Glossar

Bias

Systematischer Fehler, Verzerrung

Die Ursachen für Bias liegen meist im Design begründet und/oder in der Durchführung der Studie. Dadurch erfolgt eine tendenzielle, systematische Abweichung der Studienergebnisse vom korrekten Ergebnis einer Studie. Bias führt also zu einer Über- oder Unterschätzung der wahren Wirkung einer Intervention/Exposition. Es gibt verschiedene Bias-Arten, z. B.

  • Attrition-Bias/Verschleiß-Bias: Ausscheiden von Teilnehmenden (TN) während der Studienlaufzeit. Bei der Datenanalyse muss untersucht werden, ob sich dabei Muster erkennen lassen, also evtl. nur bestimmte TN ausscheiden (z. B. stärker erkrankte Menschen, Ältere, Frauen) und ob diese sogar bevorzugt aus einer Gruppe ausscheiden (z. B. aus der Interventionsgruppe, weil die Intervention evtl. zu anstrengend ist).
  • Publikationsbias: Bestimmte Studien (z. B. Wirksamkeitsstudien mit Resultaten, die gegen den Einsatz einer Intervention sprechen, deren Nutzen mit der Untersuchung nachgewiesen werden sollte) werden erst gar nicht veröffentlicht. Sie können somit in systematischen Reviews und Metaanalysen nicht berücksichtigt werden. Dadurch entsteht die Gefahr, dass der Effekt in Übersichtsarbeiten zu einer bestimmten Intervention überschätzt wird. Wie groß diese Gefahr ist, lässt sich anhand von Funnel Plots zeigen.
  • Selektionsbias: Unterschiede in den Gruppenergebnissen sind nicht (nur) durch die jeweilige Intervention/Kontrollintervention bedingt, sondern auch dadurch, dass nur bestimmte TN in eine Studie eingeschlossen wurden. Oder bei systematischen Reviews und Metaanalysen dadurch, dass nur bestimmte Studien in die Auswertung einbezogen werden, z. B. die mit positiveren Ergebnissen für die Intervention, deren Wirksamkeit nachgewiesen werden soll.

Ergebnisse aus Studien mit geringem Risiko für Bias werden als valide angesehen.

Weitere Informationen finden Sie z. B. im Cochrane-Blog Wissen was wirkt: