Metaanalyse in der Medizin: Ein Fallbeispiel von der Studienauswahl bis zum Reporting

Wer in der medizinischen Forschung eine Metaanalyse plant, beginnt selten bei der Statistiksoftware. Meist steht am Anfang eine unklare Lage: Einzelstudien widersprechen sich, die Fallzahlen sind klein oder die klinische Relevanz bleibt offen. Eine Metaanalyse kann diese verstreute Evidenz bündeln. Belastbar wird ihr Ergebnis aber nur, wenn Fragestellung, Studienauswahl, Datenaufbereitung und Interpretation sauber ineinandergreifen.

In Dissertationen und Fachpublikationen genügt eine korrekt berechnete Gesamteffektstärke daher nicht. Du musst begründen können, welche Studien du einbezogen hast, warum du ein bestimmtes Effektmaß nutzt und was die Ergebnisse klinisch bedeuten.

Das Fallbeispiel: Nachsorge nach einer Operation

Ein vereinfachtes Szenario aus der Versorgungsforschung: Eine Arbeitsgruppe möchte wissen, ob ein strukturiertes Nachsorgeprogramm nach einem chirurgischen Eingriff ungeplante Wiedereinweisungen verringert. Die Recherche liefert zwölf kontrollierte Studien. Acht berichten weniger Wiedereinweisungen, vier zeigen keinen klaren Unterschied.

Alles in einer einzigen Zahl zusammenzufassen, wäre voreilig. Die Studien können sich in Patientengruppe, Programmintensität, Beobachtungsdauer und Definition der Wiedereinweisung unterscheiden. Eine Metaanalyse macht daher auch diese Unterschiede sichtbar und bewertbar.

Vor der Auswertung legt die Gruppe ihre Fragestellung nach dem PICO Schema fest, damit Kriterien nicht nachträglich an die Ergebnisse angepasst werden:

• Population: Welche erwachsenen Patientinnen und Patienten werden eingeschlossen?
• Intervention: Wie ist das Nachsorgeprogramm aufgebaut?
• Comparison (Vergleich): Was erhält die Kontrollgruppe?
• Outcome (Endpunkt): In welchem Zeitraum wird die Wiedereinweisung gemessen?

Studienauswahl als methodisches Fundament

Die Qualität einer Metaanalyse entscheidet sich früh. Unscharfe Kriterien für Einschluss und Ausschluss erzeugen eine Sammlung, die sich zwar berechnen lässt, aber wenig aussagt. Im Beispiel ist zu klären, ob nur randomisierte kontrollierte Studien zählen oder auch prospektive Beobachtungsstudien.

Beides kann je nach Evidenzlage sinnvoll sein. Randomisierung, also zufällige Zuteilung, verringert Verzerrungen bei der Gruppenzuweisung. Beobachtungsstudien spiegeln dagegen oft den Versorgungsalltag realistischer wider. Werden beide Designs gemeinsam ausgewertet, brauchst du eine klare Begründung und meist getrennte Auswertungen als Sensitivitätsanalyse.

Bei dichotomen Endpunkten, also Ergebnissen mit zwei Ausprägungen wie Wiedereinweisung ja oder nein, sind Risikoquotient, Odds Ratio und Risikodifferenz verbreitet. Diese Maße sind nicht austauschbar: Bei häufigen Ereignissen kann ein Odds Ratio deutlich anders wirken als ein Risikoquotient. Wähle das Maß passend zu Fragestellung, Studiendesign und geplanter Interpretation.

Vorsicht bei ähnlich klingenden Endpunkten

Erfasst eine Studie jede Wiedereinweisung innerhalb von 30 Tagen und eine andere nur vermeidbare innerhalb von 90 Tagen, sind die Endpunkte verwandt, aber nicht gleichwertig. Du kannst dann nur ausreichend ähnliche Endpunkte poolen, also statistisch zusammenführen, oder vorab definierte Subgruppen bilden. Andernfalls entsteht eine präzise wirkende Zahl mit unscharfer klinischer Aussage.

