Angewandte Biometrie und Statistik in den Gesundheitsberufen

22M0912

Master

Deutsch

5.0

nur Sommersemester

1 Semester

Die statistische Datenauswertung ist ein Schlüsselelement bei der Planung und Durchführung von Forschungsprojekten im Rahmen von Versorgungsforschung. Die Grundlagen der Statistik sowie in der Versorgungsforschung häufig verwendete, statistische Verfahren sind Gegenstand des Moduls. Dazu werden Beispieldatensätze aus der Versorgungsforschung exemplarisch mithilfe einschlägiger statistischer Software analysiert.

1 Statistik für die praktische Forschung

1.1 Forschungsdesigns und statistische Analysen

1.1.1 Übersicht experimentelle Designs und Analysen

1.1.2 Übersicht nicht-experimentelle Designs und Analysen

1.2 Einführendes Beispiel mit praktischer Datenanalyse

2 Vom Konstrukt zur Messung

2.1 Konstrukte und Operationalisierung

2.2 Entwurf von Messinstrumenten

2.2.1 Gütekriterien: Reliabilität, Validität, Objektivität

2.2.2 Auswahl und Design von Messinstrumenten

2.2.2 Messung von Reliabilität und Validität

2.2.3 Messung der Objektivität

2.2.4 Beispiele aus Pflege-, Therapie- und Hebammenwissenschaft

3 Hypothesentesten und Signifikanztests

3.1 Von den Forschungsfragen zu den statistischen Hypothesen

3.1.1 Arten von Hypothesen 

3.1.2 Signifikanztests als Entscheidungskriterien 

3.1.3 Rolle von Verteilungen in Signifikanztests

3.1.4 Einfacher z-Test zur Veranschaulichung des Prinzips

3.1.5 Signifikanztests und Konfidenzintervall: ein Vergleich

3.1.6 Übersicht über Signifikanztests und ihre Voraussetzungen

3.2 Verfahren für Unterschiedshypothesen bei 2 und k Gruppen

3.2.1 Ausgewählte Verfahren für metrische Daten

3.2.2 Übungen in SPSS mit Beispielen aus Pflege-, Therapie- und Hebammenwissenschaft

3.2.3 Ausgewählte Verfahren für ordinale Daten

3.2.4 Übungen in SPSS mit Beispielen aus Pflege-, Therapie- und Hebammenwissenschaft

3.2.5 Ausgewählte Verfahren für kategoriale Daten

3.2.6 Übungen in SPSS mit Beispielen aus Pflege-, Therapie- und Hebammenwissenschaft

4 Confounding und Effektmodifikation

4.1 Beschreibung beider Konzepte 

4.2 Datenbeispiele aus Pflege-, Therapie- und Hebammenwissenschaft

4.3 Analysestrategien

4.4 Übungen in SPSS mit Beispielen aus Pflege-, Therapie- und Hebammenwissenschaft

Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").

• Portfolio-Prüfungsleistung oder
• Antwort-Wahl-Verfahren-Klausur

Variante 1: Die Portfolio-Prüfung umfasst 100 Punkte und besteht aus einem Antwort-Wahl-Verfahren (AWV) und einem Projektbericht, medial (PME). Das AWV und der PME werden jeweils mit 50 Punkten gewichtet.

Variante 2: Die Portfolio-Prüfung umfasst 100 Punkte und besteht aus einem Antwort-Wahl-Verfahren (AWV) und einem Projektbericht, schriftlich (PSC). Das AWV und der PSC werden jeweils mit 50 Punkten gewichtet

Portfolio-Prüfung Variante 1: AWV: ca. 1 Stunde; PME: ca. 10-15 Seiten

Portfolio-Prüfung Variante 2: AWV: ca. 1 Stunde; PSC: ca. 10-15 Seiten 

Antwort-Wahl-Verfahren: ca. 2 Stunden

Die Anforderungen werden in der jeweiligen konkreten Veranstaltung präzisiert.

Grundkenntnisse in Statistik (i. d. R. aus dem Vorstudium)

Die Studierenden kennen die Grundlagen statistischer Datenanalyse und die wichtigsten statistischen Tests und Verfahren.

Die Studierenden beschreiben die unterschiedlichen statistischen Verfahren, die im Rahmen von Versorgungsforschung zur Beantwortung spezifischer Forschungsfragen notwendig sind.

Die Studierenden können, abhängig von der jeweiligen Forschungsfrage und dem entsprechenden Forschungsdesign, geeignete statistische Verfahren gezielt auswählen und anwenden, um Rückschlüsse auf die zu Grunde liegenden Forschungsfragen und Hypothesen aus dem Gebiet der Versorgungsforschung ziehen zu können.

Die Studierenden können die entsprechenden statistischen Verfahren mithilfe von einschlägiger Software anwenden.

Neben der Anwendung geeigneter Datenanalysestrategien sind die Studierenden dazu fähig, in einschlägigen wissenschaftlichen Publikationen die Resultate unter der Berücksichtigung der Qualität der verwendeten Datenanalyse zu bewerten und daraus kritisch Implikationen für die Versorgungsforschung zu ziehen.

Die Studierenden sind in der Lage, ihre Datenanalysestrategie zu präsentieren, rechtfertigen und kritisch zu bewerten.

Die Studierenden kennen die Bedeutung und Notwendigkeit statistischer Analysestrategien für den Bereich der Versorgungsforschung.

Dieses Modul gehört zu dem Themenkomplex Versorgungsforschung und baut auf den Kenntnissen aus dem Modul „Epidemiologie und soziale Demographie in den Gesundheitsberufen“ auf und bereitet auf die Datenanalyse für quantitativ ausgelegte Masterarbeiten im Kontext von Versorgungsforschung vor. 

• HELPP - Versorgungsforschung und -gestaltung, M.Sc. (01.09.2023)

• Ballenberger, Nikolaus

• Ballenberger, Nikolaus
• Hübner, Ursula Hertha