Einflussfaktoren auf die Kaiserschnittraten in deutschen Krankenhäusern in den Jahren 2015–2017. Eine ökologische Studie

Zusammenfassung Hintergrund Studien in diversen anderen Ländern haben gezeigt, dass es Stadt-Land-Unterschiede bei der Kaiserschnittrate gibt. Dabei zeigte der städtische Raum mehrheitlich höhere Kaiserschnittraten. Deshalb sollten die Kaiserschnittraten nun auch in Deutschland zwischen Krankenhäusern im städtischen und ländlichen Raum verglichen werden. Darüber hinaus sollten weitere Faktoren identifiziert werden, welche die Kaiserschnittrate beeinflussen. Methodik Zur Untersuchung des vorliegenden Forschungsgegenstandes wurde eine Sekundärdatenanalyse der Kaiserschnittraten in deutschen Krankenhäusern mit Geburtsstationen durchgeführt. Betrachtet wurden dabei die Jahre 2015–2017. Die Kaiserschnittraten wurden den Qualitätsberichten der Krankenhäuser entnommen. Mithilfe des Statistikprogramms SPSS wurden Mittelwertvergleiche und multiple lineare Regressionen zur Erklärung der Kaiserschnittraten in den Krankenhäusern durchgeführt. Ergebnisse Die Mittelwertanalyse ergab keine signifikanten Unterschiede bei der Kaiserschnittrate zwischen städtischen und ländlichen Krankenhäusern (2015: Stadt=31,87% und Land=31,6%, 2016: Stadt=31,09% und Land=31,04%, 2017: Stadt=31,26% und Land=31,03%). Die multiple lineare Regression hat ergeben, dass die Variablen „Bettenzahl“ (2015: b=0,005, 2016: b=0,007, 2017: b=0,006), „Lehrtätigkeit“ (2015: b=− 1,42, 2016: b=− 1,351, 2017: b=− 1,823), „Anzahl der Frauenärzte je 100 000 Einwohner“ (2015: b=0,198, 2016: b=0,241, 2017: b=0,254) sowie der „Anteil der Bevölkerung mit Fach-/Hochschulabschluss in%“ (2015: b=− 0,45, 2016: b=− 0,507, 2017: b=− 0,392) in allen Untersuchungsjahren signifikante Prädiktoren für die Kaiserschnittrate sind. Schlussfolgerung Die Studie konnte Krankenhausmerkmale sowie bevölkerungs- bzw. versorgungsspezifische Merkmale als Prädiktoren der Kaiserschnittraten identifizieren. Besonders relevant war das durchschnittliche Bildungsniveau des Landkreises, in dem sich das Krankenhaus befand. Kaiserschnittraten scheinen also weniger durch die Bevölkerungsdichte als vielmehr durch das regionale Bildungsniveau beeinflusst.

Intensivbettenbedarf für COVID‑19 im Herbst/Winter 2021

Zusammenfassung Hintergrund Auch im Herbst 2021 droht trotz der steigenden Impfquoten gegen SARS-CoV-2 aufgrund saisonaler Veränderungen und der damit verbundenen erhöhten Infektionsraten eine erneute Infektionswelle mit einhergehender erneuter möglicher starker Belastung der Intensivmedizin. Im Folgenden sind verschiedene Szenarien mithilfe mathematischer Modelle simuliert, die unter der Annahme bestimmter Voraussetzungen eine Einschätzung hinsichtlich der Auslastung der Intensivbettenkapazitäten im Herbst in bestimmten Grenzen ermöglichen. Methodik Die Simulation der Szenarien verwendet ein stationäres Modell, ergänzt um den Effekt der Impfungen. Das altersgruppenspezifische Risikoprofil für einen intensivpflichtigen Krankheitsverlauf wird anhand von Einweisungsdaten der 3. Welle auf Intensivstationen in Sentinel-Kliniken, den lokalen DIVI-Register-Belegungsdaten sowie den entsprechenden lokalen Inzidenzen durch lineare Regression mit Zeitversatz berechnet. Wir simulieren hierbei Impfquoten von 15 % für die U18-Kohorte, 70 % für die 15- bis 34-jährige Kohorte, 75/80/85 % für die Kohorte von 35 bis 59 Jahren sowie 85/90/95 % für die Ü60-Kohorte. Die Simulationen berücksichtigen, dass eine Impfung zu 100 % vor einem intensivpflichtigen Krankheitsverlauf schützt. Für den Schutz vor Infektion der Geimpften wurden die Simulationen zum einen für das Szenario Impfschutz für 70 % der Geimpften und zum anderen für das Szenario Impfschutz für 85 % der Geimpften dargestellt. Ergebnisse Die Intensivbettenauslastung verläuft proportional zur Inzidenz. Der Faktor für dieses Verhältnis (Proportionalitätsfaktor) ist höher als in der 2. und 3. Welle, sodass vergleichbare Intensivbettenbelegungen erst bei höherer Inzidenz erreicht werden. Eine 10 %ige Steigerung der Impfquoten der Ü35 auf 85 % und der Ü60 auf 95 % führt zu einer erheblich verringerten Intensivbettenbelegung. Diskussion Es besteht auch in den kommenden Monaten eine enge und lineare Beziehung zwischen der SARS-CoV-2-Inzidenz und der Intensivbettenbelegung. Bereits ab Inzidenzen von 200/100.000 ist wieder eine erhebliche Belastung der Intensivstationen mit mehr als 3000 COVID-19-Patienten zu erwarten, sofern die Impfquote nicht noch deutlich gesteigert wird. Wenige Prozentpunkte in der Impfquote haben eine erhebliche Auswirkung auf die potenzielle Intensivbelegung im Herbst, sodass Bemühungen um die Steigerung der Impfakzeptanz in den kommenden Wochen im Vordergrund stehen sollten. Für die Intensivmedizin ist die Impfquote der über 35-Jährigen von entscheidender Bedeutung.

