HABILITATIONSSCHRIFT

 


Tierärztliche Hochschule Hannover / Bibliothek – University of Veterinary Medicine Hannover – Foundation / Library

 

Amely Campe

 

Erkennung und Interpretation von Risikofaktoren

und –mustern in der veterinärmedizinischen

Populationsforschung

Strategien und Herausforderungen

 

NBN-Prüfziffer

urn:nbn:de:gbv:95-h2896

publication

Hannover, Tierärztliche Hochschule, Habilitationsschrift, 2018

text

http://elib.tiho-hannover.de/dissertations/h_campe18.pdf

Zusammenfassung

Aufgrund der modernen Methoden zur Datenhaltung und ‑auswertung ist es der Epidemiologie heute möglich, komplexe Zusammenhänge im System Tierhaltung zu untersuchen. Dabei werden immer häufiger verschiedene Risikofaktoren für Tiergesundheit, ‑seuchen, ‑wohl und ‑verhalten gleichzeitig untersucht und sogar Risikomuster beschrieben. Jedoch darf nicht außer Acht gelassen werden, dass die heutigen Bedingungen zur Durchführung von epidemiologischen Studien und zur Risikofaktorenanalyse auch eine adäquate Schlussbildung zulassen müssen.

Ob und inwieweit die notwendigen Voraussetzungen heute noch gegeben sind und welche Implikationen sich daraus für die zukünftige veterinärmedizinischen Populationsforschung ergeben, wird in dieser Arbeit beleuchtet. Daher werden Methoden der Risikofaktorenanalyse angewendet und im Hinblick auf verschiedene Aspekte der heutigen Studienbedingungen, Aus- und Bewertung sowie der Übertragung auf Empfehlungen für den Tierhalter zur Haltung und dem Management von Tieren bewertet.

In die Arbeit gehen 10 Publikationen aus 7 verschiedenen (Verbund-)Projekten ein. Die Publikationen stützen und illustrieren die Diskussionen zu den Auswirkungen, die das Missverhältnis von Datenmenge und Stichprobenumfang nach sich zieht. Die in dieser Arbeit mit Hilfe der eigenen Publikationen und anderer wissenschaftlicher Literatur dargestellten Einflüsse auf die Identifikation von Risikofaktoren in Populationsstudien münden in einer Auflistung von Konsequenzen für die Durchführung und Interpretation zukünftiger Populationsstudien. Zudem wird ein Ansatz zur harmonisierten Auswertung vorgestellt.

In modernen veterinärepidemiologischen Studien werden oft zahlreiche Fragestellungen bearbeitet und es werden große Datenmengen pro statistische Einheit generiert. Darunter leidet der Stichprobenumfang, da in praxi weniger Einheiten bei gegebenem Zeit‑ und Personalkontingent untersucht werden können. Dadurch werden statistisch signifikante Zusammenhänge seltener und Fehleinschätzungen häufiger und die Möglichkeit, konkrete Hypothesen zu prüfen, sinkt. Jedoch kommt man durch die größere Tiefe und Breite der erhobenen Informationen stärker in die Lage zahlreiche neue Hypothesen zu generieren sowie komplexere Zusammenhänge und Risikomuster zu analysieren.

Es gibt potente statistische Methoden zur Analyse von komplexen Zusammenhängen. Alle haben das Ziel ein Modell anzupassen, mit dem die reale Situation zusammenfassend dargestellt werden kann, jedoch ausreichend Komplexität erhalten bleibt. Zusätzlich muss eine Vielzahl von Entscheidungen getroffen werden, in welcher Form die Zielgrößen- und Einflussgrößen-Informationen in die Analysen eingehen. Der Informationsverlust durch Zusammenfassen auf höherer hierarchischer Ebene, Kriterien der Variablenselektion, Risikomuster, Interaktionen, Confounding und Bias spielen dabei eine Rolle. Zur Einordnung der Effekte, die in Risikofaktorenanalysen ermittelt werden, sollte zukünftig nicht mehr ausschließlich der p‑Wert genutzt werden. Zusätzlich sollten bei der Einordnung von Risikofaktoren zukünftig die Größe des Effektschätzers, die Plausibilität der Werte im Konfidenzintervall sowie die biologische Relevanz herangezogen werden.

Zudem sollte man sich darüber im Klaren sein, dass auch bei starken nachgewiesenen Zusammenhängen einzelne Populationsstudien nur einen eingeschränkten Beitrag zur Evidenz von Ursache-Wirkungs-Beziehungen leisten können. Daher müssen sämtliche Entscheidungen sowie die im Modell abgebildete Komplexität gut dokumentiert werden, damit die Ergebnisse nachvollziehbar werden und in systematischen Reviews oder sogar Meta-Analysen eingehen können.

