🧬 biology

Equivalence testing in pesticide risk assessment -- Evaluation and practical guidance for design, analysis and interpretation

Diese Arbeit bewertet Äquivalenztestverfahren für die Risikobewertung von Pestiziden und zeigt auf, dass eine erhöhte Standortreplikation zwar für verlässliche regulatorische Entscheidungen notwendig ist, der ursprüngliche Ansatz der EFSA jedoch alternative Methoden bei der Erkennung schädlicher Auswirkungen übertrifft und die statistische Power durch Kovariatenanpassung oder Anticlustering-Randomisierung auch mit weniger Standorten aufrechterhalten kann.

Ursprüngliche Autoren: Dimitry Wintermantel, Julia Osterman, Magdalena M. Mair, Florian Hartig

Veröffentlicht 2026-07-09

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Dimitry Wintermantel, Julia Osterman, Magdalena M. Mair, Florian Hartig

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Richter in einem Gerichtssaal, aber anstatt zu entscheiden, ob jemand ein Verbrechen begangen hat, entscheiden Sie, ob ein neues Pestizid sicher für Honigbienen ist. Lange Zeit lautete die Spielregel: „Wenn wir nicht beweisen können, dass das Pestizid den Bienen schadet, dann muss es sicher sein.“

Das Problem mit dieser alten Regel war, dass der Gerichtssaal manchmal zu klein, die Zeugen zu verwirrt oder die Beweise zu unübersichtlich waren, um den Schaden zu erkennen, selbst wenn er vorhanden war. Es ist, als würde man versuchen, ein Flüstern in einem lauten Stadion zu hören; nur weil man es nicht gehört hat, bedeutet das nicht, dass das Flüstern nicht da war. Dieses Papier argumentiert, dass dieser „Schweigen bedeutet Sicherheit“-Ansatz dazu geführt hat, dass gefährliche Pestizide durch die Maschen gefallen sind.

Hier ist eine Aufschlüsselung der Ergebnisse des Papiers unter Verwendung einfacher Analogien:

1. Die neue Regel: „Beweise, dass du sicher bist, nicht nur, dass du harmlos bist“

Die Europäische Behörde für Lebensmittelsicherheit (EFSA) hat die Regeln geändert. Jetzt muss das Pestizidunternehmen (der Beklagte) beweisen, dass sein Produkt zu einem Rückgang der Größe einer Bienenkolonie von weniger als 10 % führt. Dies wird als Äquivalenztest bezeichnet.

Der alte Weg (Differenztest): „Sind die Bienen gestorben? Wenn wir nicht beweisen können, dass sie gestorben sind, hast du gewonnen.“ (Das ist so, als würde man sagen: „Wenn ich nicht beweisen kann, dass du meine Brieftasche gestohlen hast, hast du sie nicht gestohlen“, selbst wenn ich nicht besonders genau nachgesehen habe).
Der neue Weg (Äquivalenztest): „Zeig uns, dass der Schaden so gering ist, dass er unter der 10 %-Linie liegt. Wenn du nicht beweisen kannst, dass er unter dieser Linie liegt, hast du verloren.“

2. Die Kontroverse: Zwei verschiedene Lineale

Einige Kritiker (Hotopp et al.) argumentierten, dass die neue Regel zu streng sei. Sie sagten: „Bienenpopulationen schwanken natürlich, wie eine Achterbahn. Wenn wir die Pestizid-Bienen mit dem Durchschnitt der Kontroll-Bienen vergleichen, könnten wir sichere Pestizide ablehnen, nur wegen natürlicher Schwankungen.“

Sie schlugen ein neues „Lineal“ vor: Anstatt die Pestizid-Bienen mit dem Durchschnitt der sicheren Bienen zu vergleichen, vergleiche sie mit dem niedrigsten Punkt des Konfidenzintervalls der sicheren Bienen. Sie argumentierten, dies würde es einfacher machen, den Test zu bestehen.

