Querschnittsbereich Q1, Epidemiologie Grundbegriffe 1

Epidemiologische Begriffe und Maßzahlen

Das vorliegende Glossar beinhaltet für die Epidemiologie wichtige Begriffe und
Maßzahlen. Es soll zum einen das Verständnis der Seminarinhalte erleichtern und es
dient zum anderen als Grundlage für die Bearbeitung der im Seminar und der in der
Klausur gestellten Aufgaben.

Prävalenz

Zahl der Kranken am Stichtag

Prävalenz 
Population am Stichtag

Bei der Prävalenz handelt es sich um ein „Momentaufnahme“, um einen „Schnitt“

durch eine (Bevölkerungs-) Gruppe.

Inzidenz

Zahl der Neuerkrankungen

Inzidenz 
Population unter Risiko

Die Inzidenz ist eine Maßzahl für das Auftreten einer Krankheit bei einem zuvor
gesunden Menschen. Die Inzidenz stellt damit ein Maß für das Erkrankungsrisiko
dar.

Kumulative Inzidenz

Neuerkrankungen in einem def. Zeitabschnitt

Kumulative Inzidenz 
Population unter Risiko zu Beginn des Zeitabschnitts

Der Zeitabschnitt muss definiert werden, z.B. Anzahl der Neuerkrankungen an

Grippe pro Bezugspopulation und Woche (Monat; Jahr).

Inzidenzdichte

Zahl der Neuerkrankungen

Inzidenzdichte 
Summe der Personenzeiten unter Risiko

Die Summe der Personenzeiten (Personenjahre, -monate, -tage, ...) gibt für die
Population die gesamte Zeit an, in der eine Erkrankung entstehen kann. Diese
Risikozeit hat z.B. die Einheit 1/105 Personenjahre.
Die Inzidenzdichte eignet sich insbesondere für dynamische Populationen, bei denen
sehr unterschiedlich lange Beobachtungszeiten vorliegen (z.B. Schadstoffexposition
in einem Betrieb mit wechselnder Belegschaft).
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 2

Mortalität

Gesamtzahl der Todesfälle eines Jahres

Mortalitätsrate 
Population unter Risiko zu Beginn des Zeitabschnitts

Die Zeitspanne muss sich nicht auf 1 Jahr beziehen. Der Zähler kann auch die
Verstorbenen einer bestimmten Erkrankung angeben. Im Nenner steht die
„Population unter Risiko“.

Letalität

Zahl der an Krankheit X Verstorbenen*

Letalitätsrate (Pr ozent ) 
Zahl der an X Erkrankten

* in einem definierten Zeitraum (nach Beginn oder Diagnose von X)

Relatives Risiko (RR)

Das Risiko (Kumulative Inzidenz, KI) unter den Exponierten (e) und Nicht-
Exponierten (ne) kann man wie folgt ausdrücken:

nicht
erkrankt erkrankt

exponiert a b a+b
nicht
c d c+d
exponiert
a+c b+d a+b+c+d

a c
KIe  und KIne 
ab cd

Das Relative Risiko (RR) setzt die Risiken zwischen Exponierten und Nicht-
Exponierten zueinander ins Verhältnis:
a
 ab
KI e
RR 
KI ne c
cd

Das Relative Risiko kann Werte zwischen 0 und  annehmen. Ein Wert von 1
bedeutet gleiches Risiko der Exponierten und Nicht-Exponierten.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 3

Odds Ratio
Odds (einer Wahrscheinlichkeit p) bezeichnet eine „Chance“, mit dem ein Ereignis
auftritt. Sie ist wie folgt definiert:
p
Odds 
1 p
Beispiel:
0, 2 1
Ist p = 0,2, so ist die Odds  ; d.h. die Chance ist 1 : 4.
1  0, 2 4

Die Odds Ratio setzt die Chance, unter Exposition zu erkranken (a : b), in Beziehung
zu der Chance, unter Nicht-Exposition zu erkranken (c : d).

a
ad
Odds Ratio  b  (Kreuzprodukt)
c bc
d

Für seltene Erkrankungen ist die Odds Ratio eine gute Schätzung des Relativen
Risikos.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 4

Attributable Risiken (zuschreibbare Risiken)

Attributable Risiken geben an, in welchem Maße das Auftreten einer Erkrankung
einer bestimmten Exposition zuzuschreiben ist.

