Studien verstehen

1. Relatives vs. absolutes Risiko

Die häufigste Irreführung in Gesundheits-Schlagzeilen. „Senkt das Risiko um 50 %“ klingt gewaltig — ist aber eine relative Angabe. Wenn von 100 Menschen sonst 2 erkranken und mit der Maßnahme nur 1, dann ist das relative Risiko halbiert (−50 %), das absolute Risiko sinkt aber nur um 1 Prozentpunkt (von 2 % auf 1 %). Für die Alltagsentscheidung zählt die absolute Zahl. Seriöse Texte nennen beide; wir versuchen, den absoluten Effekt immer mitzuschreiben.

2. NNT — „wie viele müssen es tun, damit einem geholfen ist?“

Die Number Needed to Treat übersetzt den absoluten Effekt in eine anschauliche Zahl: Wie viele Menschen müssen eine Maßnahme anwenden, damit bei einer zusätzlichen Person das gewünschte Ergebnis eintritt? Eine NNT von 10 ist sehr gut, eine von 200 eher schwach. Das Gegenstück ist die NNH (Number Needed to Harm) — wie viele bekommen eine Nebenwirkung. Beides zusammen zeigt, ob sich etwas lohnt.

3. Konfidenzintervall und p-Wert

Ein Studienergebnis ist eine Schätzung, kein exakter Wert. Das 95-%-Konfidenzintervall gibt den Bereich an, in dem der wahre Effekt mit hoher Wahrscheinlichkeit liegt. Ist das Intervall sehr breit oder schließt es „kein Effekt“ ein (bei Verhältniszahlen die 1, bei Differenzen die 0), ist das Ergebnis unsicher. Der p-Wert (oft „p < 0,05“) sagt nur, wie gut das Ergebnis mit dem Zufall vereinbar ist — nicht, wie groß oder wie wichtig der Effekt ist. „Statistisch signifikant“ heißt nicht „relevant“.

4. Studientypen — nicht alle wiegen gleich

Grob von stark nach schwach:

• Systematische Übersicht / Meta-Analyse — fasst alle passenden Studien zusammen und bewertet ihre Qualität. Die belastbarste Ebene, wenn sie sauber gemacht ist.
• Randomisierte kontrollierte Studie (RCT) — Teilnehmende werden per Zufall der Maßnahme oder einem Placebo zugeteilt. Kann Ursache und Wirkung zeigen.
• Kohorten- und Fall-Kontroll-Studien — beobachten, ohne einzugreifen. Zeigen Zusammenhänge, aber nie sicher Ursache und Wirkung (siehe Punkt 6).
• Fallserien, Einzelfallberichte, Tier- und Laborstudien — liefern Hypothesen, keine Belege für den Menschen.
• Expertenmeinung, Erfahrungsberichte, „traditionelle Anwendung“ — die schwächste Ebene. Bei pflanzlichen Mitteln bedeutet „traditional use“ ausdrücklich: nicht durch Studien belegt.

5. Meta-Analyse und Cochrane

Eine Meta-Analyse rechnet viele Studien zu einem Gesamtergebnis zusammen. Sie ist nur so gut wie die Studien, die hineingehen — „garbage in, garbage out“. Achte auf: Wie viele Teilnehmende insgesamt? Wie einheitlich waren die Studien (Heterogenität)? Wurde auf Publikationsbias geprüft (positive Studien werden häufiger veröffentlicht als negative)? Cochrane-Übersichten gelten als besonders streng und unabhängig — wenn eine Cochrane-Analyse „kein überzeugender Nutzen“ sagt, hat das Gewicht.

6. Zusammenhang ist nicht Ursache

„Menschen, die Vitamin X nehmen, sind gesünder“ heißt nicht, dass Vitamin X gesünder macht. Wer Nahrungsergänzung nimmt, lebt im Schnitt auch sonst gesünder (Sport, Nichtrauchen, Vorsorge) — der Healthy-User-Effekt. Beobachtungsstudien versuchen, das herauszurechnen, schaffen es aber nie ganz. Deshalb kippen viele „vielversprechende“ Vitamin-Zusammenhänge, sobald sie in einer RCT geprüft werden.

7. Surrogat- vs. harte Endpunkte

Ein Surrogat ist ein Messwert, der als Stellvertreter dient: Homocystein, LDL-Cholesterin, ein Blutdruckwert, ein Entzündungsmarker. Ein harter Endpunkt ist das, was zählt: Herzinfarkt, Schlaganfall, Knochenbruch, Lebensdauer. Ein Mittel kann ein Surrogat verbessern, ohne dass sich am harten Endpunkt etwas ändert — so geschehen bei Folsäure (senkt Homocystein, verhindert aber keine Herzinfarkte) oder Beta-Carotin. „Verbessert den Wert X“ ist also noch kein Nutzenbeweis.

8. Wer hat die Studie bezahlt?

Herstellerfinanzierte Studien fallen im Schnitt positiver aus als unabhängige — durch Studiendesign, Dosiswahl, selektive Veröffentlichung. Das macht sie nicht wertlos, aber man liest sie vorsichtiger. Wir weisen im Text darauf hin, wenn die Belege für einen Wirkstoff überwiegend vom Hersteller stammen (z. B. bei Glucosamin oder manchen Kürbiskern-Studien).

9. Was „gemischte Evidenz“ bei uns heißt

Wir benutzen in den Evidenztabellen drei Stufen:

• stark — mehrere gute Studien oder Leitlinien in eine Richtung, Effekt klinisch relevant.
• gemischt — Studien vorhanden, aber widersprüchlich, klein, kurz oder mit kleinem Effekt. „Kann man versuchen, sicher ist es nicht.“
• dünn — kaum kontrollierte Daten, überwiegend Tradition, Labor oder Marketing. Kein Wirknachweis.

Details zu unserer Quellenauswahl stehen unter Methodik & Redaktion. Alle in Artikeln zitierten Arbeiten sind unter Quellen & Studien gesammelt.