FG084 Evidenzbasierte Medizin

Die schrittweise Einführung der Empirie in der Medizin

Gerd Antes
Gerd Antes
Twitter

Woher weiß man eigentlich, welche Therapie wirkt? Dafür gibt es klinische Studien, in denen zum Beispiel ein neues Medikament geprüft wird, ob es hilft und was für Nebenwirkungen auftreten. Doch ganz so simpel ist die Anlage einer solche Untersuchung eben nicht. Es gibt viele Fallstricke, die die Ergebnisse unbrauchbar machen – zum Beispiel wenn die Gruppe, die das Medikament bekommt, und die Kontrollgruppe, die nur ein Placebo erhält, unterschiedlich zusammengesetzt sind. Ohne sauberes wissenschaftliches Arbeiten gewinnt man zwar Daten, aber keine gesicherte Erkenntnis.

Fehler und Verzerrungen in wissenschaftlichen Studienergebnissen systematisch auszuschalten, ist der Kern des evidenzbasierten Ansatzes in der medizinischen Forschung. Gerd Antes (71) gilt als ihr Wegbereiter in Deutschland. Der Mathematiker und langjährige Direktor des Deutschen Cochrane Zentrums am Universitätsklinikum Freiburg hat sich während seines Berufslebens dafür stark gemacht, den empirischen Nachweis von Wirksamkeit in der Forschung ins Zentrum zu stellen und auch Ärzte in der Ausbildung das Know-how beizubringen, Studien kritisch zu lesen. Hier hat es tatsächlich gewaltige Fortschritte gegeben, aber: Qualität ist kein Selbstläufer, und gerade in Pandemie-Zeiten scheint in der Forschung Geschwindigkeit oft vor Gründlichkeit zu gehen. Und wenn man etwa die Wirkung einer Intervention zur Eindämmung des Infektionsgeschehens messen will, der Effekt sich aber in einem Knäuel von Maßnahmen nicht sauber herausfiltern lässt, wird die Untersuchung nicht viel taugen.

Auch Big Data und maschinelles Lernen sind da leider nicht die Lösung, denn was ein plausibler Zusammenhang zwischen zwei Faktoren ist, weiß eine künstliche Intelligenz eben nicht von sich aus, mangels eigener Lebenserfahrung. Nicht jede statistische Korrelation begründet eine Kausalität. Neben der verlässlichen Erhebung von Daten geht es bei evidenzbasierter Forschung eben auch um den Sinn.

Das Gespräch wurde am 28. Oktober 2020 aufgezeichnet.

Dieser Eintrag wurde veröffentlicht in Allgemein von Tim Pritlove. Setze ein Lesezeichen zum Permalink.

11 Gedanken zu „FG084 Evidenzbasierte Medizin

  1. Gutes Gespräch durchaus interessant.

    Zu einer Stelle aber ein Kommentar: Er meint an einer Stelle (sinngemäß) „die Xovidregeln für den Lockdown kann keiner erklären, da wird zu viel zugemacht, großes Restaurant mit hoher Deckenhöhe und Luftaustausch ist kaum en Problem, wenn Leute nur zu Hause sind ist es aber ein Problem“ – damit hat er rein medizinisch sicher Recht, aber daneben ist die politische Fragen Eine Regel muss klar verständlich und durchsetzbar sein. Wenn man eine entsprechende Regelung hat („x m³ Raumgröße -> y Personen erlaubt“) ist es für Behörden schwierig zu kontrollieren, für den einfachen Bürger schwierig zu verstehen und der Wirt des knapp zu kleinen Ladens ärgert sich, dass der Konkurrenz offen haben darf. Damit will ich nicht sagen, dass die Regeln, die wir haben der Weisheit letzter Schluss sind, aber gibt halt mehr zu beachten.

    • Herr Antes hat da eine Tendenz zu einem mechanistischen Weltbild. Alles kann statistisch gemessen werden und dann ganz zielgenauen maßgeschneiderten Maßnahmen angegangen werden. So funktionert aber die soziale Welt nicht. In einer Pandemie läuft einem dazu noch die Zeit davon. Die rein theoretische beste Datenerhebung und Auswertung dauert.

  2. Hallo,
    auch ich finde, wieder einmal ein total interessantes Gespräch. Aber ich muss mich da an jo anschließen und dazu noch etwas anmerken: Ich bin zwar kein Mediziner, auch gar kein Naturwissenschafter, aber bei Corona sehe ich das strukturierte Forschen natürlich problematisch: Die Krankheit ist erst zu Beginn des Jahres aufgetaucht, da konnte man offenbar nur „on the road“ die Maßnahmen austesten, da war es – jedenfalls bei den nichtpharmazeutischen Maßnahmen (Abstand, Maske, Lüften, Hygiene) – wohl nicht möglich, lange theoretische Testreihen durchzuführen, dafür war keine Zeit. Ich habe da auch eine konkrete Ansage von Herrn Antes vermisst, was statt dem System Hühnerhaufen besser gemacht werden könnte (außer eine Corona-Task-Force). Ansonsten aber sehr interessant. Danke!

