home>mypoint>archiv>2008111701.xml Artikel teilen:

Statistik: Mit neuen Methoden den Blutwerten auf der Spur

Forschern des Departments für Medizinische Statistik, Informatik und Gesundheitsökonomie der Medizinischen Universität Innsbruck (Leitung Prof. Karl-Peter Pfeiffer) ist es mit neuen statistischen Methoden gelungen, auch nichtlineare Zusammenhänge von Blutwerten und Krankheitsbildern nachzuweisen.

Der Erkenntnisgewinn aus statistischen Methoden hat in der modernen naturwissenschaftlich-medizinischen Forschung schon lange einen zentralen Stellenwert eingenommen. Aussagekraft und Risikoeinschätzung von Studiendaten lassen sich durch den Einsatz neuer statistischer Methoden aber noch entscheidend verbessern. Das zeigte sich etwa in vier kürzlich abgeschlossenen Untersuchungen von Wissenschaftern um Prof. Karl-Peter Pfeiffer, Prof. Hanno Ulmer und Dr. Alexander M. Strasak vom Department für Medizinische Statistik, Informatik und Gesundheitsökonomie.

Den Blutwerten auf der Spur

Harnsäure, Cholesterin und das Leberenzym Gamma-Glutamyl-Transferase (GGT) sind jene Blutwerte, die von den Medizin-Statistikern in aktuellen Analysen unter die Lupe genommen wurden. Anhand von Daten aus knapp 184.000 Gesundenuntersuchungen an Frauen und Männern die zwischen 1985 und 2005 in Vorarlberg durchgeführt und vom Arbeitskreis für Vorsorge- und Sozialmedizin gesammelt, dokumentiert und ausgewertet wurden, konnten statistisch eindeutige Zusammenhänge entdeckt und die Ergebnisse in renommierten medizinischen Journalen publiziert werden. Schon 2005 gelang es den Innsbrucker Forschern, einen eindeutigen Zusammenhang zwischen erhöhten Werten des Leberenzyms Gamma-Glutamyl-Transferase und der Wahrscheinlichkeit an Erkrankungen des Herz-Kreislaufsystems oder an einem Schlaganfall zu versterben, zu konstatieren. Prof. Ulmer: „Mit neuen Berechnungsmethoden konnten wir nun demonstrieren, dass auch schon kleine longitudinale Veränderungen im Normbereich bereits Auswirkungen auf die kardiovaskuläre Mortalität haben“. Bei den aktuellen Analysen zeigte sich zudem eine deutliche Risikokonstellation von erhöhtem GGT für das Auftreten von Schlaganfällen bei Männern. In einer im Juni dieses Jahres veröffentlichten Studie konnten die Forscher demonstrieren, dass das Enzym GGT auch im Zusammenhang mit der Häufigkeit von Krebs eine Einflussgröße darstellt, was – so aktuell untersucht – auch bei Frauen eine besondere Relevanz entwickelt. Doch nicht nur das Leberenzym, auch die Harnsäure und das Cholesterin sind Blutwerte, deren Risikopotential und pathogene Auswirkungen für die medizinische Statistik interessant sind.

Mit neuen Methoden zu neuen Erkenntnissen

So wie alle dieser neuen Erkenntnisse auf derselben Vorarlberger Grundstudie basieren, so wurden sie alle durch neue statistische Methoden gewonnen. Unregelmäßig verteilte Messwiederholungen machen die Anwendung von speziellen zeitabhängigen Verfahren notwendig. „Zu den Daten von 184.000 Probandinnen und Probanden der Vorarlberger Studie wurden 700.000 zusätzliche Fakten mit Hilfe von durchschnittlich vier bis fünf Messwiederholungen pro Probandin und Proband geliefert“, erklärt Dr. Strasak die statistische Vorgehensweise. Erstmals in einer epidemiologischen Studie zum Einsatz kam in Innsbruck auch die Methode der Penalized Splines in einer Extended Cox-Type Additive Hazard Regression, „die man“, so Ulmer, „aus dem Englischen annähernd als flexible, nicht lineare Zeit-Ereignis-Analyse umschreiben könnte, mit der also das Auftreten von Krankheitsereignissen auf Grund von bestimmten Patientencharakteristika vorhergesagt wird. “ Mit dieser Methode ist es insbesondere möglich, „J“- oder „U“- förmige Effekte, also nichtlineare Beziehungen von Laborwerten zu Krankheitsereignissen nachzuweisen.

Weil herkömmliche Computerprogramme oft keine geeigneten Verfahren bieten, um diese nicht-linearen Beziehungen der Messdaten berechnen und darstellen zu können, wurde am Department für Medizinische Statistik, Informatik und Gesundheitsökonomie auch ein eigenes Programmmodul für die Statistiksoftware SAS entwickelt und eingesetzt.

„Mit diesen neuen Methoden“, sind sich Ulmer und Strasak einig, „lassen sich die Aussagekraft und die Risikobeurteilung von vorhandenen Studiendaten entscheidend verbessern.“