TY  - THES
A1  - Rücker, Viktoria
T1  - Time trends and determinants of stroke mortality in Germany
T1  - Zeitliche Trends und Einflussfaktoren auf die Schlaganfall-Sterblichkeit in Deutschland
N2  - In several countries, a decline in mortality, case-fatality and recurrence rates of stroke was observed. However, studies investigating sex-specific and subtype-specific (pathological and etiological) time trends in stroke mortality, case-fatality and recurrence rates are scarce, especially in Germany. The decline in ischemic stroke mortality and case-fatality might be associated with the high quality of acute care of ischemic stroke, but the exact determinants of early outcome remains unknown for Germany.

Therefore, as first step of this thesis, we investigated the time trends of subtype- and sex-specific age- standardized stroke mortality rates in Germany from 1998 to 2015, by applying joinpoint regression on official causes of death statistics, provided by the Federal Statistical Office. Furthermore, a regional comparison of the time trends in stroke mortality between East and West was conducted. In the second step, time trends in case-fatality and stroke recurrence rates were analyzed using data from a population- based stroke register in Germany between 1996 and 2015. The analysis was stratified by sex and etiological subtype of ischemic stroke. In the third step, quality of stroke care and the association between adherence to measures of quality of acute ischemic stroke care and in-hospital mortality was estimated based on data from nine regional hospital-based stroke registers in Germany from the years 2015 and 2016.

We showed that in Germany, age-standardized stroke mortality declined by over 50% from 1998 to 2015 both, in women and men. Stratified by the pathological subtypes of stroke, the decrease in mortality was larger in ischemic stroke compared to hemorrhagic stroke. Different patterns in the time trends of stroke were observed for stroke subtypes, regions in Germany (former Eastern part of Germany (EG), former Western part of Germany (WG)) and sex, but in all strata a decline was found. By applying joinpoint regression, the number of changes in time trend differed between the regions and up to three changes in the trend in ischemic stroke mortality were detected. Trends in hemorrhagic stroke were in parallel between the regions with up to one change (in women) in joinpoint regression. Comparing the regions, stroke mortality was higher in EG compared to WG throughout the whole observed time period, however the differences between the regions started to diminish from 2007 onwards.
 
Further it was found that, based on the population-based Erlangen Stroke Project (ESPro), case-fatality and recurrence rates in ischemic stroke patients are still high in Germany. 46% died and 20% got a recurrent stroke within the first five years after stroke. Case-fatality rates declined statistically significant from 1996 to 2015 across all ischemic stroke patients and all etiological subtypes of ischemic stroke. Based on Cox regression no statistically significant decrease in stroke recurrence was observed.

Based on the pooled data of nine regional hospital-based stroke registers from the years 2015 and 2016 covering about 80% of all hospitalized stroke patients in Germany, a high quality of care of acute ischemic stroke patients, measured via 11 evidence-based quality indicators (QI) of process of care, was observed. Across all registers, most QI reached the predefined target values for good quality of stroke care. 9 out of 11 QI showed a significant association with 7-day in-hospital mortality. An inverse linear association between overall adherence to QI and 7-day in-hospital mortality was observed.

In conclusion, stroke mortality and case-fatality showed a favorable development over time in Germany, which might partly be due to improvements in acute treatment. This is supported by the association between overall adherence to quality of care and in-hospital mortality. However, there might be room for improvements in long-term secondary prevention, as no clear reduction in recurrence rates was observed.
N2  - Ein Rückgang der Mortalität-, Letalität- und Rezidivraten nach einem Schlaganfall konnte in einigen Ländern in den letzten Jahren beobachtet werden. Es gibt, insbesondere für Deutschland, jedoch nur wenige Daten, die diese zeitlichen Trends stratifiziert nach Geschlecht und Schlaganfallsubtyp (pathologischer und ätiologischer Subtyp) ausgewertet haben. Der Rückgang der Mortalität und Letalität nach ischämischem Schlaganfall könnte mit der beobachteten hohen Qualität der Versorgung des akuten ischämischen Schlaganfalls zusammenhängen, jedoch sind für Deutschland die genauen Determinanten der frühen Sterblichkeit nach Schlaganfall noch unbekannt.

Aus diesem Grunde wurden in der vorliegenden Dissertation, im ersten Schritt zeitliche Trends von 1998 bis 2015 der altersstandardisierten und nach Subtyp und Geschlecht stratifizierten Mortalitätsraten untersucht. Dazu wurden die vom Statistischen Bundesamtes bereitgestellten Daten zur Todesursachenstatistik mittels Joinpoint Regression ausgewertet. Zusätzlich wurde ein regionaler Vergleich der zeitlichen Trends in der Schlaganfallmortalität zwischen der östlichen und westlichen Region von Deutschland durchgeführt. Im zweiten Schritt, wurde basierend auf einem deutschem bevölkerungsbasierten Schlaganfallregister mittels Cox Regression die zeitlichen Trends der Letalitätsraten und Rezidivraten des ischämischen Schlaganfalls zwischen 1996 und 2015 geschätzt. Die Analyse wurde stratifiziert nach Geschlecht und ätiologischem Subtyp des ischämischen Schlaganfalls. Im dritten Schritt wurde, basierend auf Daten von neun regionalen krankenhausbasierten Schlaganfallregistern der Jahre 2015 und 2016, die Qualität der Behandlung des akuten ischämischen gemessen und ein möglicher Zusammenhang zwischen dem Grad der Erfüllung von evidenzbasierten Qualitätsindikatoren und der Krankenhaussterblichkeit untersucht.

