Referenz
Projektkompass – von der klinischen Frage zur belastbaren Analyse
Auf dieser Seite
Nutze diese Seite vor jedem eigenen Projekt. Sie verhindert die häufigsten Fehlentscheidungen: unklare Kohorten, nachträglich gewählte Outcomes, falsche Zeilenlogik, Leakage und überzogene Interpretation.
1 Klinische Frage schärfen
Formuliere eine Frage, die eine Entscheidung vorbereitet:
Bei welchen Patient:innen interessiert mich welcher Endpunkt, in welchem Zeitraum, und soll ich erklären, vorhersagen oder kausal vergleichen?
| Ziel | Gute Frage | Passender Kursweg |
|---|---|---|
| Beschreiben | Wie sieht die Kohorte bei Aufnahme aus? | 06 → 08 → 09 |
| Testen | Unterscheidet sich Laktat zwischen Gruppen? | 08 → 09 → 10 → 21 |
| Erklären | Welche Faktoren sind adjustiert mit Mortalität assoziiert? | 10 → 12 → 15 |
| Kausal vergleichen | Wirkt Therapie A besser als B in Beobachtungsdaten? | 12 → 15 → 19 |
| Vorhersagen | Wer hat ein hohes Risiko für Ereignis X? | 23 → 24 → 25 |
| Einsetzen | Ist das Modell im Alltag nutzbar und sicher? | 25 → 32 → 34 |
2 Kohorte und Indexzeitpunkt festlegen
- Einschluss: Wer kann überhaupt in die Analyse?
- Ausschluss: Wer muss raus, bevor du das Outcome kennst?
- Indexzeitpunkt: Wann beginnt Beobachtung oder Vorhersage?
- Zeilenlogik: Eine Zeile pro Patient:in, pro Aufenthalt, pro Messung oder pro Zeitintervall?
- Follow-up: Wann endet Beobachtung: Entlassung, Tod, 30 Tage, Studienende?
Wenn der Indexzeitpunkt schwimmt, schwimmt die ganze Analyse.
3 Datenwörterbuch anlegen
Vor dem ersten Modell braucht jede wichtige Variable eine kurze Spezifikation:
| Feld | Frage |
|---|---|
| Name | Wie heißt die Variable im Datensatz? |
| Bedeutung | Was meint sie klinisch genau? |
| Einheit | mg/dl, mmol/l, Tage, Score, Kategorie? |
| Quelle | KIS, Labor, Medikation, Freitext, Register? |
| Zeitpunkt | Vor Index, bei Aufnahme, während Follow-up, nach Outcome? |
| Transformation | Binär, Kategorie, zentriert, log-transformiert? |
| Fehlend-Regel | Warum fehlt der Wert, und wie wird damit umgegangen? |
4 Leakage-Prüfung
Streiche oder verschiebe jede Information, die zum Vorhersage- oder Analysezeitpunkt noch nicht verfügbar gewesen wäre.
- Laborwert nach Therapieentscheidung?
- Entlassdiagnose für ein Aufnahmemodell?
- Textnotiz nach Outcome?
- Imputation oder Skalierung vor Train/Test-Split?
- Feature-Selektion auf dem Gesamtdatensatz?
5 Methode wählen
Die Methode folgt aus Ziel, Outcome und Design:
| Situation | Startpunkt |
|---|---|
| Stetiger Outcome, unabhängige Zeilen | Lineare Regression, robuste Diagnostik |
| Binärer Outcome | Logistische Regression, OR vorsichtig interpretieren |
| Zeit bis Ereignis | Kaplan-Meier, Cox, competing risks prüfen |
| Wiederholte Messungen | Mixed Model oder GEE |
| Beobachtungsdaten mit Therapieentscheidung | DAG, Propensity Score, Sensitivität |
| Vorhersagemodell | Split, Pipeline, AUC, Kalibrierung, Decision Curve |
6 Ergebnis als Satz prüfen
Schreibe vor der finalen Tabelle einen nüchternen Satz:
In dieser retrospektiven synthetischen Kohorte war X mit Y assoziiert, adjustiert für Z; die Unsicherheit ist .... Daraus folgt nicht automatisch ein kausaler Effekt.
Für Vorhersage:
Das Modell trennt Patient:innen mit und ohne Ereignis mit AUC ... und zeigt Kalibrierung ... im Testset. Klinischer Nutzen und Übertragbarkeit sind ohne externe/prospektive Validierung offen.
7 Minimaler Projektordner
projekt/ ├── data_raw/ # unveränderte Exporte, nicht überschreiben ├── data_processed/ # reproduzierbar erzeugte Analysedaten ├── code/ # 01_extract, 02_clean, 03_analyze ├── reports/ # Quarto/HTML/PDF ├── docs/ # Datenwörterbuch, Analyseplan └── README.md # Frage, Kohorte, Ausführung
8 Rote Flaggen
- Die primäre Fragestellung entsteht erst nach vielen Tests.
- Das Outcome ist nicht eindeutig datiert.
- Patient:innen erscheinen mehrfach, werden aber wie unabhängig behandelt.
- Fehlende Werte werden nur gelöscht, ohne Bias-Prüfung.
- Eine hohe AUC wird als klinischer Nutzen verkauft.
- Ein beobachteter Therapieeffekt wird kausal formuliert, ohne DAG oder Design.