Studien schnell lesen und bewerten: NNT, absolute Risiken und Bias – ein Leitfaden für Medizinstudierende

„Senkt das Risiko um 25 %“: So oder so ähnlich steht es in Abstracts, Pharmabroschüren und Pressemitteilungen. Ob das viel oder wenig ist, verrät der Satz nicht. Dieser Leitfaden zeigt, wie man eine klinische Studie in etwa 15 Minuten so liest, dass man die wichtigsten Fragen beantworten kann: Was wurde verglichen? Wie groß ist der Effekt in absoluten Zahlen? Wie sicher ist das Ergebnis? Und wie stark ist es durch Bias verzerrt?

Der Leitfaden richtet sich an Medizinstudierende, die sich auf das Journal Club, die Doktorarbeit oder das M2-Examen vorbereiten. Er hilft aber auch Assistenzärztinnen und -ärzten, die eine neue Studie schnell einordnen müssen.

Schritt 1: Die Frage hinter der Studie (PICO)

Bevor Sie Zahlen lesen, formulieren Sie die Studienfrage im PICO-Schema:

• Population: Wer wurde eingeschlossen? Welches Alter, welche Komorbiditäten, welches Setting (Klinik, Hausarztpraxis)?
• Intervention: Was genau wurde gegeben, in welcher Dosis und wie lange?
• Comparator: Placebo, Standardtherapie oder ein anderes Medikament?
• Outcome: Welcher Endpunkt, und zu welchem Zeitpunkt?

Allein dieser Schritt beantwortet oft schon die Frage, ob die Studie auf Ihre Situation übertragbar ist. Eine Studie mit 55-jährigen Patientinnen und Patienten ohne Niereninsuffizienz sagt wenig über einen 85-jährigen Menschen mit eingeschränkter eGFR aus. Wer die Nierenfunktion schnell abschätzen möchte, findet dafür den eGFR-Rechner (CKD-EPI).

Schritt 2: Relative und absolute Effekte unterscheiden

Die wichtigste Fertigkeit beim Lesen von Studien ist das Umrechnen von relativen in absolute Effekte. Dafür brauchen Sie nur zwei Zahlen: das Ereignisrisiko in der Kontrollgruppe (control event rate, CER) und das Risiko in der Interventionsgruppe (experimental event rate, EER).

Ein Rechenbeispiel

Angenommen (fiktive Zahlen), eine Studie vergleicht ein neues Medikament mit Placebo über drei Jahre. Endpunkt ist ein Schlaganfall.

• Kontrollgruppe: 10 von 100 Personen erleiden einen Schlaganfall, also CER = 10 %.
• Interventionsgruppe: 8 von 100, also EER = 8 %.

Dann gilt:

• ARR = 10 % − 8 % = 2 Prozentpunkte
• RR = 8 ÷ 10 = 0,8
• RRR = 2 ÷ 10 = 20 %
• NNT = 1 ÷ 0,02 = 50 (über drei Jahre)

Die Pressemitteilung schreibt „20 % weniger Schlaganfälle“. Das stimmt. Aber es müssen 50 Menschen drei Jahre lang behandelt werden, damit einer von ihnen einen Schlaganfall vermeidet. Die anderen 49 haben keinen Nutzen und tragen trotzdem die Nebenwirkungen.

Warum das Ausgangsrisiko alles verändert

Nehmen wir an, dieselbe relative Risikoreduktion von 20 % gilt für eine Gruppe mit niedrigem Ausgangsrisiko, etwa 1 % über drei Jahre. Dann sinkt das Risiko auf 0,8 %. Die ARR beträgt 0,2 Prozentpunkte, und die NNT steigt auf 500. Der relative Effekt bleibt gleich, der absolute Nutzen ist aber zehnmal kleiner.

Genau deshalb arbeiten Leitlinien mit Risikoscores: Ob eine Therapie sinnvoll ist, hängt vom Ausgangsrisiko der Person ab. Ein Beispiel dafür ist der CHA₂DS₂-VA-Score beim Vorhofflimmern.

Number Needed to Harm

Für unerwünschte Ereignisse gilt dieselbe Rechnung: Die Number Needed to Harm (NNH) ist 1 geteilt durch die absolute Risikozunahme. Eine sinnvolle Bewertung stellt NNT und NNH für denselben Zeitraum nebeneinander. Eine NNT von 50 für einen Schlaganfall und eine NNH von 100 für eine schwere Blutung lassen sich nur gemeinsam beurteilen. Dabei zählt auch, wie schwer die beiden Ereignisse für die betroffene Person wiegen.

Schritt 3: Konfidenzintervall statt p-Wert in den Mittelpunkt stellen

Der p-Wert ist der am häufigsten falsch verstandene Wert der Medizin. Die American Statistical Association (ASA) hat 2016 sechs Grundsätze dazu veröffentlicht. Die wichtigsten Punkte:

• Ein p-Wert gibt an, wie gut die Daten zu einem bestimmten statistischen Modell passen (meist der Nullhypothese „kein Effekt“).
• Er misst nicht die Wahrscheinlichkeit, dass die Hypothese wahr ist, und auch nicht, dass das Ergebnis „nur Zufall“ ist.
• Er sagt nichts über die Größe oder die klinische Bedeutung eines Effekts aus.
• Wissenschaftliche Schlüsse sollten nicht allein davon abhängen, ob ein Schwellenwert wie p < 0,05 unterschritten wird.