Wir konnten zeigen, dass von 1998 bis 2015 die altersstandardisierten Schlaganfall Mortalitätsraten über 50%, sowohl bei Männern als auch bei Frauen, abgenommen haben. Stratifiziert nach pathologischem Schlaganfallsubtyp zeigte sich ein stärkerer Rückgang in den Mortalitätsraten nach ischämischem Schlaganfall als in der Mortalitätsrate nach hämorrhagischem Schlaganfall. In allen Strata sind die Mortalitätsraten gesunken, jedoch unterschieden sich die zeitlichen Verläufe zwischen den Strata
 
(Geschlecht, Region). Die mittels Joinpoint Regression geschätzten Anzahlen an Änderungen im zeitlichen Trend der ischämischen Schlaganfall Mortalitätsraten variierten zwischen 0 und maximal 3 Änderungen, zwischen den Regionen und Geschlechtern. Die zeitlichen Trends der Mortalitätsraten nach hämorrhagischem Schlaganfall der beiden Regionen verliefen hingegen parallel zueinander und es zeigte sich nur bei Frauen eine Änderung in der Mortalitätsrate nach der Joinpoint Regression. Die Schlaganfall Mortalitätsraten im östlichen Teil von Deutschland waren über die gesamte Zeit hinweg höher als im westlichen Teil von Deutschland, jedoch glichen sich die Raten ab 2007 immer mehr einander an und es zeigte sich nur noch ein geringer Unterschied in 2015.

Die altersadjustierten Letalitätsraten und Rezidivraten nach ischämischem Schlaganfall waren in Deutschland, basierend auf Daten des bevölkerungsbasierten Erlanger Schlaganfall Registers, relativ hoch. Innerhalb der ersten fünf Jahre nach einem ischämischen Schlaganfall sterben 46% und 20% aller Patienten bekommen einen erneuten Schlaganfall. Von 1996 bis 2015 haben die Letalitätsraten nach Schlaganfall signifikant abgenommen, dies zeigte sich in allen Subtypen des ischämischen Schlaganfalls. Die Rezidivraten zeigten keinen signifikanten Rückgang.

Basierend auf gepoolten Daten aus den Jahren 2015/2016 von neun krankenhausbasierten Schlaganfall Registern in Deutschland, die ca. 80% aller hospitalisierten Schlaganfälle in Deutschland abdecken, ist die, mittels 11 evidenzbasierter Prozessindikatoren gemessene Qualität der Behandlung des ischämischen Schlaganfalls, hoch. In allen Registern lagen die meisten Qualitätsindikatoren über dem vorabdefinierten Referenzwert für eine gute Qualität an Schlaganfallversorgung. Ein Zusammenhang zwischen 7-Tage Krankenhaussterblichkeit und Erfüllung von einzelnen Qualitätsindikatoren, konnte bei 9 von 11 Qualitätsindikatoren gezeigt werden. Zusätzlich zeigte sich ein inverser Zusammenhang zwischen der Gesamteinhaltung von Qualitätsindikatoren und 7-Tage Krankenhaussterblichkeit.

Schlaganfall Mortalitätsrate und Letalitätsraten zeigten eine positive Entwicklung in allen Subtypen des Schlaganfalls über die letzten 20 Jahre. Dies könnte mit Verbesserungen in der Behandlung des akuten ischämischen Schlaganfalls im Krankenhaus zusammenhängen, da ein Zusammenhang zwischen der Erfüllung von Qualitätsindikatoren und der Krankenhaussterblichkeit besteht. Jedoch besteht
 
