Was sind die Grundlagen der medizinischen Statistik?

Was ist medizinische Statistik?

Medizinische Statistik ist die Wissenschaft, mit der klinische und biologische Daten systematisch erhoben, beschrieben, analysiert und interpretiert werden. Sie ist das methodische Fundament jeder empirischen Forschung in der Medizin – von der kontrollierten Therapiestudie bis zur epidemiologischen Beobachtungsstudie.

Ohne statistische Methoden lässt sich keine belastbare Aussage darüber treffen, ob eine Behandlung wirkt, ein Risikofaktor relevant ist oder ein Diagnoseverfahren zuverlässig unterscheidet. Medizinische Statistik ist daher nicht bloß ein Rechenwerkzeug, sondern ein Denkrahmen für wissenschaftliche Schlussfolgerungen.

Für Studierende, Promovierende und Forschende in der Medizin ist das Verständnis statistischer Grundbegriffe unerlässlich – sowohl um eigene Studien korrekt zu planen, als auch um publizierte Ergebnisse kritisch einordnen zu können.

Skalenniveaus und Variablentypen

Bevor Sie auch nur einen Test auswählen, müssen Sie wissen, welche Art von Daten Sie vorliegen haben. Das Skalenniveau einer Variable bestimmt, welche statistischen Verfahren zulässig sind.

Die Unterscheidung zwischen ordinal und metrisch ist in der Praxis besonders wichtig. Likert-Skalen und klinische Scores (wie der Glasgow Coma Scale) werden häufig fälschlich wie metrische Variablen behandelt – das kann zu verzerrten Schlussfolgerungen führen.

Deskriptive Statistik: Daten beschreiben und zusammenfassen

Der erste Schritt jeder Analyse ist die deskriptive Statistik. Sie beschreibt, was in den Daten steckt, ohne bereits Schlussfolgerungen auf eine Grundgesamtheit zu ziehen.

Lagemaße

Lagemaße beschreiben die zentrale Tendenz einer Verteilung:

• Arithmetisches Mittel (Mittelwert): Geeignet für symmetrisch verteilte metrische Daten, z. B. mittlerer systolischer Blutdruck in einer Patientengruppe.
• Median: Robuster bei schiefer Verteilung oder Ausreißern, z. B. Überlebenszeiten in einer Onkologiestudie.
• Modus: Häufigster Wert, vor allem bei nominalen Variablen sinnvoll.

Streuungsmaße

Lagemaße allein reichen nicht aus. Zwei Gruppen können denselben Mittelwert haben, sich aber stark in ihrer Streuung unterscheiden – was klinisch hochrelevant sein kann.

• Standardabweichung (SD): Durchschnittliche Abweichung vom Mittelwert; bei Normalverteilung besonders aussagekräftig.
• Interquartilsabstand (IQR): Spanne zwischen dem 25. und 75. Perzentil; robust gegenüber Ausreißern.
• Varianz: Quadrat der Standardabweichung; wird für viele Testverfahren intern benötigt.
• Spannweite (Range): Differenz zwischen Minimum und Maximum; anfällig für Ausreißer.

Häufigkeiten und Anteile

Bei kategorialen Variablen – also nominalen oder ordinalen Merkmalen – werden absolute und relative Häufigkeiten berichtet. Kreuztabellen zeigen die Verteilung zweier kategorialer Variablen gleichzeitig und bilden die Grundlage für Tests wie den Chi-Quadrat-Test.

Inferenzstatistik: Vom Stichprobenergebnis zur Population

Die deskriptive Statistik beschreibt Ihre Stichprobe. Die Inferenzstatistik beantwortet die eigentlich interessante Frage: Lassen sich die beobachteten Unterschiede oder Zusammenhänge auf die Grundgesamtheit verallgemeinern – oder handelt es sich um zufällige Schwankungen?

Grundlage ist dabei stets das Konzept der Zufallsstichprobe: Es wird angenommen, dass Ihre Studienteilnehmenden zufällig aus einer größeren Population gezogen wurden. Unter dieser Annahme lässt sich das Verhalten von Schätzern (z. B. Mittelwert, Anteil) mathematisch beschreiben.

Nullhypothese und Alternativhypothese

Jeder statistische Test basiert auf zwei konkurrierenden Hypothesen:

• Nullhypothese (H₀): Es gibt keinen Unterschied / Zusammenhang (z. B. „Das neue Medikament hat keinen Effekt auf den Blutdruck“).
• Alternativhypothese (H₁): Es gibt einen Unterschied / Zusammenhang (z. B. „Das neue Medikament senkt den Blutdruck“).

