„Halbiert das Risiko.“ Drei Wörter, die nach einer ziemlich guten Nachricht klingen. Nur: Von welchem Risiko reden wir? Wenn eine Maßnahme aus 100 Erkrankungen 50 macht, ist das eine Halbierung. Wenn sie aus zwei Erkrankungen eine macht, ebenfalls. Die Schlagzeile kann in beiden Fällen stimmen. Für eine Entscheidung sind es sehr unterschiedliche Nachrichten.
Die wichtigste Übersetzung lautet deshalb: Wie viele Menschen haben das Ereignis mit und ohne Maßnahme – in gleich großen Gruppen und über denselben Zeitraum? Diese absoluten Häufigkeiten zeigen die Größenordnung. Anschließend zählen die Art des Ereignisses, mögliche Schäden und die Sicherheit der Belege. Eine beeindruckende Prozentzahl allein beantwortet keine dieser Fragen.
Die Hälfte wovon?
Nehmen wir zwei erfundene Gruppen mit jeweils 1.000 Menschen. Beobachtet wird fünf Jahre lang, ob ein bestimmtes gesundheitliches Ereignis auftritt. Es geht um ein Rechenmodell, nicht um die Wirksamkeit eines konkreten Medikaments.
In Gruppe A hätten ohne Maßnahme 100 Menschen das Ereignis, mit Maßnahme 50. Der Unterschied beträgt 50 von 1.000. Das Ausgangsrisiko von zehn Prozent sinkt auf fünf Prozent: fünf Prozentpunkte weniger. Bezogen auf die ursprünglichen 100 Ereignisse ist die Verringerung 50 Prozent.
In Gruppe B sinkt die Häufigkeit dagegen von zwei auf eines je 1.000. Der absolute Unterschied beträgt ein Ereignis pro 1.000 Menschen, also 0,1 Prozentpunkte. Auch hier wurde das Ausgangsrisiko halbiert. Dieselbe relative Wirkung trifft auf eine ganz andere Ausgangslage.
Gleiche Halbierung, anderer Unterschied
| Kriterium | Höheres Ausgangsrisiko | Niedrigeres Ausgangsrisiko |
|---|---|---|
| Fiktiver Zeitraum | 5 Jahre | 5 Jahre |
| Ohne Maßnahme | 100 von 1.000 Menschen mit Ereignis | 2 von 1.000 Menschen mit Ereignis |
| Mit Maßnahme | 50 von 1.000 Menschen mit Ereignis | 1 von 1.000 Menschen mit Ereignis |
| Absoluter Unterschied | 50 weniger von 1.000 = 5 Prozentpunkte | 1 weniger von 1.000 = 0,1 Prozentpunkte |
| Relative Risikoreduktion | 50 Prozent | 50 Prozent |
Die Unterscheidung folgt den Definitionen des IQWiG zur Risikoreduktion: Absolut betrachtet vergleichen wir die Ereignishäufigkeiten durch Subtraktion. Relativ betrachten wir die Änderung im Verhältnis zum Ausgangsrisiko. Die Tabelle rechnet beide Darstellungen für dieselben Modellwerte aus. Keine der Zahlen hebt die andere auf.
Prozent und Prozentpunkte sind keine austauschbaren Wörter
Sinkt ein Risiko von zehn auf fünf Prozent, sinkt es um fünf Prozentpunkte. Die relative Verringerung beträgt 50 Prozent. „Fünf Prozent weniger“ wäre ohne weitere Erklärung missverständlich, weil diese Formulierung gewöhnlich eine relative Änderung meint.
Eine Rechenhilfe: Ziehe zuerst die beiden Risiken voneinander ab. Teile diesen Unterschied erst danach durch das Ausgangsrisiko, wenn du die relative Änderung wissen willst. Im ersten Modell lautet die Rechnung 10 minus 5 gleich 5 Prozentpunkte; anschließend 5 geteilt durch 10 gleich 0,5 beziehungsweise 50 Prozent.
Dasselbe Problem tritt bei Risikoerhöhungen auf. Eine Verdoppelung von einem auf zwei Ereignisse pro 1.000 ist ein Anstieg um 100 Prozent, aber um ein Ereignis pro 1.000. Das macht einen schweren Schaden nicht unwichtig. Es macht seine Häufigkeit erst erkennbar. Das Lernangebot zur Risikokommunikation der Leitlinie Gesundheitsinformation lässt solche Übersetzungen schrittweise üben.