Risikodifferenz (RD)

RD  I e  I ne

mit Ie = Inzidenz bei den Exponierten

Ine = Inzidenz bei den Nicht-Exponierten

Die (absolute) Risikodifferenz (RD) beschreibt den Zuwachs der absoluten

Erkrankungswahrscheinlichkeit durch die Exposition. Das Maß der Risikodifferenz
hat den Nachteil, dass sich daraus kein Bezug zur Prävalenz der Erkrankung ableiten
lässt.

Populationsattributables Risiko (PAR)

Synonym: Ätiologischer Anteil, PAF (population attributable fraction)

RR  1
PAR  p
RR

mit p = Anteil der Exponierten unter den Fällen

RR = Relatives Risiko

Das Populationsattributable Risiko gibt …

a) …den Anteil der Erkrankungen in der Gesamtbevölkerung an, der durch die
Exposition bedingt wurde.
b) …den Anteil der Erkrankungen in der Gesamtbevölkerung an, der ohne
Exposition hätte vermieden werden können.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 5

Überlebenszeitanalysen
Überlebenszeitanalyse ist ein Sammelbegriff für statistische Verfahren, bei der die
interessierende Variable der Zeitraum bis zum Eintritt eines Ereignisses ist.
Ereignisse können z.B. Tod, Erkrankung, Rückfall oder Erholung sein.
Die Zeit bis zum Eintreten eines Ereignisses kann grundsätzlich in jeder beliebigen
Zeiteinheit (z.B. Jahre, Wochen, Tage, etc.) gemessen werden. Man nennt sie
Überlebenszeit oder auch 'survival time'.

Ein Schlüsselproblem von Überlebenszeitanalysen ist die Zensierung von

Überlebenszeiten. Zensierte Daten können aus drei Gründen auftreten:

1. Das Ereignis trat nicht vor Studienende auf.

2. Die Beobachtung der Person erfolgte nicht über den gesamten
Beobachtungszeitraum (lost to follow-up).
3. Die Person ist auf eigenen Wunsch aus der Studie ausgeschieden (withdrawal
from the study).

Kaplan-Meier-Kurven stellen die - unter Berücksichtigung der zensierten Daten -

berechneten Überlebenswahrscheinlichkeiten graphisch dar (siehe unten).

Die Hazard-Rate (hazard rate) gibt im Rahmen von Überlebenszeitanalysen das

unmittelbare Potenzial für den Ereigniseintritt pro Zeiteinheit an - vorausgesetzt die
Person hat bis zum Zeitpunkt t überlebt.
Zur Illustration der Hazard-Rate kann man sich das Ablesen der Geschwindigkeit zu
einem gegebenen Zeitpunkt einer Autofahrt vorstellen. Die aktuelle Geschwindigkeit
gibt das Potenzial an, eine bestimmte Anzahl von Kilometern in der nächsten Stunde
zurückzulegen - wenn man mit dieser Geschwindigkeit weiterfährt.
Analog zum Relativen Risiko gibt die Hazard-Ratio bei einem Vergleich zweier
Gruppen das Verhältnis der Hazard-Raten für Personen mit dem Merkmal (z.B. eine
bestimmte Exposition oder Medikamenteneinnahme) im Vergleich zu Personen ohne
Exposition bzw. nur mit Placeboeinnahme an.

