Empirische Forschung

„Empirische Forschung ist die systematische Erfassung und Deutung sozialer/gesundheitsbezogener Tatbestände“

Systematisches Erfassen:

Anwendung methodischer Verfahrenzur Erhebung sozialer/gesundheitsbezogener Daten

Tatbestände:

Überprüfung und Entwicklung von Theorienund Hypothesen über menschliches Verhalten in sozialen/ gesundheitsspezifischen Kontexten

Deutung:

Für Erkenntnisgewinn (Forschungsziel), müssen die erfassten Daten analysiert und interpretiert werden.

• Methode, die sichauf wissenschaftliche Erfahrungen stützt, um Erkenntnisse zu gewinnen

• auswissenschaftlicher Erfahrung gewonnenes Wissen

• Grundlage für neue Hypothesen und Theorien

• Methodik: Ungeplant/Einzelfallbeobachtung vs. Systematische Forschung.

• Transparenz: Subjektiv/vage vs. Dokumentiert und intersubjektiv nachvollziehbar.

• Qualität: Keine festen Regeln vs. Einhaltung strenger Gütekriterien (Objektivität, Reliabilität, Validität).

• Wahrheitsanspruch: Oft als „absolut“ behauptet vs. Potenziell falsifizierbar und veränderbar.

• Forschungsthema und Fragestellung: Am Anfang steht die Suche nach einem relevanten Thema und die Präzisierung einer wissenschaftlichen Fragestellung. In der quantitativen Forschung wird hierfür oft das PICO-Framework (Population, Intervention, Comparison, Outcome) genutzt.

• Literaturrecherche und Theorie: Der aktuelle Forschungsstand wird gesichtet, um die Untersuchung theoretisch zu fundieren und Hypothesen abzuleiten.

• Untersuchungsdesign und Planung: Festlegung der Strategie (z. B. Experiment, Querschnittsstudie oder Fallstudie) und Auswahl der Variablen.

• Operationalisierung und Stichprobe: Abstrakte Begriffe werden in messbare Merkmale umgewandelt. Zudem wird festgelegt, wie die Teilnehmenden (Stichprobe) ausgewählt werden – entweder repräsentativ-zufällig (quantitativ) oder bewusst-zielgerichtet (qualitativ).

• Datenerhebung: Die systematische Sammlung der Informationen erfolgt durch Methoden wie Befragungen, Beobachtungen oder Messungen.

• Datenaufbereitung und Analyse: Die Rohdaten werden organisiert und statistisch (quantitativ) oder interpretativ (qualitativ) ausgewertet, um Muster zu erkennen oder Hypothesen zu prüfen.

• Interpretation und Entscheidung: Die Ergebnisse werden vor dem Hintergrund der Theorie gedeutet. In der quantitativen Forschung wird hierbei auf Basis des p-Werts über die Annahme oder Ablehnung der Nullhypothese entschieden.

• Ergebnispräsentation: Abschließend werden die Erkenntnisse dokumentiert und veröffentlicht, um sie der Fachwelt zugänglich zu machen.

Während der quantitative Prozess meist linear und standardisiert verläuft, ist der qualitative Prozess zirkulär. Das bedeutet, dass Stichprobenziehung, Erhebung und Analyse oft parallel verlaufen und sich gegenseitig beeinflussen.

Quantitative vs. Qualitative Forschung

• Erkenntnisziel: Erklären kausaler Zusammenhänge vs. Sinnverstehen von Phänomenen.

• Vorgehensweise: Deduktiv (Theorien prüfen) vs. Induktiv (Theorien entwickeln).

• Datenform: Numerisch (Zahlen/Fakten) vs. Narrativ (Texte/Bilder/Videos).

• Prozess: Linear und standardisiert vs. Zirkulär und flexibel.

• Stichprobe: Groß und repräsentativ vs. Klein und bewusst ausgewählt.

• Perspektive: Außenperspektive des Forschers vs. Sicht der Betroffenen

Eine Variable (oder auch Merkmal genannt) ist eine an einer statistischen Einheit (z. B. einer Person) untersuchte Eigenschaft. Jede Variable besitzt mindestens zwei verschiedene Ausprägungen (Merkmalswerte), denen numerische Eigenschaften zugeordnet werden. Man unterscheidet dabei verschiedene Typen:

• Abhängige Variable (AV): Die Variable, die sich durch den Einfluss einer anderen Variable verändert und das eigentliche Ergebnis (Outcome) darstellt.

