Anmerkungen zur Datenverarbeitung
In den bisherigen Kapiteln wurde der Weg beschrieben, um im Rahmen von ernährungsepidemiologischen Studien Informationen zu sammeln. Sind die Daten erfasst, dann folgt der letzte Schritt (Abb.15), in dem versucht wird, die Forschungsfrage zu beantworten. Dazu müssen die Daten aufbereitet und gemäß dem Forschungsmodell ausgewertet und schlussendlich muss die Antwort in einem Bericht dokumentiert werden, der der Wissenschaftsgemeinde, den Geldgebern und den Betroffenen zugänglich gemacht wird. Erst mit der Bekanntgabe des Resultats ist der lange Forschungsweg beendet.
Die Gewinnung, Erfassung und Analyse von Daten in ernährungsepidemiologischen Studien ist im Prinzip ein kontinuierlicher Prozess (Abb. 54) (Abb631 OLT134M), der vor Beginn der Datenverarbeitung einsetzt. Man wählt bewusst das Untersuchungs-Modell aus (s.Kap.2.2.2.), man legt sich auf Variable fest und entscheidet, wie genau man messen will (s.Kap.2.3.4.). Auch bei der Erstellung von Fragebögen wird durch die Art der Frage-Antwort-Formulierung und der Skalen-Bildung die Datenerfassung gestaltet (Abb.73_OLT134M). Am Beginn der Datenverarbeitung steht die Verschlüsselung, d.h. die erhobenen Informationen (Items) müssen mit vereinbarten Symbolen (z. B. Maß-Einheiten) verglichen und eingeordnet werden; sie werden entsprechend dem Untersuchungsmodell bestimmten Variablen zugeordnet (Abb.33). Diese Zuordnung muss den folgenden Anforderungen genügen:
- Eindeutigkeit,
- Ausschließlichkeit,
- Vollständigkeit
Die entsprechenden Aufgaben werden im folgenden Kapitel erläutert. Da bei ernährungsepidemiologischen Studien die Ernährung des Menschen im Mittelpunkt der Betrachtungen steht und hier die Verschlüsselung (Kodierung) besonders umfangreich und problematisch erscheint, wird diese in einem speziellen Kapitel beschrieben (s.Kap.5.2.). Wenn alle Informationen EDV-gerecht verschlüsselt und erfasst sind, dann sind sie in EDV-Geräten gespeichert und man hat eine Daten-Bank (s.Kap.5.3.), wobei die Daten-Banken für Ernährung wiederum besonders hervorgehoben werden müssen. Erst danach können die Daten im eigentlichen Sinne verarbeitet, d.h. gemäß dem Untersuchungsmodell analysiert werden (s.Kap.5.4.).(beschreibende Analyse - eher Hypothesen-prüfende Analyse; Hypothesen-generiernde, explorative Daten Analysen - Data Mining). (Modelle überprüfen - Simulation)
Die Qualität der Daten muss ebenso beurteilt werden, und die Informationen müssen bewertet werden (Mangel - hypo; Hyper - Überernährung, u.a.m) (Kapitel - Bewertung)
Schließlich erfolgt die Darstellung der Informationen, z. B. in Form von Forschungsberichten.
Wie bei allen anderen vorhergehenden Kapiteln soll auch hier wiederum betont werden, dass die Darstellung nur exemplarisch erfolgen kann.
Übersicht 77 - Hinweis über den Einsatz von Komputern im Rahmen von Ernährungserhebungen (Auswertung / Bewertung / Befragung - CATI / Ernährungsberatung)
Übersicht 78 - Nahrungsmittel-Inhaltsstoffe-Datenbanken
Glossare – Statistik - EU-Link
StatSoft - Electronic Statistics Textbook -
Statistik - Berkeley University
Statistics glossary (Valerie J. Easton; John H. McColl)
Publikationen mit Kritik an statistichen Auswertungen;
z.B. - www.achtung-statistik.de
- Krämer, W.: So lügt Statistik, Campus (blog)
- www.unstatistik.de -
Titelthema in der Zeit Nr.17/27.04.2017: Zahlen Statistiken, Hochrechnungen, Umfragen – Zahlen wirken objektiv. Doch allzu oft trügen sie. (link) Eine einzige Zahl zeigt, wie mit falscher Statistik erfolgreich Politik gemacht wird (link)
Die schnelle Entwicklung der IT führt zu neuen Auswertungsmöglichkeiten (bigdata) - Data Mining
Masterstudiengang: Health Data Sciendes (idw-Pressemitteilung 20.02.2018): Start des Promotionsprogramms Health Data Sciences an der Charité, Berlin (website)
Heumos, L. et al. An open-source framework for end-to-end analysis of electronic health record data. Nat Med https://doi.org/10.1038/s41591-024-03214-0 (12.09.2024) ⇔ Ehrapy: A new open-source tool for analyzing complex health data. link bei www.eurekalert.org 12.09.2024
Myers, E.F. et al.: Using risk of bias domains to identify opportunities for improvement in food- and nutrition-related research: An evaluation of research type and design, year of publication, and source of funding. PLOS one doi.org/10.1371/journal.pone.0197425(05.07.2018) ⇔ link bei www.eurekalert.org 05.07.2018