Articles

Health Knowledge

by admin

BITTE BEACHTEN SIE:

Wir sind derzeit dabei, dieses Kapitel zu aktualisieren, und wir bedanken uns für Ihre Geduld, während dies abgeschlossen wird.

Befangenheit in epidemiologischen Studien

Während die Ergebnisse einer epidemiologischen Studie den tatsächlichen Effekt einer Exposition (en) auf die Entwicklung des untersuchten Ergebnisses widerspiegeln können, sollte immer berücksichtigt werden, dass die Ergebnisse tatsächlich auf eine alternative Erklärung zurückzuführen sein können1.Solche alternativen Erklärungen können auf die Auswirkungen von Zufall (zufälliger Fehler), Verzerrung oder Verwechslung zurückzuführen sein, die zu falschen Ergebnissen führen können, was uns zu dem Schluss führt, dass eine gültige statistische Assoziation existiert, wenn man nicht existiert, oder alternativ das Fehlen einer Assoziation, wenn man wirklich anwesend ist1.Beobachtungsstudien sind besonders anfällig für die Auswirkungen von Zufall, Bias und Confounding, und diese Faktoren müssen sowohl in der Entwurfs- als auch in der Analysephase einer epidemiologischen Studie berücksichtigt werden, damit ihre Auswirkungen minimiert werden können.

Bias

Bias kann definiert werden als jeder systematische Fehler in einer epidemiologischen Studie, der zu einer falschen Schätzung der tatsächlichen Auswirkung einer Exposition auf das interessierende Ergebnis führt.1

  • Bias resultiert aus systematischen Fehlern in der Forschungsmethodik.
  • Der Effekt der Verzerrung wird eine Schätzung sein, die entweder über oder unter dem wahren Wert liegt, abhängig von der Richtung des systematischen Fehlers.
  • Das Ausmaß der Verzerrung ist im Allgemeinen schwer zu quantifizieren, und der Spielraum für die Anpassung der meisten Formen der Verzerrung in der Analysephase ist begrenzt. Daher ist eine sorgfältige Abwägung und Kontrolle der Art und Weise, wie Verzerrungen während des Designs und der Durchführung der Studie eingeführt werden können, unerlässlich, um die Auswirkungen auf die Validität der Studienergebnisse zu begrenzen.

Häufige Arten von Verzerrungen in epidemiologischen Studien

In epidemiologischen Studien wurden mehr als 50 Arten von Verzerrungen identifiziert, die jedoch der Einfachheit halber grob in zwei Kategorien eingeteilt werden können: Informationsverzerrung und Selektionsverzerrung.

1. Information bias

Information Bias resultiert aus systematischen Unterschieden in der Art und Weise, wie Daten über Exposition oder Outcome von den verschiedenen Studiengruppen erhalten werden.1 Dies kann bedeuten, dass Personen der falschen Ergebniskategorie zugeordnet werden, was zu einer falschen Schätzung des Zusammenhangs zwischen Exposition und Ergebnis führt.

Messfehler werden auch als Fehlklassifizierungen bezeichnet, und das Ausmaß des Bias-Effekts hängt von der Art der aufgetretenen Fehlklassifizierung ab. Es gibt zwei Arten von Fehlklassifizierungen – differentielle und nicht-differentielle – und diese werden an anderer Stelle behandelt (siehe „Variationsquellen, ihre Messung und Kontrolle“).

Beobachterverzerrungen können auf das vorherige Wissen des Prüfers über die zu untersuchende Hypothese oder auf das Wissen über die Exposition oder den Krankheitsstatus einer Person zurückzuführen sein. Solche Informationen können die Art und Weise beeinflussen, wie Informationen gesammelt, gemessen oder interpretiert werden der Prüfer für jede der Studiengruppen.Wenn der Prüfer beispielsweise in einer Studie mit einem neuen Medikament zur Behandlung von Bluthochdruck weiß, welchem Behandlungsarm die Teilnehmer zugeordnet wurden, kann dies die Ablesung der Blutdruckmessungen beeinflussen. Beobachter können den Blutdruck bei denen, die behandelt wurden, unterschätzen und bei denen in der Kontrollgruppe überschätzen.Interviewer Bias tritt auf, wenn ein Interviewer Leitfragen stellt, die die Antworten der Befragten systematisch beeinflussen können.

