Klinische Signifikanz
In diesem Beitrag
Was versteht man unter Klinischer Signifikanz?
Klinische Signifikanz beschreibt, ob ein beobachteter Effekt in der Praxis – also im realen Alltag von Patientinnen und Patienten – tatsächlich einen bedeutsamen Unterschied macht. Sie beantwortet die Frage: Ist der gemessene Unterschied groß genug, um im echten Leben relevant zu sein?
Ein Ergebnis gilt als klinisch signifikant, wenn der beobachtete Effekt einen vorher festgelegten Mindestschwellenwert überschreitet, der als inhaltlich bedeutsam gilt. Diesen Schwellenwert bezeichnet man häufig als Minimal Clinically Important Difference (MCID) – also die kleinste Veränderung, die für Betroffene noch spürbar oder relevant ist.
Zur Einschätzung der klinischen Signifikanz werden in der Praxis verschiedene Maße herangezogen:
- Effektgröße (z. B. Cohen’s d, Hedges‘ g): Gibt an, wie stark ein Unterschied zwischen zwei Gruppen ist – unabhängig von der Stichprobengröße.
- Number Needed to Treat (NNT): Gibt an, wie viele Personen behandelt werden müssen, damit eine Person von der Behandlung profitiert.
- Minimal Clinically Important Difference (MCID): Ein inhaltlicher Referenzwert, der festlegt, ab wann eine Veränderung für Betroffene spürbar ist.
Warum ist Klinische Signifikanz für statistische Analysen wichtig?
In der Forschung wird häufig ausschließlich auf den p-Wert geschaut, um zu entscheiden, ob ein Ergebnis „bedeutsam“ ist. Das ist jedoch problematisch: Bei sehr großen Stichproben können selbst winzige, praktisch irrelevante Unterschiede statistisch signifikant werden – einfach weil genug Daten vorhanden sind, um auch kleinste Abweichungen zuverlässig zu erkennen.
Klinische Signifikanz ergänzt deshalb die statistische Signifikanz um eine inhaltliche Perspektive. Erst wenn beide Kriterien erfüllt sind – das Ergebnis ist statistisch abgesichert und inhaltlich bedeutsam – lässt sich eine fundierte Schlussfolgerung für die Praxis ziehen.
Praxisbeispiel zu Klinischer Signifikanz
Eine Studie untersucht die Wirksamkeit eines neuen Antidepressivums. Das Messinstrument ist der Hamilton-Depressionsskala (HAMD), die Werte von 0 bis 52 annehmen kann – niedrigere Werte stehen für weniger Depressionssymptome.
| Gruppe | HAMD-Wert vorher | HAMD-Wert nachher | Veränderung |
|---|---|---|---|
| Medikament | 24,0 | 22,5 | −1,5 Punkte |
| Placebo | 24,1 | 23,9 | −0,2 Punkte |
Der Unterschied zwischen den Gruppen beträgt 1,3 Punkte auf der HAMD-Skala. Bei einer Stichprobe von 5.000 Personen je Gruppe ergibt sich ein hochsignifikanter p-Wert von p < 0,001. Das Ergebnis ist also statistisch signifikant.
Als MCID für die HAMD-Skala gilt in der Literatur jedoch häufig ein Wert von etwa 3–5 Punkten. Eine Verbesserung von nur 1,3 Punkten liegt deutlich darunter. Das Medikament wirkt zwar messbar – aber der Effekt ist zu klein, um für die Patientinnen und Patienten spürbar zu sein. Das Ergebnis ist damit statistisch signifikant, aber klinisch nicht signifikant.
Dieses Beispiel zeigt: Wer nur auf den p-Wert schaut, kann zu falschen Schlüssen kommen. Erst die Kombination aus statistischer Absicherung und inhaltlicher Bewertung ergibt ein vollständiges Bild.