Das Proportional Hazards (PH) Modell nach Cox, auch als Cox-Regression
bezeichnet, ermöglicht eine multivariable Analyse von Überlebenszeiten, bei der
Einflüsse von Kovariablen berücksichtigt werden.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 6

Statistisches Testen
Mit einem statistischen Test soll die Frage beantwortet werden, ob ein Einfluss einer
Exposition auf ein Erkrankungsrisiko vorliegt bzw. ob zwei Behandlungsverfahren
unterschiedlich wirken oder nicht.

p-Wert

Der p-Wert (p für probability) drückt die Wahrscheinlichkeit aus, einen

Zusammenhang zwischen den untersuchten Merkmalen mindestens in der
Größenordnung zu finden, die in der jeweiligen Studie beobachtet wurde, obwohl
eigentlich kein Zusammenhang besteht, d.h. die Nullhypothese ‚Es besteht kein
Zusammenhang zwischen den Merkmalen’ wahr ist. Ein p-Wert von 0,04 bedeutet
z.B., dass diese Irrtumswahrscheinlichkeit 4 % beträgt.
Aufgrund von Konventionen wird eine Irrtumswahrscheinlichkeit von weniger als 5 %
(p < 0,05) als ‚statistisch signifikant’ angesehen. Manche sehen diese Grenze etwas
höher (z.B. 10 % bzw. p < 0,10) oder auch tiefer (1 % bzw. p < 0,01).

 Aufgrund von vielen Fehlermöglichkeiten bedeutet ein statistisch signifikanter

Zusammenhang keinesfalls zwingend, dass eine beobachtete Assoziation auch
ursächlich ist.
 Der p-Wert wird stark durch die Stichprobengröße beeinflusst. Daher bedeutet ein
statistisch signifikanter Zusammenhang keineswegs, dass eine beobachtete
Assoziation stark oder klinisch relevant ist. Aussagen über die Stärke des
Zusammenhangs erlauben die Zusammenhangsmaße, wie etwa das Relative
Risiko oder die Odds Ratio (siehe oben). Diese Assoziationsmaße sollten als
Punktschätzer mit einem Konfidenzintervall (siehe unten) angegeben und
interpretiert werden.

Schätzwert und Konfidenzintervall

Da in der Regel nicht alle Personen einer Bevölkerung untersucht werden können,
beschränkt man sich auf eine Stichprobe. Der Messwert dieser Stichprobe wird den
wahren Wert der Bevölkerung in der Regel nicht ganz exakt wiedergeben. Das 95%-
Konfidenzintervall ist derjenige Bereich in dem der wahre Messwert mit einer
Wahrscheinlichkeit von 95% liegt. Zieht man 100 Stichproben, so liegt bei 95 der
wahre Wert innerhalb des jeweiligen Konfidenzintervalls.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 7

Das Ergebnis RR = 1,7; 95 % KI 1,1-1,9 bedeutet zum Beispiel, dass der wahre
Wert des Relativen Risikos in der Grundpopulation am wahrscheinlichsten 1,7 ist. Mit
95 % Wahrscheinlichkeit ist der wahre Wert nicht kleiner als 1,1 und nicht größer als
1,9. Das Relative Risiko in diesem Beispiel ist zudem statistisch signifikant, da das
95 % Konfidenzintervall nicht den Wert 1 einschließt. Wenn die Nullhypothese, die
kein erhöhtes Risiko annimmt, zutreffen würde, wäre ein Punktschätzer von 1 für das
Relative Risiko zu erwarten.
Wäre das beobachtete Relative Risiko hingegen RR = 1,7; 95 % KI 0,9-1,9, dann
könnte die Nullhypothese nicht verworfen werden, d.h. der beobachtete
Zusammenhang zwischen einer Exposition und einem Risiko wäre nicht statistisch
signifikant.
Das Konfidenzintervall ist für die Bewertung von Zusammenhängen besonders
informativ, denn es erlaubt, den möglichen Bereich von Assoziationen abzuschätzen.