Minimierung des Beobachter- / Interviewer-Bias:

  • Wenn möglich, sollten Beobachter für den Expositions- und Krankheitsstatus des Individuums geblendet werden
  • Blinde Beobachter für die untersuchte Hypothese.
  • In einer randomisierten kontrollierten Studie verblindeten Forscher und Teilnehmer der Behandlungs- und Kontrollgruppe (doppelblind).
  • Entwicklung eines Protokolls zur Erfassung, Messung und Interpretation von Informationen.
  • Verwendung standardisierter Fragebögen oder kalibrierter Instrumente wie Blutdruckmessgeräte.
  • Ausbildung von Interviewern.

Recall (oder Response) Bias – In einer Fall-Kontroll-Studie werden Daten zur Exposition retrospektiv erhoben. Die Qualität der Daten hängt daher in hohem Maße von der Fähigkeit des Patienten ab, vergangene Expositionen genau abzurufen. Rückrufverzerrungen können auftreten, wenn die Expositionsinformationen zwischen den Fällen und Kontrollen unterschiedlich sind. Zum Beispiel kann eine Person mit dem untersuchten Ergebnis (Fall) ihre Expositionserfahrung anders melden als eine Person ohne das untersuchte Ergebnis (Kontrolle).

Recall-Bias kann zu einer Unter- oder Überschätzung des Zusammenhangs zwischen Exposition und Ergebnis führen.

Methoden zur Minimierung der Rückrufneigung umfassen:

  • Erfassung von Expositionsdaten aus Arbeits- oder Krankenakten.
  • Blendung der Teilnehmer an die Studienhypothese.

Social desirability Bias tritt auf, wenn Befragte dazu neigen, auf eine Weise zu antworten, von der sie glauben, dass sie von anderen als günstig angesehen wird, z. B. indem sie positive Verhaltensweisen zu stark melden oder unerwünschte zu wenig melden. Bei der Berichterstattung können Einzelpersonen aus ähnlichen Gründen (z. B. in Bezug auf die Rauchgeschichte) selektiv Informationen unterdrücken oder preisgeben. Reporting Bias kann sich auch auf die selektive Ergebnisberichterstattung durch Studienautoren beziehen.Performance Bias bezieht sich darauf, wenn Studienpersonal oder Teilnehmer ihr Verhalten / ihre Antworten ändern, wenn sie sich der Gruppenzuweisungen bewusst sind.

Detection Bias tritt auf, wenn die Art und Weise, wie Ergebnisinformationen gesammelt werden, zwischen den Gruppen unterschiedlich ist. Instrument Bias bezieht sich darauf, dass ein unzureichend kalibriertes Messgerät die Messung systematisch über- / unterschätzt. Die Verblindung der Ergebnisgutachter und die Verwendung standardisierter, kalibrierter Instrumente können das Risiko dafür verringern.

2. Selektionsverzerrung

Selektionsverzerrung tritt auf, wenn ein systematischer Unterschied zwischen entweder:

  • Denen, die an der Studie teilnehmen, und denen, die dies nicht tun (Beeinflussung der Verallgemeinerbarkeit) oder
  • Denen im Behandlungsarm einer Studie und denen in der Kontrollgruppe (Beeinflussung der Vergleichbarkeit zwischen Gruppen).

Das heißt, es gibt Unterschiede in den Merkmalen zwischen den Studiengruppen, und diese Merkmale hängen entweder mit der Exposition oder dem untersuchten Ergebnis zusammen. Selektionsverzerrungen können aus einer Reihe von Gründen auftreten.

Sampling Bias beschreibt das Szenario, in dem einige Personen innerhalb einer Zielpopulation eher für die Aufnahme ausgewählt werden als andere. Wenn die Teilnehmer beispielsweise gebeten werden, sich freiwillig für eine Studie zu melden, ist es wahrscheinlich, dass diejenigen, die sich freiwillig melden, nicht repräsentativ für die allgemeine Bevölkerung sind, was die Verallgemeinerbarkeit der Studienergebnisse gefährdet. Freiwillige neigen dazu, gesundheitsbewusster zu sein als die allgemeine Bevölkerung.

Allokationsverzerrungen treten in kontrollierten Studien auf, wenn ein systematischer Unterschied zwischen Teilnehmern in Studiengruppen (außer der untersuchten Intervention) besteht. Dies kann durch Randomisierung vermieden werden.

