Kapitel 10 Dependent and Independent Variables

Zwei Begriffe, die man im Bereich Gesundheit / Medizin oft hört, sind die Begriffe “abhängige Variable” und “unabhängige Variable”. Auf Englisch: dependent und independent variables.

Die Variablen haben in einer Untersuchung verschiedene Bedeutungen. Wir unterscheiden zwischen abhängigen und unabhängigen Variablen. Veränderungen der einen Variablen (abhängige Variable) sollen durch den Einfluss der unabhängigen Variable erklärt werden. Beispiele: Der Lohn eines Physiotherapeuten kann durch den Faktor Arbeitsjahre erklärt werden. Die Schulnoten können (zum Teil) durch den Faktor Lernzeit erklärt werden.

Oder ein Beispiel aus der Physiotherapie: Wir wollen untersuchen, ob 15 Sekunden Dehnen bezüglich Beweglichkeit die Beweglichkeit gleich verbessert wie 30 Sekunden Dehnen: Hier wäre die Dehnbarkeit, gemessen in Winkelgraden, die abhängige Variable. Die Dehndauer (15 oder 30 Sekunden) die unabhängige Variable.

Hier noch ein Beispiel, das vor allem für den Autor dieses Skriptes hoch relevant wäre: Wir möchten untersuchen, ob eine „Mittelmeer-Diät“ zu einem längeren Leben verhilft: Die abhängige Variable ist die Überlebenszeit, die unabhängige die Variable „Diät“ (ja oder nein, oder Diätform). Die Überlebenszeit ist abhängig von der Diät.

Zusammenhänge zwischen zwei zumindest ordinal skalierten Daten stellen wir graphisch oft in einem Streudiagramm dar. Hier gilt die Konvention, dass die unabhängige Variable auf der X-Achse (horizontale Achse) dargestellt wird, und die abhängige Variable auf der Y-Achse (vertikale Achse).

Im folgenden Beispiel war unsere Hypothese, dass Verletzungen, die später in der Saison stattfanden, eine längere Verletzungszeit zur Folge hatten. In dieser Hypothese war die Variable “time_of_injury” die unabhängige Variable und “severity_in_days” die abhängige Variable.

Wir sehen in der Graphik, dass praktisch kein Zusammenhang zwischen den beiden Variablen besteht.

Die Begriffe unabhängig und abhängig spiegeln also nicht die Wahrheit wieder, sondern das, was wir denken (was unsere Hypothese ist).

ggplot(data, aes(x=time_of_injury, y=severity_in_days))+
  geom_point()+
  geom_smooth(method="lm")+
  theme_classic()

## `geom_smooth()` using formula = 'y ~ x'

Abbildung 10.1: Streudiagramm der Varaiblen Zeitpunkt der Verletzung und Zeitdauer der Verletzung. Die Daten sind aus dem Artikel Nuhu und Kolleginnen Link

In einer Studie Link zur Studie wurde untersucht, ob das FIFA11+ Programm eine Reduktion der Verletzungsinzidenz zur Folge hatte. Wir möchten nun wissen, ob dies auch einen Einfluss auf die Verletzungsdauer hatte. Unsere abhängige Variable wäre nun die Variable “serverity_in_days”, und die unabhängige die Intervention, d.h. “Fifa11+” oder “Kontrollgruppe” (Variable research_group.

ggplot(data, aes(x=research_group, y=severity_in_days))+
  geom_boxplot(fill=c("#D649DE", "#940A74"))+
  theme_classic()+
  coord_cartesian(ylim=c(0,75))

Abbildung 5.2: Boxplot mit den Verletzungstagen in der Kontroll und der Interventionsgruppe (Fifa11+)

Ein Tor ist nicht das Ende der Welt. Aber hier ist das Ende dieses Kapitels