Hallo,

in der Evidenzbasierte Medizin . (EbM) wird in Studien nach der bestmöglichen Therapie gesucht.

In Studien taucht dann oftmals der Begriff auf, dass die Unterschiede z.B. beim Überleben, beim Progress oder beim Auftreten von Nebenwirkungen einen statistisch signifikanten Unterschied zeigen bzw. nicht zeigen.

Gemessen wird dies mit dem p-Wert. Wobei hier relativ willkürlich die Grenze meist bei 0,05 gezogen wird.
Dieser Wert bedeutet lediglich, dass in dieser Studie die Unterschiede zwischen den beiden Therapien z.B. beim Überleben, zu 95% richtig sind.

Würde man genaue diese Studie 100-mal durchführen, dann würde bei ca. 5 exakt gleich durchgeführten Studien ein anderes Ergebnis herauskommen.

Statistische Signifikanz sagt nichts darüber aus:

• Wie groß die Unterschiede z.B. beim Überleben sind; ob dies 2 Tage oder z.B. 2 Jahre sind.
• Wenn die Unterschiede nicht statistisch signifikant sind, dann bedeutet dies nicht, dass keine Unterschiede gibt.

Wichtig ist beim p-Wert wie viel Werte gemessen wurden, und genau so wichtig wie das Studiendesign war.

In der Wissenschaftsgemeinschaft der Statistiker*innen gibt daher ein paar kritische Geister, die davor warnen sich nur auf den p-Wert zu konzentrieren.

Scientists rise up against statistical significance

• (Übersetzt: Wissenschaftler erheben sich gegen die statistische Signifikanz)

Valentin Amrhein, Sander Greenland, Blake McShane and more than 800 signatories call for an end to hyped claims and the dismissal of possibly crucial effects.

Nature 567, 305-307 (2019)
doi: 10.1038/d41586-019-00857-9

John Ioannidis, Arzt und Statistikprofessor in Stanford und derzeit für 3 Jahre mit einer Gastprofessur in Berlin, kritisiert sowohl den leichtfertigen Umgang mit p-Werten als auch den oben angeführten NATUR-Artikel.

p-Wert sind für ihn kein Allheilmittel, aber ohne sie würde die Konflikte in der Wissenschaftsgemeinschaft eskalieren.

Er rät auf folgende Dinge zu achten:

• Möglichst große Studien (was bei seltenen Erkrankungen natürlich schwierig ist).
• Ob in der Studie randomisiert wurde (per Zufall die Betroffenen eine Therapie bekamen)
• Ob es eine Bestätigung durch andere Studien gab
• Und zu guter Letzt rät er zur Einsicht, dass Forschungsergebnisse letztlich meist nur interessante Hinweise und selten letzte endgültige Wahrheiten sind.

Berichterstattung:

• Tagesspiegel vom 31.7.2019 von Martin Ballaschk über John Ioannidis
• Süddeutsche Zeitung 20. März 2019,
  Statistik: Signifikanter UnfugDie statistische Signifikanz, gemessen mit dem sogenannten p-Wert, hat in der Wissenschaft eine geradezu götzenhafte Bedeutung erlangt. 800 Forscher beklagen Fehler und fordern ein Umdenken.

  Von Patrick Illinger

• Professor John Ioannidis von der Universität Stanford kommt als Einstein BIH Visiting Fellow nach Berlin
  berlin-buch.com/ 28.3.2019