Tierärztliche Hochschule Hannover - TiHo Bibliothek elib
Tierärztliche Hochschule Hannover - TiHo Bibliothek elib
Tierärztliche Hochschule Hannover - TiHo Bibliothek elib
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
4.9 Statistische Auswertung<br />
Die Ergebnisse der Proteindetektion der 169 vermessenen Blutproben wurden mit IBM SPSS<br />
Statistics –Software ausgewertet. Dabei sollte die Hypothese überprüft werden, ob sich die<br />
Proteinkonzentrationen von S100A9, Reg3A, CEA, CA19-9 und CRP im Kollektiv der<br />
gesunden Probanden, Probanden mit chronischer Pankreatitis sowie Probanden mit duktalem<br />
Adenokarzinom signifikant unterscheiden. Diese Gruppen werden im Folgenden als<br />
Diagnosegruppe Gesund, Pankreatitis und Adenokarzinom bezeichnet. Zunächst wurde die<br />
Lage der Daten bestimmt. Diese deskriptive Statistik gab Auskunft über Minimum,<br />
Maximum, Mittelwert und Streuung (Standardabweichung) der Daten. Es muss davon<br />
ausgegangen werden, dass die getesteten Merkmale keiner Normalverteilung entsprechen.<br />
Proteinkonzentrationen sind in der Regel rechtsschief verteilt, über die genaue Verteilung der<br />
Messergebnisse liegen keine Daten vor. Außerdem müssen bei der Auswahl des<br />
durchzuführenden Signifikanztests die kleinen Probenzahlen der Gruppen Pankreatitis und<br />
Adenokarzinom sowie große Unterschiede der Varianz in den drei Gruppen berücksichtigt<br />
werden. Sogenannte parametrische Test, wie zum Beispiel der Student t-Test, welcher auf<br />
einem Mittelwertvergleich beruht, kamen aufgrund der kleinen Fallzahl und aufgrund der<br />
unbekannten Verleitung der Daten daher nicht zur Anwendung. In nichtparametrischen Tests<br />
werden die gemessenen Werte Rangordnungen und Rängen zugeordnet, so dass Extremwerte,<br />
sogenannte Ausreißer, die Statistik weniger stark beeinflussen. Außerdem sind die<br />
Anforderungen an die verwendeten Daten bezüglich Probenzahl, Verteilung und Varianz<br />
geringer (Brosius 2011). In dieser Arbeit ist den nicht-parametrischen Tests daher der Vorzug<br />
gewährt worden. Es wurden Signifikanztest für unbekannte Datenverteilungen ausgewählt.<br />
Für alle Tests und Auswertungen wurde ein Signifikanzniveau von α = 0,05 festgelegt.<br />
In einem ersten Schritt wurden immer zwei Diagnosegruppen miteinander verglichen. Und<br />
zwar Gesund mit Pankreatitis, Gesund mit Adenokarzinom und Pankreatitis mit<br />
Adenokarzinom. Hierzu wurde der Signifikanztest nach Mann-Whitney durchgeführt. Bei<br />
diesem Test werden die Messergebnisse der zu vergleichenden Gruppen zunächst zu einer<br />
Gruppe zusammengeführt und der Größe nach sortiert. Jeder Messwert wird seinem Platz in<br />
dieser „Gesamtliste“ entsprechend einem Rang zugeordnet. Dann werden die Daten wieder in<br />
zwei Gruppen geteilt und die Ränge der jeweiligen Gruppe addiert. Wenn sich die Gruppen<br />
nicht voneinander unterscheiden, so sollten auch die Rangsummen sowie deren Mittel von<br />
ungefähr gleicher Größe sein (Brosius 2011). Die jeweils aufgestellte Hypothese (0-<br />
Hypothese) lautete: Die Stichproben entstammen einer gemeinsamen Grundgesamtheit,<br />
Diagnosegruppe X unterscheidet sich nicht von Diagnosegruppe Y. Ergab der Signifikanztest<br />
einen p-Wert größer 0,05 wurde die 0-Hypothese gemäß dem festgesetzten Signifikanzniveau<br />
beibehalten, lag der p-Wert unter 0,05 wurde die 0-Hypothese abgelehnt und somit<br />
signifikante Unterschiede zwischen den Gruppen festgestellt.<br />
Im nächsten Schritt sollten alle drei Diagnosegruppen gleichzeitig miteinander verglichen<br />
werden. Hierzu wurde der Signifikanztest nach Kruskal-Wallis durchgeführt. Bei diesem Test<br />
58