möglicherweise noch Verbesserungspotenzial in der langfristigen Sekundärprävention, da in den Rezidivraten kein klarer Rückgang erkennbar war.
KW  - Schlaganfall
KW  - Sterblichkeit
KW  - Rezidiv
KW  - Letalität
KW  - Trend
KW  - Qualitätsindikator
Y1  - 2021
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-233116
ER  - 
TY  - THES
A1  - Müller-Scholden, Lara
T1  - Einfluss spezifischer kardiovaskulärer Risikofaktoren und ihrer Kombination auf die Karotis-Intima-Media-Dicke und Erstellung von Normwerten – Ergebnisse der STAAB Kohortenstudie
T1  - Impact of particular Cardiovascular Risk Factors and their combination on Carotid-Intima-Media-Thickness (CIMT) and Development of Reference Values among Healthy Adults – Findings from the STAAB cohort study
N2  - Primary prevention in cardiovascular diseases is becoming more and more important as they are still the number one cause of morbidity and mortality in industrialized countries. Many cardiovascular events may even occur in clinically asymptomatic patients. The atherosclerosis as underlying pathogenesis is increasingly well understood and risk factors with a harmful influence are identified. However, by measuring the carotid-intima-media-thickness (CIMT) via B-mode ultrasound there is a widely accepted, safe, noninvasive, sensitive and reproducible technique to assess subclinical vascular diseases. The CIMT is established as a surrogate marker for atherosclerosis and its increase is associated with the presence of cardiovascular risk factors. The basic prerequisite for further risk stratification, according to the level of arteriosclerosis represented by the CIMT, is to define gender-, age- and region-specific reference values. The latest version of the international guidelines for cardiovascular risk prediction do no longer recommend the use of CIMT for cardiovascular risk prediction in the general population. This may be attributed to the fact, that the experts refer to studies in which only the measurement of a single segment was considered. Thus the aim of the present study was to assess a potential segment-specific impact of particular cardiovascular risk factors on the CIMT. Furthermore the goal was to evaluate the relevance of the existing models for risk prediction and to discuss the current recommendations for the use of CIMT. Additionally, reference values were developed from data of a representative group of the general population of Würzburg and the reproducibility of the data collection was examined.
Subjects derived from the population-based STAAB (Characteristics and Course of Heart Failure Stages A-B and Determinants of Progression) cohort study, that included people of the general population of Würzburg aged 30 to 79 years [12]. CIMT was measured on the far wall of both sides in three different predefined locations: common carotid artery (CCA), bulb, and internal carotid artery (ICA). Diabetes, dyslipidemia, hypertension, smoking and obesity were considered as risk factors. In multivariable logistic regression analysis, odds ratios of risk factors per location were estimated for the endpoint of individual age- and sex-adjusted 75th percentile of CIMT. These thresholds were derived from the standard values of the general population. An apparently healthy subpopulation was formed to generate these reference values, which consists only of people that did not exhibit any of the above mentioned risk factors or manifest cardiovascular diseases. 2492 subjects were included in the analysis. Segment-specific CIMT was highest in the bulb, followed by CCA, and lowest in the ICA. The reproducibility between the investigators was overall weaker than in comparable studies, therefore a potential improvement of the training protocol for inexperienced persons was assumed. Moreover, the results of the reproducibility analysis illustrate the need for a standardized, internationally recognized protocol for the training of CIMT investigators and an exact measurement protocol. The reference values of the apparently healthy population were consistent with values from other authors collected in a comparable way and formed the basis for further investigations. CIMT increases with age and independently with the number of risk factors. Dyslipidemia, hypertension, and smoking were associated with higher CIMT, but diabetes and obesity were not (OR (95% CI) between 1.28 (0.98 - 1.65), ACC, and 1.86 (1.53 - 2.27), bulb). We observed no segment-specific association between the three different locations and risk factors, except for a possible interaction between smoking and ICA. As no segment-specific association between cardiovascular risk factors and CIMT became evident, one simple measurement of one location may suffice to assess the cardiovascular risk of an individual. In addition, the identified risk factors are reflected in the current models for risk prediction and prevention, so that the added value of the use of CIMT in the general population loses importance.
