Keine Angst vor Statistik

In Arzneimittelstudien wird in der Regel eine Therapie mit einer anderen Therapie oder einer Placebo-Behandlung verglichen. Dieser Vergleich ist nur dann aussagekräftig, wenn Verum- und Kontrollgruppe gleichwertig sind, das heißt, Ausgangsbedingungen und Patientencharakteristika müssen bei beiden Gruppen dieselben sein. Kieser sagte, dass das Heranziehen einer historischen Kontrollgruppe keine klaren Aussagen erlaubt und zu verzerrten Ergebnissen führt, die häufig das neu zu prüfende Medikament oder die innovative Methode in einem besseren Licht erscheinen lassen als de facto der Fall ist.

Randomisierung und Verblindung

Ein besonderes Augenmerk sollte auf die Art der Randomisierung geworfen werden. Durch die Randomisierung soll eine Strukturgleichheit erzielt werden, die einen fairen Vergleich ermöglicht. Wird die Zuteilung zu einer Gruppe nach dem Zufallsmechanismus ("Münze werfen") vorgenommen, ist es möglich, dass die Gruppen unterschiedlich groß sind und die Zuordnung nicht mehr reproduzierbar ist. Daher sollte eine Block-Randomisierung vorgenommen werden, bei der jeder Gruppe gleich viele Probanden zugeordnet werden. Der Hinweis "Computerunterstützt verteilt" erlaubt keine Aussage zur Transparenz und sollte daher kritisch betrachtet werden. Ein weiterer wichtiger Punkt ist die Art der Verblindung, die offen, einfach oder doppelblind sein kann. Nur letztere, bei der weder Patient noch Therapeut über die Zugehörigkeit zur Verum- oder Kontrollgruppe informiert sind, gewährleistet ein objektives Vorgehen. Eine korrekte Randomisierung (Schaffung der Strukturgleichheit) und eine lege artis-Verblindung (Schaffung einer Behandlungsgleichheit) sind also wichtige Werkzeuge, um Verzerrungen zu vermeiden. In fundierten Publikationen müssen die verwendeten Methoden daher detailliert beschrieben sein.

Praxisnah: ITT-Analyse

Im Prüfplan sind unter anderem Art und Dauer der Behandlung und Untersuchungsintervalle genau festgelegt. Diese Vorgaben können aber in der Realität nicht immer befolgt werden (z.B. Verschieben einer Therapie oder verzögerte Messung eines Laborparameters). Welche Daten sollen nun für die Auswertung herangezogen werden? Nur diejenigen, die genau nach dem Prüfplan erhoben wurden oder alle Daten? Ein Weglassen von Daten ist praxisfern und würde zu einem Selektionsbias führen. Daher werden in der Intention-to-treat-Analyse (ITT) die Daten aller randomisierten Probanden ausgewertet und zwar in derjenigen Gruppe, der sie zugeordnet wurden. Das heißt, man misst den in der Praxis zu erwartenden Therapieeffekt (pragmatischer Ansatz). In der Per-Protocol-Analyse hingegen werden nicht protokollmäßig erhobene Daten ausgeschlossen und man misst den optimalen Effekt.

Reicht p < 0,05?

Der p-Wert ist ein Maß für die Wahrscheinlichkeit, dass bei Vergleichen der beobachtete Unterschied auf Zufall beruht. Je kleiner der p-Wert, umso geringer ist die Möglichkeit, dass das Ergebnis zufällig zustande kommt, je größer der p-Wert, umso größer ist der Zufallseffekt. Das Signifikanzniveau von 5% (p < 0,05) wurde willkürlich gewählt und ist keine absolute Größe. Der p-Wert ist unter anderem abhängig von der Fallzahl und spiegelt nicht die klinische Relevanz wider. Er sollte daher als hilfreicher Parameter angesehen werden, der aber nicht ausreicht, um die Bedeutung der beobachteten Effekte zu beschreiben.

pj