Fehler in epidemiologischen Studien

Zufallsfehler

Der zufällige Fehler einer epidemiologischen Untersuchung ist eine Abweichung des
Untersuchungsergebnisses von den wahren Verhältnissen der Zielgesamtheit, die
dadurch entsteht, dass die Individuen, die an der Untersuchung teilnehmen, zufällig
ausgewählt wurden. Er wird umso größer, je kleiner das untersuchte Teilkollektiv ist.
Zufällige Fehler vermindern die Präzision (Reliabilität).

Quantifizierung: Statistische Tests (p-Wert, Konfidenzintervall)

Gegenmaßnahme: Wahl eines ausreichenden Stichprobenumfangs, um einen

Zufallsfehler definierter Größenordnung nicht zu überschreiten.

Systematische Fehler
Synonyme: Verzerrungen, Bias

Systematische Fehler im Design, Durchführung oder Analyse einer Studie verzerren

das Ergebnis in eine bestimmte Richtung und führen dadurch zu einer falschen
Einschätzung der Auswirkung einer Exposition auf das Erkrankungsrisiko. Die
Validität einer Studie wird durch Bias vermindert.
Systematische Fehler können beispielsweise auftreten bei der Rekrutierung von
Studienteilnehmern (Selektionsfehler), bei der Datenerhebung (Informationsfehler)
oder bei der Analyse, wenn Störgrößen unzureichend berücksichtigt werden
(Confounding – siehe unten).

Gegenmaßnahmen: Auf Ebene der Studienplanung (z.B. Wahl eines geeigneten

Designs), der Datenerhebung (z.B. Standardisierung) und der
Analyse (z.B. Stratifizierung oder Anwendung multivariabler
statistischer Modelle)
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 8

Confounder
Synonyme: Störvariable, Störfaktor

Zufällige Störgrößen (wie z. B. das Alter oder das Geschlecht), die die Ergebnisse
von Studien verzerren. Ein Confounder liegt dann vor, wenn dieser Faktor die
Zielvariable (z.B. eine Krankheit) beeinflusst und gleichzeitig mit der untersuchten
Einflussvariable assoziiert ist. Der Confounder darf kein Zwischenschritt
(Intermediärfaktor) in der Kausalkette zwischen Einflussvariable und Zielvariable
sein.

Confounder

Einflussvariable Zielvariable

Beispiel: Nehmen wir an, Sie wollen untersuchen, ob Patienten, die an einem
Diabetes mellitus Typ II erkrankt sind, ein erhöhtes Risiko für Dickdarm-Krebs haben.
In diesem Fall ist das Alter der Studienteilnehmer ein möglicher Confounder, da das
Alter sowohl mit dem Auftreten eines Dickdarm-Krebses als auch mit der Sie
interessierenden Einflussvariable Diabetes mellitus assoziiert ist. Angenommen, die
Gruppe der Nicht-Diabetiker in Ihrer Studienpopulation ist deutlich jünger als die der
Diabetiker, so führt eine Nichtberücksichtigung des Confounders „Alter“ zu einer
Verzerrung der tatsächlichen Beziehung.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 9

Designs epidemiologischer Studien

Ökologische Studie

Der Zusammenhang zwischen einer Exposition und einer Erkrankung wird auf Ebene
aggregierter Daten von Populationen und Maßen untersucht.

Effektmaß: Korrelations- oder Regressionskoeffizienten.

Hauptvorteile: Aufgrund der Verwendung vorhandener (Routine-) Daten schnell
durchführbar und mit geringen Kosten verbunden.
Hauptnachteile: Unzureichende Information über Kovariablen, daher Gefahr des
„ökologischen Trugschlusses“.

Querschnittstudie
(Synonym: Survey)

Daten zum Erkrankungsstatus und zu relevanten Expositionen werden gleichzeitig

erhoben. In erster Linie wird die Assoziation zwischen der Prävalenz einer
Erkrankung und der Prävalenz von Risikofaktoren untersucht.

Effektmaß: Odds Ratio.