N2  - Kardiovaskuläre Erkrankungen sind unverändert die häufigste Ursache für Morbidität und Mortalität in den Industrienationen [1]. Die Risikoprädiktion und -prävention dieser Erkrankungen ist von großer Bedeutung, unter anderem deswegen weil primäre Ereignisse bei bis dato asymptomatischen Personen auftreten können [2]. Die zugrundeliegende Pathogenese, die Arteriosklerose, ist immer besser erforscht und zugleich sind Risikofaktoren identifiziert, die einen schädlichen Einfluss haben [3, 4]. Durch die Messung der Karotis-Intima-Media-Dicke (Carotid-Intima-Media-Thickness, CIMT) mittels B-Mode Ultraschall steht eine weit verbreitete, sichere und anerkannte Methode zur Verfügung, mit der bereits subklinische Formen der Arteriosklerose erfasst werden können [5]. Die CIMT ist als Surrogatparameter für eine generalisierte Arteriosklerose im gesamten Gefäßsystem etabliert und ihre Zunahme wird mit dem Vorliegen von kardiovaskulären Risikofaktoren assoziiert [6-8]. In der Risikoprädiktion mit Hilfe der CIMT bilden  geschlechts-, alters- und regionalspezifische Normwerte die Basis [5]. Die aktuellen internationalen Leitlinien empfehlen in ihren neusten Fassungen, nicht mehr die CIMT zur kardiovaskulären Risikoprädiktion in der Allgemeinbevölkerung einzusetzen [1, 9]. Die Experten berufen sich auf Studien, in denen lediglich ein singuläres Messsegment betrachtet wurde [1, 9-11]. Das Ziel der vorliegenden Arbeit war es den Einfluss spezifischer kardiovaskulärer Risikofaktoren auf die verschiedenen Segmente der A. carotis zu erfassen und – davon ausgehend – den Stellenwert der vorhandenen Modelle zur Risikoprädiktion zu evaluieren. Des Weiteren wurden Normwerte aus einer repräsentativen Gruppe der Würzburger Allgemeinbevölkerung gebildet und die Reproduzierbarkeit der Ultraschalluntersuchung im Bereich der Halsschlagader überprüft. 
Den Berechnungen liegen Daten der STAAB-Kohortenstudie (Häufigkeit und Einflussfaktoren auf frühe STAdien A und B der Herzinsuffizienz in der Bevölkerung) zugrunde, einer große Bevölkerungsstudie, die seit 2015 Daten der Würzburger Bevölkerung erhebt [12]. Es wurden Probanden zwischen mit einem Alter zwischen 30 und 79 Jahren eingeschlossen. Die CIMT wurde auf beiden Seiten des Halses auf der schallkopffernen Seite an drei vorab definierten Lokalisationen des Gefäßes, der A. carotis communis (ACC), dem Bulbus und der A. carotis interna (ACI), vermessen. Es wurden die fünf Risikofaktoren Diabetes mellitus, Dyslipidämie, Hypertonie, Rauchen und Übergewicht berücksichtigt. Mittels einer logistischen Regression wurde der spezifische Einfluss dieser Faktoren auf die individuelle, alters- und geschlechtsbasierte 75. Perzentile der CIMT in den einzelnen Lokalisationen betrachtet. Diese Grenzwerte stammten aus den eigens erstellten Normwerten für die Allgemeinbevölkerung. Es wurde eine „gesunde“ Subpopulation zur Erstellung dieser Normwerte gebildet, die keine der oben genannten Risikofaktoren sowie keine manifesten kardiovaskulären Erkrankungen aufwiesen.
Die Auswertung umfasste die Daten von insgesamt 2492 Probanden. Die segmentspezifische CIMT war am größten im Bereich Bulbus, gefolgt von der ACC und der ACI. Männer hatten höhere Wanddickenwerte und mehr Risikofaktoren als Frauen. Die Reproduzierbarkeit zwischen den einzelnen Untersuchern war insgesamt moderat bis stark. Im Vergleich zu anderen Studien zeigte sich jedoch insgesamt eine schwächere Übereinstimmung, so dass von einer potentiellen Verbesserung des Schulungsprotokolls für unerfahrene Personen ausgegangen wird. Die Ergebnisse der Reproduzierbarkeitsanalyse verdeutlichen den Bedarf eines standardisierten, international anerkannten Protokolls zur Schulung von Untersuchern der CIMT und eines exakten Messprotokolls [5, 13]. Die erhobenen Normwerte der „Gesunden“ zeigten eine Konsistenz mit verschiedenen, auf vergleichbare Weise erhobenen Werten und bildeten die Basis für die weiteren Untersuchungen. Die CIMT nahm mit dem Alter und – unabhängig davon – ebenfalls mit der Anzahl an Risikofaktoren zu. Die Faktoren Dyslipidämie, Rauchen und Hypertonie hatten einen statistisch signifikanten Einfluss für das Überschreiten des Grenzwertes der 75. Perzentile (OR (95 % KI) zwischen 1,28 (0,98 – 1,65), ACC, und 1,86 (1,53 – 2,27), Bulbus) [14]. Die Faktoren Diabetes mellitus und Übergewicht zeigten im verwendeten Modell keinen Effekt auf die CIMT. Insgesamt konnte, bis auf eine mögliche Interaktion zwischen dem Risikofaktor Rauchen und der ACI, kein segmentspezifischer Effekt beobachtet werden [14]. Daraus resultierend wurde die Hypothese aufgestellt, dass zur Erfassung des kardiovaskulären Risikos einer Person die Messung eines singulären Segments möglicherweise ausreicht [14]. Dies stärkt die neusten Empfehlungen der Leitlinien, die sich auf Studien berufen, welche eben nur ein Segment betrachteten. Die identifizierten Risikofaktoren spiegeln sich darüber hinaus in den gängigen Modellen zur Risikoprädiktion und -prävention wider. Demnach gerät der Einsatz der CIMT zur Bestimmung des individuellen Risikos von Personen der Allgemeinbevölkerung in den Hintergrund [15].
KW  - Arteriosklerose
KW  - Karotis-Intima-Media-Dicke
KW  - Risikofaktoren
Y1  - 2021
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-220292
ER  - 
TY  - THES
A1  - Malsch, Carolin
T1  - Charakterisierung von Punkt- und Intervallschätzern des gemittelt sequenziellen Populations-assoziierten Risikoanteils in der Epidemiologie kardiovaskulärer Erkrankungen
T1  - Characterization of Point and Interval Estimators for Average Sequential Population Attributable Fraction in Cardiovascular Disease Epidemiology
N2  - Zielsetzung
Die Entwicklung von Präventionsstrategien zur Senkung der Morbidität und Mortalität aufgrund von kardiovaskulären Erkrankungen (KVE) in der Bevölkerung stellt eine Hauptaufgabe der Epidemiologie und Public Health Forschung dar.
In den vergangenen 20 Jahren rückte die Hochrisikoprävention im Zuge der Weiterentwicklung der Scoringsysteme für das KVE Hochrisiko-Screening in den Fokus der Leitlinien zur KVE Prävention.
Jedoch sind die größten Erfolge aus einer komplementären Strategie aus Hochrisiko- und Populationsprävention mit Priorität auf der Reduktion der Exposition von Risikofaktoren für KVE in der gesamten Population zu erwarten.

