90. Kongreß pp 1724-1738 | Cite as

Statistik

  • R. Gotzhein
  • D. Handtrack
  • L. Horbach
  • I. Guggenmoos-Holzmann
  • W. Matek
  • K. Dietz
  • R. Jacob
  • R. Saebisch
  • R. Seuffer
  • S. Naujoks-Heinrich
  • R. Heinrich
  • P. L. Reichertz
  • B. Rassmann
  • H. Jesdinsky
  • R. Thurmayr
  • G. R. Thurmayr
  • M. Otte
  • M. M. Forell
Conference paper
Part of the Verhandlungen der Deutschen Gesellschaft für Innere Medizin book series (VDGINNERE, volume 90)

Zusammenfassung

Im Rahmen des Programms der Bundesregierung zur Krebsbekämpfung wurde in Erlangen unter Beteiligung aller dort onkologisch tätigen Kliniken ein klinisches Krebsregister eingerichtet. Seit dem 1. 1. 1984 können diese Kliniken Daten in das Krebsregister eingeben. Derzeit sind ca. 25 000 Patienten erfaßt.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. Harrison MA, Ruzzo WL, Ullmann JD (1976) Protection in operating systems. Communications of the ACM, vol 19, 8, pp 461–471CrossRefGoogle Scholar
  2. Horbach L, Duhme C (Hrsg) (1981) Nachsorge und Krankheitsverlaufsanalyse. In Reihe: Medizinische Informatik und Statistik. Springer, Berlin Heidelberg New YorkGoogle Scholar
  3. Finney DJ (1971) Probit analysis. University Press, CambridgeGoogle Scholar
  4. Hermanek P et al. (1983) The malignant potential of colorectal polyps — a new statistical approach. Endoscopy 15: 16–20PubMedCrossRefGoogle Scholar
  5. Matek W (1983) Die Entwicklung kolorektaler Adenome: Untersuchungen zur Erfassung potentieller Einflußgrößen und zur Optimierung der Nachsorge. Habilitationsschrift, Erlangen-NürnbergGoogle Scholar
  6. 1.
    Dietz K, Schenzle D (1985) Mathematical models for infectious disease statistics In: Atkinson AC, Fienberg SE (eds) A celebration of statistics. International Statistical Institute, The Hague (in press)Google Scholar
  7. 2.
    Fraser DW (1983) Clustering of disease in population units: an exact test and its asymptotic version. Am J Epidemiol 118: 732–739PubMedGoogle Scholar
  8. 3.
    Griffiths DA (1973) Maximum likelihood estimation for the beta-binomial distribution and an application to the household distribution of the total number of cases of a disease. Biometrics 29: 637–648PubMedCrossRefGoogle Scholar
  9. 4.
    Heinrich R, Naujoks-Heinrich S, Saebisch R, Seuffer R, Grauer W, Jacob R, Schomerus H (1983) Seroprävalenz des Q-Fiebers in einem Endemiegebiet Süddeutschlands. Dtsch Med Wochenschr 108: 1818–1324Google Scholar
  10. 5.
    Longini IM, Koopman IS (1982) Household and community transmission parameters from final distributions of infections in households. Biometrics 38: 115–126PubMedCrossRefGoogle Scholar
  11. 6.
    Mathen KK, Chakraborty PN (1950) A statistical study on multiple cases of disease in households. Sankhya 10: 387–392Google Scholar
  12. 7.
    Mohr W (1965) Q-Fieber. In: Haas R, Vivell O (Hrsg) Virus-und Rickettsieninfektionen des Menschen. Lehmanns-Verlag, München, S 888–912CrossRefGoogle Scholar
  13. 8.
    Pearson K (1913) Multiple cases of disease in the same house. Biometrika 9: 28–33CrossRefGoogle Scholar
  14. 9.
    Smith PG, Pike MC (1976) Generalisations of two tests for the detection of household aggregation of disease. Biometrics 32: 817–828PubMedCrossRefGoogle Scholar
  15. 10.
    Walter SD (1974) On the detection of household aggregation of disease. Biometrics 30: 525–538PubMedCrossRefGoogle Scholar
  16. 1.
    D’Agostino RB, Pozen WM (1982) The logistic function as an aid in the detection of acute coronary disease in emergency patients (case study). Statistics in Medicine 1: 41–48PubMedCrossRefGoogle Scholar
  17. 2.
    Goldman L et al. (1982) Computer-derived protocol to aid in the diagnosis of emergency room patients with acute chest pain. N Engl J Med 307: 588–596PubMedCrossRefGoogle Scholar
  18. 1.
    Armitage P (1981) Importance of prognostic factors in the analysis of data from clinical trials. Controlled Clinical Trials 1: 347–353PubMedCrossRefGoogle Scholar
  19. 2.
    Jesdinsky HJ (Hrsg) (1978) Membrandum zur Planung and Auswertung kontrollierter klinischer Therapiestudien. GMDS-Schriftenreihe, Bd 1, StuttgartGoogle Scholar
  20. 3.
    Malchow H et al. (1984) European Cooperative Crohn’s Disease Study (ECCDS): Results of drug treatment. Gastroenterology 86: 249–266PubMedGoogle Scholar
  21. 4.
    Summers RW et al. (1979) National Cooperative Crohn’s Disease Study: Results of drug treatment. Gastroenterology 77: 847–869PubMedGoogle Scholar
  22. 5.
    Zelen M (1983) Biostatistical science as a discipline — A look into the future. Biometrics 39: 827–837PubMedCrossRefGoogle Scholar
  23. Otte M, Stahlheber H, Zoelch M, Forell MM, Thurmayr GR, Thurmayr R (1973) Pankreassekretion des Menschen nach Stimulation mit Cholecystokinin/Pankreozymin, Secretin und Galle. Methodik und Normalwerte. Klin Wochenschr 51: 915–920PubMedCrossRefGoogle Scholar
  24. Otte M, Thurmayr R, Thurmayr GR, Forell MM (1982) Computer-aided interpretation of pancreatic function tests using nonlinear discriminant analysis. In: Heusghem C, Abbert A, Benson ES (eds) Advanced interpretation of clinical laboratory data. Marcel Dekker, Inc., New York Basel, pp 131–141Google Scholar
  25. Thurmayr R, Thurmayr GR, Otte M (1975) Probleme beim Routineeinsatz der Diskriminanzanalyse zur Beurteilung des Pankreasfunktionstestes. EDV Med Biol 6: 49–52Google Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1984

