19.02.2016 Aufrufe

-Universitätsklinikder

resolver

resolver

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

43<br />

4.4. Einflussvariablen auf den NN<br />

Mit Hilfe des logistischen Regressionsmodells wurde der Einfluss von<br />

mehreren unabhängigen Variablen auf das Vorhandensein oder die<br />

Abwesenheit der abhängigen Variable „nodaler Nävus“ untersucht. Die zuvor<br />

in der univariaten Analyse untersuchten signifikanten Parameter waren die<br />

anatomische Lokalisation des Primarius, der Subtyp des Melanoms und das<br />

Geschlecht.<br />

Dabei erwies sich das männliche Geschlecht als ein signifikant positiver<br />

Vorhersagewert für einen NN mit einem Regressionskoeffizienten von 0,68 (r<br />

> 0, positive Beziehung) und einem 95%-Konfidenzintervall zwischen 1,1 und<br />

3,6. Die Odds Ratio betrug 2 (> 1) und bestätigte damit, dass die abhängige<br />

Variable NN häufiger mit dem Auftreten der unabhängigen Variable<br />

„männliches Geschlecht“ erscheint als ohne diese (Standard Error: 0,31, P =<br />

0,029). Jedoch konnte diese Aussage nach zusätzlicher Einbeziehung der<br />

Variable „anatomische Lokalisation des Primarius“ nicht länger im<br />

logistischen Regressionsmodell bestätigt werden.<br />

Wenn sich der Primarius an den unteren Extremitäten befand, so<br />

präsentierte sich diese Lokalisation als der stärkste negative Vorhersagewert<br />

für das Auftreten eines NN. Der Regressionskoeffizient lag mit -2,2 deutlich <<br />

0, was für eine inverse Beziehung zwischen der Lokalisation des Primarius<br />

an den unteren Extremitäten und dem Vorhandensein eines NN spricht. Das<br />

95%-Konfidenzintervall lag zwischen 0,034 und 0,36. Die OR von 0,11 lag<br />

deutlich < 1 und beschreibt somit auch, dass ein NN seltener im<br />

Zusammenhang mit einem Primarius der unteren Extremität auftratt als an<br />

einer anderen Lokalisation (Standard Error: 0,60, P = 0,0002).<br />

Die Anpassungsgüte, welche die Qualität statistischer Modelle beurteilt, hatte<br />

ein geringes Signifikanzniveau von 0,0001, sodass die Nullhypothese<br />

verworfen werden konnte. Die ROC-Kurvenanalyse, auch<br />

Grenzwertoptimierungskurve genannt, dient der Bewertung von<br />

Analysestrategien und ist ein Qualitätsmaß. Eine Fläche unterhalb der Kurve<br />

zwischen 0,5 und 1 wird als die optimale Fläche beschrieben. In diesem Fall<br />

ergab diese Fläche einen moderaten Wert von 0,66.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!