Pflichtveranstaltung für Medizinstudentinnen und -studenten im 1. klinischen Semester: "Einführung in die Biometrie" (Biomathematik für Mediziner; Querschnittsbereich 1; siehe auch die Arbeitmaterialien für die Veranstaltung).

Ein Veranstaltungszyklus wird in Gruppen zu jeweils etwa 50 Studentinnen und Studenten über jeweils 10 bis 12 Termine durchgeführt. Die Gruppeneinteilung erfolgt über das Dekanat, die genauen Kurstermine ergeben sich anhand der Semesternummern und sind im Stundenplan des ersten klinischen Semesters nachzulesen.

Ausführliche Unterlagen zur Veranstaltung mit Skript, Übungsaufgaben, Tests und Selbsttests sowie Lernvideos finden sich in dem entsprechenden Moodle-Lernbereich.

Außer Schulkenntnissen wird kein spezielles Vorwissen vorausgesetzt.

In der Veranstaltung zur Einführung in die Medizinische Biometrie sollen den Studierenden die theoretischen Grundlagen der wichtigsten statistischen Methoden für die Auswertung klinischer Daten sowie zur Studien- und Versuchsplanung vermittelt werden. Sie soll die Studentinnen und Studenten in die Lage versetzten, statistische Analysen zu verstehen und ggf. selbst korrekte statistische Berechnungen durchzuführen. Zur Vertiefung behandelten Stoffes werden praktische Übungen angeboten. In diesen Übungen erarbeiten die Studentinnen und Studenten auch ohne zeitaufwändige Vorbereitung selbstständig Lösungen zu konkreten statistischen Fragestellungen aus klinischen Studien und üben die Interpretation der Ergebnisse von Statistik-Programmen sowie der statistischen Ergebnisse von Forschungspublikationen.

Ein Veranstaltungszyklus umfasst 10 Doppelstunden (Inhaltsvermittlung - aktuell über asynchrone Videos und digital-synchrone Übungen). Die Inhalte orienteren sich an den  nachfolgenden Themen.

• Einführung in die Biometrie mit Beispielen, Grundlagen der biometrischen Studienplanung und das Prinzip der statistischen Nullhypothese
• Deskriptive statistische Methoden: Schätzgrößen wie zum Beispiel Mittelwert, Streuung, Median und Quartile sowie typische Diagrammdarstellungen wie Histogramme, Box-Plots und empirische Verteilungsfunktionen
• Wahrscheinlichkeiten und Wahrscheinlichkeitsrechnung mit Anwendungen auf klinisch-diagnostische und epidemiologische Kenngrößen wie Sensitivität, Prädiktive Werte, Relatives Risiko, Odds-Ratio und „Number Needed to Treat“
• Grundlagen und Anwendungsbeispiele zur Binomialverteilung und dem Binomialtest
• Referenzbereiche und Gauß-Verteilung
• Grundlagen von statistischen Signifikanztests und Konfidenzintervallen, Signifikanzniveau, p-Wert, Null- und Alternativhypothese sowie Fehler erster und zweiter Art
• Statistische Testverfahren bei Gauß-Verteilung: Ein- und Zweistichproben-t-Test, einfache Varianzanalyse, Fallzahlberechnung und Diskriminanzanalyse
• Regressions- und Korrelationsrechnung: Einführung sowie Ausblick auf multiple und logistische Regressionsanalysen
• Nicht-parametrische statistische Testverfahren wie der Wilcoxon-Mann-Whitney-Test und der Kruskal-Wallis-Test
• Grundlagen und Anwendungsbeispiele zur Überlebenszeit-Analyse, Kaplan-Meier Kurven und Log-Rank Test
• Statistische Testverfahren für kategoriale Größen und zu Kontingenztafeln: Chi²-Test und Fisher-Test
• Grundlagen zur Durchführung von multiplen Testverfahren, Verfahren zur Signifikanzkorrektur (Kapitel 6.7, 6.12)
• Besprechung von Klausur-Beispielfragen

Die zu bearbeitenden Übungsaufgaben sind so gestaltet, dass sie ohne zusätzliche Vorbereitung direkt in der Übungsstunde von den Studierenden unter Anleitung bearbeitet werden können. Deshalb werden nicht nur Lösungen zu den Aufgaben vorgerechnet.