Studienabbrüche: Fehlende Daten können die Aussage verändern

Zu Beginn einer Studie werden viele Menschen aufgenommen. Am Ende liegen jedoch nicht für alle die vorgesehenen Ergebnisse vor. Manche brechen die Teilnahme ab, andere verpassen einen Termin oder beantworten einen Fragebogen nicht vollständig. Für die Bewertung genügt es nicht, diese Fälle aus der Tabelle zu streichen. Fehlende Daten können die Aussage einer Untersuchung verändern.

Nach den Gründen fragen

Entscheidend ist nicht allein, wie viele Angaben fehlen. Ebenso wichtig ist, weshalb sie fehlen und ob dies mit dem untersuchten Ergebnis zusammenhängen könnte. Menschen mit besonders starken Beschwerden könnten beispielsweise häufiger auf einen anstrengenden Folgetermin verzichten. Die verbleibenden Daten würden ihre Situation dann möglicherweise unzureichend abbilden.

Das Cochrane-Handbuch zur Verzerrung durch fehlende Ergebnisse erläutert diesen Zusammenhang. Es warnt zugleich vor einer pauschalen Prozentgrenze, unterhalb der fehlende Daten automatisch unproblematisch seien. Art des Ergebnisses, Umfang der Ausfälle und der mögliche Entstehungsmechanismus müssen gemeinsam betrachtet werden.

Ein frei erfundenes Beispiel: Eine Studie prüft ein Bewegungsangebot im Pflegeheim. Personen, denen die Übungen Schmerzen bereiten, kommen seltener zur Abschlussmessung. Werden nur die übrigen Teilnehmenden ausgewertet, könnte das Angebot günstiger erscheinen, als es für die gesamte Ausgangsgruppe war. Das Beispiel zeigt eine mögliche Verzerrung, keinen zwangsläufigen Verlauf.

Den Weg zur Auswertung nachvollziehen

Beim Lesen hilft der Vergleich mehrerer Zahlen. Wie viele Personen wurden zugeteilt? Wie viele erhielten die vorgesehene Maßnahme? Für wie viele liegt das betrachtete Ergebnis vor? Diese Angaben sollten für die Gruppen getrennt erkennbar sein. Unterschiedliche Zahlen sind nicht automatisch ein Fehler, verlangen aber eine nachvollziehbare Erklärung.

Die CONSORT-Empfehlungen von 2025 verlangen ausdrücklich Angaben dazu, wie fehlende Daten in der Analyse behandelt wurden. Ein Flussdiagramm kann zusätzlich zeigen, wann und weshalb Teilnehmende ausgeschieden sind. Es ist damit eine wichtige Lesehilfe und keine bloße formale Ergänzung.

Dabei sollten verschiedene Ereignisse auseinandergehalten werden. Eine Person kann eine Behandlung abbrechen und trotzdem weiter an Nachuntersuchungen teilnehmen. Umgekehrt kann sie die Maßnahme erhalten haben, während ein wichtiger Fragebogen fehlt. Behandlungsabbruch und fehlendes Ergebnis sind deshalb nicht dasselbe.

Statistische Verfahren kritisch mitlesen

Manche Analysen ersetzen fehlende Werte durch geschätzte Angaben. Solche Verfahren können sinnvoll sein, beruhen aber auf Annahmen. Sie stellen die nicht beobachteten Informationen nicht nachträglich als sichere Tatsachen her. Der Bericht sollte erkennen lassen, welches Vorgehen gewählt wurde und wie die zugrunde liegenden Annahmen begründet sind.

Ergänzende Sensitivitätsanalysen untersuchen, ob andere plausible Annahmen die Schlussfolgerung verändern. Bleibt das Ergebnis unter verschiedenen Bedingungen ähnlich, kann dies die Einordnung unterstützen. Wechselt die Aussage deutlich, sollte diese Unsicherheit in der Diskussion sichtbar bleiben. Eine einzelne günstige Analyse reicht dann nicht aus.

Für ein pflegerisches Journalgespräch eignet sich eine kurze Übersicht mit Ausgangsgruppe, verfügbaren Ergebnissen und genannten Ausfallgründen. Danach wird gefragt, welche Menschen in den Ergebnissen möglicherweise weniger gut vertreten sind. Diese Frage verbindet die Statistik mit dem Versorgungsalltag.

Die Begründung dieser Einschätzung sollte im gemeinsamen Ergebnisprotokoll verständlich festgehalten werden.

Fehlende Daten machen eine Studie somit nicht automatisch wertlos. Sie erfordern eine transparente Darstellung und eine begründete Bewertung. Wer Ausfälle mitliest, kann besser einschätzen, wie belastbar ein berichteter Nutzen ist und welche Unsicherheit bei einer Übertragung in die Praxis bestehen bleibt.