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 letztlich nicht auf der Auswirkung der Intervention (Behandlung) sondern auch auf einem Fehler im Studiendesign oder der Auswertung. Im schlimmsten Fall ist die Aussage einer Studie damit nicht nur verzerrt sondern sogar gänzlich falsch.

Damit eine Studie eine möglichst hohe Validität oder Gültigkeit aufweist (d.h. die Studie die Merkmale misst, die man messen möchte), ist es notwendig, dass innere und äußere Fehlerquellen so weit wie möglich ausgeschlossen werden. Äußere Faktoren betreffen beispielsweise die grundsätzliche Auswahl der Versuchspersonen, Behandlungsdetails oder auch die Ergebnismessung. Innere Faktoren sind nach Jüni et. al (2001)[1] vier Typen von Bias:

  • Ein Selektionsbias (Stichprobenverzerrung) liegt vor, wenn die Auswahl der Versuchspersonen keine „echte Zufallsauswahl“ ist. Ein Beispiel wäre ein Wirtschaftsforschungsinstitut, das für eine Umfrage zur Konjunkturlage nur Unternehmen anschreibt, die im Handelsregister gelistet sind, und damit Kleingewerbetreibende nicht berücksichtigt.
    Ein anderes Beispiel ist der sogenannte Survivorship Bias, der auftritt, wenn in einer Untersuchung vor allem die „Erfolgreichen“ betrachtet werden, die Erfahrungen „Erfolgloser“ hingegen nicht in gleichem Maße berücksichtigt werden. Dieser Effekt kann beispielsweise bei Umfragen zur Kundenzufriedenheit auftreten, da Menschen, die noch eine positive Haltung zum Unternehmen haben, eher antworten als jene, die negativer Meinung sind. Damit wird unter Umständen das Ziel, die problematischen Aspekte der Kundenbeziehung zu erkennen, verfehlt („Schweigeverzerrung“).
  • Ein Performance Bias wird durch unterschiedliche Rahmenbedingungen (zusätzlich zur Intervention) oder „Abweichungen“ zwischen den Studienarmen (den verschiedenen Versuchsgruppen) hervorgerufen. Verursacht wird dieses Problem vor allem durch eine mangelnde „Verblindung“, die zu unterschiedlicher Betreuung oder unterschiedlicher begleitender medizinischer Versorgung führt. Ein Performance Bias liegt beispielsweise vor, wenn ein oral zu verabreichendes Schmerzmittel mit einer intravenösen Verabreichung verglichen wird (weil sich mit der Art der Verabreichung auch die Art und wahrscheinlich auch das Ausmaß von Betreuung und Zuwendung ändern).
  • Der Detection Bias (Beobachterbias) beruht auf der (meist unbewussten) Neigung der Personen, die die Studie durchführen, ihre Beobachtungen ihren Erwartungen anzupassen. Gefahr für einen Detection Bias besteht vor allem dann, wenn das Bewerten des Ergebnisses einen gewissen Ermessensspielraum zulässt und/oder von der Interaktion zwischen Versuchsperson und Untersucher abhängt. Auch hier ist die „Verblindung“ der wesentlichste Faktor, diese Problematik zu verhindern. Ein Beispiel wäre im Rahmen eines Gesundheitsförderungsprojektes die Untersuchung, ob Joggen oder Radfahren auf größere Akzeptanz stößt. Ein begeisterter Biker, der die Schüler beider Kurse befragt, ist dabei wahrscheinlich (zumindest unbewusst) voreingenommen und verfälscht die Ergebnisse.
  • Der Attrition Bias (Fluktuationsverzerrung) entsteht vor allem dadurch, dass das Studienprotokoll nicht von allen Versuchspersonen in gleicher Weise eingehalten wird oder aber Versuchspersonen einer Gruppe vermehrt aus der Studie aussteigen („fehlende Daten bei der Endpunkterhebung“). Der Bias zeigt sich vor allem dann, wenn die Anzahl der fehlenden Daten zwischen den Gruppen ungleich verteilt ist, da diese Ungleichverteilung häufig Ursachen hat, die mit der Intervention (Behandlung) in Zusammenhang stehen (aber nicht in das Ergebnis der Studie einfließen).
    Während bei einem (bewussten) „Ausschluss“ von Versuchspersonen alle Daten vorliegen (auch jene der Endpunktbewertung), liegen diese bei „Attrition“ nicht vollständig vor. Von „Drop-Out“ spricht man, wenn TeilnehmerInnen noch während der eigentlichen Studienphase aus der Studie ausscheiden, von „Lost to Follow-Up“, wenn TeilnehmerInnen zwar die Studienphase abgeschlossen haben, aber nicht mehr zu den Nachterminen erscheinen oder die erforderlichen Daten nicht mehr in die Fragebögen eintragen.
    Typische Beispiele für einen Attrition Bias sind Studienabbrecher und/oder Gruppenwechsler aufgrund mangelnder Wirksamkeit der Intervention (Behandlung) oder unerwünschter Wirkungen („Nebenwirkungen“). Um dieser Form der systematischen Verzerrung entgegenzuwirken, wird standardmäßig eine Intention-to-Treat-Auswertung (ITTAnalyse) gemacht, bei der auch Studienabbrecher und Gruppenwechsler berücksichtigt werden.
    Ebenfalls in den Bereich des Attrition Bias fällt die Problematik, dass StudienteilnehmerInnen, die (z.B. bei einem Vergleich zweier Schmerzmittel) das schlechter wirksame Präparat erhalten, heimlich (ohne es anzugeben) zusätzliche Medikamente einnehmen.

