«smarter medicine»?
Vielen Dank für Ihre Replik (Schweiz Ärzteztg. 2021;102(21):689–99) zu meinem Leserbrief, der sich mit den wissenschaftlichen Grundlagen Ihrer «smarter medicine»-Empfehlung Nr. 1: «Kein Testen und Neubehandeln von Dyslipidämien bei Personen über 75 Jahre in der Primärprävention» befasst (Schweiz Ärzteztg. 2021;102(17):572–3).
Punkt 1 Ihrer Replik kann ich voll und ganz unterstützen: Die im Lancet publizierte Metaanalyse [1] ist die bisher grösste Metaanalyse randomisiert-kontrollierter Studien (RCTs).
Zu Punkt 3 «...Nebenwirkungen einer Statinbehandlung «... sind nicht selten...gerade im höheren Alter...» haben Sie leider keine Referenz angegeben, somit bleibt dies eine Behauptung.
Zu Punkt 2: Die Argumentation in Ihrer Replik ist ein klassisches Beispiel zur Rechtfertigung einer statistischen (Fehl-)Entscheidung, auch Fehler 2. Art oder Beta-Fehler genannt.
Die Nullhypothese in diesem Fall wäre, dass kein Unterschied in der Gruppe (Primärprävention, > 75 Jahre) bezüglich Neubeginn einer Statintherapie (bzw. in der Metaanalyse [1], s. Fig.4, der Statin/intensiveren vs. Kontrolle/weniger intensiven Therapie) besteht. Dieser Unterschied erreichte in der Gruppe der > 75-Jährigen (N=603), entweder aufgrund der deutlich zu geringen Zahl an Patienten verglichen z. B. mit der Gruppe > 65 bis ≤ 70-Jährigen (N =955) oder aber aufgrund des Fehlens eines wahren Unterschieds, das statistische Signifikanzniveau nicht. Die Entscheidung, dass somit kein Unterschied besteht (d. h. dass die Nullhypothese stillschweigend angenommen werden kann), kann – auch wenn dies «...zurückhaltend formuliert...» wäre, keineswegs getroffen werden.
Einen Fehler 2. Art begeht man nun, wenn man die statistische Power, d. h. die Gruppengrösse ausser Betracht lässt, und damit behauptet, der Unterschied wäre auch in einer grösseren Gruppe (vergleichbar mit denen der anderen Altersklassen der Fig. 4) oder in der Grundgesamtheit nicht signifikant geworden. Eine zu kleine Anzahl von Patienten (Mangel stat. Power) erlaubt eine derartige Schlussfolgerung einfach nicht.
Noch einmal etwas einfacher gesagt, wenn aus einer Grundgesamtheit zu wenig Individuen ausgewählt werden, lassen sich keine Rückschlüsse ziehen. Beispiel: Man wählt zwei Personen aus verschiedenen Regionen der Schweiz aus und fragt sie nach ihrer Meinung zur COVID-19-Impfung. Wenn sich diese zwei Personen einig sind (= Nullhypothese), heisst dies nicht, dass sich alle Bewohner der Schweiz einig sind.
Wenn man nun Fig. 4 genauer betrachtet, ist es offensichtlich, dass sich der Unterschied bei immer grösseren Untergruppen weiter von 1 entfernt, d. h. dass die Risk Ratio (RR) zunehmend signifikant zwischen den Gruppen ausfällt. In der Gruppe der > 65- bis ≤ 70-Jährigen (N = 955) ist die RR 0,61, bei den > 55- bis ≤ 60-Jährigen (N = 715) ist sie 0,81. Die unterschiedliche Gruppengrösse könnte diese unterschiedliche RR zwanglos erklären, nicht aber das Alter, denn dies wäre genau reziprok zur Hypothese der Autoren.
In der medizinischen Literatur wird der Zweck und damit die Berechtigung einer statistischen Auswertung, d. h. der Möglichkeit der Rückweisung einer Nullhypothese (mit anderen Worten der Beweis eines Unterschieds) zwischen Gruppen häufig vernachlässigt. Vergessen wird auch, dass Aussagen im Umkehrschluss, für die die entsprechende Statistik nie konzipiert wurde, unzulässig sind, weshalb sie, falls ein derartiger Umkehrschluss tatsächlich gezogen wird, auch als Fehler 2. Art bezeichnet werden.
1 CTT Collaboration. Lancet. 2019;393:407–15
Publié sous la licence du droit d'auteur.
"Attribution - Non-Commercial - NoDerivatives 4.0"
Pas de réutilisation commerciale sans autorisation..
See: emh.ch/en/emh/rights-and-licences/
