Statistische Methoden für Meta-Analysen mit Doppel-Null-Studien

Der Bedarf an Meta-Analysen and System Revision ist in den letzten Jahren vor DEM Hintergrund der Einführung and Eablierung der print zipien der“循证医学”(EBM)sowohl Under Praktitiierenden im Gesundheitswesen以及Ebene der Entscheidungsträger netscheidungsträger Ebene der Entscheidungsträger en gewachsen。这是一种特殊的个人生活方式，也是一种新的政治和经济形式。现在所有的统计方法和方法都是Meta-analysis inzwitchen gut sechrieben and etabliert sind，gibt es Falle von seltenen binären Ereignissen(Nebenwirkungen oder Ereignisse，die Sinherheit von Intervenonen end)in m an noch noch unssicherheiten die and zuwendenden统计schen Verfahren。在问题的基础上，从统计方法和Meta-analystischen统计方法两个方面进行了详细的分析，并提供了一些信息。在标准软件umgesetzt和bzgl中，Diese Methoden Sollen Systatich zusamengestellt。我们对此进行了统计，并对其进行了模拟。

Der Bedarf an Meta-Analysen und systematischen Reviews ist in den letzten Jahren vor dem Hintergrund der Einführung und Etablierung der Prinzipien der „Evidencebased medicine“ (EBM) sowohl unter Praktizierenden im Gesundheitswesen als auch auf der Ebene der Entscheidungsträger enorm gewachsen. Erkenntnisse aus derartigen Studien werden als Grundlage individueller Patientenversorgung einerseits, aber zunehmend auch für gesundheitspolitische und gesundheitsökonomische Entscheidungen herangezogen. Während die allgemeinen statistischen Methoden für die Meta-Analyse inzwischen gut beschrieben und etabliert sind, gibt es im Falle von seltenen binären Ereignissen (Nebenwirkungen oder Ereignisse, die Sicherheit von Interventionen betreffend) immer noch Unsicherheiten über die anzuwendenden statistischen Verfahren. Vor allem Einzelstudien komplett ohne Ereignisse („Doppel-Null-Studien") stellen hierbei ein Problem dar. Das hier beantragte Projekt widmet sich statistischen Methoden der Meta-Analyse für binäre Zielgrößen, die auch die Information aus Studien ohne Ereignisse („Doppel-Null- Studien") nutzen und dabei auf die Addition von Pseudo-Beobachtungen verzichten. Diese Methoden sollen systematisch zusammengestellt, in Standardsoftware umgesetzt und bzgl. ihrer statistischen Güte in einer Simulationsuntersuchung verglichen werden.