Der Verlust von Follow-up ist ein besonderes Problem im Zusammenhang mit Kohortenstudien. Eine Verzerrung kann auftreten, wenn sich die Personen, die der Nachuntersuchung unterzogen wurden, in Bezug auf die Exposition und das Ergebnis von den Personen unterscheiden, die in der Studie verbleiben. Der differentielle Verlust von Teilnehmern aus Gruppen einer randomisierten Kontrollstudie wird als Attrition Bias bezeichnet.

• Selektionsverzerrung in Fall-Kontroll-Studien

Selektionsverzerrung ist ein besonderes Problem, das Fall-Kontroll-Studien innewohnt, wo sie zu einer Nicht-Vergleichbarkeit zwischen Fällen und Kontrollen führt. In Fall-Kontroll-Studien sollten die Kontrollen aus derselben Population wie die Fälle stammen, so dass sie repräsentativ für die Population sind, die die Fälle hervorgebracht hat. Kontrollen werden verwendet, um eine Schätzung der Expositionsrate in der Population zu liefern. Daher kann eine Auswahlverzerrung auftreten, wenn die als Kontrollen ausgewählten Personen nicht repräsentativ für die Population sind, die die Fälle hervorgebracht hat.Das Potenzial für Selektionsverzerrungen in Fall-Kontroll-Studien ist ein besonderes Problem, wenn Fälle und Kontrollen ausschließlich aus Krankenhäusern oder Kliniken rekrutiert werden. Solche Kontrollen können aus logistischen Gründen vorzuziehen sein. Krankenhauspatienten neigen jedoch dazu, andere Eigenschaften als die breitere Bevölkerung zu haben, zum Beispiel können sie einen höheren Alkoholkonsum oder Zigarettenrauchen haben. Ihre Aufnahme in ein Krankenhaus kann sogar mit ihrem Expositionsstatus zusammenhängen, sodass sich die Expositionsmessungen unter den Kontrollen von denen in der Referenzpopulation unterscheiden können. Dies kann zu einer verzerrten Schätzung des Zusammenhangs zwischen Exposition und Krankheit führen.In einer Fall-Kontroll-Studie, in der die Auswirkungen des Rauchens auf Lungenkrebs untersucht wurden, würde beispielsweise die Stärke der Assoziation unterschätzt, wenn die Kontrollen Patienten mit anderen Erkrankungen auf der Atemstation wären, da die Aufnahme in ein Krankenhaus für andere Lungenerkrankungen kann auch mit dem Raucherstatus zusammenhängen. Subtiler könnte die Wirkung von Alkohol auf Lebererkrankungen möglicherweise unterschätzt werden, wenn Kontrollen von anderen Stationen durchgeführt werden: Ein überdurchschnittlicher Alkoholkonsum kann zu einer Aufnahme für eine Vielzahl anderer Erkrankungen, wie z. B. Traumata, führen.Da das Potenzial für Selektionsverzerrungen in populationsbasierten Fall-Kontroll-Studien wahrscheinlich weniger problematisch ist, können Nachbarschaftskontrollen eine bevorzugte Wahl sein, wenn Fälle aus einem Krankenhaus oder einer Klinik verwendet werden. Alternativ kann das Potenzial für Auswahlverzerrungen minimiert werden, indem Steuerelemente aus mehr als einer Quelle ausgewählt werden. Zum Beispiel die Verwendung von Krankenhaus- und Nachbarschaftskontrollen.

• Selektionsverzerrung in Kohortenstudien

Selektionsverzerrung kann in Kohortenstudien im Vergleich zu Fall-Kontroll-Studien weniger problematisch sein, da exponierte und nicht exponierte Personen eingeschrieben sind, bevor sie das interessierende Ergebnis entwickeln.

Allerdings kann ein Selektionsverzerrung eingeführt werden, wenn die Vollständigkeit der Follow-up- oder Fallermittlung zwischen den Expositionskategorien unterschiedlich ist. Zum Beispiel kann es einfacher sein, exponierte Personen, die alle in derselben Fabrik arbeiten, zu verfolgen, als nicht exponierte Kontrollen, die aus der Gemeinschaft ausgewählt wurden (aufgrund von Follow-up-Bias). Dies kann minimiert werden, indem sichergestellt wird, dass ein hohes Maß an Follow-up in allen Studiengruppen aufrechterhalten wird.