Die oben angeführten systematischen Verzerrungen ergeben sich vor (Selektionsbias) und nach der Behandlungszuteilung. Fasst man den Bias-Begriff weiter, so können allerdings noch weitere Formen angeführt werden.

  • Der Reporting Bias (within-study publication bias) entsteht durch die Auswahl von berichteten und nicht-berichteten Ergebnissen einer Studie. Dabei werden in einer Studie nachträglich ausgewählte positive und signifikante Studienendpunkte (z.B. selektive Messzeitpunkte, Subgruppenergebnisse) unter Weglassung von negativen Endpunktergebnissen berichtet, was zu einer Überschätzung der Wirksamkeit der Intervention (Behandlung) führen kann.
  • Der Publication Bias (dissemination bias) bedeutet, dass publizierte Studien eine verzerrte Auswahl aller durchgeführten Studien darstellen, da vor allem Studien publiziert werden, die ein „positives Ergebnis“ zeigen („positiv“ ist hier aus der Sicht des Auftraggebers, Finanziers der Studie zu sehen, weshalb es grundsätzlich Sinn macht, sich über diese zu informieren; besteht doch die Möglichkeit/Wahrscheinlichkeit, dass deren Interessen – bewusst oder unbewusst – in die Ergebnisse einfließen).
    Der Publication Bias verzerrt damit vor allem Metaanalysen, wird im medizinischen Bereich aber in den Top Journals dadurch begrenzt, dass nur (detailliert) angekündigte Studien veröffentlicht werden und angekündigte Studien auch – unabhängig vom Ergebnis – veröffentlicht werden (müssen).
    Ein weiterer Aspekt des Publication Bias besteht darin, dass es meist unmöglich ist, alle Publikationen zu einem Thema oder Fachgebiet zu lesen. Die Auswahl der Zeitschriften, die gelesen werden, kann deshalb dazu führen, dass der Leser einen verzerrten Eindruck gewinnt (vergleichbar „Informationsblasen“ in den sozialen Medien).
  • Der Reader Bias entsteht bei der Beurteilung der Studienresultate, die abhängig von den Interessen, Kenntnissen und Vorurteilen der LeserIn erfolgt. Im Extremfall wird aus der Studie nur das herausgelesen, was die vorgefasste Meinung bestätigt.
  • Von einem Social Bias spricht man, wenn die Versuchspersonen nicht ehrlich antworten, sondern das sagen, von dem sie denken, dass es gesellschaftlicher Konsens ist, dass eine solche Antwort von ihnen erwartet wird oder dass eine solche Antwort für einen „guten Menschen“ spricht.
    Ein Beispiel für eine solche soziale Erwünschtheit wäre die Frage, ob man schon einmal betrunken Auto gefahren ist, auf die viele Befragte (weil es ihnen peinlich ist) mit „Nein“ antworten, obwohl es nicht der Wahrheit entspricht. Auch die unter Attrition Bias angeführte heimliche Einnahme zusätzlicher Medikamente könnte hierin begründet sein.
  • Als zufälliger Bias werden Verzerrungen bezeichnet, die sich nicht auf einen ursächlichen Zusammenhang zurückverfolgen lassen.

 
Vertiefende Informationen

Cochrane Library ist eine Sammlung von Datenbanken, um evidenz-basierte Entscheidungsfindungen zu ermöglichen. Studien werden dabei auf ihre Wissenschaftlichkeit und möglichst objektive, unverzerrte Ergebnisse überprüft. Um eine Bewertung von Studien zu standardisieren, hat Cochrane Unterlagen herausgegeben, die die Qualitätsprüfung für Überblicksarbeiten (systematic reviews) zum Thema haben:

Julian P T Higgins et al. beschreiben sieben Prinzipien, um das Bias-Risiko zu bewerten (Julian P T Higgins, Douglas G Altman, Peter C Gøtzsche, Peter Jüni, David Moher, Andrew D Oxman, Jelena Savović, Kenneth F Schulz, Laura Weeks, Jonathan A C Sterne: The Cochrane Collaboration’s tool for assessing risk of bias in randomised trials. BMJ 2011; 343 doi: https://doi.org/10.1136/bmj.d5928):

  • Do not use quality scales
  • Focus on internal validity
  • Assess the risk of bias in trial results, not the quality of reporting or methodological problems that are not directly related to risk of bias
  • Assessments of risk of bias require judgment
  • Choose domains to be assessed based on a combination of theoretical and empirical considerations
  • Focus on risk of bias in the data as represented in the review rather than as originally reported
  • Report outcome specific evaluations of risk of bias

 

------------------------------------------------------------------------------------------------------------------------------ 

[1] Peter Jüni, Douglas G Altman, Matthias Egger: Assessing the quality of controlled clinical trials. BMJ. 2001 Jul 7; 323(7303): 42–46. doi: 10.1136/bmj.323.7303.42. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1120670, Zugriff: 7.5.2019.

  

(Autor: Dr. Eduard Tripp)