Statistische Modellierung von komplexen multivariablen funktionalen Zusammenhängen
Zusammenfassung der Projektergebnisse
Multivariable Regressionsmodelle sind zu einem unverzichtbaren Instrument zur Erkennung von Strukturen in komplexen Medizinischen Daten geworden. Sie ermöglichen verbesserte Diagnosen, Prognosen und Behandlungsentscheidungen. Durch die zunehmende Bedeutung von Beobachtungsstudien in Bereichen wie Health Technology Assessment und Versorgungsforschung wird die Nutzung von Regressionsmodellen als Grundlage zur medizinischen Entscheidungsfindung weiterhin zunehmen. Für stetige Variablen hat die Bestimmung des funktionalen Einflusses eine zentrale Bedeutung. In diesem Projekt wurden erstmals Spline-Techniken und Fractional Polynomials im Rahmen multivariabler Modellbildung durch Simulationsstudien verglichen. Dabei wurden wichtige Erkenntnisse zu Eigenschaften der Verfahren gewonnen und Empfehlungen zu zwei zentralen Aspekten der Modellbildung (Selektion von Variablen und Selektion der funktionalen Form) publiziert. Die große Bedeutung unseres Themas und die Anerkennung der Arbeit wird durch die Wahl als ‚Invited Session’ auf der Tagung der ‚International Biometric Conference 2010’ verdeutlicht. Weiterhin wurde ich zu einem Beitrag über MFP in der Encyclopedia of Statistical Science (Springer, erscheint Ende 2010) eingeladen. In den letzten Jahren hat die Verwendung der MFP Methodik bei der Analyse von Daten in der klinischen Epidemiologie stark zugenommen. Durch die Invited Session und den Enzyclopedia Beitrag erwarten wir verstärkte Anwendungen auch in anderen Bereichen. Gerade weil im Bereich der Spline-Techniken schon viel Entwickungsarbeit geleistet wurde, hatten wir erwartet, auf ein relativ umfangreiches Arsenal von Techniken zur Bewertung und zum Vergleich von Ansätzen zurückgreifen zu können. Tatsächlich stellte sich aber heraus, dass wir sowohl ein für biomedizinische Fragestellungen repräsentatives Simulationsdesign als auch geeignete Techniken zur Bewertung der Form von Funktionen erst noch entwickeln mussten. Dieses Design und die Bewertungstechnik haben das Potential, die zukünftige Entwicklung und Bewertung von Ansätzen erheblich zu erleichtern und zu verbessern.
Projektbezogene Publikationen (Auswahl)
- (2007): Selection of important variables and determination of functional form for continuous predictors in multivariable model building. Statistics in Medicine, 26: 5512-5528
Sauerbrei, W., Royston, P., Binder H.
- (2008): Increasing the usefulness of additive spline models by knot removal. Computational Statistics and Data Analysis, 52: 5305-5318
Binder, H., Sauerbrei, W.
- (2008): ‘Multivariable Model-Building – A pragmatic approach to regression analysis based on fractional polynomials for modelling continuous variables’. Wiley
Royston, P., Sauerbrei, W.
- (2009): Bootstrap assessment of the stability of multivariable models. The Stata Journal, 9:547-570
Royston P., Sauerbrei W.
- (2009): Stability analysis of an additive spline model for respiratory health data by using knot removal. Journal of the Royal Statistical Society, C (Applied Statistics), 58: 577-600
Binder, H., Sauerbrei, W
- (2010): Adding local components to global functions for continuous covariates in multivariable regression modeling. Statistics in Medicine, 29: 800-817
Binder H., Sauerbrei W.
