Intention-to-Treat-Analyse
In diesem Beitrag
Was versteht man unter Intention-to-Treat-Analyse?
Die Intention-to-Treat-Analyse (kurz: ITT-Analyse) ist ein Auswertungsprinzip in randomisierten kontrollierten Studien (RCTs). Der Grundsatz lautet: Alle Teilnehmenden werden in der Gruppe ausgewertet, der sie ursprünglich zufällig zugeteilt wurden – unabhängig davon, ob sie die Intervention tatsächlich erhalten haben, die Studie vorzeitig abgebrochen haben oder die Behandlung gewechselt haben.
Formal ausgedrückt: Wenn eine Person zur Behandlungsgruppe randomisiert wurde, fließt sie in die Analyse der Behandlungsgruppe ein – selbst dann, wenn sie in der Praxis nie behandelt wurde oder zur Kontrollgruppe gewechselt ist. Das Prinzip lässt sich auf einen einfachen Satz reduzieren: „Einmal zugewiesen, immer ausgewertet.“
Vom ITT-Prinzip abzugrenzen ist die sogenannte Per-Protocol-Analyse (PP-Analyse), bei der nur jene Personen ausgewertet werden, die das Studienprotokoll vollständig eingehalten haben. Außerdem gibt es die As-Treated-Analyse, bei der die tatsächlich erhaltene Behandlung – unabhängig von der ursprünglichen Zuteilung – entscheidend ist.
Warum ist die Intention-to-Treat-Analyse für statistische Analysen wichtig?
Die Stärke der ITT-Analyse liegt im Schutz der Randomisierung. In einem RCT sorgt die zufällige Zuteilung dafür, dass bekannte und unbekannte Störvariablen (Confounder) gleichmäßig auf beide Gruppen verteilt sind. Sobald man Personen nachträglich aus der Auswertung ausschließt – zum Beispiel weil sie die Therapie nicht eingehalten haben –, kann diese Balance zerstört werden. Das führt zu systematischen Verzerrungen (Bias), die die Ergebnisse unzuverlässig machen.
Die ITT-Analyse liefert daher eine konservative Schätzung des Behandlungseffekts: Sie zeigt, was unter realen Bedingungen – also inklusive Therapieabbrüchen und mangelnder Adhärenz – zu erwarten ist. Das ist besonders für gesundheitspolitische Entscheidungen relevant, weil auch in der Praxis nicht alle Patientinnen und Patienten eine Behandlung vollständig durchhalten.
Praxisbeispiel zu Intention-to-Treat-Analyse
Eine klinische Studie untersucht, ob ein neues Antidepressivum wirksamer ist als ein Placebo. 120 Patientinnen und Patienten werden randomisiert: 60 in die Medikamentengruppe, 60 in die Placebogruppe. Nach zwölf Wochen zeigt sich folgende Situation:
| Gruppe | Randomisiert | Abbrüche | Vollständig ausgewertet (PP) | ITT-Auswertung |
|---|---|---|---|---|
| Medikament | 60 | 12 | 48 | 60 |
| Placebo | 60 | 4 | 56 | 60 |
In der Per-Protocol-Analyse würden nur die 48 bzw. 56 Personen ausgewertet, die die Studie vollständig abgeschlossen haben. Das Problem: Die 12 Abbrüche in der Medikamentengruppe könnten gehäuft auf Nebenwirkungen oder ausbleibenden Therapieerfolg zurückzuführen sein. Schließt man sie aus, verbleiben möglicherweise überproportional viele Respondierende in der Gruppe – das Ergebnis wirkt besser als es in der Realität ist.
In der ITT-Analyse hingegen werden alle 60 Personen pro Gruppe ausgewertet. Für die 12 Personen mit fehlenden Endpunktdaten werden die Werte durch geeignete statistische Methoden (z. B. Last Observation Carried Forward oder Multiple Imputation) ergänzt. Das Ergebnis ist realistischer und weniger verzerrt – auch wenn der geschätzte Effekt des Medikaments möglicherweise etwas kleiner ausfällt als in der PP-Analyse.
Dieses Beispiel zeigt: Die ITT-Analyse schützt vor einer zu optimistischen Darstellung der Wirksamkeit und liefert eine ehrlichere Grundlage für Entscheidungen in der Versorgungspraxis.
