt und selbiges für die QT-Zeiten? und dieses dann korreliert. Ich denke du solltest das gut begründen, was dann m.E. richtig wäre (wie gesagt bin aber weder Medizinier noch Statistiker )

30 und 31 => QT-Zeiten von 370 und 430. Wenn jetzt der Hormonspiegel ansteigt auf 40 und 41 => QT-Zeiten von 340 und 370.

Du solltest natürlich in deine Überlegungen auch einbeziehen, dass evtl. kein Zusammenhang besteht. Wenn das der Fall ist, ist deswegen nie die ganze Untersuchung für die Tonne. Auch ist statistische Signifikanz nicht alles, was unbedingt erreicht werden muss.

Grüße
oegi

[oegi]

ich nochmal, ich habe gerade gesehen, dass deine Stichprobe mit n=12 natürlich auch sehr klein ist. Ich weiß nicht wie das bei euch Mediziniern sonst so ist...
Kannst du nicht noch en paar Leute "anzapfen" ?

Bei so einem kleinen Stichprobenumfang werden m.E. auch erst sehr große Zusammenhänge statistisch signifikant.

Grüße
oegi

[Lars1981]

HI oegi!

1) Ja... das n=12 ist leider sehr klein. Aber die Patienten bekommen eine bestimmte "Therapie", die die Hormonwerte nach oben treibt. Und deshalb ist es schwierig mehr Probanden zu finden.
2) Alles klar dann hat sich das mit dem Pearson erledigt.
3) Mit "Personenbezogen" klassiert meine ich, dass ich jeweils pro Person eine visuelle Klassierung gemacht habe => Person A: Hormonspiegel (HS) 30 bzw. 40; QT-Zeit (QTZ) 370 bzw. 430. Dann klassieren => HS 30 = 1 (niedrig), HS 40 = 2 (hoch); QTZ 370 = 1, QTZ 430 = 2. Und das dann für alle Probanden. Das funktioniert dann auch für die mit 3 Werten gut. Damit habe ich die Interindividuellen Unterschiede der Absolutwerte (besonders der Stark variierenden QT-Zeit) ganz gut in den "Griff" bekommen ? (hoffentlich ).
4)

Du solltest natürlich in deine Überlegungen auch einbeziehen, dass evtl. kein Zusammenhang besteht.

Das scheint mir wegen des eindeutigen Verlaufes aller 12 Ausgleichsgeraden im Streudiagramm doch eher unwahrscheinlich - oder? Bei allen Patienten hat ein steigender Hormonwert eine Verkürzung der QT-Zeit bewirkt. Bei der Nullhypothese (bei Verändertem Hormonwert KEINE Veränderung der QT-Zeit) würde die Ausgleichsgerade (wobei auf der X-Achse die Hormonwerte sind und auf der Y-Achse die QT-Zeit) doch parallel zur Y-Achse verlaufen (=> Steigung = 0)? Deshalb hab ich mich ja auch gefragt ob man die mittlere Steigung (in dem Fall ja negativ), die ich mir als "Gesamtsausgleichsgerade" im SPSS Streudiagramm anzeigen lassen kann, errechnen kann, und auch noch prüfen kann, ob diese (Anhand der "Menge" der Werte) signifikant von einer Steigung = 0 (also der Nullhypothese) abweicht?

Oh man... diese Statistik - macht einen noch ganz "kirre"

Grüße,

Lars

[oegi]

Hi Lars,

3) Mit "Personenbezogen" klassiert meine ich, dass ich jeweils pro Person eine visuelle Klassierung gemacht habe => Person A: Hormonspiegel (HS) 30 bzw. 40; QT-Zeit (QTZ) 370 bzw. 430. Dann klassieren => HS 30 = 1 (niedrig), HS 40 = 2 (hoch); QTZ 370 = 1, QTZ 430 = 2. Und das dann für alle Probanden. Das funktioniert dann auch für die mit 3 Werten gut. Damit habe ich die Interindividuellen Unterschiede der Absolutwerte (besonders der Stark variierenden QT-Zeit) ganz gut in den "Griff" bekommen ? (hoffentlich ).

