Methodische Forschung

Die Mitarbeiterinnen des Instituts sind vielfältig aktiv in der biometrischen Methodenforschung.

Die biometrische Methodenforschung befasst sich mit der Entwicklung und Optimierung statistischer Planungs- und Auswertungsstrategien. Übergeordnetes Ziel ist es aus den Forschungsdaten einen möglichst hohen und gleichzeitig validen Informationsgewinn ziehen zu können.

Die methodischen Forschungsschwerpunkte des Instituts gliedern sich in vier übergeordnete Anwendungsbereiche, welche als eigenständige Arbeitsgruppen des Instituts etabliert sind. Eine Beschreibung unserer Arbeitsgruppen finden Sie hier.

Sie befinden sich hier:

Unsere Laufenden methodischen Projekte

ORACLE: Optimal Rules for Adaptive reCalculation of sampLE size in clinical trials

Ziel dieses DFG-geförderten Projektes ist es Gütekriterien und performance-Scores für adaptive Studiendesigns mit Fallzahlrekalkulation herzuleiten, um so verbesserte Rekalkulationsregeln herzuleiten. Das Projekt ist eine Kooperation mit dem Institut für Medizinische Biometrie und Informatik, Universitätsklinikum Heidelberg (Prof. Dr. Meinhard Kieser).

  • Projektleitung: Prof. Dr. Geraldine Rauch
  • Projektbiomtrikerinnen: Carolin Hermann
  • Förderer: DFG
  • Laufzeit: 2018-2021
  • Zuständige AGs: AG Klinische Studien

 

 

 

Umbrella and Basket Trails

Ziel des Projektes ist die Entwicklung statistischer Methoden und Empfehlungen zur Auswertung von Studien mit Umbrella oder Basket-Design. Diese neuen innovativen Studiendesigns vereinen mehrere Substudien zu verschiedenen Tumorhistologien innerhalb einer Gesamtstudie.

  • Projektleitung: Prof. Dr. Geraldine Rauch
  • Projektmitarbeiterin: Maja Krajewska
  • Laufzeit: 2018-2020
  • Zuständige AGs: AG Klinische Studien

 

 

Buchprojekt: Planning and Analyzing Clinical Trials with Composite Endpoints

Wir arbeiten derzeit in den letzten Zügen an der Veröffentlichung eines Springer-Buches mit dem oben genannten Titel. Das Buch entsteht gemeinsam mit AutorInnen aus dem Institut für Medizinische Biometrie und Informatik, Universitätsklinikum Heidelberg (Prof. Dr. Meinhard Kieser, Svenja Schüler).

 

 

Buchprojekt: Medizinische Statistik für Dummies

Wir arbeiten derzeit an der Veröffentlichung eines Wiley Lehrbuches mit dem oben genannten Titel.

 

 

Zum Lesen...

Ausgewählte methodische Publikationen

Accepted

  • G. Rauch, W. Brannath, M. Brückner, M. Kieser: The average hazard ratio - a good effect measure for time-to-event endpoints when the proportional hazard assumption is violated? Methods of Information in Medicine.
  • G. Rauch, Meinhard Kieser, Harald Binder, Antoni Bayes-Genis, Antje Jahn-Eimermacher. Time-to-first-event versus recurrent-event analysis: points to consider for selecting a meaningful analysis strategy in clinical trials with composite endpoints. Clinical Research in Cardiology.

2018

  • A. Ozga, M. Kieser, G. Rauch (2018): A Systematic Comparison of Recurrent Event Models for Application to Composite Endpoints, BMC Research Methodology 18(1): 2.

2017

  • M. Kieser, M. Wirths, S. Englert, C. U. Kunz, G. Rauch: OneArmPhaseTwoStudy: an R package for planning, conducting, and analysing single-arm phase II studies, Journal of Statistical Software, 81(8).
  • G. Rauch, K. Kunzmann, M. Kieser, K. Wegscheider, Jochem König, C. Eulenburg (2017): The average hazard ratio - a good effect measure for time-to-event endpoints when the proportional hazard assumption is violated. Statistics in Medicine, DOI: 10.1002/sim.7531.
  • S. Schüler, M. Kieser, G. Rauch (2017): Choice of futility boundaries for group sequential designs with two endpoints, BMC Research Methodology, 17: 119.
  • K. NeumannU. Grittner, S. Piper, A. Rex, O. Florez-Vargas, G. Karystianis, A. Schneider, I. Wellwood, B. Siegrink, J. Loannidis, J. Kimmelman, U. Dirnagel (2017): Increasing efficiency of preclinical research by group sequential designs. PLOS Biology, 15: e2001307.

2016

  • A. Sander, G. Rauch, M. Kieser (2016): Blinded sample size recalculation in clinical trialswith binary composite endpoints, Journal of Biopharmaceutical Statistics, 27: 705-715.
  • G. Rauch, S. Schüler, M. Wirths, S. Englert, M. Kieser, (2016): Adaptive Designs for two Candidate Primary Time-to-Event Endpoints, Statistics in Biopharmaceutical Research, 8:207-216.

2015

  • G. Rauch, M. Kieser (2015): Adaptive designs for clinical trials with multiple endpoints, Clinical Investigation 5: 433-435.
  • M. Kieser, G. Rauch (2015): Two-stage designs for cross-over bioequivalence trials, Statistics in Medicine 5: 433-435. (1.533)
  • M. Kieser, S. Englert, G. Rauch (2015): Adaptive designs for phase II oncology trials, Clinical Investigation 5: 363-366.
  • G. Rauch, B. Rauch, S. Schüler, M. Kieser (2015): Opportunities and challenges of clinical trials in cardiology using composite primary endpoints, World Journal of Cardiology 7: 1-5.

2014

  • G. Rauch, M. Wirths, M. Kieser (2014): Consistency-adjusted alpha allocation methods for a time-to-event analysis of composite endpoints, Computational Statistics & Data Analysis 75: 151-161.
  • G. Rauch, M. Kieser, S. Ulrich, P. Doherty, B. Rauch, S. Schneider, T. Riemer, J. Senges (2014):  Competing time-to-event endpoints in cardiology trials - a simulation study to illustrate the importance of an adequate statistical analysis, European Journal of Preventive Cardiology 21: 74-80.
  • G. Rauch, A. Jahn-Eimermacher, W. Brannath, M. Kieser (2014): Opportunities and challenges of combined effect measures based on prioritized outcomes, Statistics in Medicine 33:1104-1120.
  • S. Schüler, A. Mucha, P. Doherty, M. Kieser, G. Rauch  (2014): Easily applicable multiple testing procedures to improve the interpretation of clinical trials with composite endpoints. International Journal of Cardiology 15: 126-132.

2013

  • G. Rauch, M. Kieser (2013): An expected power approach for the assessment of composite endpoints and its components, Computational Statistics & Data Analysis 60: 111-122.
  • G. Rauch, J. Beyersmann (2013): Planning and evaluating clinical trials with composite time-to-first event endpoints in a competing risk framework, Statistics in Medicine 32: 3595-3608.