Randomisiert-kontrollierte Studien (RCTs) gelten in den Gesundheitswissenschaften und im Bereich der “evidence-based medicine” als Goldstandard zur Evaluation gesundheitsfördernder und klinischer Interventionen. Auch in sozial- und bildungswissenschaftlichen Kontexten werden RCTs genutzt, um Effekte von Interventionsinstrumenten nachzuweisen.
Seit dem letzten Jahrzehnt gewinnt die Programmiersprache R fachübergreifend zunehmend an Bedeutung. Durch seinen Open Source-Charakter und durch die kollaborative Entwicklung zahlreicher funktionaler Erweiterungen (sogenannter “packages”) stellt die R-Infrastruktur heute eines der vielseitigsten, flexibelsten und innovativsten Instrumentarium zur statistischen Auswertung wissenschaftlicher Daten dar. Auch außerhalb des akademischen Kontexts gewinnt R zunehmend an Bedeutung. Der Erwerb von Kenntnissen der Programmiersprache ist daher, unabhängig von Fachrichtung und weiterer Karriereplanung, ein meist sinnvolles Investment.
In vorliegendem Workshop soll eine Einführung in die statistische Evaluation randomisiert-kontrollierter Studien unter Nutzung von R gegeben werden. Fokussiert wird hierbei auf die Vermittlung eines konzeptuellen Verständnisses statistisch-methodischer Grundsätze und Techniken bei der Auswertung prospektiver, parallel-randomisierter Studien und Experimente. Die Teilnehmenden sollen nach dem Workshop wichtige Merkmale des Designs von RCTs kennen und bei der Studienplanung berücksichtigen, die entsprechenden Analysen eigenständig in R durchführen und richtlinienkonform berichten können.
Daher liegt ein besonderes Augenmerk des Workshops auf der Vermittlung praktischer Anwendungskenntnisse durch konkrete Beispielanalysen und Fallvignetten in R, die während des Seminars eigenständig bearbeitet werden. Praktische Übungen werden dabei an einem aufbereiteten, “realitätsnahen” Datensatz durchgeführt, der zu Beginn des Moduls bereitgestellt wird. Es besteht jedoch auch die Möglichkeit, eigene Forschungsdaten im Zuge der praktischen Übungen zu analysieren, sofern diese bestimmte Voraussetzungen erfüllen.
Ein großer Vorteil der R Infrastruktur liegt in der verbesserten Transparenz und Reproduzierbarkeit analytischer Ergebnisse; daher werden auch einige “best practices” nach den Maßgaben von “Open Science” vermittelt.
Website: https://workshop.mharrer.dev/workshop/rct-evaluation-in-r/