-Universitätsklinikder
resolver
resolver
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.