Systematische Übersichtsarbeiten & Metaanalysen: So funktioniert evidenzbasierte Medizin

Drei einzelne Studien zu einem neuen Antihypertensivum kommen zu widersprüchlichen Ergebnissen: Eine zeigt einen deutlichen Nutzen, eine keinen Effekt, eine sogar ein leicht erhöhtes Risiko. Auf welche Studie soll sich die klinische Leitlinie stützen? Genau für solche Situationen wurden systematische Übersichtsarbeiten und Metaanalysen entwickelt – sie fassen die verfügbare Evidenz strukturiert zusammen, statt sich auf eine einzelne Studie zu verlassen. Im M2-Examen gehört das Verständnis dieser Methodik zu den höchsten Ebenen des IMPP-Gegenstandskatalogs Biometrie/Epidemiologie.

Was sind systematische Übersichtsarbeiten und Metaanalysen? Warum ist das Thema prüfungsrelevant?

Eine systematische Übersichtsarbeit (systematic review) fasst die verfügbare Evidenz zu einer klar definierten Fragestellung nach einem vorab festgelegten, transparenten und reproduzierbaren Verfahren zusammen. Eine Metaanalyse ist die statistische Zusammenfassung der Einzelergebnisse mehrerer Studien zu einem gepoolten Effektschätzer. Beide Konzepte stehen an der Spitze der Evidenzhierarchie und werden im Examen sowohl konzeptionell als auch anhand der Interpretation von Forest Plots abgefragt.

Definitionsbox: Übersichtsarbeit vs. Metaanalyse vs. narrativer Review

Methodik einer systematischen Übersichtsarbeit

Eine systematische Übersichtsarbeit folgt typischerweise diesen Schritten:

• Fragestellung nach PICO-Schema: Population, Intervention, Comparison, Outcome werden vorab präzise definiert.
• Systematische Literatursuche: Umfassende Suche in mehreren Datenbanken nach vorab festgelegter Suchstrategie.
• Ein- und Ausschlusskriterien: Transparente Kriterien, welche Studien berücksichtigt werden.
• Risk-of-Bias-Bewertung: Systematische Einschätzung der methodischen Qualität jeder eingeschlossenen Studie.
• Datenextraktion und Synthese: Zusammenfassung der Ergebnisse, ggf. als Metaanalyse.

Das PRISMA-Statement (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) gibt international anerkannte Standards für Durchführung und Berichterstattung solcher Arbeiten vor.

Der Forest Plot: Ergebnisse einer Metaanalyse lesen

Der Forest Plot ist die klassische grafische Darstellung einer Metaanalyse. Jede horizontale Linie repräsentiert eine Einzelstudie mit ihrem Punktschätzer und Konfidenzintervall, die Fläche des Quadrats spiegelt meist das Gewicht der Studie in der Gesamtanalyse wider. Die Raute (Diamond) am unteren Ende zeigt den gepoolten Gesamteffekt mit seinem Konfidenzintervall.

Heterogenität: Wie unterschiedlich sind die Einzelstudien?

Bevor Effekte gepoolt werden, muss geprüft werden, wie ähnlich sich die Einzelstudien sind. Die Heterogenität wird meist mit dem I²-Maß beschrieben, das angibt, welcher Anteil der beobachteten Variabilität zwischen Studien auf echte Unterschiede (statt Zufall) zurückgeht; ergänzend wird oft ein Q-Test (Cochran's Q) berichtet. Bei niedriger Heterogenität wird meist ein Fixed-Effects-Modell verwendet, das von einem einzigen wahren Effekt ausgeht. Bei relevanter Heterogenität ist ein Random-Effects-Modell angemessener, das unterschiedliche wahre Effekte zwischen den Studien zulässt und dadurch breitere Konfidenzintervalle liefert.

Publikationsbias und der Funnel Plot

Ein zentrales Problem systematischer Übersichtsarbeiten ist der Publikationsbias: Studien mit signifikanten, positiven Ergebnissen werden häufiger publiziert als Studien mit neutralen oder negativen Ergebnissen. Zur Aufdeckung wird häufig der Funnel Plot eingesetzt, der die Effektstärke einzelner Studien gegen ein Maß ihrer Präzision (z. B. Stichprobengröße oder Standardfehler) aufträgt. Eine symmetrische, trichterförmige Verteilung spricht gegen relevanten Publikationsbias, eine asymmetrische Verteilung mit fehlenden kleinen Studien im Bereich nicht-signifikanter Ergebnisse kann auf Publikationsbias hindeuten.