In der veterinärmedizinischen Populationsforschung kann in der Regel ebenso wie in der Humanepidemiologie zumeist nicht mehr nur auf einen (oder wenige) Hauptrisikofaktoren geschlossen werden. Weiterhin geht der Trend zu einem reziproken Verhältnis zwischen Studienkomplexität und Stichprobenumfang. Beides macht eine präzise Studienplanung, ‑durchführung, -auswertung und -interpretation erforderlich. Daher sollte man für zukünftige epidemiologische Feldstudien zu den Risikofaktoren für Tiergesundheit, ‑wohl und –verhalten transparenten und harmonisierten Strategien folgen.

Der Wunsch an veterinärepidemiologische Populationsstudien ist oft, dass Empfehlungen für den Tierhalter zur Haltung und dem Management von Tieren erarbeitet und so zur Verfügung gestellt werden, dass diese in praxi umgesetzt werden können. Die hohe Komplexität der Zusammenhänge von Risikomustern und die individuellen Risikoprofile in den einzelnen Betrieben macht eine Umsetzung allgemein formulierter Empfehlungen für den Tierhalter zur Haltung und dem Management von Tieren immer schwieriger. Dadurch, dass das betriebliche Management immer mehr an Bedeutung für die Entstehung von Erkrankungen und Leistungsschwächen gewonnen hat, muss zukünftig bei der Entwicklung von Empfehlungen auch der Mensch als Tierhalter und Entscheidungsträger stärker mit ins Auge gefasst werden.

Summary

Modern methods auf data management and analysis enables us as epidemiologists to study complex relationships in the system of animal husbandry. We are more and more in the position to simultaneously investigate different risk factors for animal health, welfare and behavior. And we may even depict risk patterns. Nevertheless, it may not be disregarded that present conditions for conducting epidemiological studies and risk factor analyses have to allow for adequate inference.

If and to what extent the necessary prerequisites are still given and which implications arise for future veterinary population medicine was to be assessed in this work. Therefore, methods of risk factor analysis were applied and evaluated against the background of different aspects of modern study conditions, analyses and interpretation as well as regarding recommendations to animal owners for action or management.

The present work contains 10 publications from 7 different (conjoint) projects. The publications support and illustrate the discussions regarding the effects resulting from the disproportion between data quantity and sample size. The influences on identifying risk factors in population studies are depicted in this study by means of own work and other scientific literature. They flow into a list of consequences for conducting and interpreting future studies in population medicine. Additionally, an approach to harmonized analyses is presented.

A huge number of different study questions are investigated in present epidemiological studies in veterinary science and big data per statistical unit are collected. This affects sample size as fewer units can be investigated per time and personnel contingent. Hence, statistically significant relationships become rare, misjudgment increases and the possibility to test hypotheses decreases. However, the depth and width of collected information put scientist in the position to generate new hypotheses and analyze complex relationships or even risk patterns.

Potent statistical methods to analyze complex relationships are already existent. All intend to fit a model, with which the real situation may be reduced and summarized, while sufficient complexity may be displayed. Additionally, different decisions have to be made as to how dependent variable and risk factor information shall incur in analyses. Information loss from aggregating hierarchical data, criteria of variable selection, risk patterns, interactions, confounding and bias play a role. To range effects from risk factor analyses the p‑value should not be the only parameter used in the future. The p‑value should be considered as random and continuous variable. Additionally, when ranging effects, other information should be considered like effect estimators, plausibility of values in the confidence interval as well as biological relevance.

Furthermore, it should be recognized that even in case of strong effects single population studies may only yield a limited contribution to the evidence for causal relationships. Therefore, all decisions should be well documented when building statistical models and its complexity to enable transparency and meta-analyses.

In veterinary population medicine as well as in human epidemiology, we cannot conclude on one or a few dominating risk factors, anymore. Moreover, the trend is toward a reciprocal relationship between study complexity and sample size. This implies the necessity to exercise care when interpreting study results. Therefore, epidemiological field studies should follow a transparent and harmonized strategy when conducting, analyzing and interpreting risk factors for animal health, welfare and behavior. Hence, a systematic and harmonized approach to risk factor analysis is needed.

It is often expected that population studies may yield recommendations to animal owners for action and management. These recommendations should be offered in a way that they can easily be implemented in practice. However, due to the complexity of relationships we consider risk pattern today. In farms we even investigate risk profiles. Therefore, a more general wording of recommendations may not be as helpful as expected anymore. As the management has gained more importance for the development of diseases and production losses, we have to consider the (pet/livestock) owner more thoroughly in the future as he is the decision maker.

 

keywords

Epidemiologie, Risikofaktoren, Auswertung, epidemiology, epidemology, risk factors, analysis

kb

6.425