Der Test prüft, ob die vorliegenden Daten ausreichend Evidenz gegen die Nullhypothese liefern. Entschieden wird auf Basis des p-Werts im Vergleich zu einem vorab festgelegten Signifikanzniveau, üblicherweise α = 0,05.

Fehlerarten

Bei dieser Entscheidung sind zwei Fehlerarten möglich:

• Fehler 1. Art (α-Fehler): Die Nullhypothese wird fälschlicherweise abgelehnt (falsch positiv). Die Wahrscheinlichkeit hierfür entspricht dem Signifikanzniveau α.
• Fehler 2. Art (β-Fehler): Die Nullhypothese wird fälschlicherweise beibehalten (falsch negativ). Die Gegenwahrscheinlichkeit 1 − β ist die statistische Power.

p-Wert, Konfidenzintervall und statistische Power

Diese drei Konzepte werden in medizinischen Publikationen allgegenwärtig berichtet – und sind gleichzeitig die am häufigsten falsch interpretierten Größen der gesamten Statistik.

Der p-Wert

Der p-Wert gibt an, wie wahrscheinlich es ist, die beobachteten Daten (oder noch extremere) zu erhalten, wenn die Nullhypothese wahr wäre. Ein p-Wert von 0,03 bedeutet also nicht, dass die Nullhypothese mit 97 % Wahrscheinlichkeit falsch ist.

In einer vielzitierten Übersicht führender Methodiker werden 25 verbreitete Missverständnisse über p-Werte und Konfidenzintervalle systematisch korrigiert – darunter die weit verbreitete Fehlannahme, ein niedriger p-Wert belege die praktische Bedeutsamkeit eines Befundes. Das tut er nicht.

Das Konfidenzintervall

Das 95-%-Konfidenzintervall (KI) gibt einen Bereich an, der bei wiederholter Stichprobenziehung in 95 % der Fälle den wahren Populationsparameter einschließen würde. Es wird üblicherweise als berechnet, wobei SE der Standardfehler ist – bei kleinen Stichproben wird statt des z-Werts ein t-Wert mit entsprechenden Freiheitsgraden verwendet.

Das Konfidenzintervall ist informativer als der p-Wert allein, weil es sowohl die Richtung als auch die Präzision einer Schätzung zeigt. Ein breites KI signalisiert Unsicherheit; ein schmales KI signalisiert Präzision.

Statistische Power

Die Power (1 − β) gibt an, mit welcher Wahrscheinlichkeit ein tatsächlich vorhandener Effekt in der Studie auch entdeckt wird. Sie hängt ab von:

• der Stichprobengröße (mehr Fälle → höhere Power)
• der Effektgröße (größere Effekte leichter nachweisbar)
• dem gewählten Signifikanzniveau α
• der Streuung in den Daten

Die Stichprobenplanung für medizinische Studien sollte immer auf einer prospektiven Poweranalyse basieren. Eine Studie mit unzureichender Power kann einen klinisch bedeutsamen Effekt verpassen – mit ernsthaften Konsequenzen für Patienten und Forschung.

Studiendesign und Analyseplanung

In der medizinischen Statistik wird die Wahl eines Tests nicht isoliert am Ende der Studie getroffen. Vielmehr entsteht sie aus der Fragestellung, dem Studiendesign, dem Endpunkt, dem Umgang mit fehlenden Daten und der geplanten Sensitivitätsanalyse.

Regulatorisch ist dieses Prinzip in der ICH-E9-Leitlinie für statistische Prinzipien in klinischen Studien verankert, die von der Europäischen Arzneimittelbehörde angewendet wird. Der dort eingeführte Estimand-Rahmen verlangt, dass vor der Analyse vier Fragen klar beantwortet sind:

Für die eigene Forschungsarbeit bedeutet das: Ein statistischer Auswertungsplan sollte vor der Datenerhebung schriftlich fixiert werden. Nachträgliche Änderungen der Analysestrategie – sogenanntes p-Hacking oder HARKing – gelten als schwerwiegende methodische Mängel.

Randomisierte kontrollierte Studie vs. Beobachtungsstudie

Das Studiendesign bestimmt, welche kausalen Aussagen überhaupt zulässig sind. Der randomisierte kontrollierte Trial (RCT) gilt als Goldstandard der klinischen Forschung, weil die zufällige Zuteilung systematische Unterschiede zwischen den Gruppen minimiert. In Beobachtungsstudien (Kohortenstudien, Fall-Kontroll-Studien) muss Confounding statistisch kontrolliert werden, zum Beispiel durch multivariate Regression oder Propensity-Score-Matching.

