gms | German Medical Science

Im Rahmen von Therapiestudien werden zwei Auswertungsprinzipien unterschieden: ITT und PP. Die Daten aller randomisierten Patienten werden as randomized ausgewertet (intention-to-treat, ITT) oder die Daten aller protokollgerecht behandelten Patienten werden zur Auswertung herangezogen (per protocol, PP).

Für den Nachweis der Wirksamkeit einer Therapie im Rahmen einer placebokontrollierten Überlegenheitsstudie hat sich die Anwendung des ITT Prinzips etabliert. Trotzdem werden manchmal nur PP Analysen publiziert. Für Äquivalenz- und Nichtunterlegenheitsstudien kann das ITT Prinzip antikonservativ sein [Ref. 2]. Studien dieses Typs sollten daher mit beiden Ansätzen ausgewertet werden.

Im Rahmen von Meta-Analysen stehen pro Studie PP- und/oder ITT-Analysen zu einer Fragestellung zur Verfügung. Da die Effektschätzer in einer Studie von der verwendeten Population abhängen können, entsteht für die Meta-Analyse eine zusätzliche Heterogenität.

Wenn die Originaldaten aller Studien für die Meta-Analyse vorliegen, stehen die Daten für beide Analyseprinzipien zur Verfügung. In Publikationen jedoch wird i.d.R. nur ein Ergebnis präsentiert. In diesem Fall ist zu versuchen, die Ergebnisse beider Auswertungen zu erhalten. Sind die PP Ergebnisse eines binären Endpunktes gegeben, kann z.T. ein ITT Ergebnis rekonstruiert werden, in dem man die Protokollverletzer als Therapieversager wertet.

Zur Analyse dieser speziellen Heterogenität kann man die übliche Heterogenitätsstatistik anwenden, Meta-Regression einsetzen oder im Idealfall sogar ein bivariates Modell [Ref. 3] anpassen. Für letzteres wird jedoch vorausgesetzt, dass von allen Studien beide Ergebnisse vorliegen. Des weiteren können Forest- und Funnelplots helfen, Heterogenitäten zu entdecken [Ref. 4].

Die Methoden werden kurz eingeführt und anhand eines Beispieles aus der Literatur [Ref. 1] vorgestellt. Das bivariate Modell lässt die umfangreichsten Interpretationen zu [Ref. 4]. Der bivariate Funnelplot ergänzt anschaulich die Interpretation.

Hetereogenität in Meta-Analysen, die durch verschiedene Auswertungspopulationen und –prinzipien entsteht, ist eine besondere Herausforderung im Kontext von Äquivalenz- und Nichtunterlegenheitsstudien. Die vorgestellten Methoden können verwendet werden, auch um das Ausmaß der Heterogenität darzustellen. Die grundlegende Frage, ob Studien überhaupt zusammengefasst werden dürfen, bzw. wie man die Ergebnisse einer Meta-Analyse mit heterogenen Studienergebnissen interpretiert, kann auch mit diesen Modellen nur unzureichend beantwortet werden.