Multivariate Datenbeurteilung

Diese Arbeit entspricht, abgesehen von kleineren redaktionellen An- rungen, meiner der Medizinischen Fakultat der Universitat HAMBURG v- gelegten Habilitationsschrift. Schon vor mehreren Jahren wurde ich von Laboratoriumsmedizinern mit der Frage konfrontiert, wie man die bei der Routinediagnostik anfallenden Datensatze von Patienten beurteilen muO, damit die Rate der falsch positiven wie auch der falsch negativen Entscheidungen maglichst klein gehalten wird. Eine genaue Analyse des Problems zeigte, daO hierzu der Einsatz multivariater statistischer Auswertungsmethoden unerlaOlich ist. Wesentlich fUr die richtige Be- teilung eines Datensatzes ist die Kenntnis der korrelativen Abhang- keit und der alters- und geschlechtsspezifischen Veranderungen dieser Werte bei gesunden Referenzpersonen. Einleitend wird daher eine multivariable PrUfgraOe zur Beurteilung der Datensatze vorgestellt, die aIle im Labor gemessenen Werte berUcksi- tigt und die das Alter der Personen als Regressorvariable enthalt. Diese Alterskorrektur erwies sich als notwendig, weil die Normbereiche vieler klinisch - chemischer GraOen vom Lebensalter abhanqen , Zur H- lei tung der PrUfgraOe wurde das Modell der multivariaten Normalvert- lung zugrunde gelegt, das bei Referenzpersonen naherungsweise fUr vie- 2 le GraOen erfUllt ist. Diese PrUfgraOe beinhaltet ein dem T von HO- TELLI NG analoges AbstandsmaO. AnschlieOend wird durch Partitionen der Datensatze in Untermengen v- sucht, das Verhalten der PrUfgraOe bei sol chen Partitionen zu stud- reno Es wird exemplarisch an ausgewahlten Krankheiten gezeigt, wie krankheitsspezifische Muster aufgedeckt werden kannen, die man als - strakte Syndrome deuten kann. Zur Berechnung solcher Muster wurde ein Konzept benutzt, das als Prinzip yom ‘kollektivkonformen Verhalten‘ formuliert wird.