Gute Daten + gute Statistik = gute Ergebnisse! Mit diesem Buch haben falsche Statistiken keine Chance mehr. Übersichtlich gegliedert in 6 Teile mit zusammen 20 Kapiteln werden hier alle wichtigen Typen von Daten und die Verfahren zu deren Auswertung erklärt. Die erklärte Maxime des Autors ist es, dass sich eine statistische Auswertung immer an der Art und Qualität der Daten orientieren muss, damit diese nicht fehl- oder überinterpretiert werden. Komplizierte Mathematik ist dabei weder nötig noch erwünscht, denn meistens sind die einfachsten Verfahren die aussagekräftigsten. Ein positiver Lerneffekt stellt sich bereits nach wenigen Seiten ein, denn hier werden genau die Fragen gestellt (und beantwortet!), mit denen ein angehender Mediziner oder Pharmazeut während der Ausbildung konfrontiert wird. Mit seinem ungezwungenen und direkten Stil gelingt es dem Autor, dass die Statistik vom ungeliebten Kind zum effizienten Werkzeug wird, auch ohne mathematische Begabung beim Leser. * Leicht verständliche Texte (fast) ohne Formeln * Alle Beispiele kommen aus der Medizin oder der Pharmazie * Warnhinweise auf häufi ge Fehler und auf den unsachgemäßen Einsatz von Statistiken Als leicht verständliche Einführung in die statistischen Grundlagen und Verfahren, die in der Medizin und in der Pharmazie eingesetzt werden, ist dieses Buch bestens geeignet für alle, die eine Ausbildung im medizinischpharmazeutischen Bereich absolvieren.

Philip Rowe lehrt an der School of Pharmacy and Chemistry der John Moores Universität in Liverpool (UK). Neben seiner Lehr- und Forschungstätigkeit ist er als freiberuflicher Berater für Pharmaunternehmen sowie immer häufiger als Trainer in Kliniken und Forschungsinstituten unterwegs. Sein Credo lautet, dass man kein Statistiker sein muss, um Daten und Messergebnisse sinnvoll auszuwerten. Man sollte aber wissen, welche Auswertung für welche Art von Daten sinnvoll ist und wann man die Statistik als Methode "ausgereizt" hat.

"Rowes rundum gelungenes Grundlagenwerk ist das mit Abstand beste Statistikbuch für naturwissenschaftliche Anfänger, das mir bislang untergekommen ist. Es balanciert präzise auf jenem schmalen Grat zwischen (zu)komplizierter Mathematik und oberflächlichem Blabla. Folgerichtiger Ratschlag: Kaufen!" Laborjournal (01.12.2016) "Eines der wenigen verständlich geschriebenen Bücher, das auch gering vorgebildete Studenten nicht abschreckt, sondern als Einstieg in die Statistik genutzt werden kann. Didaktisch ist das Buch sehr gut gelungen. Man bemerkt kaum, dass es sich um eine Übersetzung handelt. Das Preis-Leistungsverhältnis ist sehr gut. Das Buch wird sicher nicht nur als Prüfungsvorbereitung genutzt werden, sondern erleichtert auch Doktoranden und Jungwissenschaftlern den Umgang mit der immer komplizierter werdenden Statistik." Prof. Dr. Dr. Harald Kaemmerer, Klinik an der TU München (01/2013) "übersichtlich, lehrreich und einprägsam" uni-online.de (05.02.2013) "sehr schön und übersichtlich aufgebaut" uni-online.de (07.01.2013) "ein didaktisch sehr gut aufgearbeitetes und verständliches Lehrbuch" uni-online.de (03.12.2012) "Dieses Buch hat [...] mit Recht den Aufdruck 'Verdammt clever' verdient." uni-online.de (20.11.2012) "Mit unnachahmlichem Stil, durch den auch dieses Fachgebiet seinen Schrecken verliert, präsentiert der Autor das Lehrbuch." PharmaTEC (8/2012, 01.11.2012) "Rowe versteht es, auch für