Der Healthy Worker Effect ist eine potenzielle Form der Selektionsverzerrung, die für Berufskohortenstudien spezifisch ist. Beispielsweise könnte eine Berufskohortenstudie versuchen, die Krankheitsraten von Personen aus einer bestimmten Berufsgruppe mit Personen in einer externen Standardpopulation zu vergleichen. Hier besteht die Gefahr der Voreingenommenheit, da Beschäftigte in der Regel gesund sein müssen, um arbeiten zu können. Im Gegensatz dazu wird die allgemeine Bevölkerung auch diejenigen umfassen, die arbeitsunfähig sind. Daher können die Mortalitäts- oder Morbiditätsraten in der Kohorte der Berufsgruppe niedriger sein als in der Gesamtbevölkerung.

Um das Potenzial für diese Form der Verzerrung zu minimieren, sollte eine Vergleichsgruppe aus einer Gruppe von Arbeitnehmern mit unterschiedlichen Arbeitsplätzen an verschiedenen Standorten innerhalb einer einzigen Einrichtung ausgewählt werden1; zum Beispiel eine Gruppe von nicht exponierten Büroangestellten. Alternativ kann die Vergleichsgruppe aus einer externen Population von Erwerbstätigen ausgewählt werden.

• Selektionsverzerrung in randomisierten Studien

Randomisierte Studien sind theoretisch weniger wahrscheinlich von Selektionsverzerrungen betroffen, da Einzelpersonen zufällig den zu vergleichenden Gruppen zugeordnet werden und Schritte unternommen werden sollten, um die Fähigkeit von Prüfärzten oder Teilnehmern, diesen Zuordnungsprozess zu beeinflussen, zu minimieren. Verweigerungen der Teilnahme an einer Studie oder spätere Entnahmen können jedoch die Ergebnisse beeinflussen, wenn die Gründe sowohl mit der Exposition als auch mit dem Ergebnis zusammenhängen.

Confounding

Confounding, Interaktion und Effektmodifikation

Confounding bietet eine alternative Erklärung für einen Zusammenhang zwischen einer Exposition (X) und einem Ergebnis. Es tritt auf, wenn eine beobachtete Assoziation tatsächlich verzerrt ist, weil die Exposition auch mit einem anderen Risikofaktor (Y) korreliert ist. Dieser Risikofaktor Y ist ebenfalls mit dem Ergebnis assoziiert, jedoch unabhängig von der zu untersuchenden Exposition X. Infolgedessen ist die geschätzte Assoziation nicht die gleiche wie die wahre Wirkung der Exposition X auf das Ergebnis.

Eine ungleiche Verteilung des zusätzlichen Risikofaktors Y zwischen den Studiengruppen führt zu Verwechslungen. Die beobachtete Assoziation kann ganz oder teilweise auf die Auswirkungen von Unterschieden zwischen den Studiengruppen und nicht auf die untersuchte Exposition zurückzuführen sein.1

Ein potenzieller Störfaktor ist jeder Faktor, der sich auf das untersuchte Krankheitsrisiko auswirken könnte. Dies kann Faktoren mit einem direkten Kausalzusammenhang mit der Krankheit sowie Faktoren umfassen, die Proxy-Maßnahmen für andere unbekannte Ursachen sind, wie Alter und sozioökonomischer Status.2

Damit eine Variable als Störfaktor betrachtet werden kann:

  1. Die Variable muss unabhängig mit dem Ergebnis assoziiert sein (d. h. ein Risikofaktor sein).
  2. Die Variable muss auch mit der untersuchten Exposition in der Quellpopulation in Verbindung gebracht werden.
  3. Die Variable sollte nicht auf dem Kausalweg zwischen Exposition und Krankheit liegen.

Beispiele für Verwechslungen

Eine Studie ergab, dass Alkoholkonsum mit dem Risiko einer koronaren Herzkrankheit (KHK) verbunden ist. Rauchen kann jedoch den Zusammenhang zwischen Alkohol und KHK verwechselt haben.

Rauchen ist ein eigenständiger Risikofaktor für KHK, daher ist es unabhängig mit dem Ergebnis verbunden, und Rauchen ist auch mit Alkoholkonsum verbunden, da Raucher dazu neigen, mehr zu trinken als Nichtraucher.Die Kontrolle der möglichen störenden Wirkung des Rauchens kann in der Tat keinen Zusammenhang zwischen Alkoholkonsum und KHK zeigen.

