Konfidenzintervalle lesen: Wie Unsicherheit in Forschungsergebnissen sichtbar wird

Eine Studie berichtet, dass eine neue Maßnahme die durchschnittliche Belastung verringert. Neben dem geschätzten Unterschied steht ein Konfidenzintervall. Diese zusätzliche Angabe ist für die Beurteilung wesentlich: Sie hilft einzuschätzen, wie präzise der Effekt unter den verwendeten statistischen Annahmen geschätzt wurde. Wer nur auf die erste Zahl schaut, übersieht einen wichtigen Teil des Ergebnisses.

Zuerst Maß und Richtung verstehen

Vor jeder Interpretation steht eine einfache Frage: Was wurde überhaupt gemessen? Bei einer Differenz bedeutet null keinen Unterschied. Bei einem Verhältnis, etwa einem relativen Risiko, entspricht eins dem fehlenden Unterschied. Auch die Richtung muss klar sein. Eine kleinere Zahl kann je nach untersuchtem Ergebnis günstig oder ungünstig sein.

Das Cochrane-Handbuch zur Ergebnisinterpretation erläutert die Bedeutung der Intervallbreite und warnt vor einer bloßen Einteilung in statistisch signifikante und nicht signifikante Ergebnisse. Für die Versorgung ist zusätzlich wichtig, ob die möglichen Unterschiede überhaupt spürbar und praktisch relevant wären.

Ein frei gewähltes Rechenbeispiel verdeutlicht dies: Auf einer Belastungsskala wird ein mittlerer Unterschied von drei Punkten zugunsten einer Maßnahme geschätzt. Reicht das Intervall von einem bis fünf Punkten, bleibt offen, ob der Nutzen eher klein oder deutlich ausfällt. Ohne Kenntnis der Skala und einer begründeten Relevanzschwelle ist damit noch keine Entscheidung getroffen.

Was die Prozentangabe bedeutet

Ein häufiges Missverständnis betrifft das übliche Niveau von 95 Prozent. Es bedeutet nicht, dass das bereits berechnete Intervall mit 95-prozentiger Wahrscheinlichkeit den wahren Wert enthält. Die Aussage bezieht sich auf das Verfahren: Bei sehr vielen entsprechenden Wiederholungen würden unter gültigen Annahmen ungefähr 95 Prozent der so konstruierten Intervalle den wahren Wert überdecken.

Greenland und Kollegen erläutern diese und weitere Fehlinterpretationen in ihrem methodischen Fachartikel. Sie betonen dabei die Rolle der Modellannahmen. Ein Konfidenzintervall beseitigt beispielsweise keine systematische Verzerrung durch eine ungeeignete Auswahl der Teilnehmenden oder problematische Messverfahren.

Auch ein schmales Intervall macht eine Studie deshalb nicht automatisch vertrauenswürdig. Es beschreibt Präzision innerhalb einer bestimmten Analyse. Ob die Fragestellung sinnvoll war, die Gruppen vergleichbar sind und die Ergebnisse vollständig berichtet wurden, muss zusätzlich beurteilt werden. Statistische Genauigkeit und methodische Qualität sind miteinander verbunden, aber nicht gleichzusetzen.

Die Konsequenz für die Pflege prüfen

Für eine Fallbesprechung kann das Team zunächst den geschätzten Nutzen, die Intervallgrenzen und mögliche unerwünschte Folgen nebeneinander notieren. Danach wird gefragt, welche dieser Möglichkeiten die Entscheidung verändern würden. Liegen sowohl ein relevanter Nutzen als auch ein relevanter Schaden im betrachteten Bereich, verlangt dies eine andere Einordnung als ein durchgehend kleiner Unterschied.

Ebenso wichtig ist die Übertragbarkeit. Ein präzises Ergebnis bei selbstständigen jüngeren Menschen beantwortet nicht automatisch die Frage nach einer stark unterstützungsbedürftigen älteren Person. Versorgungssituation, Aufwand und individuelle Ziele gehören deshalb in die Diskussion.

Beim Lesen einer Zusammenfassung lohnt sich schließlich der Blick in die Ergebnistabelle. Dort sollten Effektmaß, Bezugsgruppe und Intervall zusammen erkennbar sein. Fehlt eine dieser Angaben, bleibt die Aussage schwer nachprüfbar.

Eine kurze gemeinsame Leseübung kann helfen, diese Fragen im Team systematisch und ohne vorschnelle Bewertung durchzugehen.

Konfidenzintervalle liefern somit keine fertige Handlungsanweisung. Sie ermöglichen eine differenziertere Frage: Welche Größenordnungen sind mit den Daten und Annahmen vereinbar, und welche davon wären für die konkrete Versorgung bedeutsam?