• Unabhängige Variable (UV): Die Variable, die als Ursache für einen Effekt angesehen wird (z. B. eine Therapieform).

• Qualitative vs. Quantitative Variablen: Qualitative Variablen ordnen Objekte Kategorien zu (z. B. Geschlecht), während quantitative Variablen eine Zuordnung nach der Größe erlauben (z. B. Alter).

• Skalenniveaus: Variablen werden nach ihrer mathematischen Qualität in nominal-, ordinal-, intervall- oder verhältnisskaliert unterteilt

Eine Hypothese ist eine provisorische Antwort auf ein wissenschaftliches Problem. Sie muss bestimmte Kriterien erfüllen: Sie bezieht sich auf reale, empirisch untersuchbare Sachverhalte, ist allgemeingültig (generalisierbar) und muss als Konditionalsatz („Wenn-dann“ oder „Je-desto“) formuliert sein. Zudem muss sie potenziell falsifizierbar(widerlegbar) und widerspruchsfrei sein. In der Statistik arbeitet man mit einem Hypothesenpaar:

• Nullhypothese (H0): Postuliert, dass kein Unterschied, Zusammenhang oder Effekt in der Population besteht.

• Alternativhypothese (H1): Beschreibt den eigentlich vermuteten Effekt oder Unterschied.

Die Population (auch Grundgesamtheit genannt) ist die gesamte Klasse oder Gruppe von Individuen, Objekten oder Ereignissen, über die eine wissenschaftliche Aussage getroffen werden soll. Sie muss vor Beginn einer Untersuchung genau definiert werden, um festzulegen, auf wen die Ergebnisse später bezogen werden können.

Die Stichprobe ist eine Teilmenge der Population, also die Menge der statistischen Einheiten, die im Rahmen einer Erhebung tatsächlich untersucht werden. Damit die Ergebnisse der Stichprobe auf die gesamte Population übertragen werden können (induktiver Rückschluss), sollte die Stichprobe repräsentativ sein, was idealerweise durch eine Zufallsauswahl erreicht wird. Da es sich nur um einen Ausschnitt der Realität handelt, besteht beim Rückschluss von der Stichprobe auf die Grundgesamtheit immer eine gewisse Unsicherheit (Irrtumswahrscheinlichkeit)

Studiendesigns in den Gesundheitswissenschaften lassen sich grundlegend in quantitative und qualitative Ansätze unterteilen, die jeweils unterschiedliche Erkenntnisziele verfolgen.

Quantitative Studiendesigns

Diese dienen primär dem Erklären von Ursache-Wirkungs-Zusammenhängen und dem Testen von Hypothesen.

• Querschnittsstudie: Eine einmalige „Momentaufnahme“ zu einem definierten Zeitpunkt, um die Häufigkeit eines Ereignisses (z. B. Prävalenz einer Krankheit) zu untersuchen.

• Längsschnittstudie (Longitudinalstudie): Untersuchung von Wandlungs- oder Veränderungsprozessen über mehrere Messzeitpunkte hinweg. Sie können prospektiv (in die Zukunft gerichtet) oder retrospektiv (rückblickend) sein.

• Beobachtungsstudien:

  • Kohortenstudie: Beobachtung von Gruppen mit oder ohne bestimmte Risikofaktoren über die Zeit, um das Auftreten von Erkrankungen zu erfassen.

  • Fall-Kontroll-Studie: Retrospektiver Vergleich von bereits erkrankten Personen („Fälle“) mit gesunden Personen („Kontrollen“), um mögliche Ursachen zu identifizieren.

• Interventionsstudien:

  • Randomized Controlled Trial (RCT): Der Goldstandard; Teilnehmende werden zufällig (randomisiert) einer Interventions- oder Kontrollgruppe zugeteilt, um die Wirksamkeit einer Therapie zu prüfen.

  • Kontrollierte klinische Studie (CCT): Wie ein RCT, jedoch erfolgt die Gruppenzuteilung nicht zufällig.