Auswirkungen von Störfaktoren

Störfaktoren verursachen, wenn sie nicht berücksichtigt werden, eine Verzerrung bei der Schätzung der Auswirkungen der untersuchten Exposition. Die Auswirkungen der Verwechslung können zu Folgendem führen:

  • Eine beobachtete Assoziation, wenn keine echte Assoziation existiert.
  • Keine beobachtete Assoziation, wenn eine echte Assoziation existiert.
  • Eine Unterschätzung der Assoziation (negative Verwechslung).
  • Eine Überschätzung der Assoziation (positive Verwechslung).

Kontrolle auf Störfaktoren

Störfaktoren können entweder im Studiendesign angesprochen oder in der Analysephase angepasst werden, sofern ausreichende relevante Daten gesammelt wurden. Eine Reihe von Methoden kann angewendet werden, um potenzielle Störfaktoren zu kontrollieren, und das Ziel aller ist es, die Gruppen in Bezug auf den Störfaktor (die Störfaktoren) so ähnlich wie möglich zu machen.

Kontrolle von Störfaktoren in der Entwurfsphase

Potenzielle Störfaktoren können in der Entwurfsphase auf der Grundlage früherer Studien identifiziert werden oder weil ein Zusammenhang zwischen dem Faktor und dem Ergebnis als biologisch plausibel angesehen werden kann. Methoden zur Begrenzung der Verwechslung in der Entwurfsphase umfassen Randomisierung, Einschränkung und Matching.

• Randomisierung

Dies ist die ideale Methode zur Kontrolle von Verwechslungen, da alle potenziellen bekannten und unbekannten Verwechslungsvariablen gleichmäßig auf die Studiengruppen verteilt sein sollten. Es geht um die zufällige Zuordnung (z. B. mithilfe einer Tabelle mit Zufallszahlen) von Einzelpersonen zu Studiengruppen. Diese Methode kann jedoch nur in experimentellen klinischen Studien angewendet werden.

• Einschränkung

Die Einschränkung beschränkt die Teilnahme an der Studie auf Personen, die in Bezug auf den Confounder ähnlich sind. Wenn beispielsweise die Teilnahme an einer Studie nur auf Nichtraucher beschränkt ist, werden mögliche störende Auswirkungen des Rauchens beseitigt. Ein Nachteil der Einschränkung besteht jedoch darin, dass es schwierig sein kann, die Ergebnisse der Studie auf die breitere Bevölkerung zu verallgemeinern, wenn die Studiengruppe homogen ist.1

• Matching

Beim Matching werden die Kontrollen so ausgewählt, dass die Verteilung der potenziellen Störfaktoren (z. B. Alter oder Raucherstatus) der unter den Fällen so ähnlich wie möglich ist. In der Praxis wird dies nur in Fall-Kontroll-Studien verwendet, aber es kann auf zwei Arten erfolgen:

  1. Pair Matching – Auswahl für jeden Fall einer oder mehrerer Kontrollen mit ähnlichen Eigenschaften (z. alter und Rauchgewohnheiten)
  2. Frequenzanpassung – Sicherstellen, dass die Fälle als Gruppe ähnliche Eigenschaften wie die Kontrollen aufweisen

Erkennung und Kontrolle von Störfaktoren in der Analysestufe

Das Vorhandensein oder das Ausmaß von Störfaktoren in epidemiologischen Studien wird bewertet, indem der Grad der Diskrepanz zwischen der Rohschätzung (ohne Kontrolle der Störfaktoren) und der angepassten Schätzung nach Berücksichtigung der potenziellen Störfaktoren beobachtet wird. Wenn sich die Schätzung geändert hat und es nur geringe Abweichungen zwischen den schichtspezifischen Verhältnissen gibt (siehe unten), gibt es Hinweise auf Verwechslungen.

Es ist unangemessen, statistische Tests zu verwenden, um das Vorhandensein von Störfaktoren zu bewerten, aber die folgenden Methoden können verwendet werden, um ihre Wirkung zu minimieren.