Die Grundvoraussetzung für die Entwicklung effizienter, populationsweiter Präventionsprogramme ist das Verständnis einerseits der Rolle von Risikofaktoren bei der Krankheitsentstehung und andererseits der Bedeutung der Risikofaktoren auf Populationsebene.
Der Populations-assoziierte Risikoanteil (PAF) ist das bevorzugte statistische Maß zur Quantifizierung des Effekts von Risikofaktoren auf Populationsebene, da er neben der Effektstärke eines Risikofaktors auch dessen Prävalenz berücksichtigt.
In der Praxis erfolgt die Berechnung des PAF in multifaktoriellen Situationen mithilfe von Adjustierungsansätzen oder Partialisierungsansätzen.
Partialisierungsansätze, zu denen auch der gemittelt sequenzielle PAF (gsPAF) gehört, erfüllen die Additivitätseigenschaft.
Insbesondere der gsPAF kommt daher in der praktischen Anwendung zunehmend häufiger zum Einsatz.
Das Ziel der vorliegenden Arbeit ist die Charakterisierung des gsPAF am Beispiel der Epidemiologie von KVE. 

Methoden
In Projekt 1 erfolgt die theoretische Abgrenzung des gsPAF von anderen Adjustierungs- und Partialisierungsverfahren in Bezug auf Intention, Definition, Modellvoraussetzungen und -annahmen und Interpretation. Diese verschiedenen Konzepte werden in einer einheitlichen mathematischen Symbolik dargestellt, um das Verständnis zu erleichtern und Abweichungen in den Definitionen hervorzuheben. Anschließend wird in Projekt 2 der praktische Vergleich von modellbasierten Punktschätzern vorgenommen. Im Rahmen der Sekundäranalyse der ProsCIS-Studie über den Populationseinfluss von Risikofaktoren auf schlechtes Outcome nach Schlaganfall werden dem gsPAF ein additiver und ein multiplikativer Adjustierungsansatz gegenübergestellt und die Schätzergebnisse hinsichtlich Übereinstimmung der Größenordnung und Rangfolgen analysiert. In Projekt 3 werden im Rahmen einer Simulationsstudie nach dem proof-of-concept-Prinzip die asymptotischen Eigenschaften existierender modellfreier und modellbasierter Schätzer des gsPAF in Verbindung mit resamplingbasierten Konfidenzschätzern in einer Situation mit einem binären Outcome und drei binären Risikofaktoren unter insgesamt 296 Modellsituationen charakterisiert. Dabei wird die Abhängigkeit von der Stichprobengröße, der Prävalenz des Outcomes, der Prävalenz und Effektstärke der Risikofaktoren, der stochastischen Abhängigkeit der Risikofaktoren und ihrer Effekte auf das Outcome, der Vollständigkeit des statistischen Modells sowie des Outcome-Mechanismus untersucht. Abschließend erfolgt in Projekt 4 die Demonstration der gsPAF-Schätzung exemplarisch im Rahmen der Sekundäranalyse des deutschen Arms der EUROASPIRE IV-Studie. Hier wird der Einfluss von Baselinefaktoren auf das Auftreten rekurrenter kardiovaskulärer Ereignisse nach erstmaliger Hospitalisierung auf Populationsebene modelliert. Die Ergebnisse werden anschließend einer umfassenden Methodenkritik unterzogen. Dazu wird die Modellanpassung der Regressionsmodelle überprüft, die Performanz der gsPAF-Schätzung mit Hilfe der zuvor entwickelten Simulationsstudie evaluiert, eine exemplarische Stichprobenumfangsplanung durchgeführt sowie die Angemessenheit der Modellannahmen des gsPAF diskutiert.

Ergebnisse
%Die Möglichkeiten der statistischen Modellierung von PAF sind nahezu unbegrenzt.
Projekt 1: Adjustierungs- und Partialisierungsmethoden beantworten verschiedene Fragestellungen. Dies resultiert aus dem unterschiedlichen Umgang beider Methoden mit Subgruppen, die bezüglich mehrerer Risikofaktoren gleichzeitig exponiert sind, und führt infolgedessen auch zu unterschiedlichen Interpretationen. Der PAF beschreibt den Anteil an der Ereigniswahrscheinlichkeit, der mit dem Vorliegen eines Risikofaktors assoziiert ist. Für den gsPAF muss zusätzlich betont werden, dass der Effekt in Subgruppen mit mehreren Risikofaktoren auf additive Weise zerlegt und der Anteil des Zusammenwirkens der beteiligten Risikofaktoren (Surplus) zu gleichen Anteilen den Risikofaktoren zugewiesen wird. 
Dahinter steckt die Annahme, dass dieser Teil nur durch das Zusammenwirken überhaupt entstehen konnte, wofür beide Risikofaktoren gleichermaßen verantwortlich gemacht werden. Im Gegensatz zu Adjustierungsmethoden erfüllen Partialisierungsmethoden zwar die Additivitätseigenschaft, gehen jedoch gleichzeitig mit spezifischen Modellannahmen einher, die Kenntnisse über die kausalen Verläufe der Risikofaktoren voraussetzen. Im Falle des gsPAF ist dies die Annahme, dass unter den betrachteten Risikofaktoren keine hierarchischen Abhängigkeiten herrschen.

Die theoretische Basis des gsPAF ist derzeit nur für dichotome Outcomes umfangreich erarbeitet und deckt hier alle Ansprüche für den Praxiseinsatz ab: Modellfreie und modellbasierte Punktschätzer, zugehörige Varianzschätzer mit und ohne Berücksichtigung von Störgrößen und Konfidenzschätzer stehen zur Verfügung. Mathematische Eigenschaften wie Symmetrie, Dummyeigenschaft, Additivität und (internen) marginalen Rationalität des gsPAF und anderer Partialisierungsansätze wurden erörtert. Die verfügbare Software stellt derzeit nur Ausschnitte des Methodenspektrums zur Schätzung des gsPAF bereit und ist deshalb für den Einsatz in der empirischen Forschung zu KVE nur begrenzt nützlich. Eine erfolgreiche und effiziente Recherche zum gsPAF wird durch die uneinheitliche Verwendung der Fachtermini ''partieller'' und ''gemittelt sequenzieller'' PAF erschwert.

Projekt 2: Der Vergleich von Ergebnissen aus einem Adjustierungsansatz mit Ergebnissen aus einem Partialisierungsansatz ist über den kombinierten PAF möglich, da der unterschiedliche Umgang mit Subgruppen, die bezüglich mehrerer Risikofaktoren gleichzeitig exponiert sind, nicht zum Tragen kommt, solange nur der kombinierte Risikofaktor im statistischen Modell berücksichtigt wird. Anhand des Datenbeispiels der ProsCIS-Studie wurde für diesen Parameter keine Abweichung der Ergebnisse des multiplikativen Ansatzes (Faktor 1,0) und nur eine geringe Abweichung des additiven Ansatzes (Faktor 1,1) vom gsPAF beobachtet. Die Größenordnungen der Schätzwerte einzelner Risikofaktoren sowie deren Summe sind zwischen Adjustierungs- und Partialisierungsmethoden nicht vergleichbar. Die Ergebnisse aus dem multiplikativen Regressionsmodell weichen bis zu einem Faktor von 1,3 von den Schätzwerten des gsPAF ab. Die Abweichungen aus dem additiven Regressionsmodell gehen deutlich darüber hinaus. Der gsPAF liefert nahezu additive Schätzergebnisse, während die Summe der risikofaktorspezifischen Schätzwerte aus den beiden Adjustierungsmethoden den kombinierten PAF übersteigt. Im Gegensatz zu vorangegangenen Studien wird die Rangfolge der Risikofaktoren im Datenbeispiel nicht wesentlich von der Schätzmethode beeinflusst.

