Statistische Herausforderungen in diagnostischen Studien: Inferenz am Rand und mit imperfekten Tests

• Antragsteller: Dr. Felix Fischer; Professor Dr. Frank Konietschke
• Fachliche Zuordnung: Epidemiologie und Medizinische Biometrie/Statistik
• Förderung: Förderung seit 2024
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 530401393

Der vorliegende Antrag wird in Kooperation zwischen dem Institut für Biometrie und klinische Epidemiologie und der Medizinischen Klinik mit Schwerpunkt Psychosomatik der Charite Universitätsmedizin Berlin bearbeitet werden. Übergeordnetes Ziel unseres gemeinsamen Forschungsvorhabens ist es, akkurate Inferenzverfahren zur statistischen Analyse von diagnostischen Studien herzuleiten, insbesondere (1) wenn Modellparameter wie Gütemaße nah am Rand ihres Wertebereichs sind oder (2) wenn keine perfekte diagnostische Treffsicherheit der diagnostischen Instrumente angenommen werden kann. Obwohl beide Situationen häufig auftreten, werden sie in der Praxis meist ignoriert; sowohl Parameterschätzungen als auch Inferenz in diagnostischen und epidemiologischen Studien können in der Folge verzerrt sein – dies birgt Risiken für weitere Studienplanung, klinische Routine aber auch gesundheitspolitische Entscheidungen. In diesem gemeinsamen Projekt werden wir innovative Lösungen für diese Probleme aus einer allgemein biometrischen und einer krankheitsspezifisch epidemiologischen Perspektive erarbeiten. Erstes Ziel ist es, neue biometrische Inferenzverfahren für faktorielle Diagnosestudien zu entwickeln, die die nominalen Fehler auch dann akkurat kontrollieren, wenn die Parameter nah am Rand des Wertebereichs sind (z.B. AUC > 90%). Um dieses Ziel zu erreichen, werden wir unverzerrte Schätzer der Varianz (mit Hilfe von U-Statistiken) und Konfidenzintervalle mit Hilfe von konvex kombinierten Intervallgrenzen aus approximativen und invertierten Score-Tests entwickeln. Die Qualität der neu entwickelten Verfahren wird sowohl theoretisch als auch empirisch in umfassenden Simulationsstudien untersucht und sichergestellt. Zweitens werden wir mit Hilfe von Bayesianischen latenten Klassenmodellen imperfekte diagnostische Tests in der Analyse von diagnostischen und epidemiologischen Studien zur Depression modellieren. Die zentrale Herausforderung besteht hier in der Entwicklung adäquater Priorverteilungen. Wir werden dazu die Evidenz zur diagnostischen Treffsicherheit von Referenzstandards systematisch zusammenfassen und in diagnostischen Meta-Analysen berücksichtigen. Darüber hinaus werden wir die Methoden zur Prävalenzschätzung mittels imperfekter diagnostischer Tests optimieren und deren Effekt auf die Prävalenzschätzung in Meta-Analysen und populationsbasierten Studien untersuchen. Mit diesem gemeinsamen Projekt werden wir einen konzeptuellen Rahmen entwickeln, der für die korrekte statistische Inferenz in diagnostischen und epidemiologischen Studien notwendig ist. Dies gilt insbesondere für Studien mit kleinen Fallzahlen und populationsbasierte Studien. Mit konkreten Implementierungen wollen wir Wissenschaftler direkt befähigen, diesen Rahmen anzuwenden, und damit zur Datenanalyse in diagnostischen und epidemiologischen Studien in verschiedenen medizinischen Gebieten beitragen.

• DFG-Verfahren: Sachbeihilfen