• Review / Meta-Analyse: Systematische Zusammenfassung und statistische Auswertung der Ergebnisse bereits vorhandener Primärstudien.

Qualitative Forschungsansätze

Diese zielen auf das „Sinnverstehen“ und das Abbilden subjektiver Perspektiven von Betroffenen in ihrem natürlichen Kontext ab.

• Ethnografischer Ansatz: Fokus auf das Verständnis kulturellen Handelns, Praktiken und Ritualen innerhalb von Gruppen (z. B. in einer Klinik).

• Phänomenologischer Ansatz: Untersuchung der Frage, wie Einzelne die Welt erleben und ihr einen Sinn geben (subjektive Erfahrungen, z. B. Leben mit einer chronischen Krankheit).

• Grounded Theory: Ein induktives Verfahren, bei dem aus der systematischen Analyse der Daten heraus neue Theorien über soziale Phänomene entwickelt werden.

Mixed Methods

• Methodenkombination: Verbindet qualitative und quantitative Forschungsphasen innerhalb einer Studie. Ziel ist es, die Stärken beider Ansätze zu nutzen und deren jeweilige Schwächen auszugleichen

1. Strukturierung durch das PICO-Framework

Um eine präzise wissenschaftliche Fragestellung zu formulieren, die auf Messwerten basiert, wird in den Gesundheitswissenschaften meist das PICO-Modell verwendet:

• P (Population): Definition der Gruppe (z. B. "Patienten mit chronischem Nackenschmerz").

• I (Intervention): Die untersuchte Maßnahme (z. B. "8-wöchiges spezifisches Training").

• C (Comparison): Die Vergleichsgruppe (z. B. "allgemeines Kräftigungsprogramm").

• O (Outcome): Der Zielparameter, der in Zahlen gemessen wird (z. B. "Schmerzintensität auf einer Skala" oder "Bewegungsausmaß in Grad").

• T (Time)

2. Operationalisierung: Von der Idee zum Messwert

Damit eine Fragestellung quantitativ untersuchbar ist, müssen abstrakte Merkmale in messbare Größen (Variablen) umgewandelt werden.

• Abhängige Variable (AV): Das ist der Messwert, den man als Ergebnis beobachtet (das Outcome), wie zum Beispiel die Greifkraft in Newton.

• Unabhängige Variable (UV): Das ist der Faktor, der den Messwert beeinflussen soll (z. B. die Art der Therapie).

• Messvorgang: Objekten werden nach festen Regeln Zahlen zugeordnet (z. B. 0 = weiblich, 1 = männlich oder konkrete Werte wie das Körpergewicht in kg).

3. Skalenniveaus der Messwerte

Nicht jede Zahl in einer Fragestellung hat die gleiche mathematische Bedeutung. Man unterscheidet verschiedene Skalenniveaus, die bestimmen, welche statistischen Analysen möglich sind:

• Nominal: Reine Kategorien ohne Rangfolge (z. B. Blutgruppe oder Geschlecht).

• Ordinal: Werte mit Rangfolge, aber unklaren Abständen (z. B. Schulnoten oder eine Schmerzskala von leicht bis stark).

• Intervall/Verhältnis (Metrisch): Konkrete Messwerte mit gleichen Abständen (z. B. Temperatur in °C oder Gehstrecke in Metern), wobei nur die Verhältnisskala einen absoluten Nullpunkt besitzt.

4. Transformation in Hypothesen

Aus einer Fragestellung wird eine statistische Hypothese abgeleitet, die den erwarteten Unterschied oder Zusammenhang in Zahlen ausdrückt:

• Nullhypothese (H0): Postuliert, dass es keinen Unterschied oder Effekt gibt (z. B. „Die Mittelwerte der Schmerzreduktion sind in beiden Gruppen gleich“).

• Alternativhypothese (H1): Postuliert den vermuteten Effekt (z. B. „Gruppe A zeigt eine signifikant höhere Schmerzreduktion als Gruppe B“).

Zusammenfassend lässt sich sagen: Eine quantitative Fragestellung verlangt nach standardisierten Messinstrumenten, um "harte", replizierbare Daten zu gewinnen, die mittels statistischer Verfahren (wie Mittelwerten oder p-Werten) ausgewertet werden können