Projekt 3: Die Simulationsstudie charakterisiert die modellfreien und modellbasierten Punktschätzer des gsPAF und belegt deren Konsistenz und (asymptotische) Erwartungstreue, sofern das statistische Modell korrekt spezifiziert ist. Es zeigt sich, dass in kleinen Stichproben oder bei kleinen Ereigniswahrscheinlichkeiten der modellbasierte Schätzer erwartungstreu und damit dem modellfreien Schätzer überlegen ist. Die Berechnungszeit des modellbasierten Schätzers steigt jedoch superlinear mit steigender Stichprobengröße und mit steigender Anzahl von Variablen im Regressionsmodell an. Resamplingbasierte Methoden wie Bootstrap Normal, Perzentil und Jackknife eignen sich für die Schätzung von Konfidenzintervallen des gsPAF. Auch hier ist ein superlinearer Anstieg der Berechnungszeit insbesondere in Verbindung mit dem modellbasierten Schätzer mit steigender Stichprobengröße und mit steigender Anzahl der Risikofaktoren im statistischen Modell zu beobachten.
Biologische Interaktionen von Risikofaktoren im Outcome-Mechanismus verändern die Wahrscheinlichkeit für Ereignisse in Subgruppen mit mehreren Risikofaktoren weg von einem stochastisch unabhängigen und hin zu einem stochastisch abhängigen Szenario. Diese Ereigniswahrscheinlichkeiten werden durch die Anpassung der Parameter im binär-logistischen Regressionsmodell angenähert. Modelle ohne Interaktionsterme repräsentieren aus statistischer Sicht immer einen Outcome-Mechanismus mit stochastischer Abhängigkeit. Interaktionsterme sind nur dann als biologische Interaktionen zu interpretieren, wenn der biologische Outcome-Mechanismus korrekt durch die logistische Regressionsfunktion beschrieben wird. Anderenfalls dienen die Interaktionsterme nur der Modellanpassung und spiegeln nicht die An- oder Abwesenheit biologischer Interaktionen wider. Die Vernachlässigung von relevanten Interaktionstermen führt zu ernstzunehmenden Verzerrungen der Modellparameter und infolgedessen zu stark verzerrten gsPAF-Schätzungen. Dies ist jedoch durch eine gewissenhafte Überprüfung der Modellanpassung während der Auswertung vermeidbar. Grundsätzlich liefert die modellbasierte Schätzung des gsPAF mit allen Interaktionstermen immer unverzerrte Ergebnisse.

Die benötigte Stichprobengröße für eine aussagekräftige Schätzung des gsPAF übersteigt die für relative Maße und steigt mit der Anzahl zu betrachtender Variablen im Modell und mit sinkender Prävalenz des Outcomes an. Während für den PAF steigende Effektgrößen der Risikofaktoren die benötigte Stichprobengröße verkleinern, wurde in der Simulationsstudie ein umgekehrter Zusammenhang für den gsPAF beobachtet.


Projekt 4: Die in den Projekten 1 und 3 gewonnenen Erkenntnisse wurden im Rahmen der Datenanalyse der EUROASPIRE IV-Studie am Praxisbeispiel untersucht und diskutiert. Das Regressionsmodell ohne Interaktionsterme lieferte verzerrte gsPAF-Schätzungen, was durch die Berücksichtigung von Interaktionstermen korrigiert werden konnte. Die resamplingbasierten Konfidenzintervalle überdeckten große Teile des Wertebereiches des gsPAF und liefern somit keine nützlichen Informationen für die epidemiologische Interpretation der Studienergebnisse. Die Validierung der gsPAF-Schätzungen mit Hilfe der Simulationsstudie machte auf die mangelnde Performanz der Punkt- und Konfidenzintervalle aufgrund der verhältnismäßig kleinen Stichprobengröße für die betrachtete Anzahl der Risikofaktoren aufmerksam. Die benötigte Stichprobengröße für eine performante Schätzung des gsPAF in einer Datensituation wie in der EUROASPIRE IV-Studie beobachtet wurde mit Hilfe der Simulationsstudie ermittelt.
Dabei wurde deutlich, dass etwa das Zehnfache der vorliegenden Stichprobengröße benötigt würde, um den modellfreien Schätzer des gsPAF zusammen mit resamplingbasierten Konfidenzintervallen mit einer ausreichenden Performanz schätzen zu können.
Da unter den in EUROASPIRE IV betrachteten Risikofaktoren hierarchische Abhängigkeiten vorliegen könnten, sind die Voraussetzungen für die Schätzung des gsPAF nicht erfüllt. Anstelle des gsPAF könnte im vorliegenden Beispiel ein adjustierter Schätzer zum Einsatz kommen, oder, sofern genügend Informationen über die kausalen Zusammenhänge unter den Risikofaktoren vorliegen, auch sequenzielle oder proportionale Partialisierungsansätze. Die durchgeführte Methodenkritik in Projekt 4 ermöglicht es, weitere Schritte zur Steigerung der Aussagekraft der Studienergebnisse zu unternehmen, beispielsweise durch die Wahl geeigneter statistischer Methoden und die Erhöhung des Stichprobenumfangs. 

Schlussfolgerungen
Die Grundvoraussetzungen für die Gewinnung qualitativ hochwertiger Daten sind bekanntermaßen die Wahl eines der Forschungsfrage angemessenen Studiendesigns sowie die sorgfältige Studienplanung. Aufgrund der hohen Anzahl der Risikofaktoren und Störgrößen für kardiovaskuläre Erkrankungen sowie der Komplexität ihrer kausalen Verläufe erfordern Beobachtungsstudien zu KVE große Stichproben, um eine unverzerrte und valide Schätzung der Effekte von Risikofaktoren zu ermöglichen.