Wirtschaftsstatistik: 77 Aufgaben, die Bachelorstudierende beherrschen müssen

Jutta Arrenberg stellt 77 Klausuraufgaben mit Lösungen vor. Im Mittelpunkt stehen u.a. Kennzahlen aus Daten, das Rechnen mit Wahrscheinlichkeiten sowie die Binomial- und Normalverteilung. Auch auf Skalierung von Variablen, Zufallsvariablen und Indexrechnung geht die Autorin ein. Sie behandelt zudem Lineare Regression, Konfidenzintervalle sowie statistische Tests. Auf häufig gemachte Fehler in Klausuren weist sie explizit hin, ebenso auf die aufzuwendende Zeit und den Schwierigkeitsgrad pro Aufgabe. Auch alle wichtigen Formeln aus dem Studium sind im Buch zu finden. Zudem verrät sie, wie sich Studierende richtig auf die Prüfung vorbereiten, und gibt Tipps für die Klausur.

Vorhersage der Fließgewässertemperaturen in österreichischen Einzugsgebieten mittels Machine Learning-Verfahren

ZusammenfassungDie Fließgewässertemperatur ist ein essenzieller Umweltfaktor, der das Potenzial hat, sowohl ökologische als auch sozio-ökonomische Rahmenbedingungen im Umfeld eines Gewässers zu verändern. Um Fließgewässertemperaturen als Grundlage für effektive Anpassungsstrategien für zukünftige Veränderungen (z. B. durch den Klimawandel) berechnen zu können, sind adäquate Modellierungskonzepte notwendig. Die vorliegende Studie untersucht hierfür 6 Machine Learning-Modelle: Schrittweise Lineare Regression, Random Forest, eXtreme Gradient Boosting, Feedforward Neural Networks und zwei Arten von Recurrent Neural Networks. Die Modelle wurden an 10 österreichischen Einzugsgebieten mit unterschiedlichen physiographischen Eigenschaften und Eingangsdatenkombinationen getestet. Die Hyperparameter der angewandten Modelle wurden mittels Bayes’scher Hyperparameteroptimierung optimiert. Um die Ergebnisse mit anderen Studien vergleichbar zu machen, wurden die Vorhersagen der 6 Machine Learning-Modelle den Ergebnissen der linearen Regression und dem häufig verwendeten und bekannten Wassertemperaturmodell air2stream gegenübergestellt.Von den 6 getesteten Modellen zeigten die Feedforward Neural Networks und das eXtreme Gradient Boosting die besten Vorhersagen in jeweils 4 von 10 Einzugsgebieten. Mit einem durchschnittlichen RMSE (Wurzel der mittleren Fehlerquadratsumme; root mean squared error) von 0,55 °C konnten die getesteten Modelle die Fließgewässertemperaturen deutlich besser prognostizieren als die lineare Regression (1,55 °C) und air2stream (0,98 °C). Generell zeigten die Ergebnisse der 6 Modelle eine sehr vergleichbare Leistung mit lediglich einer mittleren Abweichung um den Medianwert von 0,08 °C zwischen den einzelnen Modellen. Im größten untersuchten Einzugsgebiet – Donau bei Kienstock – wiesen Recurrent Neural Networks die höchste Modellgüte auf, was darauf hinweist, dass sie sich am besten eignen, wenn im Einzugsgebiet Prozesse mit langfristigen Abhängigkeiten ausschlaggebend sind. Die Wahl der Hyperparameter beeinflusste die Vorhersagefähigkeit der Modelle stark, was die Bedeutung der Hyperparameteroptimierung besonders hervorhebt.Die Ergebnisse dieser Studie fassen die Bedeutung unterschiedlicher Eingangsdaten, Modelle und Trainingscharakteristiken für die Modellierung von mittleren täglichen Fließgewässertemperaturen zusammen. Gleichzeitig dient diese Studie als Basis für die Entwicklung zukünftiger Modelle für eine regionale Fließgewässertemperaturvorhersage. Die getesteten Modelle stehen im open source R‑Paket wateRtemp allen AnwenderInnen der Forschungsgemeinschaft und der Praxis zur Verfügung.