Leser ohne ausgeprägte mathematische Begabung Torten-, Balken- und Kurvendiagramme mit Leben zu erfüllen." apotheke + marketing (11/2012, 01.11.2012) "Ja, Statistik kann auch Spaß machen! Philip Rowe ist bekannt für seinen unnachahmlichen Stil, durch den dieses Fachgebiet für Statistikmuffel an Schrecken verliert." Deutsche Apotheker Zeitung (Nr. 37, 13.09.2012) "Eine verständliche Einführung in die statistischen Grundlagen und Verfahren, die in der Medizin und in der Pharmazie angewandt werden." medknowledge.de (10.09.2012)

VORWORT TEIL1: Datentypen DATENTYPEN Kommt es wirklich darauf an? Daten auf einer Intervallskala Daten auf einer Ordinalskala Daten auf einer Nominalskala Aufbau dieses Buchs Kapitelzusammenfassung TEIL2: Daten auf Intervallskalen BESCHREIBENDE STATISTIK Zusammenfassung von Datensätzen Zentrale Lagemaße - der Mittelwert, der Median und der Modalwert Beschreibung der Spannweite - die Standardabweichung und die relative Standardabweichung Quartile - eine andere Möglichkeit, Daten zu beschreiben Verwendung von Software für die beschreibende Statistik Kapitelzusammenfassung DIE NORMALVERTEILUNG Was ist eine Normalverteilung? Wie erkennt man normalverteilte Daten? Anteile von Einzelwerten innerhalb von einer oder zwei Standardabweichungen vom Mittelwert Kapitelzusammenfassung STICHPROBEN AUS EINER GRUNDGESAMTHEIT UND DER STANDARDFEHLER DES MITTELWERTS Stichproben und Grundgesamtheiten Von der Stichprobe zur Grundgesamtheit Verschiedene Stichprobenfehler Welche Faktoren bestimmen die Höhe des zufälligen Stichprobenfehlers? Abschätzung des wahrscheinlichen Stichprobenfehlers und der Standardfehler Aufrechnung von Stichprobengröße und Standardabweichung Kapitelzusammenfassung DAS 95 %-KONFIDENZINTERVALL FÜR DEN MITTELWERT Was ist ein Konfidenzintervall? Wie breit sollte das Intervall sein? Was meinen wir mit ''95 %''-Konfidenz? Berechnung der Intervallbreite Eine Reihe von Stichproben und 95 %-Konfidenzintervallen Wie stark hängt die Breite des Konfidenzintervalls von Änderungen der Standardabweichung, des Stichprobenumfangs und des gewünschten Konfidenzniveaus ab? Zwei Aussagen Einseitige 95 %-Konfidenzintervalle Das 95 %-Konfidenzintervall für den Unterschied zweier Behandlungen Über die Notwendigkeit, dass die Daten einer Normalverteilung folgen und Datentransformation Kapitelzusammenfassung DER DOPPELTE T-TEST (1). EINFÜHRUNG IN HYPOTHESENTESTS Der doppelte t-Test - ein Beispiel für einen Hypothesentest Signifikanz Das Risiko eines falsch-positiven Ergebnisses Von welchen Faktoren hängt es ab, ob wir ein signifikantes oder ein nicht signifikantes Ergebnis erhalten? Voraussetzungen für einen doppelten t-Test Kapitelzusammenfassung DER DOPPELTE T-TEST (2): DER BERÜCHTIGTE P-WERT Wie kann man die Signifikanz eines Ergebnisses beziffern? p-Werte Gibt es zwei Arten, Signifikanz zu definieren? Bestimmung des p-Wertes p-Werte oder 95 %-Konfidenzintervalle? Kapitelzusammenfassung DER DOPPELTE T-TEST (3). FALSCH-NEGATIVE BEFUNDE, GÜTE UND NOTWENDIGE STICHPROBENUMFÄNGE Was könnte sonst noch schief gehen? Die Güte Berechnung des notwendigen Stichprobenumfangs Kapitelzusammenfassung DER DOPPELTE T-TEST (4). STATISTISCHE SIGNIFIKANZ, PRAKTISCHE BEDEUTUNG UND ÄQUIVALENZ Praktische Bedeutung - ist die Differenz so groß, dass sie eine Rolle spielt? Äquivalenztests Tests auf Nicht-Unterlegenheit p-Werte sind weniger aussagekräftig und