Heterogenität verstehen statt wegrechnen

Im Beispiel zeigen die Studien in dieselbe Richtung, die Effektgrößen schwanken jedoch. Oft ist dann ein Random Effects Modell angemessen. Es unterstellt nicht, dass alle Studien exakt denselben wahren Effekt messen, sondern erlaubt Unterschiede zwischen Settings und Populationen. Gegenüber einem Fixed Effect Modell beschreibt es Unterschiede nur anders, es beseitigt sie nicht.

Angenommen, der gepoolte Risikoquotient beträgt 0,82 mit einem Konfidenzintervall von 0,71 bis 0,95. Das spricht für weniger Wiedereinweisungen unter der Intervention. Gleichzeitig liegt I² bei 58 Prozent. Diese Kennzahl beschreibt den Anteil der Streuung, der nicht zufallsbedingt ist, und signalisiert relevante Heterogenität, ohne ihre Ursache zu erklären. Bewerte sie deshalb zusammen mit dem Forest Plot (der Grafik aller Einzeleffekte), der geschätzten Varianz zwischen den Studien und deren klinischen sowie methodischen Merkmalen.

Eine Subgruppenanalyse zeigt, dass Programme mit Telefonkontakt innerhalb von 48 Stunden nach der Entlassung stärker wirken als reine Informationsangebote. Das ist plausibel, doch bei wenigen Studien entstehen leicht Zufallsmuster.

Wie stabil ist das Ergebnis?

Sensitivitätsanalysen prüfen, ob sich die Gesamtschätzung verändert, wenn du Studien mit hohem Verzerrungsrisiko, abweichende Endpunktdefinitionen oder nicht randomisierte Designs ausschließt. Bleibt der Effekt ähnlich, stärkt das die Aussage. Verschiebt er sich deutlich, ist genau das berichtenswert. Gute Forschung beseitigt Unsicherheit nicht, sondern beziffert sie transparent.

Publikationsbias im Blick behalten

Werden bevorzugt positive Ergebnisse veröffentlicht, verzerrt das die Evidenzbasis. Ein Funnel Plot, eine trichterförmige Grafik aus Effektgröße und Studienpräzision, kann Auffälligkeiten bei kleinen Studien sichtbar machen. Bei weniger als etwa zehn Studien ist er jedoch nur begrenzt aussagekräftig; mit zwölf Studien ist eine explorative Prüfung möglich, aber kein Beweis. Ergänzend hilft die Suche in Studienregistern, Kongressbeiträgen und grauer Literatur. Ein PRISMA Flussdiagramm dokumentiert, wie viele Treffer gefunden, geprüft, ausgeschlossen und eingeschlossen wurden.

Ergebnisse nachvollziehbar berichten

Dass das Programm signifikant wirksam war, reicht als Aussage im Ergebnisteil nicht aus. Nenne stattdessen:

• das Effektmaß mit Konfidenzintervall,
• die Zahl eingeschlossener Studien und Teilnehmender,
• das gewählte Modell,
• das Ausmaß der Heterogenität.

Mehr dazu bietet ein Ratgeber zu Statistik und Datenanalyse rund um das Ergebniskapitel.

In der Diskussion zählt die klinische Relevanz: Eine relative Risikoreduktion kann eindrucksvoll wirken, obwohl der absolute Nutzen bei niedriger Ausgangsrate gering ist. Umgekehrt kann ein moderater Effekt bei vielen Betroffenen gesundheitspolitisch bedeutsam sein. Benenne zudem offen die Grenzen der Evidenz, etwa unterschiedliche Interventionsformen, kurze Studiendauer oder uneinheitliche Endpunkte.

Fazit

Eine medizinische Metaanalyse verlangt Literaturkompetenz, Fachwissen und statistische Präzision. Fehler entstehen selten bei der Software, sondern bei Entscheidungen zu Protokoll, Kodierung, Modellwahl und Interpretation. Überzeugend ist nicht der eindrucksvollste p Wert, sondern eine Analyse, deren Entscheidungen auch später begründet und vertretbar bleiben.