Aussagekräftiger ist das 95-%-Konfidenzintervall (KI). Es zeigt den Bereich von Effektgrößen, die mit den Daten gut vereinbar sind. So lesen Sie ein KI:

1. Liegt der Wert für „kein Effekt“ im Intervall? Bei RR, Odds Ratio und Hazard Ratio ist das die 1, bei Differenzen die 0.
2. Wie breit ist das Intervall? Ein RR von 0,80 (95-%-KI 0,78–0,82) ist präzise. Ein RR von 0,80 (95-%-KI 0,40–1,60) ist mit einem großen Nutzen ebenso vereinbar wie mit einem Schaden.
3. Ist auch die ungünstige Grenze noch klinisch relevant? Wenn ja, ist der Nutzen robust.

Auch zur NNT gehört ein Konfidenzintervall. Ist die ARR nicht signifikant, reicht das Intervall der NNT über „unendlich“ hinaus in den Bereich des Schadens. Eine NNT ohne Intervall ist deshalb nur die halbe Information.

Schritt 4: Endpunkte prüfen – patientenrelevant oder Surrogat?

Ein Surrogatendpunkt ist ein Messwert, der stellvertretend für ein klinisches Ereignis steht, zum Beispiel ein Laborwert, der Blutdruck oder die Zahl der Extrasystolen im Langzeit-EKG. Surrogatendpunkte sind praktisch, weil sie schneller und mit weniger Teilnehmenden messbar sind. Sie können aber in die Irre führen.

Das klassische Lehrbeispiel ist der Cardiac Arrhythmia Suppression Trial (CAST). Die Studie prüfte die Hypothese, dass die Unterdrückung ventrikulärer Extrasystolen nach Myokardinfarkt plötzliche Herztode verhindert. Eingeschlossen wurden nur Patienten, bei denen sich die Ektopie mit dem Antiarrhythmikum tatsächlich unterdrücken ließ. Trotzdem wurden die Studienarme mit Encainid und Flecainid wegen einer erhöhten Sterblichkeit abgebrochen. An Arrhythmien starben 43 Patienten unter Verum und 16 unter Placebo. Der Surrogatparameter verbesserte sich, der patientenrelevante Endpunkt verschlechterte sich.

Prüfen Sie daher immer:

• Ist der primäre Endpunkt patientenrelevant (Tod, Schlaganfall, Hospitalisierung, Lebensqualität)?
• Bei kombinierten Endpunkten: Welche Komponente treibt den Effekt? Wenn die „harte“ Komponente (etwa Tod) unverändert ist und nur eine „weiche“ (etwa Revaskularisation) sinkt, ist der Nutzen kleiner, als die Überschrift vermuten lässt.
• Wurde der primäre Endpunkt vorab registriert, oder wird ein günstiger sekundärer Endpunkt in den Vordergrund gestellt?

Schritt 5: Bias systematisch bewerten (RoB 2)

Für randomisierte Studien empfiehlt Cochrane das Werkzeug RoB 2. Es fragt nach fünf Bereichen, in denen sich ein Ergebnis systematisch verzerren kann:

Am Ende steht ein Gesamturteil mit drei Stufen. Niedrig bedeutet, dass das Risiko in allen Domänen niedrig ist. Einige Bedenken bedeutet, dass mindestens eine Domäne Fragen aufwirft, aber keine hoch ist. Hoch bedeutet, dass mindestens eine Domäne ein hohes Risiko hat oder dass sich Bedenken in mehreren Domänen deutlich summieren.

Für das schnelle Lesen genügt oft eine Kurzfassung: Randomisierung und verdeckte Zuteilung beschrieben? Verblindung? Wie viele sind „lost to follow-up“? Stimmt der Registereintrag (etwa bei ClinicalTrials.gov oder im EU Clinical Trials Register) mit dem Paper überein?

Schritt 6: Berichtsstandards als Checkliste nutzen

Gute Studien halten sich an Berichtsstandards, die das EQUATOR-Netzwerk sammelt. Für Lesende sind sie praktische Checklisten.

• CONSORT 2025 für randomisierte Studien: Die aktualisierte Fassung umfasst eine Checkliste mit 30 Punkten und ein Flussdiagramm zum Weg der Teilnehmenden durch die Studie. Neu ist unter anderem ein Abschnitt zu Open Science.
• PRISMA 2020 für systematische Übersichtsarbeiten: eine Checkliste mit 27 Punkten, eine eigene Checkliste für Abstracts und überarbeitete Flussdiagramme.

Fehlt in einer randomisierten Studie das CONSORT-Flussdiagramm, oder ist bei einer Metaanalyse die Suchstrategie nicht nachvollziehbar, ist das ein Warnsignal.

