Oliver Razum & Jürgen Breckenkamp 
Epidemiologie für Dummies [EPUB ebook] 

Über 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 Ki GGS 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

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, Dr PH, MSc., ist Gesundheitswissenschaftler, Epidemiologe und Wissenschaftlicher Mitarbeiter der Fakultät für Gesundheitswissenschaften der Universität Bielefeld.
Patrick Brzoska, Dr PH, ist Professor für Versorgungsforschung an der Fakultät für Gesundheit der Universität Witten/Herdecke.