Dein Ausgangsrisiko verändert die Größenordnung
Das Ausgangsrisiko beschreibt die Wahrscheinlichkeit eines Ereignisses ohne die untersuchte Maßnahme beziehungsweise unter der Vergleichsbehandlung. Es kann sich etwa nach Alter, Vorerkrankungen und Beobachtungsdauer unterscheiden. Wenn eine relative Wirkung für zwei Gruppen tatsächlich vergleichbar ist, fällt bei höherem Ausgangsrisiko auch der absolute Unterschied größer aus.
Der entscheidende Zusatz steckt in „wenn“. Man darf nicht beliebig die relative Wirkung einer Studie auf jeden Menschen übertragen. Andere Begleiterkrankungen, Behandlungen oder Lebensumstände können die Übertragbarkeit begrenzen. Der persönliche Nutzen entsteht deshalb nicht dadurch, dass man eine beliebige Prozentzahl mit einem selbst geschätzten Risiko multipliziert.
Das Cochrane-Handbuch zu Ergebnistabellen behandelt relative und absolute Effekte ausdrücklich zusammen mit der Vertrauenswürdigkeit der Evidenz. Die methodische Leitfrage ist: Welche Größenordnung lässt sich für welche Menschen begründet erwarten? Ein Durchschnitt über eine Studiengruppe ist noch keine persönliche Vorhersage.
Die NNT übersetzt den Unterschied in behandelte Menschen
Aus dem absoluten Unterschied lässt sich eine weitere Kennzahl berechnen: die Number needed to treat, kurz NNT. Sie beschreibt, wie viele Menschen im Mittel behandelt werden müssen, damit gegenüber der Vergleichsgruppe ein zusätzliches günstiges Ergebnis erreicht oder ein ungünstiges vermieden wird.
Im Modell mit 50 vermiedenen Ereignissen pro 1.000 beträgt sie 20: 1.000 geteilt durch 50. Im Modell mit einem vermiedenen Ereignis pro 1.000 beträgt sie 1.000. Beide Angaben gelten hier für fünf Jahre und für genau das Ereignis, das wir gezählt haben. Das IQWiG erklärt diese Bindung an Zielgröße und Behandlungsdauer.
Eine NNT von 20 bedeutet nicht, dass der zwanzigste Mensch garantiert profitiert oder die anderen 19 keine Veränderung erleben. Sie beschreibt einen durchschnittlichen zusätzlichen Unterschied zwischen Gruppen. Ebenso lässt sich aus ihr nicht ablesen, wer konkret geschützt wird. Ohne Zeitraum, Vergleich und Endpunkt ist die Zahl unvollständig. Und bei unsicheren Effekten kann auch die NNT sehr unsicher sein.
Zehn verhinderte Ereignisse können sehr Verschiedenes bedeuten
Zehn vermiedene Kopfschmerzepisoden, zehn vermiedene Krankenhausaufnahmen und zehn vermiedene Todesfälle sind jeweils zehn Ereignisse. Ihre Bedeutung ist offenkundig verschieden. Bevor man eine Größe bewertet, muss man wissen, was überhaupt gezählt wurde.
Besonders leicht verschwimmt das bei Ersatzendpunkten. Ein gesenkter Laborwert kann ein wichtiger Hinweis sein. Ob damit weniger Beschwerden, längeres Leben oder eine bessere Lebensqualität verbunden sind, ist eine weitere Frage. Auch ein zusammengesetzter Endpunkt braucht Aufmerksamkeit: Wenn eine Studie mehrere unterschiedlich schwere Ereignisse gemeinsam zählt, kann der Gesamteffekt vor allem von einem häufigen, leichteren Ereignis getragen werden.
Das Cochrane-Kapitel über Effektmaße unterscheidet zudem Risikoverhältnis, Odds Ratio und Risikodifferenz. Besonders eine Odds Ratio darf nicht einfach wie eine relative Risikoänderung gelesen werden. Bei häufigeren Ereignissen können die Größen erheblich auseinanderliegen. Für die Lektüre einer Meldung genügt zunächst eine praktische Frage: Welche Kennzahl steckt hinter dem Prozentwert, und lässt sie sich in verständliche Häufigkeiten übersetzen?
Nutzen und Schaden brauchen dieselbe Bühne
Eine vollständige Information zeigt auch die unerwünschten Folgen. Wenn Nutzen als große relative Verringerung erscheint, Nebenwirkungen dagegen als kleine absolute Zahl, stehen zwei verschiedene Maßstäbe nebeneinander. Man kann dann leicht einen Vergleich zu sehen glauben, der rechnerisch gar nicht vorliegt.
