Diagnostische Studien zur Aussagekraft von Biomarkern sind ein sehr wichtiger Bestandteil der präklinischen, klinischen und translationalen Forschung. Allerdings basieren die aktuell verfügbaren Methoden primär auf der gesamten Fläche unter der ROC-Kurve (engl. Receiver Operating Characteristic) und geben somit jedem Punkt der ROC-Kurve das gleiche Gewicht. Dies führt in der Praxis jedoch teilweise zu irreführenden statistischen Aussagen, sodass diese Vorgehensweise nicht immer empfehlenswert ist. Dahingegen sind ROC-Methoden, die nur das medizinisch relevante ROC-Kurvensegment über Einschränkungen der Sensitivität und Spezifität berücksichtigen, sowie andere Gütemaße (z. B. Youden-Indizes) vielversprechender und statistisch informativer. Allerdings fehlen für
diese Kennzahlen statische Inferenzmethoden für generelle faktorielle Designs. Ziel dieses Projekt ist es diese Lücke zu schließen und die zugehörige Software zu implementieren. Der konkrete Arbeitsplan ist
hierbei motiviert durch diverse reale Studien sowie aufgekommene methodische Fallstricke aus der eigenen statistischen Beratung.

Projekt im Forschungsportal ansehen

Ziel dieses Vorhabens ist es, den erfolgreichen Weg der ersten Projektphase fortzusetzen und biostatistische Verfahren zur Effektquantifzierung in komplexen Designs mit 'time-to-event' Endpunkten (weiter) zu entwickeln. Diese sind motiviert durch interdisziplinäre Kooperationen der PIs mit medizinischen Kollegen von nationalen Universitätskliniken sowie auftretenden Problemen mit existierenden Verfahren aus der Literatur. Ein besonderer Fokus liegt deshalb auf gut interpretierbaren Estimands wie dem RMST (restricted mean survival time) sowie Situationen mit nichtproportionalen Hazards und/oder konkurrierenden Risiken wie sie bspw. in der Onkologie (insbesondere bei neuartigen Immuntherapien), bei bestimmten Autoimmunerkrankungen (wie multipler Sklerose) oder chronischen Atemwegserkrankungen (wie Asthma im Kindesalter) auftreten können.

Um für solche Settings vertrauensvolle biostatistische Inferenzmethoden (Punktschätzer, Konfidenzintervalle und -bereiche sowie Tests) zu entwickeln, werden auf methodischer Ebene bspw. permutations- und bootstrapbasierte Verfahren mit modernen Techniken der nichtparametrischen Statistik, des multiplen Testens und des maschinellen Lernens kombiniert. In ausgiebigen Simulationsstudien, gemeinsamen Analysen mit interdisziplinären Kooperationspartnern /innen sowie rekonstruierten Daten von aktuellen Studien wird die Methodik hinsichtlich Praktikabilität und Effizienz optimiert. Im Anschluss werden die Verfahren in R-Pakten und nutzerfreundlichen shiny-Apps einer breiten Maße von Biometrikern/innen zur flexiblen Analyse von komplexen 'time-to-event'-Daten zur Verfügung gestellt. Ausführliche Guidelines sowie eingängliche Zeitschriften-Artikel ermöglichen den einfachen und unmittelbaren Zugang zur Software.

Projekt im Forschungsportal ansehen