Daten analysieren, aber richtig

5
(1)

Will man die Wirksamkeit eines neuen Medikaments erforschen, ist eine randomisiert-kontrollierte Studie der beste – weil aussagekräftigste – Weg. Eine große Anzahl von Probandinnen und Probanden wird dann, streng nach Zufallsprinzip, aufgeteilt: Eine Gruppe erhält das Testmedikament. Die Kontrollgruppe bekommt die Standardbehandlung mit gut bekanntem Effekt oder auch nur ein wirkstoffloses Scheinmedikament (Placebo).

Am Ende der Studie soll der Vergleich zeigen, welche Gruppe mehr profitiert hat. Die optimale Auswertungsmethode ist (in den meisten Fällen) die so genannten Intention-to-treat-Analyse, kurz ITT. Das heißt, alle Personen werden in jener Gruppe ausgewertet, der sie urprünglich zugeteilt worden sind – auch dann, wenn sich nicht alle streng an das vorgesehene Protokoll gehalten haben. Zum Beispiel, wenn Probandinnen und Probanden Einnahmefehler machten, zu einer anderen Therapie wechselten, die Studie aus Unzufriedenheit abbrachen oder nicht mehr erreichbar waren. Diese Form der Auswertung vermittelt also gut, wie die Therapie im Alltag funktioniert und vermeidet übertriebene Einschätzungen.

Im Gegensatz dazu berücksichtigt die Per-Protokoll-Analyse (PP) nur jene Probandinnen und Probanden, die sich auch studienkonform verhalten haben. Sie zeigt, wie gut eine Therapie unter stark kontrollierten Bedingungen prinzipiell wirken kann; die errechneten Effekte sind im Vergleich zum echten Leben aber möglicherweise zu hoch gegriffen.

Genaueres dazu sehen und hören Sie in einem neuen deutschsprachigen Slidecast: Intention-to-Treat (ITT) und andere Studienanalyseformen. Die Präsentation ist kostenlos abrufbar auf Youtube und dauert rund sieben Minuten.

Der Slidecast richtet sich an alle, die ihr Wissen zu statistischen Auswertungen vertiefen oder auffrischen möchten. Neben einer knappen Einführung in die Intention-to-Treat-Analyse geht es hier auch um Unterformen der Per-Protokoll-Analyse (As-treated-Analyse, Completers-only-Analyse) sowie um das Ergänzen von fehlenden Daten (Imputation).

Erstellt haben den Slidecast Mitarbeiterinnen und Mitarbeiter von Cochrane Österreich (Department für Evidenzbasierte Medizin und Evaluation, Donau-Universität Krems): Angela Kaminski-Hartenthaler, Bernd Kerschner, Irma Klerings und Chris Ptacek.

Text: Julia Harlfinger

Hier geht’s zum Slidecast:

Wie gefällt Ihnen dieser Artikel?

Klicken Sie auf einen Stern, um den Artikel zu bewerten.

Durchschnittsbewertung: 5 / 5. Anzahl an Bewertungen: 1

Bisher keine Bewertungen. Seien Sie die/der Erste!

Wir freuen uns über Rückmeldung von Ihnen!

Schreiben Sie uns, was wir in Zukunft verbessern oder beibehalten sollten?