Das Urteil des Papers:
Die Autoren führten tausende Computersimulationen durch (wie das millionenfache Durchspielen eines Videospiels, um zu sehen, was passiert) und fanden heraus, dass das neue Lineal der Kritiker tatsächlich ein lockeres Lineal ist.

Die Analogie: Stellen Sie sich vor, die Sicherheitsgrenze ist eine Größenanforderung für eine Achterbahn (man muss unter 1,80 m groß sein, um sicher zu sein).
- Die EFSA-Regel sagt: „Miss die Größe der Person. Wenn sie unter 1,80 m ist, ist sie sicher.“
- Die Regel der Kritiker sagt: „Miss die Größe der Person, aber ziehe dann ein wenig ‚Spielraum‘ ab, bevor du misst. Wenn sie nach Abzug des Spielraums unter 1,80 m ist, ist sie sicher.“
Das Ergebnis: Das Lineal der Kritiker lässt Leute durch, die eigentlich zu groß (gefährliche Pestizide) sind, weil der „Spielraum“ ihre wahre Größe verbirgt. Das Paper zeigt, dass die EFSA-Regel die einzige ist, die zuverlässig die gefährlichen draußen hält.

3. Die Kosten der Sicherheit: Wie viele Bienenstöcke benötigen wir?

Um sicherzustellen, dass der Test genau ist (statistisch aussagekräftig bzw. „powerfull“), benötigt man genügend Daten. Das Paper fand heraus, dass man, um zu 100 % sicher zu sein, dass ein Pestizid sicher ist, an vielen verschiedenen Standorten (Sites) mit vielen Bienenstöcken testen muss.

Das Problem: Aktuelle Studien verwenden oft zu wenige Standorte. Es ist, als würde man versuchen, die Qualität eines ganzen Waldes zu beurteilen, indem man nur auf einen einzigen Baum schaut.
Die Lösung: Das Paper zeigt, dass man, wenn man ein Pestizid hat, das wirklich sicher ist (oder nur sehr wenig Schaden anrichtet, wie z. B. ein Rückgang von 5 %), nicht so viele Standorte braucht, wie die alten Regeln suggerierten, ABER man braucht mehr als wir derzeit verwenden.

4. Der magische Trick: „Die Waagschalen ausbalancieren“

Das Paper bietet einen cleveren Weg an, die Anzahl der benötigten Bienenstöcke zu reduzieren, ohne die Genauigkeit zu verlieren. Dies wird Anticlustering Randomization genannt.

Die Analogie: Stellen Sie sich vor, Sie teilen eine Gruppe von Menschen in zwei Teams für ein Rennen ein. Wenn Sie einfach Namen aus einem Hut ziehen, bekommt ein Team vielleicht versehentlich alle großen, schnellen Läufer und das andere Team die kurzen, langsamen. Das Rennergebnis wäre unfair – nicht wegen der Schuhe, die sie trugen (das Pestizid), sondern wegen ihrer Körpergröße.
Die Lösung: Vor dem Rennen paart man die großen Läufer sorgfältig mit den kleinen Läufern und teilt sie gleichmäßig auf die Teams auf. Dies stellt sicher, dass beide Teams auf Augenhöhe starten.
Im Paper: Die Forscher entwickelten ein Computerwerkzeug (eine R-Funktion), das Wissenschaftlern hilft, ihre Bienenstöcke so anzuordnen, dass starke und schwache Kolonien perfekt zwischen der „sicheren“ Gruppe und der „Pestizid“-Gruppe ausbalanciert sind. Dieses „Schaffen eines fairen Spielfelds“ bedeutet, dass man weniger Bienenstöcke benötigt, um ein klares Ergebnis zu erhalten, was Geld und Zeit spart und gleichzeitig die Bienen schützt.