Hauptvorteile: Kurze Studiendauer, relativ geringe Kosten, Untersuchung multipler
Einflussgrößen und Zielgrößen möglich.
Hauptnachteile: Zeitliche Sequenz der Einfluss- und Zielgrößen nicht immer
eindeutig bestimmbar, ineffizient für seltene Expositionen und
seltene Erkrankungen, erlaubt Aussagen über Assoziationen, nicht
jedoch über kausale Zusammenhänge.

Fall-Kontroll-Studie

Vergleich von neu erkrankten Personen (inzidenten Fällen) mit nicht erkrankten
Personen (Kontrollen) hinsichtlich der Prävalenz von Risikofaktoren.

Effektmaß: Odds Ratio.

Hauptvorteile: Effizient für seltene Erkrankungen, Untersuchung multipler
Risikofaktoren möglich.
Hauptnachteile: Retrospektive Datenerhebung zu den Expositionen und
Risikofaktoren, ineffizient für seltene Expositionen, Auswahl einer
geeigneten Kontrollgruppe oft problematisch.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 10

Kohortenstudie:
(Synonyme: Längsschnittstudie, Longitudinalstudie, Follow-up-Studie)

Sie stellt eine gezielte Untersuchung des Zusammenhangs zwischen Expositionen

und Erkrankungen in der zeitlichen Sequenz dar. Es werden Gruppen exponierter
und nicht-exponierter Personen hinsichtlich der Krankheitsinzidenz oder Sterberate
verglichen. Die Daten zu den Einflussgrößen werden vor Eintritt der Erkrankung
erhoben.

Effektmaß: Relatives Risiko, Hazard Ratio.

Bei einer prospektiven Kohortenstudie ist bei Studienbeginn die zu untersuchende

Zielgröße noch nicht aufgetreten. Bei einer retrospektiven oder historischen
Kohortenstudie hingegen ist zum Zeitpunkt der Studie bereits bekannt, wer erkrankt
bzw. verstorben ist. Die Expositionsdaten werden vorhandenen ‚historischen’
Datenbeständen entnommen.

Hauptvorteile: Zeitliche Sequenz von Exposition und Outcome eindeutig,

mehrfache Expositionsmessungen im Zeitverlauf sowie die
Untersuchung mehrerer Zielgrößen sind möglich, erlaubt Aussagen
über kausale Zusammenhänge.
Hauptnachteile: Die Dauer und die Kosten sind vor allem bei prospektiven
Kohortenstudien hoch. Kohortenstudien sind ineffizient bei seltenen
Erkrankungen, prospektive Studien sind darüber hinaus ineffizient
bei langen Latenzzeiten.

Klinische Interventionsstudie

Eine experimentelle Variante der Kohortenstudie, bei der die Intervention auf
individueller Ebene stattfindet. Die Intervention (‚Exposition’) wird randomisiert
zugewiesen. Nach Möglichkeit wird die Studie doppelblind durchgeführt.

Effektmaß: Relatives Risiko, Hazard Ratio.

Hauptvorteil: Goldstandard zum Nachweis eines kausalen Zusammenhangs
zwischen einer Einflussgröße und einer Zielgröße.
Hauptnachteile: Compliance, Effektivität der Randomisierung, Definition von
Abbruchkriterien nach ethischen Erwägungen.
Querschnittsbereich Q1, Epidemiologie Grundbegriffe 11

Empfohlene Literatur

Basis-Literatur

Leon Gordis: Epidemiologie; Kilian, ISBN 3-932091-63-9

Beaglehole, Bonita, Kjellström: Einführung in die Epidemiologie; Verlag Hans Huber

Weiterführende Literatur

Kreienbrock, Schach: Epidemiologische Methoden; Spektrum Akademischer Verlag,

ISBN 3-8274-1009-6

Robert H. Fletcher, Suzanne W. Fletcher: Klinische Epidemiologie. Grundlagen und

Anwendung; Adaptiert und herausgegeben von Johannes Haerting, Christoph Rink
und Andreas Stang. 2., vollst. überarb. Aufl. 2006.