Die wichtigsten statistischen Verfahren im Überblick

Welches Verfahren das richtige ist, hängt vom Skalenniveau der Variablen, der Anzahl der Gruppen und der Struktur der Daten ab. Eine detaillierte Übersicht bietet der Beitrag zu den statistischen Verfahren in der medizinischen Forschung. Hier die wichtigsten Klassen im Überblick:

Für diagnostische Fragestellungen kommen zusätzlich spezialisierte Kennzahlen hinzu: Sensitivität und Spezifität beschreiben die Güte eines Tests, während das Odds Ratio die relative Chance des Auftretens eines Ereignisses in zwei Gruppen vergleicht. Bei Studien mit Zeitdaten – etwa Tumorrezidiven oder Todesfällen – ist die Überlebensanalyse das zentrale Werkzeug.

Parametrisch oder nicht-parametrisch?

Parametrische Tests setzen voraus, dass die Daten (annähernd) normalverteilt sind. Ob das zutrifft, lässt sich mit dem Shapiro-Wilk-Test oder durch visuelle Inspektion eines Q-Q-Plots prüfen. Bei kleinen Stichproben unter 30 Fällen oder deutlich schiefen Verteilungen sind nicht-parametrische Verfahren die sichere Wahl.

Häufige Fehler und Fehlinterpretationen

Kein Bereich der Forschungsmethodik ist fehleranfälliger als die statistische Interpretation. Das liegt nicht an mangelnder Sorgfalt, sondern daran, dass die zugrundeliegenden Konzepte kontraintuitiv sind.

p-Wert-Missverständnisse

Drei Missverständnisse sind besonders verbreitet:

• Ein p-Wert unter 0,05 bedeutet nicht, dass der Effekt klinisch bedeutsam ist.
• Ein p-Wert über 0,05 beweist nicht, dass kein Effekt existiert – er zeigt nur, dass die vorliegenden Daten keinen ausreichenden Nachweis liefern. Diesen Unterschied betonen auch klassische Lehrtexte medizinischer Statistik ausdrücklich: Nicht-Signifikanz ist kein Beweis für die Gleichheit zweier Gruppen.
• Der p-Wert ist keine Wahrscheinlichkeit dafür, dass die Nullhypothese wahr ist.

Effektgrößen werden unterschätzt

Statistisch signifikante Ergebnisse sagen nichts über die praktische Größe eines Effekts aus. In großen Stichproben können selbst triviale Unterschiede hochsignifikant werden. Deshalb gehören Effektmaße wie Cohens d, relative Risiken oder Number Needed to Treat (NNT) in jeden medizinischen Ergebnisbericht.

Multiple Vergleiche

Wer viele Tests gleichzeitig durchführt, erhöht die Wahrscheinlichkeit, zufällig ein signifikantes Ergebnis zu finden. Bei 20 unabhängigen Tests mit α = 0,05 ist im Schnitt ein falsch positives Ergebnis zu erwarten – allein durch Zufall. Korrekturen wie die Bonferroni-Methode oder die Benjamini-Hochberg-Prozedur sind in solchen Situationen obligatorisch.

Fazit: Was Sie aus den Grundlagen mitnehmen sollten

Medizinische Statistik ist mehr als das Ausführen von Tests in SPSS oder R. Sie beginnt mit der präzisen Formulierung der Forschungsfrage, führt über ein durchdachtes Studiendesign und endet mit einer Interpretation, die Effektgröße, Unsicherheit und klinische Relevanz gemeinsam bewertet.

Die Grundlagen – Skalenniveaus, deskriptive Kennzahlen, Hypothesentests, Konfidenzintervalle, Power und die korrekte Interpretation des p-Werts – bilden das unverzichtbare Fundament. Wer sie beherrscht, kann nicht nur eigene Analysen fundiert durchführen, sondern auch publizierte Studien kritisch lesen und bewerten.

Für Promovierende in der Medizin empfiehlt es sich, die statistische Methodik so früh wie möglich zu planen. Professionelle Statistikunterstützung für medizinische Arbeiten hilft dabei, Studiendesign, Auswertungsplan und Ergebnisdarstellung von Anfang an auf solidem methodischen Boden zu verankern – und typische Fehler zu vermeiden, bevor sie entstehen.