Unterschiedliche Studientypen sind unterschiedlich in der Lage, systematische Fehler (Bias) und Störfaktoren (Confounder) auszuschließen. Das Ausmaß, in dem diese Einflussfaktoren kontrolliert werden, ist (neben anderen Faktoren wie der Stichprobengröße) von besonderer Bedeutung für die Aussagekraft der Studie. Überblicksmäßig können die verschiedenen Studientypen, so Iris Hinneburg (2015)Iris Hinneburg: Klinische Studien kritisch ...

Der p-Wert gibt an, wie wahrscheinlich die Ergebnisse der StichprobeEine Stichprobe ist die spezifische Gruppe von Personen, von der man Daten erhebt. Sie ist Teil der Grundgesamtheit (Population), d.h. der gesamten Anzahl von Personen, über die man Schlüsse ziehen möchte. sind, unter der Annahme, dass die Nullhypothese stimmt. Daraus können ...

Ergänzend zum p-Wert (Signifikanz) wird in Studien die Effektstärke angegeben, da statistische Signifikanztests nicht auseichen, um die Bedeutsamkeit von Untersuchungsergebnissen beurteilen zu können, weshalb zur Beurteilung von Untersuchungsergebnissen zusätzlich Effektmaße herangezogen werden. Die Effektstärke ist ein Indikator für die Bedeutsamkeit von Untersuchungsergebnissen. Gewöhnlich wird mittels statistischer Wahrscheinlichkeitstests ermittelt, ob sich ...

Bei einer experimentellen Studie mit Between-Subjects-Design (Between-Design„Between“ bedeutet, dass man verschiedene Bedingungen anhand verschiedener Teilnehmender vergleicht, während „within“ bedeutet, dass man verschiedene Bedingungen anhand derselben Person testet.) werden alle Teilnehmenden während des Experiments nur mit einer Behandlung untersucht. Die Forschenden bewerten Gruppenunterschiede zwischen Teilnehmenden mit unterschiedlichen Behandlungen. Bei einem Within-Subjects-Design ...

Nicht für alle Fragestellungen zur Wirksamkeit eines Medikaments oder einer Behandlungsmethode kann eine „klassische“ randomisierte Placebo-kontrollierte klinische Studie durchgeführt werden, z.B. wenn es darum geht, ob eine bestimmte, kleine Personengruppe bzw. Einzelpersonen, die vom „Durchschnitt“ abweichen, von einem Medikament, von einer Behandlung profitieren. Zu diesem Zweck kann eine "N=1"-Studie ("N-of-1"-Studie, ...

Carry-Over-Effekte (Übertragungseffekte) bezeichnen Auswirkungen von vorigen Behandlungen, die noch fortbestehen und nachfolgende Messungen beeinflussen. Carry-Over-Effekte sind vor allem bei Within-Designs zu finden, wo Versuchspersonen mehrere Versuchsbedingungen durchlaufen.Eine Versuchsperson, die in der ersten Bedingung ein Medikament bekommen hat und in der nächsten dann ein Placebo, könnte beispielsweise immer noch Werte aufweisen, ...

Studien unterscheiden sich darin, wie gut sie das Risiko für Verzerrungen durch Bias und Confounder kontrollieren. Entsprechend wurden Systeme für Evidenzhierarchien (Klassifikationssysteme) entwickelt. Es ist zu berücksichtigen, dass diese Evidenzhierarchien naturgemäß auf bestimmte Fragen/Themenstellungen zugeschnitten sind. In der vorliegenden Auflistung geht es um Fragen zu Therapie und/oder Prävention, wobei randomisierte ...

In den meisten wissenschaftlichen Studien wird nach statistisch relevanten Ergebnissen Ausschau gehalten, d.h. es wird überprüft, wie wahrscheinlich das Ergebnis einer Messung nur durch Zufall entstanden ist, oder ob tatsächlich ein Effekt besteht. Und zeigt sich ein statistisch signifikantes Ergebnis, dann besteht Grund zur Annahme, dass das Ergebnis der Analyse ...

Die Number Needed to Treat (NNT) ist ein Begriff aus der medizinischen Statistik, der besser als der p-Wert Auskunft über die klinische Relevanz einer Behandlung (oder Arznei) gibt. Er wird verwendet, um Behandlungsverfahren zu vergleichen und bedeutet die Anzahl der Patient*innen, die behandelt werden müssen, um bei einem*einer Patient*in den ...

Von Bias (Verzerrung) spricht man bei einem systematischen Fehler in der Datenerhebung, der sich im Unterschied zu zufälligen Fehlern auch bei einer ausreichenden Anzahl von Messungen oder Untersuchungen nicht aufhebt (und damit nicht auf einer zu kleinen Anzahl an Versuchspersonen beruht). Das Resultat einer Studie beruht bei Vorliegen eines Bias ...

Neben systematischen Fehlern (Bias) gibt es noch weitere Faktoren, die einer Studie ihre Aussagekraft nehmen und ihre Ergebnisse verzerren können: ConfounderDas englische Wort „to confound“ bedeutet so viel wie „verwechseln“, „durcheinanderbringen“, „verwirren“, die unabhängig von der untersuchten Intervention (Behandlung) einen Einfluss auf die Ergebnisse haben und (zumindest zu einem gewissen ...

Forschung ist wichtig, um die Effektivität einer Methode zu belegen (die dann von den Krankenkassen oder anderen öffentlichen Trägern bezahlt wird) und um etwaige Gesundheitsrisiken auszuschließen. In der westlichen Medizin hat diese Form der Wissenschaftlichkeit mehr und mehr Einzug gehalten, so dass man heute gern von evidence based medicine spricht, ...

Vergleicht man verschiedene klinische Studien zu einer bestimmten Fragestellung, zeigen sich meist in den Ergebnissen und Implikationen abweichende, ja manchmal sogar widersprüchliche Ergebnisse. Um hier zu einer bestmöglichen Bewertung zu kommen – vor allem, wenn es viele Studien gibt, die sich manchmal auch nur schwer direkt vergleichen lassen –, stellen ...

2003 veröffentlichte das BMJ einen über die Satire hinausgehenden Artikel von Gordon Smith, in dem er die „Allgläubigkeit“ an randomisierte Studien ironisch thematisierte. In „Parachute use to prevent death and major trauma related to gravitational challenge: systematic review of randomised controlled trials” (2003; http://www.bmj.com/content/327/7429/1459.full) stellt der Autor fest, dass es ...

Sie seien gut gewesen, so David L. Sackett und Andrew D. Oxman 2003 in ihrer Satire „HARLOT plc: an amalgamation of the world's two oldest professions“BMJ. 2003 Dec 20; 327(7429): 1442–1445; https://www.ncbi.nlm.nih.gov/pmc/articles/PMC300797. Zugriff 09.01.2018. , und hätten sich einen einwandfreien Ruf für den Schutz der Validität von randomisierten Studien und ...