Du hast aber dann nicht bspw. ein HS von 30 für die eine Person als hoch erachtet und für jemand anders als mittel? Weil das dürfte natürlich nicht sein. Grundsätzlich müsste sich jedoch auch eine Korrelation bei den ursprünglichen Daten zeigen. Eine positive Korellation heißt nix anderes als dass hohe Werte auf der einen Seite mit hohen auf der anderen einhergehen.

Natürlich könnte da auch was stören, was die Korellation nicht sieht und die Zeiten bzw. den Hormonspiegel beeinflusst. Raucher, Medikamente, Sprtlerm etc... (wie gesagt bin kein Mediziner, keine Ahnung ob sich dass auf unsere QT-Zeiten oder unseren Hormonspiegel auswirkt )

[oegi]

ach so, du hast zu mehreren Zeitpunkten die Daten erhoben (hatte nicht gescheit gelesen)

Du willst aber vermutlich nicht prüfen ob sich die Werte verändert haben in den zwei Zeiträumen durch bspw. eine therapeutische Maßnahme oder Verfahren? Weil dann müßte man anders vorgehen (da wäre dann solangsam mein statistisches Wissen auch am Ende).

[Lars1981]

Hi,

also:

Du hast aber dann nicht bspw. ein HS von 30 für die eine Person als hoch erachtet und für jemand anders als mittel? Weil das dürfte natürlich nicht sein.

Bei den Hormonwerten macht das (fast) keinen Unterschied. Ich habe einmal eine "persönliche" Klassierung durchgeführt... und auch eine Gesamtklassierung (also alle Hormonwerte zusammen und dann nach hoch und niedrig klassiert). Zwischen den beiden gibt es da auch fast keinen Unterschied (bis auf 3 von 24 Werten). Das liegt daran, dass die "Basalhormonspiegel" und die Stimulierten nur geringe Interindividuelle Unterschiede aufweisen. Bei den QT-Zeiten sieht das allerdings anders aus. Deshalb hab ich hier die "persönliche" Klassierung gemacht.

Könnte ich dann statt dessen einen Zusammenhang der Gesamtklassierten Hormonwerte (ordinal) und den metrischen QT-Zeiten statistisch erfassen (z.B. mittels Wilcoxon Test oder T-Test als "Paarvergleich"?). Oder kann ich damit auch eine Korrelation rechnen?

Das einzigen Problem ist wie gesagt die interindividuelle Schwankung der QT-Zeiten.

Natürlich könnte da auch was stören, was die Korellation nicht sieht und die Zeiten bzw. den Hormonspiegel beeinflusst.

Das kann natürlich immer sein und ist in der Medizin eigentlich nie auszuschließen. Die "üblichen" Verdächtigen zeigen jedoch keinen Unterschied bei steigendem Hormonwert bzw. Verändertet QT-Zeit.

ach so, du hast zu mehreren Zeitpunkten die Daten erhoben

Ja... einmal ein Baseline vor Stimulation und dann nach Stimulation (Stimulation bezieht sich auf ein Vorgehen, bei dem der Hormonwert künstlich angehoben wird). Dazu hab ich dann immer auch ein EKG geschrieben und das oben beschriebene beobachtet => Steigender Hormonwert bedingt kürzere QT-Zeit.

Jetzt muss ich das nur noch irgendwie statistisch beweisen.

VLG

Lars

[oegi]

Hi

Könnte ich dann statt dessen einen Zusammenhang der Gesamtklassierten Hormonwerte (ordinal) und den metrischen QT-Zeiten statistisch erfassen (z.B. mittels Wilcoxon Test oder T-Test als "Paarvergleich"?). Oder kann ich damit auch eine Korrelation rechnen?

Das einzigen Problem ist wie gesagt die interindividuelle Schwankung der QT-Zeiten.

wenn du die Hormonwerte kategorisiert hast, könnte ich mir auch einen H-Test nach Kruskal-Wallis vorstellen. Dieser misst unterschiede in verschiedenen Gruppen. Und würde eine Aussage treffen ob sich die QT-Zeiten bei Pateienten mit verschiedenen Hormonspiegeln unterscheiden

Bzgl. Regression und T-Test kenne ich mich nicht auch. Hat jemand anderes Ideen?

ansonsten kannst du auch mal hier reinschauen:
Entscheidungsbaum statistischer Testverfahren

Viele GRüße
oegi