Doch die gewonnenen Erkenntnisse eignen sich nur dann für Schlussfolgerungen im epidemiologischen und Public Health Kontext dann, wenn auch die statistische Analyse der Studiendaten mit einer ebenso hohen Qualität erfolgt.
Eine qualitativ hochwertige Datenanalyse zeichnet sich aus durch
(1) die Auswahl der statistischen Methoden passend zur Forschungsfrage,
(2) die Berücksichtigung aktueller methodischer Forschungsergebnisse, 
(3) die sorgfältige Überprüfung der Modellannahmen und Modellanpassung,
(4) die Sicherstellung und Überprüfung einer guten Performanz der Punkt- und Konfidenzschätzer und 
(5) die realistische Interpretation der Ergebnisse unter Berücksichtigung der Modellvoraussetzungen und -annahmen.


Ein gewissenhafter Umgang mit den statistischen Methoden ist erforderlich, um belastbare Schlussfolgerungen aus Beobachtungsstudien ziehen zu können. Dies gilt insbesondere im Kontext von Sekundärdatenanalysen, die einen beträchtlichen Anteil der Publikationen darstellen. Simulationsstudien sind ein schlagkräftiges Werkzeug für die Validierung der verwendeten statistischen Methoden und ermöglichen die Einschätzung des Informationsgehaltes von Analyseergebnissen. Sie sind ausgesprochen flexibel und lassen sich an beliebige Datensituationen anpassen. Das macht sie zu einem unverzichtbaren Qualitätskriterium für die Publikation empirischer Studien. Jeder Validierungsschritt trägt wesentlich zu einer verbesserten Qualität der Publikationen bei. Damit entsteht eine solide Basis, um die kausalen Verläufe der Risikofaktoren aufzudecken und die Entwicklung von Präventionsprogrammen zur Verbesserung des Gesundheitsstatus in der Population durch Reduktion der Morbidität und Mortalität von KVE voranzubringen.
N2  - Aims
The development of prevention programs to reduce morbidity and mortality from cardiovascular diseases (CVD) in the population is a fundamental principle in epidemiology and public health research. During the last two decades, the development and advances of high-risk screening scores led to an increased emphasis on high-risk approaches in guidelines for CVD prevention. However, best results in reducing morbidity and mortality from CVD in the population are expected from a complementary strategy including both, high-risk and population-wide prevention, with priority on reducing the exposure of CVD risk factors in the population.

The prerequisite for the development of efficient population-wide prevention programs is a precise understanding of the risk factors' roles in the disease mechanism and their overall impact on the population. Population-attributable fraction (PAF) is the preferred statistical measure to quantify the overall effect of one or more risk factors from the population perspective, since it takes the risk factor’s effect size as well as its prevalence into account. In multifactorial situations, PAF can be calculated via adjustment or partialization approaches. The average sequential PAF (gsPAF) belongs to the latter group and shares the property of additivity. This measure is increasingly used in practical applications of CVD research recently.
This dissertation aims to characterize the gsPAF in an exemplary way for application in CVD research.

Methods
In project 1, gsPAF is compared to other adjustment and partialization methods from a theoretical point of view with focus on intention, definition, model requirements and assumptions and interpretation. A unified mathematical formalism is chosen to facilitate the understanding of similarities and discrepancies between the concepts. The practical comparison of model-based point estimators is conducted in project 2 by analyzing the population impact of risk factors for death and functional dependency one year after stroke in the course of a secondary data analysis of the ProsCIS study. Three model-based estimators, namely the gsPAF, the adjusted PAF from a multiplicative and the adjusted PAF from an additive regression model, are analyzed regarding consistency of magnitudes and the ranking of estimates. In project 3, a simulation study following the proof-of-concept principle reveals the asymptotic properties of non model-based and model-based gsPAF estimators in conjunction with resampling-based confidence intervals in a situation with a binary outcome and three binary risk factors under 296 different model situations. Dependency of the estimators with respect to sample size, prevalence of outcome, prevalence and effect size of risk factors, interactions between risk factors and combined effects on outcome, completeness of statistical models and outcome mechanism is analyzed. Non model-based and model-based gsPAF estimators are used in project 4 in the course of a secondary analysis of data from the German subgroup of the EUROASPIRE IV-study to investigate the population impact of risk factors on recurrent cardiovascular events after first-ever hospitalization. Subsequently, a comprehensive assessment of methodology is conducted, including (a) examination of model fit and performance considerations under the given data condition using the simulation study, (b) illustrative sample size calculation and (c) discussion of suitability of model requirements and assumptions in order to ensure a valid estimation and interpretation of study results.

Results
Project 1: Adjustment and partialization methods provide answers to different questions. This results from their divergent strategies of handling subgroups with multiple exposures and consequently leads to different interpretations. PAF can be interpreted as the amount of outcome probability, that is associated with the presence of a risk factor in the population. In the interpretation of gsPAF estimates it must be stressed that the effect in subgroups with multiple exposures is partitioned in an additive manner and the resulting summand related to the joint effect (called ''surplus'') is evenly apportioned and assigned to the involved risk factors. This mechanism covers the implicit assumption, that existence of the surplus is caused by the joint action of the risk factors, which holds both factors equally accountable. In contrast to adjustment methods, partialization methods fulfill the property of additivity. However, this happens in exchange for further model assumptions which require understanding of the causal relationships of the risk factors. In the case of gsPAF, the assumption is that there are no mutual hierarchical dependencies among the risk factors. The soundness of such assumptions about the underlying biological mechanisms must be reviewed critically.