Effektives Assetmanagement mit einfachen Regressionstechniken

Die lineare Regression gehört in Wissenschaft und Praxis zu den Standardverfahren, wenn es darum geht, Veränderungen einer ökonomischen Größe durch verschiedene Einflussfaktoren zu erklären. In diesem Beitrag wird gezeigt, dass sie durch spezielle Spezifikationen und Perspektiven zu einem mächtigen Werkzeug im Assetmanagement wird. So kann man mit Regressionen nicht nur Hyhothesen zur Durchschnittsrendite von Anlagen testen oder Investmentfondsperformance und -risiko beurteilen, sondern auch Wertpapierselektions- und Timingstrategien implementieren oder Portfoliooptimierung durchführen.

Machine Learning im Bildungskontext: Evidenz für die Genauigkeit der automatisierten Beurteilung von Essays im Fach Englisch

Zusammenfassung. Argumentatives Schreiben ist eine bedeutsame Kompetenz in der Fremdsprache Englisch. Entsprechende Schreibaufgaben sind Teil von Schulabschlussprüfungen in der Sekundarstufe II und von Zugangstests für Hochschulen (z.B. TOEFL®). Trotz ihrer Bedeutsamkeit wurden diese komplexen Schreibleistungen bisher im Kontext großer Schulleistungsuntersuchungen kaum empirisch untersucht. Ein Grund dafür ist die aufwendige Auswertung der Essays, für die eine große Anzahl speziell trainierter Kodiererinnen und Kodierer zur Beurteilung benötigt wird. Um den Aufwand der Auswertung zu reduzieren, können Machine Learning Verfahren eingesetzt werden, welche die Urteile der Kodiererinnen und Kodierer approximieren. Dabei werden linguistische Eigenschaften der Essays automatisiert erfasst, die dann genutzt werden, um mit Hilfe von statistischen Verfahren des maschinellen Lernens die menschlichen Urteile vorherzusagen. In der vorliegenden Arbeit soll dieses Vorgehen dargestellt und das Potenzial solcher automatisierten Prozeduren in Bezug auf die Vorhersagegenauigkeit untersucht werden. Dazu lagen Texte von N = 2179 Schülerinnen und Schülern der 11. Jahrgangsstufe in Deutschland und der Schweiz vor. Zur Kodierung der Texte wurde die open source-Software The Common Text Analysis Platform (CTAP) eingesetzt, die linguistische Textmerkmale automatisch kodiert. Auf Basis dieser Textmerkmale wurden die vorliegenden Urteile von trainierten Kodiererinnen und Kodierern des Educational Testing Service (ETS) vorhersagt. Die Genauigkeit der Vorhersage erwies sich als zufriedenstellend ( r = .75; Anteil genauer Übereinstimmung: 42%) und konnte im Vergleich mit einer etablierten kommerziellen Software des ETS (e-rater®; r = .81; Anteil genauer Übereinstimmung: 42%) bestehen. Es wurden vergleichbare Ergebnisse für die lineare Regression sowie Gradient Boosting als Analysestrategien zur Vorhersage der menschlichen Urteile gefunden. Möglichkeiten und Limitationen der automatisierten Textbeurteilung und deren Anwendung in Forschung und Praxis werden diskutiert.

Wirtschaftsstatistik für Bachelor

Kenntnisse der Wirtschaftsstatistik sind für ein erfolgreiches Wirtschaftsstudium unerlässlich. Erfahrungsgemäß tun sich Studierende aber gerade damit schwer. Das Buch legt deshalb besonderen Wert auf Verständlichkeit: Definitionen sind mit Beispielen versehen und jedes Kapitel endet mit einer Zusammenfassung. Die zahlreichen Prüfungstipps beruhen auf Erkenntnissen aus der Korrektur von über 10.000 Klausuren. Im Buch finden sich alle Themen, die Bachelorstudierende der Wirtschaftswissenschaften kennen sollten. Dazu zählen u. a. die Darstellung von Datensätzen, die Wahrscheinlichkeitsrechnung, Lage- und Streuungsparameter, die lineare Regression, Indizes, diskrete und stetige Verteilungsmodelle, das Schätzen von Parametern, Konfidenzintervalle sowie die statistischen Tests: Gaußtest, t-Test, Chi-Quadrat-Unabhängigkeitstest und Chi-Quadrat-Anpassungstest. Das Lehrbuch richtet sich an Studierende der Betriebs- und Volkswirtschaftslehre.