Laborjournal 2018-01/02

1-2/2018 | 29 Serie messen innerhalb einer Gruppe vonMenschen immer welche dabei sein, die bei der Mes- sung einen erhöhten Blutdruck haben, aber keine Hypertoniker sind. Schon bei der näch- sten Messung wäre der Wert wieder normal: Regression zum Mittelwert! Diese Menschen würden aber als Studi- enteilnehmer aufgenommen, ihr Blutdruck- wert vor Behandlung in die Bestimmung des Mittelwerts der Gesamtgruppe eingehen. Nun wird behandelt, die Messung wird wiederholt – und der Mittelwert in der Gesamtgruppe ist jetzt niedriger als vor Gabe des Medikaments. Zwangsläufigwird der Effekt desMedikaments jetzt überschätzt werden, da ja auch die‚Pati- enten‘ wieder mitgemessen werden, die gar keinen Hypertonus haben und deren Mittel- wert jetzt regrediert ist (ausführliches Beispiel mit Zahlen bei Senn S., Significance 8:124-26). Das wäre alles kein Problem, wenn man jetzt eine echte Kontrollgruppe hätte – also Unbehandelte! Denn auch dort würde man den erniedrigten Blutdruck finden, aber viel- leicht nicht so stark wie in der Verum-Gruppe. Leider ist dieser Vergleich aber bei den wenig- sten Studien möglich, da eine unbehandel- te Gruppe schlichtweg fehlt. In den Studien, in denen eine unbehandelte Gruppe mitge- führt wurde, fand man keinen Placebo-Effekt – oder allenfalls in geringer Ausprägung bei subjektiven Symptomen wie Schmerz oder Befinden! Was für unser Beispiel heißt: Nicht im Blutdruck. Vielleicht arbeiten Sie selbst ja mit Zell- kulturen oder mit Ratten – und werden des- halb sagen:„Interessant, aber glücklicherwei- se führe ich ja immer eine Gruppe ohne Be- handlung mit. Geht mich also gar nichts an.“ „Vorsicht!“, halte ich jedoch als Narr da- gegen. Denn die Regression zum Mittelwert gilt natürlich nicht nur für individuelleWerte, sondern auch für die Ergebnisse von ganzen Studien. Insbesondere wenn sie auf kleinen Fallzahlen beruhen und daher eine hohe Va- rianz haben, sowie gleichsam über niedrige statistische Power und wenig stringente Si- gnifikanzniveaus von fünf Prozent verfügen. Also die meisten Studien. Stellen Sie sich also vor, siemachen ein Ex- periment. Wie immer mit n=8. Sie finden ei- nen Effekt, und der ist statistisch signifikant – sagen wir p<0.03. Sie sind glücklich. Sie ma- chen noch ein paar andere Experimente für die Studie und schreiben dann das Paper, das den Effekt beschreibt. Wir gratulieren! Was aber wäre, wenn der eben signifikan- te Effekt ein falsch-positiver gewesen ist? Und eineWiederholung des Experiments den Mit- telwert in Richtung eines Null-Effektes korri- giert hätte? Also zum Mittelwert regrediert wäre? Durch unsere Fetischisierung von po- sitiven und insbesondere spektakulären (das heißt: a priori unwahrscheinlichen) Befunden ist es ziemlich sicher, dass wir häufig falsch- positiven Befunden aufsitzen und diese in die Welt hinaus posaunen. Das Problem wäre leicht lösbar, aber die Lösung leider wenig populär: Größere Fallzah- len, ausreichende Power, stringente Signifi- kanzniveaus, Replikationen sowie Publika- tion auch der negativen und neutralen Re- sultate. Good bye , Nature -Paper! (Siehe hier- zu auch den„Wissenschaftsnarr“ in Laborjour- nal 4/2017: 24-25) Möglicherweisewar das alles zu starkerTo- bak für Sie, und ein bisschen zu viel Mythen- Kritik in weniger als 8.000 Zeichen. Sollten Sie allerdings hinreichend verunsichert sein, um sich noch den ein oder anderen ausführliche- ren Artikel zum Thema zu Gemüte führen zu wollen, so finden Sie diese wie immer unter http://dirnagl.com/lj . Ulrich Dirnagl leitet die Experimentelle Neurolo- gie an der Berliner Charité und ist Gründungsdirektor des Center for Transforming Biomedical Rese- arch am Berlin Institute of Health. Für seine Kolumne schlüpft er in die Rolle eines „Wissenschafts- narren“ – um mit Lust und Laune dem Forschungsbetrieb so man- che Nase zu drehen. Foto: BIH/Thomas Rafalzyk »Es ist ziemlich sicher, dass wir häufig falsch-positive Befunde in die Welt hinaus posaunen.« online Draußen kühl? Drinnen cool! laborjournal.de © afxhome@fotolia Ganz frisch seit 1. Januar

RkJQdWJsaXNoZXIy Nzk1Nzg=