• Stratifizierung

Durch die Stratifizierung kann der Zusammenhang zwischen Exposition und Ergebnis innerhalb verschiedener Schichten der Störvariablen untersucht werden, beispielsweise nach Alter oder Geschlecht. Die Stärke der Assoziation wird zunächst innerhalb jeder Schicht der Störvariablen separat gemessen. Unter der Annahme, dass die schichtspezifischen Raten relativ einheitlich sind, können sie dann zusammengefasst werden, um eine zusammenfassende Schätzung zu erhalten, die für den potenziellen Störfaktor angepasst oder kontrolliert wird. Ein Beispiel ist die Mantel-Haenszel-Methode. Ein Nachteil dieser Methode besteht darin, dass je mehr die ursprüngliche Probe geschichtet wird, desto kleiner wird jede Schicht und die Fähigkeit, Assoziationen zu erkennen, wird reduziert.

• Multivariable Analyse

Statistische Modellierung (z. multivariable Regressionsanalyse) wird verwendet, um mehr als einen Confounder gleichzeitig zu steuern, und ermöglicht die Interpretation der Wirkung jedes Confounders einzeln. Es ist die am häufigsten verwendete Methode zum Umgang mit Verwechslungen in der Analysephase.

• Standardisierung

Standardisierung berücksichtigt Störfaktoren (im Allgemeinen Alter und Geschlecht), indem eine Standardreferenzpopulation verwendet wird, um den Effekt von Unterschieden in der Verteilung von Störfaktoren zwischen Studienpopulationen zu negieren. Siehe „Zähler, Nenner und gefährdete Bevölkerungsgruppen“ für weitere Details.

Restkonfoundierung

Es ist nur möglich, in der Analysephase nach Störfaktoren zu suchen, wenn Daten zu Störfaktoren genau erfasst wurden. Restverwirrung tritt auf, wenn alle Störfaktoren nicht ausreichend angepasst wurden, entweder weil sie ungenau gemessen wurden oder weil sie nicht gemessen wurden (z. B. unbekannte Störfaktoren). Ein Beispiel wäre der sozioökonomische Status, da er mehrere Gesundheitsergebnisse beeinflusst, aber schwer genau zu messen ist.3

Interaktion (Effektmodifikation)

Interaktion tritt auf, wenn die Richtung oder Größe einer Assoziation zwischen zwei Variablen entsprechend der Ebene einer dritten Variablen (dem Effektmodifikator) variiert. Zum Beispiel kann Aspirin verwendet werden, um die Symptome von Viruserkrankungen wie Influenza zu behandeln. Während es bei Erwachsenen wirksam sein kann, ist die Anwendung von Aspirin bei Kindern mit Viruserkrankungen mit Leberfunktionsstörungen und Hirnschäden (Reye-Syndrom) verbunden.4 In diesem Fall wird die Wirkung von Aspirin auf die Behandlung von Viruserkrankungen durch das Alter verändert.

Wo Interaktion existiert, kann die Berechnung einer Gesamtschätzung einer Assoziation irreführend sein. Im Gegensatz zu Confounding ist Interaktion ein biologisches Phänomen und sollte nicht statistisch angepasst werden. Eine gängige Methode zum Umgang mit Interaktion besteht darin, die Assoziationen für jede Ebene der dritten Variablen zu analysieren und darzustellen. Im obigen Beispiel wäre die Wahrscheinlichkeit, nach der Anwendung von Aspirin bei Viruserkrankungen ein Reye-Syndrom zu entwickeln, bei Kindern im Vergleich zu Erwachsenen weitaus größer, und dies würde die Rolle des Alters als Effektmodifikator hervorheben. Die Interaktion kann statistisch bestätigt werden, beispielsweise mit einem Chi-Quadrat-Test, um die Heterogenität der schichtspezifischen Schätzungen zu beurteilen. Es ist jedoch bekannt, dass solche Tests eine geringe Leistung zum Erkennen von Wechselwirkungen haben5, und eine visuelle Inspektion schichtspezifischer Schätzungen wird ebenfalls empfohlen.

  1. Hennekens CH, Buring JE. Epidemiologie in der Medizin, Lippincott Williams & Wilkins, 1987.
  2. Carneiro I, Howard N. Einführung in die Epidemiologie. Open University Press, 2011.
  3. http://www.edmundjessop.org.uk/fulltext.doc – Zugriff am 20.02.16
  4. McGovern MC. Reye-Syndrom und Aspirin: damit wir nicht vergessen. BMJ 2001;322:1591.
  5. Marshall SW. Leistung für Interaktionstests: Effekt der Erhöhung der Typ-1-Fehlerrate. Epidemiologische Perspektiven und Innovationen 2007;4:4.