dc.contributor.author
Grittner, Ulrike
dc.date.accessioned
2018-06-07T23:24:38Z
dc.date.available
2017-12-20T10:52:21.430Z
dc.identifier.uri
https://refubium.fu-berlin.de/handle/fub188/10456
dc.identifier.uri
http://dx.doi.org/10.17169/refubium-14654
dc.description.abstract
Different methodological challenges in epidemiological studies directed at
alcohol research were discussed in this treatise, and strategies to handle
these challenges were introduced and explored. First, operationalization of
socio-economic status was discussed, and handled in chapter 2.1 by using an
empirically derived SES indicator based on information on education,
occupation, and income via using optimal scaling. Second, longitudinal and
clustered data on alcohol consumption were analysed in chapters 2.2, 2.3, and
2.4 using multilevel models which account for the clustered data structure,
can handle data with missing values better, and allow for testing
characteristics on different levels (for example individual level
characteristics and country-level characteristics in multinational studies).
Third, the problem of how to handle missing values was discussed in chapter
2.5, by comparing different methods of missing value imputation.
de
dc.description.abstract
In dieser Habilitationsschrift werden verschiedene methodische
Herausforderungen in Bezug auf epidemiologische Studien der Alkoholforschung
erörtert. Zunächst wird eine Operationalisierung des sozioökonomischen Status‘
diskutiert und in Kapitel 2.1 ausgeführt. Der hier vorgeschlagene empirisch
ermittelte Status-Indikator beruht auf Informationen zu Bildung, Beruf und
Einkommen und wird mittels optimaler Skalierung berechnet. In den folgenden
Abschnitten 2.2, 2.3 und 2.4 werden längsschnittlich erhobene und gruppierte
Daten zu Alkoholkonsum unter Verwendung von gemischten Regressionsmodellen
analysiert. Diese Modelle berücksichtigen gruppierte Datenstrukturen, können
besser als andere Regressionsmodelle mit fehlenden Werten umgehen und erlauben
die statistische Testung von Zusammenhängen auf den entsprechenden Datenebenen
(zum Beispiel auf der Ebene der Individuen oder der Länder in multinationalen
Studien). In einem letzten Abschnitt (Kapitel 2.5) geht es die Problematik des
Umgangs mit fehlenden Werten. Dabei werden verschiedene Methoden der
Imputation fehlender Werte verglichen.
de
dc.rights.uri
http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen
dc.subject
observational studies
dc.subject
missing value imputation
dc.subject
socio-economic status
dc.subject.ddc
600 Technik, Medizin, angewandte Wissenschaften::610 Medizin und Gesundheit
dc.title
Methodological Challenges in Observational Studies: Measuring Socio-Economic
Status and Alcohol Consumption
dc.contributor.firstReferee
Prof. Dr. Hajo Zeeb
dc.contributor.furtherReferee
Prof. Dr. Peter Schlattmann
dc.date.accepted
2017-07-17
dc.identifier.urn
urn:nbn:de:kobv:188-fudissthesis000000106053-5
dc.title.translated
Methodische Herausforderungen in Beobachtungsstudien: Messungen von
Sozioökonomischem Status und Alkoholkonsum
de
refubium.affiliation
Charité - Universitätsmedizin Berlin
de
refubium.mycore.fudocsId
FUDISS_thesis_000000106053
refubium.mycore.derivateId
FUDISS_derivate_000000022941
dcterms.accessRights.dnb
free
dcterms.accessRights.openaire
open access