Authors and Affiliations

  • R. Gotzhein
    • 1
  • D. Handtrack
    • 1
  • L. Horbach
    • 1
  • I. Guggenmoos-Holzmann
    • 2
  • W. Matek
    • 3
  • K. Dietz
    • 4
  • R. Jacob
    • 5
  • R. Saebisch
    • 6
  • R. Seuffer
    • 7
  • S. Naujoks-Heinrich
    • 8
  • R. Heinrich
    • 8
  • P. L. Reichertz
    • 9
  • B. Rassmann
    • 9
  • H. Jesdinsky
    • 10
  • R. Thurmayr
    • 11
  • G. R. Thurmayr
    • 11
  • M. Otte
    • 12
  • M. M. Forell
    • 13
  1. 1.ErlangenDeutschland
  2. 2.Institut für Med. Statistik und DokumentationErlangenDeutschland
  3. 3.Med. Klinik mit PoliklinikErlangenDeutschland
  4. 4.Institut für Med. BiometrieTübingenDeutschland
  5. 5.Institut für Anästhesiologie und TransfusionswesenTübingenDeutschland
  6. 6.Rottenburg-SeebronnDeutschland
  7. 7.ReutlingenDeutschland
  8. 8.Abt. I, Med. Univ.-KlinikTübingenDeutschland
  9. 9.Institut für Med. InformatikMed. Hochschule HannoverDeutschland
  10. 10.Institut für Med. Statistik und BiomathematikUniversität DüsseldorfDeutschland
  11. 11.Institut für Med. Statistik und EpidemiologieTU MünchenDeutschland
  12. 12.Abt. Innere MedizinMH LübeckDeutschland
  13. 13.Med. KlinikInnenstadt LMU MünchenDeutschland

Personalised recommendations