Kap. 2.1 Epidemiologie

Oliver Razum, Patrick Brzoska, Matthias Egger

Die Epidemiologie ist eine Kernwissenschaft für Public Health: Sie ist unentbehrlich, um den Gesundheitszustand auf der Bevölkerungsebene zu beschreiben, Krankheitsursachen und damit Interventionsmöglichkeiten zu identifizieren und deren Wirksamkeit zu messen. Wörtlich übersetzt ist Epidemiologie die Lehre von dem, was »über das Volk kommt« [von epi (gr.): über und démos (gr.): Volk]. Sie untersucht die Verteilung von Krankheiten, Todesfällen und anderen gesundheitlichen Ereignissen (»Outcomes«) in Bevölkerungen oder Bevölkerungsgruppen, aber auch von Risikofaktoren und schützenden Faktoren (beide werden unter dem Begriff »Expositionen« zusammengefasst). Die deskriptive Epidemiologie beschreibt dabei die Verteilung von Outcomes und Expositionen, die analytische Epidemiologie schließt aus den Verteilungsmustern auf mögliche Krankheitsursachen und setzt dazu epidemiologische Studiendesigns wie Kohortenstudien und Fall-Kontroll-Studien ein. Bei der Betrachtung der Studienergebnisse stellen Epidemiolog:innen systematische Überlegungen zu möglichen Verzerrungen und ihren Folgen sowie zur Ursächlichkeit (Kausalität) der beobachteten Zusammenhänge an. Die Ergebnisse solcher epidemiologischer Studien helfen, präventive Interventionsmaßnahmen zu erarbeiten und diese zu evaluieren.

Dieser Abschnitt des Lehrbuchs betrachtet zuerst die Rolle der Epidemiologie in Public Health. Anschließend beschäftigt er sich mit epidemiologischen Verfahren zum Messen und Vergleichen, dann mit verschiedene epidemiologische Studientypen und erörtert zum Schluss, wie Schlussfolgerungen aus epidemiologischen Untersuchungen gezogen werden können und welche möglichen Fehlerquellen hier auftreten können.

Auf dieser Seite finden Sie die in diesem Kapitel verwendeten Literaturquellen, Hinweise zu empfohlener Vertiefungsliteratur, ergänzende Abbildungen und weiterführende Internetquellen zum Thema. 

Lehrbücher (Englisch)

  • Celentano DD, Szklo M, Gordis L. Gordis epidemiology. Sixth edition. Philadelphia, PA: Elsevier; 2019.
    Zugängliche Einführung in die deskriptive und analytische Epidemiologie. Auch auf Deutsch erhältlich.
  • Rothman KJ, Lash TL, VanderWeele TJ, Haneuse S. Modern epidemiology. Fourth edition. Philadelphia: Wolters Kluwer / Lippincott Williams & Wilkins; 2021.
    Standardwerk für analytische Epidemiologie, Kausalität und Bias (fortgeschrittenes Niveau).
  • Beaglehole R, Bonita R, Kjellström T. Basic epidemiology. 2nd. ed. Geneva: World Health Organization; 2006. 213 p.
    Kostenlos verfügbar, stark auf Public-Health-Anwendungen ausgerichtet.
  • Porta MS, Greenland S, Hernán M, Silva I dos S, Last JM. A dictionary of epidemiology. Six edition. Oxford: Oxford University Press; 2014. 343 p.
  • Hernán MA, Robins JM. Causal Inference: What If. Boca Raton: Chapman & Hall/CRC, 2020.

Das Buch von Miguel A. Hernán und James M. Robins ist eines der einflussreichsten modernen Lehrbücher zur kausalen Inferenz in Epidemiologie, Biostatistik und angrenzenden Sozial- und Gesundheitswissenschaften. Das Buch verfolgt einen konsequenten kontrafaktischen Ansatz: Kausale Effekte werden als Vergleiche zwischen dem, was unter einer Intervention tatsächlich passiert ist, und dem, was unter alternativen („What if“-)Szenarien passiert wäre, definiert.

Zentrales Anliegen des Buches ist es, formale Kausalbegriffe verständlich und praxisnah zu machen. Behandelt werden u. a. kausale Diagramme (DAGs), Confounding und Bias, Zielgrößen (Estimands), Randomisierung versus Beobachtungsdaten, sowie moderne Methoden wie G-Formel, inverse Wahrscheinlichkeitsgewichtung, Marginal Structural Models und g-Estimation. Ein besonderes Merkmal ist die enge Verzahnung von Theorie und Anwendung: Viele Beispiele stammen aus realen epidemiologischen Fragestellungen, und komplexe statistische Ideen werden weitgehend ohne übermäßige Mathematik erklärt.

Das Buch ist zugleich Lehrbuch und Referenzwerk. Es richtet sich an fortgeschrittene Studierende, Doktorand:innen und Forschende, die kausale Fragestellungen sauber formulieren und analysieren wollen – insbesondere dann, wenn randomisierte Studien nicht möglich sind.

Deutsche Lehrbücher

Ergänzende Abbildung zu Kap. 2.1.4 Validität und Reliabilität