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