    • Mich lässt das auch etwas ratlos zurück. Evidenzbasierte medizinische Forschung ist sicher wünschenswert, aber ich glaube es ist auch heute bei guter Planung nicht durchführbar (trotzdem würde ich mir gerade bei den Maßnahmen bessere Studien wünschen und evidenzbasierte Argumente in der Politik). Wie soll ich den Nutzen der verschiedenen Maßnahmen wie Masken, Abstand oder noch genauer 1m vs. 2m Abstand streng evidenzbasiert untersuchen. Das geht vielleicht in einem Labor, um dann Schlüsse für Gesellschaft außerhalb des Labors zu ziehen. In freier Wildbahn kann ich diese Laborbedingungen kaum herstellen. Die soziale Welt ist viel zu komplex um alle Störungen herauszurechen. Schwierig vorstellbar, auch mit einer zeitlich nicht versetzten Kontrollgruppe mit der Größe eines Landkreises oder gar von Großstädten alle Unwägbarkeiten zu erkennen. Das kann nie streng evidenzbasiert angwendet werden, sondern benötigt immer möglichst plausible Modellrechnungen und Abschätzungen.

  3. Zu dem Thema zu viele Daten bringen falsche Sicherheit: das Konfidenzintervall, d.h. der Bereich, in dem z.B. ein Mittelwert mit einer gegebenen Sicherheit (Konfidenz, z.B. 99%) liegt, hängt natürlich von der Streuung (Varianz) ab, aber auch von der Stichprobengröße: Je größer die Stichprobe, desto kleiner das Intervall (1/n^2). Wenn ich jetzt Unterschiede zwischen Teilgruppen suche, dann muss ich nur die Stichprobe groß genug wählen um die Konfidenzintervalle klein zu machen — und schwupps, wird jeder popelige Unterschied „statistisch signifikant“.
    Leider konnte ich mich des Eindrucks nicht erwehren, dass Tim ab dem Moment „Daten sind kein Allheilmittel“ keine Lust mehr hatte und dem Gespräch ein ziemlich abruptes Ende bereitet hat. Trotzdem bis dahin: wie immer lohnenswert!

  4. Prima Gast, danke Tim.
    Aber bei 1:28:20 hast Du geschlafen: Wie ist denn die Frage, mit der der BigData-Hype ausgehebelt wird?
    Mir schien der Antes auch auf die Frage zu warten, aber sie kam nicht.

    • Ich fand das auch ziemlich abrupt. Er baut da lange die Datenbasierte herangehensweise aus, und wießt auf die eine Schwachstelle hin… und sie kommt nicht.

      Ich nehme mal an es war doch nicht nur diese eine Stelle, sondern ein komplex, der vll dem Schnitt zum opfer gefallen ist?

  5. Hi Tim,
    vielen Dank für Deine tolle Arbeit. Wie immer habe ich gespannt gelauscht und fand das Thema super interessant. Leider muss ich aber Oliver und Max recht geben, ich habe das erstemal beim Hören eines Deiner Podcasts deutlich das Gefühl gehabt, dass Du den Interviewpartner nicht magst und das ganz besonders ab dem Moment, wo er negativ über unreflektiertes DataMining sprach.
    Ich selbst kann von Ingenierswissenschaften aus dem Industriealltag berichten, dass es inzwischen eine Unmenge an großen und namhaften Softwarehäusern gibt, die genau folgendes Verkaufsversprechen geben: „Wenn Du uns Zugriff auf alle Deine Prozessdaten gibst, sagt Dir unsere KI was Du an Deinen Produktionsprozessen verbessern musst.“ Und das ohne Prozesskenntnis und ohne einen Erfolgsbeleg liefern zu können.

    Trotzdem ein toller Podcast. Ich bin echt Fan und freue mich auf die nächsten Folgen.

  6. Pingback: Volunteering for TM Podcast transcript, anyone? -

  7. Pingback: Volunteering for TM Podcast transcript, anyone? | SAP Blogs

  8. Ich muss leider auch sagen, dass ich schon vorm Datamining den Gast nicht mochte. Er ist sicher fachlich excellent und das Thema war so spannend dass ich mir Ruhe zum Hoeren nahm.
    Ich hatte mir etwas mehr den CRE Erklaerstiel gewünscht.
    Tim hat mehrfach die richtigen ‚interessierter Newbie‘ Fragen gestellt und es kam nichts zurueck.

    Das Beispiel Kaesekonsum vs mit Bettlacken erdrosseln. Ja Korrelation klingt unlogisch, doch vielleicht sind alle Depressive Kaeseesser oder Kaese macht schlechte Fürze und da wird man eher erdrosselt. Ein Vorschlag wie man eine Datensammlungsplan erstellt, der meine These A und B prueft, haette ich toll gefunden. Und dann vielleicht noch die Erklaerung warum es unmoeglich sein soll mit diesem Plan aus dem Big Dataset ein gutes Dataset zu machen. Ja da koennte kommen ‚es sind nicht genuegend Vertreter der Gruppe X dabei‘ oder ‚im Big Dataset wird Depressive nicht erfasst‘. Da haette ich was gelernt.

    Schade das es wohl keinen 2ten Podcast zu dem Thema mit anderen Gast geben wird, ich glaube Tim angehört zu haben, dass er enttaeuscht war.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Diese Website verwendet Akismet, um Spam zu reduzieren. Erfahre mehr darüber, wie deine Kommentardaten verarbeitet werden.