Leuchtende Glühbirne

Kurzvideos über Grundlagen der Evidenzbasierten Medizin – Teil 4 ‚Effektmaße‘

4.5
(2)

Um Ergebnisse von klinischen Studien rundum zu verstehen, ist es wichtig, Effektmaße wie das „Relative Risiko“ oder die „Number Needed to Treat“ zu kennen und interpretieren zu können. In unserem vierten Video aus der Reihe „Grundlagen der Evidenzbasierten Medizin“ erklären wir einige wichtige Effektmaße, die in Studien häufig verwendet werden.

„Effektmaße“ messen welchen Effekt Interventionen auf verschiedene Endpunkte (Ergebniskriterien) haben. Grundsätzlich gibt es zwei Arten von Endpunkten, für die man Effekte berechnen kann. „Dichotome“ Endpunkte können nur zwei Ausprägungen annehmen. Mortalität wäre so ein Beispiel. Dieser Endpunkt kann nur eine der zwei Ausprägungen, „tot“ oder „lebendig“ annehmen. Die zweite Art von Endpunkten sind „kontinuierlich“. Das heißt, sie können eine Reihe von Ausprägungen annehmen. Lebensqualität gemessen auf einer Skala von 0-10 wäre so ein Beispiel. Die Werte können dann auf dieser Skala alle möglichen Ausprägungen annehmen.

Der Fokus in dieser Video-Serie liegt auf Effektmaßen für dichotome Endpunkte. Speziell erklären wir das Relative Risiko, die Odds Ratio, das absolute Risiko und die Number needed to treat bzw. die Number needed to harm (mehr dazu auch in diesem Artikel: Angaben zu relativen Risiken können irreführend sein. Diese Effektmaße begegnen einem sehr häufig in medizinischen Studien.

Das Relative Risiko und die Odds Ratio sind relative Effektmaße. Sie vergleichen das Risiko oder die Chance für einen Endpunkt in zwei Gruppen. Stellen wir uns folgendes Szenario vor:

Der Direktor einer Schule ist mit Vorwürfen konfrontiert, dass sich die Kinder, die ihren Klassenraum im ungeheizten Keller haben, häufiger erkälten als jene, die ihr Klassenzimmer im geheizten Erdgeschoss haben. Er möchte untersuchen, wie viele Kinder sich im Winter in einem ungeheizten Klassenzimmer erkälten – im Vergleich zu jenen, in einem beheizten Klassenraum. Der Endpunkt ist in diesem Fall dichotom: „Erkältung“ vs. „keine Erkältung“. Wir vergleichen den Effekt eines geheizten Klassenraums mit dem eines ungeheizten Klassenraums.

Es zeigt sich, dass das Risiko sich zu erkälten im ungeheizten Klassenraum doppelt so hoch ist wie im geheizten (das Relative Risiko ist 2). Das klingt sehr hoch. Wichtig ist hierbei aber zu beachten, dass relative Effektmaße nur beschreiben, wie stark sich das Risiko in einer Gruppe vom Risiko in der anderen Gruppe unterscheidet. Um das Relative Risiko besser einordnen zu können, ist es wichtig, sich das absolute Risiko anzusehen. Wie groß war denn im geheizten Klassenzimmer generell das Risiko sich zu erkälten? Angenommen das Risiko sich zu erkälten war im Erdgeschoss 2%. Dann bedeutet ein Relatives Risiko von 2 (also eine Verdoppelung des Risikos), dass im Keller 4% eine Erkältung entwickelten. Wirft man also ein Auge auf das absolute Risiko der Kinder in der kalten Klasse sich zu erkälten, zeigt sich, dass dieses wesentlich niedriger ausfällt, als die relativen Zahlen vermuten lassen. Das relative Risiko alleine ist meist zu wenig, um Effekt gut interpretieren zu können. Man braucht immer auch die Information was denn das Ausgangsrisiko war. Seriöse Gesundheitsinformationsseiten stellen aus diesem Grund Effekte häufig auch in absoluten Zahlen mit einer sinnvollen Bezugsgröße (zum Beispiel 1 zu 1.000) dar.

Die Number needed to treat (NNT) oder die Number needed to harm (NNH) sind absolute Effektmaße, die helfen, den individuellen Nutzen für den einzelnen Patienten besser abschätzen zu können. Die NNT wird in der Regel dazu verwendet, den Nutzen einer medizinischen Intervention zu messen. Sie gibt an, wie viele Personen behandelt werden müssen, damit bei einer Person die erwünschte Wirkung eintritt. Je niedriger dieser Wert ist, desto effektiver ist die Behandlung.

Bei der Number needed to harm (NNH) wird dagegen auf die gleiche Art und Weise das Risiko für unerwünschte Effekte einer Behandlung betrachtet. Sie gibt an, wie viele Personen eine medizinische Behandlung erhalten können, bis bei einer Person ein unerwünschter Effekt auftritt. Hier gilt: je höher dieser Wert ist, umso besser verträglich ist eine Intervention und umso seltener treten unerwünschte Effekte auf.

Das Kurzvideo erklärt anhand von Beispielen wie diese Effektmaße berechnet und interpretiert werden.

Text: Claudia Christof, Barbara Nußbaumer-Streit

Wie gefällt Ihnen dieser Artikel?

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

Durchschnittsbewertung: 4.5 / 5. Anzahl an Bewertungen: 2

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?