können förmlich in die Irre führen Setzen von Äquivalenzgrenzen vor dem eigentlichen Versuch Kapitelzusammenfassung DER DOPPELTE T-TEST (5). EINSEITIGE TESTS Suche nach einer Veränderung in einer bestimmten Richtung Schutz vor falsch-positiven Befunden Versuchung Einsatz eines Softwarepakets bei einem einseitigen Test Sollte man häufiger einseitige Tests einsetzen? Kapitelzusammenfassung WAS SAGT UNS EIN STATISTISCH SIGNIFIKANTES ERGEBNIS WIRKLICH? Wie interpretiert man statistische Signifikanz? Am Anfang steht äußerste Skepsis Kapitelzusammenfassung DER GEPAARTE T-TEST - VERGLEICH VON ZWEI ZUSAMMENHÄNGENDEN DATENSÄTZEN Gepaarte Datensätze Untersuchung der Daten mithilfe eines doppelten t-Tests Alternative Anwendung eines gepaarten t-Tests Durchführung eines gepaarten t-Tests Wodurch ist bestimmt, ob ein gepaarter t-Test signifikant ist? Größere Teststärke beim gepaarten t-Test Der gepaarte t-Test ist nur auf natürliche Paare von Daten anwendbar Auswahl des passenden Versuchsaufbaus Voraussetzungen für das Anwenden eines gepaarten t-Tests Stichprobenumfänge, praktische Bedeutung und einseitige Tests Zusammenfassung der Unterschiede zwischen dem gepaarten und dem doppelten t-Test VARIANZANALYSE - ÜBER T-TESTS HINAUS Erweiterung zu komplexen Versuchsdesigns Einfache Varianzanalyse Zweifache Varianzanalyse Multifaktorenversuche Einfache Form - starke Aussage Kapitelzusammenfassung KORRELATION UND REGRESSION - ZUSAMMENHÄNGE ZWISCHEN MESSWERTEN Korrelationsanalyse Regressionsanalyse Mehrfache Regression Kapitelzusammenfassung TEIL3: Daten auf Nominalskalen BESCHREIBUNG VON KATEGORISIERTEN DATEN Beschreibende Statistik Tests, ob der wahre Anteil möglicherweise einen vorbestimmten Wert hat Kapitelzusammenfassung VERGLEICH BEOBACHTETER ANTEILE - DER CHI-QUADRAT-KONTINGENZTEST Anwendung des Chi-Quadrat-Kontingenztests für den Vergleich von beobachteten Anteilen Ein 95 %-Konfidenzintervall für die Änderung der Ausstoßquote - ist die Änderung von praktischer Bedeutung? Größere Kontingenztafeln - Nutzung der Diabetes-Sprechstunde Planung der Versuchsgröße Kapitelzusammenfassung TEIL4: Daten auf Ordinalskalen ORDINALSKALIERTE, NICHT NORMALVERTEILTE DATEN. TRANSFORMATIONEN UND PARAMETERFREIE TESTS Transformation auf eine Normalverteilung Der Mann-Whitney-Test - ein nicht parametrisches Verfahren Umgang mit Daten auf Ordinalskalen Andere nicht parametrische Verfahren Kapitelzusammenfassung Anhang zu Kapitel 17 TEIL5: Reale Herausforderungen MEHRFACHTESTS Was ist ein Mehrfachtest und warum ist er problematisch? Wo treten Mehrfachtests auf? Verfahren zur Vermeidung von Falsch-positiven Die Rolle der wissenschaftlichen Zeitschriften Kapitelzusammenfassung FRAGEBÖGEN Gibt es Besonderheiten bei Fragebögen? Arten von Fragen Entwurf eines Fragebogens Stichprobenumfang und Rücklaufquoten Untersuchung der Ergebnisse Verquickte epidemiologische Daten Mehrfachtests bei Fragebogendaten Kapitelzusammenfassung TEIL6: Fazit SCHLUSSFOLGERUNGEN Machen Sie sich das Ziel des Versuchs klar Bauen Sie den Versuch einfach und damit klar und aussagekräftig auf Planen Sie die statistischen Analysen schon als Teil des Versuchsdesigns und nicht erst auf den letzten Drücker Untersuchen Sie die Daten visuell, bevor Sie in die statistischen Tests einsteigen Hüten Sie sich vor Mehrfachtests Interpretieren Sie sowohl Signifikanz als auch Nicht-Signifikanz mit gebührender Sorgfalt