Schritt 7: Die Vertrauenswürdigkeit der Evidenz einordnen (GRADE)

Eine einzelne Studie ist selten das letzte Wort. Leitlinien und Cochrane-Reviews bewerten die Gesamtevidenz mit GRADE. Die Vertrauenswürdigkeit (certainty) wird in vier Stufen eingeteilt: hoch, moderat, niedrig und sehr niedrig.

• Randomisierte Studien starten bei „hoch“, Beobachtungsstudien bei „niedrig“.
• Abgewertet wird wegen Risiko für Bias, Inkonsistenz, Indirektheit, Unpräzision und Publikationsbias.
• Aufgewertet werden vor allem Beobachtungsstudien, etwa bei sehr großem Effekt, bei einer Dosis-Wirkungs-Beziehung oder wenn plausible Störfaktoren den beobachteten Effekt eher abschwächen würden.

Wenn Sie in einer AWMF-Leitlinie oder einem Cochrane-Review „Evidenz: niedrig“ lesen, heißt das: Der wahre Effekt kann deutlich vom geschätzten abweichen.

Die 15-Minuten-Checkliste

1. Abstract und Fragestellung: PICO notieren.
2. Methodik: Studiendesign, Randomisierung, Verblindung, Registrierung.
3. Tabelle 1: Sind die Gruppen vergleichbar? Wer ist die Population wirklich?
4. Primärer Endpunkt: patientenrelevant oder Surrogat? Kombiniert?
5. Ergebnisse: CER und EER suchen, ARR und NNT selbst ausrechnen, KI beachten.
6. Schäden: NNH für denselben Zeitraum.
7. Bias: RoB-2-Domänen im Kopf durchgehen.
8. Einordnung: Was sagen Leitlinie oder systematischer Review dazu?

Gute Ressourcen für den Einstieg

• Cochrane Library und Cochrane Deutschland: systematische Reviews und Lernmaterial zur evidenzbasierten Medizin.
• Cochrane Handbook: Kapitel 8 (Risk of Bias) und Kapitel 14 (GRADE) sind frei zugänglich und gut lesbar.
• IQWiG: Das Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen veröffentlicht Nutzenbewertungen, deren Methodik sich gut als Lehrbeispiel eignet.
• gesundheitsinformation.de: Das Portal des IQWiG zeigt, wie man Nutzen und Schaden für Laien in absoluten Zahlen darstellt. Das hilft auch bei der eigenen Patientenkommunikation.
• AWMF-Leitlinienregister: Hier sehen Sie, wie Evidenz in deutschsprachige Empfehlungen übersetzt wird.

Fazit

Wer eine Studie bewertet, sollte zuerst nach den absoluten Zahlen fragen und erst danach nach dem p-Wert. Eine RRR ohne Ausgangsrisiko ist unvollständig, ebenso eine NNT ohne Zeitraum und Konfidenzintervall oder ein Surrogatendpunkt ohne klinischen Endpunkt. Mit PICO, ARR/NNT, KI, RoB 2 und GRADE haben Sie ein Werkzeugset, das im Journal Club, in der Prüfung und auf Station gleichermaßen trägt.

Medelix beantwortet klinische Fragen mit Quellenangaben aus Literatur und Leitlinien. Die verlinkten Originalarbeiten sollten Sie dann mit genau diesen Fragen selbst prüfen.

Quellen

1. Echt DS, Liebson PR, Mitchell LB, et al. Mortality and morbidity in patients receiving encainide, flecainide, or placebo. The Cardiac Arrhythmia Suppression Trial. N Engl J Med. 1991;324:781–788. doi:10.1056/NEJM199103213241201
2. Wasserstein RL, Lazar NA. The ASA Statement on p-Values: Context, Process, and Purpose. Am Stat. 2016;70:129–133. doi:10.1080/00031305.2016.1154108; Pressemitteilung: magazine.amstat.org
3. Sterne JAC, Savović J, Page MJ, et al. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ. 2019;366:l4898. doi:10.1136/bmj.l4898
4. Higgins JPT, et al. Cochrane Handbook for Systematic Reviews of Interventions, Kapitel 8: Assessing risk of bias in a randomized trial. cochrane.org
5. Cochrane Handbook, Kapitel 14: Completing 'Summary of findings' tables and grading the certainty of the evidence. cochrane.org
6. Hopewell S, Chan AW, Collins GS, et al. CONSORT 2025 Statement: Updated Guideline for Reporting Randomized Trials. JAMA. 2025. doi:10.1001/jama.2025.4347
7. Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. doi:10.1136/bmj.n71
8. Guyatt GH, Oxman AD, Vist GE, et al. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ. 2008;336:924–926. doi:10.1136/bmj.39489.470347.AD
9. EQUATOR Network – Reporting guidelines. equator-network.org
10. Institut für Qualität und Wirtschaftlichkeit im Gesundheitswesen (IQWiG). iqwig.de und gesundheitsinformation.de
11. Cochrane Deutschland. cochrane.de
12. AWMF-Leitlinienregister. register.awmf.org