The theoretical basis of gsPAF is developed extensively for binary outcomes and meets the various demands of practical applications: non model-based and model-based point estimators, corresponding variance estimators with or without adjustment for confounders, and confidence estimators are available and the mathematical properties of the gsPAF are elucidated. Yet, available software packages cover only parts of these various methodological options and are therefore of limited value for application in CVD research. An efficient enquiry of gsPAF literature is hampered by the heterogeneous use of the technical terms ''average sequential'' and ''partial'' PAF.

Project 2: Estimation results from adjustment and partialization methods can be compared with regard to the combined PAF, since the diverging strategies of handling subgroups with multiple exposures has no impact as long as only one risk factors, namely the combined risk factor, is considered. The results from the secondary analysis of the ProsCIS-study show no discrepancy of combined PAF between gsPAF and the adjusted PAF based on a multiplicative regression model (factor 1.0) and only a small deviation for the adjusted PAF based on an additive regression model (factor 1.1). Worthy of note is, however, the incomparability of magnitudes and ordering of risk factor specific estimates. Estimates of gsPAF are surpassed from adjusted PAF based on multiplicative regression by factor 1.3 and from adjusted PAF based on a additive regression by even higher factors. While gsPAF yields fairly additive results, both adjustment methods do not. In contrast to previous results, no notable alteration of the risk factors' ordering was observed in the ProsCIS-study with regard to the model choice of PAF.
Project 3: The simulation study characterizes non model-based and model-based estimators of the gsPAF and proves both, consistency and asymptotic unbiasedness, given that the statistical model is correctly specified with respect to interaction  terms and completeness of variables in the model. The model-based estimator is unbiased even in small samples and in situations with small outcome prevalences and outperforms the non model-based estimator. However, computational time of the model-based estimator increases with increasing sample size and number of variables in the model. Resampling-based methods such as Bootstrap with normality assumption and percentile as well as Jackknife are suited for confidence interval estimation. Here, the computational time especially in conjunction with the model-based estimator shows a superlinear increase with increasing sample size. Sufficient sample sizes for performant estimations of gsPAF exceed those for relative effect measures such as risk and odds ratio and increase with increasing number of variables and decreasing prevalence of outcome.
While sample sizes for PAF decrease with increasing prevalence and effect size of a risk factor, a reverse relation was observed for gsPAF, stressing the need for further investigations using a stretch-methods simulation study that also takes the asymptotic variance formula and resulting confidence intervals into account.

Biological interactions cause the outcome probability in subgroups with multiple risk factors to shift from the expected probability under stochastic independence towards stochastic dependence. These outcome probabilities are targeted with binary-logistic regression analysis by estimating the regression coefficients. Binary-logistic regression models without interaction terms, however, represent an outcome mechanism that corresponds to stochastic dependency. This means, interaction terms do not necessarily reflect the presence or absence of biological interactions. In fact, interaction terms in the regression model represent biological interactions only if the outcome mechanism is properly described by the logistic regression function. Ignoring relevant interaction terms when fitting a model causes a poor estimation of regression parameters and yields severely biased gsPAF estimates. This can be avoided by examining the consistency of the stratum-specific outcome probabilities in the data set with the predicted probabilities from the fitted regression model. In addition, using a regression model with full interaction pattern when estimating gsPAF guarantees unbiased estimates.

Project 4: The findings from projects 1 and 3 were considered during the analysis of the EUROASPIRE IV-study.
The regression model without interaction terms led to biased regression parameters and gsPAF estimates, which was corrected by introducing interaction terms. Resampling-based confidence intervals covered large parts of the range of gsPAF and failed to provide useful information.Validation of the gsPAF estimates using a simulation study revealed an insufficient performance of point and confidence interval estimators due to the relatively small sample size for the chosen number of risk factors. The required sample size for a performant estimation of the gsPAF in a data situation as observed in the EUROASPIRE IV study was calculated using the simulation study. It was shown, that the actual sample size multiplied by approximately factor ten would be sufficient to estimate the non model-based gsPAF and resampling-based confidence intervals with a satisfying performance. Due to the fact, that hierarchical dependencies of the risk factors could be possible, the model requirements for gsPAF estimation are not fulfilled. Instead of gsPAF, the adjusted PAF seems to be a better choice. Also sequential or proportional PAF could be more suitable, if sufficient information about the causal relationships between the risk factors is available. These findings provide opportunity to take further steps for improving the data situation and analysis, for example by pooling data sets from comparable studies and choosing more appropriate statistical methods.

Conclusions 
The prerequisites for a good quality of the study data are known to be an appropriate study design and a prudent study planning and implementation process. Due to the high number and complex causal pathways of risk factors and confounders, observational studies on CVD require large sample sizes to ensure unbiased and high performant estimates. However, findings that are valuable for interpretation and conclusions in the epidemiological and public health context also depend on an equally high-standard data analytics process. A high-quality data analysis is characterized by (1) the application of statistical methods suitable to the research question, (2) the consideration of recent methodological advancements, (3) a careful examination of model assumptions and model fitting, (4) the verification of reasonable performance of point and interval estimators and (5) a realistic interpretation of results while accurately considering model requirements and assumptions.

A decent validation of study results indicates the conscientiousness and diligence that is necessary when using statistical methods to draw conclusions from observational data, in particular in the context of secondary data analysis. Simulation studies are a powerful tool for validation of statistical methods and allow judging the informative value of the obtained results. They are utmost flexible and can be adapted to a wide range of data situations, what makes them to an indispensable quality criterion for the publication of empirical study results. Every validation step contributes to an improvement of the quality of publications. This provides a sound basis for unraveling the causal pathways of risk factors and developing prevention programs to improve the health status in the population by reducing morbidity and mortality from CVD.
KW  - population attributable fraction
KW  - attributable risk
KW  - attributable fraction
Y1  - 2021
U6  - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-238161
ER  -