Stellenwert in der Evidenzhierarchie

Systematische Übersichtsarbeiten und Metaanalysen mehrerer RCTs stehen an der Spitze der Evidenzhierarchie, da sie die Ergebnisse mehrerer unabhängiger Studien bündeln und dadurch präzisere und robustere Effektschätzer liefern als einzelne Studien. Wie sich die darunterliegenden Studiendesigns – RCT, Kohortenstudie, Fall-Kontroll-Studie – in Aufbau und Aussagekraft unterscheiden, ist im Artikel Studiendesigns im Vergleich beschrieben. Wichtig fürs Examen: Die Qualität einer Metaanalyse kann nie besser sein als die Qualität der eingeschlossenen Einzelstudien – „Garbage in, garbage out“ gilt auch hier.

Key Takeaways

• Systematische Übersichtsarbeiten folgen einem vorab festgelegten, transparenten Protokoll (z. B. nach PRISMA).
• Metaanalysen fassen Effektschätzer mehrerer Studien statistisch zu einem gepoolten Ergebnis zusammen.
• Der Forest Plot zeigt Einzelstudien und den gepoolten Gesamteffekt (Raute).
• Das I²-Maß beschreibt die Heterogenität zwischen Studien und entscheidet über Fixed- vs. Random-Effects-Modell.
• Der Funnel Plot hilft, Publikationsbias aufzudecken.

Häufige Fragen zu systematischen Übersichtsarbeiten und Metaanalysen

1. Was ist der Unterschied zwischen einer systematischen Übersichtsarbeit und einer Metaanalyse?

Die systematische Übersichtsarbeit ist der strukturierte Prozess der Literatursuche und -bewertung, die Metaanalyse ist die statistische Zusammenführung der Einzelergebnisse und oft ein Bestandteil der Übersichtsarbeit.

2. Was zeigt die Raute im Forest Plot?

Sie zeigt den gepoolten Gesamteffekt aller eingeschlossenen Studien mit dem zugehörigen Konfidenzintervall.

3. Was bedeutet das I²-Maß?

Es gibt an, welcher Anteil der beobachteten Variabilität zwischen Studien auf echte Heterogenität statt Zufall zurückgeht.

4. Wann wird ein Random-Effects-Modell verwendet?

Bei relevanter Heterogenität zwischen den Studien, da es unterschiedliche wahre Effekte zulässt.

5. Was ist ein Funnel Plot?

Eine grafische Darstellung, die Effektstärke gegen Präzision der Einzelstudien aufträgt und zur Aufdeckung von Publikationsbias dient.

6. Was regelt das PRISMA-Statement?

Es definiert international anerkannte Standards für Durchführung und Berichterstattung systematischer Übersichtsarbeiten und Metaanalysen.

7. Wofür steht PICO?

Population, Intervention, Comparison, Outcome – das Schema zur präzisen Formulierung der Fragestellung einer systematischen Übersichtsarbeit.

8. Warum stehen Metaanalysen an der Spitze der Evidenzhierarchie?

Weil sie Ergebnisse mehrerer unabhängiger Studien bündeln und dadurch präzisere und robustere Effektschätzer liefern als einzelne Studien.

9. Kann eine Metaanalyse fehlerhafte Einzelstudien ausgleichen?

Nein, die Qualität einer Metaanalyse ist durch die Qualität der eingeschlossenen Einzelstudien begrenzt.

Systematische Übersichtsarbeiten im Kontext der evidenzbasierten Medizin

Systematische Übersichtsarbeiten und Metaanalysen sind das methodische Rückgrat der von David Sackett geprägten evidenzbasierten Medizin: die gewissenhafte, ausdrückliche und urteilsbewusste Nutzung der besten verfügbaren Evidenz für klinische Entscheidungen. Die Cochrane Collaboration ist die international führende Organisation zur Erstellung systematischer Übersichtsarbeiten nach transparenter, standardisierter Methodik und ein zentraler Bezugspunkt im IMPP-Gegenstandskatalog für den klinischen Abschnitt. Die Ärztliche Approbationsordnung (ÄApprO) fordert von angehenden Ärzt:innen die Fähigkeit, wissenschaftliche Evidenz kritisch einzuordnen – eine Kompetenz, die ohne Verständnis von Metaanalysen und Risikokennzahlen wie ARR und NNT (siehe ARR, RRR, NNT & NNH) kaum vollständig ist.