gms | German Medical Science

Zielsetzung: Studienergebnisse unterliegen zufälligen Schwankungen. Deren Einfluss möchte man mit statistischen Methoden abschätzen. Allerdings ist das Berechnen von p-Werten und deren Deutung ein weitgehend falsch verstandenes Ritual, das maßgeblich dazu beiträgt, dass die meisten publizierten Forschungsergebnisse nicht reproduzierbar sind. Dies zu verstehen und Auswege aus dem Dilemma aufzuzeigen, ist Ziel dieser Veranstaltung.

Weitere Etappenziele sind:

• Kritische Betrachtung des Begriffs „statistische Signifikanz“.
• Bayes-Theorem ohne Formeln und (trotzdem) verständlich.
• Bedeutung der Power für die Interpretation von Studienergebnissen.
• Prädiktiver Wert einer Studie.
• A-priori-Wahrscheinlichkeit und Bradford-Hill-Kriterien.

Relevanz: Einmal ist keinmal, sagt der Volksmund. Einzelne Beobachtungen oder ein einzelnes Experiment reichen für einen spannenden Erlebnisaufsatz oder einen interessanten Fallbericht, aber keinesfalls für allgemeingültige Schlussfolgerungen. Wenn ein Experiment oder eine Studie mehrfach wiederholt wird, noch dazu von verschiedenen Forschergruppen in unterschiedlichen Settings, und die Ergebnisse konsistent sind, dann wird das Gesamtergebnis mit jeder Wiederholung vertrauenswürdiger. Reproduzieren – auch Replizieren oder schlicht Wiederholen genannt – ist eine wichtige Säule der Naturwissenschaften und entscheidendes Abgrenzungsmerkmal gegen Pseudowissenschaften. Allerdings ist mangelnde Reproduzierbarkeit von klinischen Studien mittlerweile ein bekanntes und sehr teures Phänomen, das dazu beiträgt, dass etwa 85% der Forschungsausgaben für Forschungsmüll verschwendet werden. Weitere Konsequenzen sind u.a. Fehlbehandlungen von Patienten und Fehlforschung, die auf falschen Ergebnissen aufbaut und zu noch mehr Forschungsmüll führt.

Methoden: Interaktiver Vortrag mit Zwischenfragen von den und an die Teilnehmenden. Es werden Statistik-Fragen schriftlich und anonym beantwortet. Die Antworten werden umgehend ausgewertet – auf bisherigen Veranstaltungen immer mit überraschenden Ergebnissen. Anschauliche Entwicklung des Bayes-Theorems mit bewährtem Konzept ohne Formeln. Anwendung des Theorems, wieder mit erstaunlichem, aber – so gut wie garantiert – verstandenem Ergebnis.