Die Gute Praxis Gesundheitsinformation des Netzwerks Evidenzbasierte Medizin empfiehlt, Nutzen und Schaden möglichst auf einheitliche Bezugsgrößen zu beziehen. Dazu gehören passende Zeitangaben. Eine jährlich auftretende Nebenwirkung und ein über zehn Jahre erwarteter Nutzen lassen sich nicht allein anhand ihrer Prozentsätze verrechnen.
Auch bei sauberer Darstellung bleibt die Bewertung persönlich: Wie schwer wiegt ein bestimmter Schaden, wie belastend ist die Behandlung, und welcher mögliche Vorteil ist einem wichtig? Statistische Verständlichkeit nimmt diese Entscheidung nicht ab. Sie schafft eine Grundlage dafür. Die Faktenboxen des Harding-Zentrums zeigen, wie sich Vor- und Nachteile einer Maßnahme übersichtlich gegenüberstellen lassen.
Eine präzise Zahl kann auf unsicheren Belegen stehen
„2,7 Prozent“ sieht genauer aus als „etwa drei Prozent“. Zusätzliche Nachkommastellen machen eine Schätzung aber nicht zuverlässiger. Entscheidend sind unter anderem Studiendesign, mögliche Verzerrungen, Anzahl der beobachteten Ereignisse und die Frage, ob verschiedene Studien zu ähnlichen Ergebnissen kommen.
Ein Unsicherheitsbereich um den geschätzten Effekt hilft zu erkennen, wie genau die Daten ihn eingrenzen. Liegen darin sowohl ein kleiner Unterschied als auch ein praktisch wichtiger Nutzen, ist die Frage noch nicht entschieden. Statistische Signifikanz allein sagt außerdem nicht, ob ein Unterschied im Alltag bedeutsam ist. Eine große Studie kann einen sehr kleinen Effekt präzise schätzen.
Zum Nachlesen dieses anderen Problems passen unsere Beiträge über Scheinkorrelationen und über die Stärken und Grenzen von Real-World-Daten. Hier geht es um die Belastbarkeit einer Schlussfolgerung. Absolute Zahlen erklären dagegen zunächst ihre Größenordnung. Beides gehört zusammen.
Vier Rückfragen, die eine Zahl brauchbar machen
Wenn: Es steht nur „halbiert“ oder „50 Prozent weniger“ dabei.
Dann: Frage nach den Ereignissen mit und ohne Maßnahme pro gleich großer Gruppe.
Erst die Ausgangshäufigkeit macht den absoluten Unterschied sichtbar.
Wenn: Nutzen und Nebenwirkungen beziehen sich auf verschiedene Zeiträume.
Dann: Bitte um vergleichbare Zeitangaben und um die jeweilige Dauer der Behandlung.
Eine kurzfristige Belastung und ein langfristiger Nutzen lassen sich nicht durch Prozentvergleich verrechnen.
Wenn: Die Zahl betrifft einen Blutwert oder einen anderen Ersatzendpunkt.
Dann: Frage, was über Beschwerden, schwere Erkrankungen oder Lebensqualität bekannt ist.
Eine veränderte Messgröße und ein gesundheitlicher Vorteil sind unterschiedliche Aussagen.
Wenn: Das Ergebnis sieht exakt aus, die Evidenz ist aber unsicher.
Dann: Suche nach Unsicherheitsbereich, Studienart und Passung der untersuchten Menschen.
Eine korrekt berechnete Zahl wird durch schwache oder unpassende Daten nicht verlässlicher.
Der beste Gegenzauber ist eine vollständige Frage
„50 Prozent weniger“ ist weder automatisch ein Durchbruch noch automatisch ein Trick. Es ist ein Ausschnitt. Die vollständige Nachricht nennt Ausgangshäufigkeit, Vergleich, Zeitraum, Zielgröße, mögliche Schäden und die Grenze des Wissens.
Du musst dafür keine Statistikprüfung bestehen. Die hartnäckige Rückfrage „Wie viele von wie vielen, über wie lange?“ reicht oft schon, um eine beeindruckende Zahl in eine verständliche Aussage zu verwandeln. Genau dort beginnt eine Entscheidung, die zur eigenen Situation passen kann.
Schreibe einen Kommentar