5. Das abschließende Fazendes Fazit

Vertrauen Sie nicht dem „lockeren Lineal“: Der alternative Test, den die Kritiker vorschlagen, macht es zu einfach, gefährliche Pestizide zuzulassen.
Vertrauen Sie der EFSA-Regel: Sie ist streng, aber sie ist die einzige, die Bienen zuverlässig schützt.
Machen Sie die Mathematik richtig: Wir brauchen mehr Versuchsstandorte als wir derzeit verwenden, aber wir können die Anzahl der benötigten Standorte senken, indem wir vor dem Experiment eine kluge Planung (das Balancieren der Bienen) durchführen.
Die Interpretation zählt: Wenn eine Studie nicht beweisen kann, dass ein Pestizid sicher ist, bedeutet das nicht automatisch, dass das Pestizid gefährlich ist; es bedeutet nur, dass wir noch nicht bewiesen haben, dass es sicher ist. Wir sollten ein Pestizid nicht einfach als „sicher“ bezeichnen, nur weil wir keinen Beweis für einen Schaden gefunden haben.

Kurz gesagt: Um unsere Bestäuber zu schützen, müssen wir aufhören zu raten und anfangen, mit einem strengen, fairen Lineal zu messen, während wir gleichzeitig eine kluge Organisation nutzen, um sicherzustellen, dass unsere Messungen eindeutig sind.

Technisches Resümee: Äquivalenzprüfung in der Pestizid-Risikobewertung

Problemstellung

Regulatorische Risikobewertungen für Pestizide, insbesondere für Honigbienen (Apis mellifera), stützten sich historisch auf Differenztests (Signifikanztests gegen eine Nullhypothese des „keine Effekts“). Dieser Ansatz ist anfällig für Typ-II-Fehler (falsch-negative Ergebnisse) in unterpowerten Studien, bei denen große schädliche Effekte aufgrund hoher Varianz oder geringer Replikation unentdeckt bleiben können. Infolgedessen wurden Pestizide, die Bestäuber schädigen, gelegentlich erst nach der regulatorischen Zulassung eingeschränkt oder verboten.

Während die Europäische Behörde für Lebensmittelsicherheit (EFSA) ihre Leitlinien von 2023 revidierte, um hin zu einer Äquivalenzprüfung (speziell einem Nicht-Unterlegenheits-Test) zu wechseln, um sicherzustellen, dass Pestizideffekte ein spezifisches Schutzziel (SPG) von einer 10%igen Reduktion der Koloniegröße nicht überschreiten, stieß dieser Ansatz auf Kritik. Kritiker, allen voran Hotopp et al. (2024), argumentieren, dass der EFSA-Rahmen eine übermäßige Anzahl an Standortreplikationen erfordert, was die regulatorische Zulassung unpraktikabel mache. Sie schlugen einen alternativen „Hotopp-Test“ vor, der Behandlungseffekte relativ zur unteren Grenze des 90%-Konfidenzintervalls der Kontrollgruppe definiert, mit dem Argument, dies würde die natürliche Variabilität berücksichtigen. Das Kernproblem, das in diesem Papier adressiert wird, ist, ob die EFSA-Empfehlung oder die Hotopp-Alternative besser davor schützt, hochriskante Pestizide fälschlicherweise als „gering riskant“ einzustufen, und wie hoch der tatsächliche Stichprobenumfang für eine zuverlässige Bewertung sein muss.

Methodik

Die Autoren führten umfangreiche parametrische Bootstrap-Simulationen durch, die regulatorische Honigbiene-Feldstudien nachahmen, wobei Kontrolldaten aus einer realen Industriedatei (Rolke et al., 2016) als Baseline für die Verteilungsparameter dienten.

Simulationsdesign:

Datengenerierung: Die Autoren simulierten Datensätze mit variierenden Standorten (4 bis 45) und einer festen Anzahl an Kolonien pro Standort (6). Sie generierten initiale Bienenzahlen und anschließende Zeitpunkt-Daten mittels eines Generalisierten Linearen Gemischten Modells (GLMM) mit einer Negativ-Binomialverteilung, unter Einbeziehung von Zufallseffekten für Standort und Kolonie.
Behandlungseffekte: Simulierte Pestizide wurden mit wahren Effektstärken zwischen 0 % und -20 % (Reduktion der Koloniegröße) belegt.
Anpassungsstrategien: Die Studie evaluierte vier Strategien zum Umgang mit der Variabilität der initialen Koloniegröße:
1. Keine Anpassung: Ignorieren der initialen Größe.
2. Design-Anpassung: Verwendung einer neuen R-Funktion (experimental_allocation()), um eine Anticlustering-Randomisierung durchzuführen, die die initialen Bienenzahlen vor dem Experiment über Behandlungen und Standorte hinweg ausbalanciert.
3. Statistische Anpassung: Einbeziehung der initialen Bienengröße als Kovariante in das GLMM.
4. Kombinierte Anpassung: Nutzung sowohl der Design- als auch der statistischen Anpassung.
Testvergleich: Die Simulationen verglichen drei statistische Ansätze:
1. EFSA-Äquivalenztest: Ein einseitiger Nicht-Unterlegenheits-Test, bei dem die Nullhypothese besagt, dass der Effekt das 10%-SPG überschreitet (getestet bei $\alpha = 0,2$ ).
2. Hotopp-Äquivalenztest: Ein alternativer Test, der die Baseline auf die untere Grenze des 90%-KI der Kontrolle verschiebt.
3. Differenztest: Traditionelle Signifikanzprüfung (einseitig, $\alpha = 0,05$ ).
Evaluationsmetriken: Die Autoren analysierten den Trade-off zwischen falschen „gering riskant“-Klassifizierungen (Typ-I-Fehler im Kontext der Äquivalenz, bzw. falsches Vertrauen) und falschen „hoch riskant“-Klassifizierungen (Typ-II-Fehler, bzw. falsches Misstrauen) unter Verwendung von Pareto-Plots. Zudem ermittelten sie die Anzahl der Standorte, die erforderlich sind, um eine Power von 80 % zu erreichen, um Pestizide mit wahren Effektstärken von 0 % und -5 % als „gering riskant“ einzustufen.

Kernergebnisse

1. Vergleich von EFSA- vs. Hotopp-Tests

Statistische Trade-offs: Der EFSA- und der Hotopp-Test erwiesen sich als statistisch äquivalent in ihrer Fähigkeit, hochriskante von gering riskanten Pestiziden zu unterscheiden, sofern ihre $\alpha$ -Niveaus angepasst werden, um die Schutzraten anzugleichen. Der Hotopp-Test ist jedoch anders kalibriert: Bei einem nominalen $\alpha = 0,2$ operiert er effektiv mit einer wesentlich höheren Fehlerrate, was zu signifikant höheren Raten der fälschlichen Einstufung hochriskanter Pestizide als „gering riskant“ führt.
Raten des falschen Vertrauens: Unter dem empfohlenen Stichprobenumfang (10 Standorte, 6 Kolonien) klassifizierte der Hotopp-Test Pestizide mit einem wahren Effekt von -12 % in 50 % der Fälle und mit -15 % in 33 % der Fälle fälschlicherweise als „gering riskant“. Im Gegensatz dazu hielt der EFSA-Test die Raten des falschen Vertrauens für alle getesteten Effektstärken unter dem nominalen 20%-Schwellenwert.
Fazkusion zum Hottop-Test: Die Autoren kommen zu dem Schluss, dass der Hotopp-Test keinen statistischen Vorteil bietet, sondern vielmehr die Strenge des Tests verringert, was potenziell dazu führt, dass eine erhöhte Hintergrundvarianz genutzt wird, um die Äquivalenz zu bestehen.

2. Stichprobenumfang-Anforderungen

Machbarkeit für gering riskante Pestizide: Für Pestizide mit einer wahren Effektstärke von 0 % ist der EFSA-Äquivalenztest mit aktueller oder leicht erhöhter Replikation machbar (6–7 Standorte mit Anpassung; 9 Standorte ohne Anpassung).
Anforderungen für moderate Effekte: Für Pestizide mit einer wahren Effektstärke von -5 % (ein tolerierbarer, aber negativer Effekt) fanden die Autoren heraus, dass 24–25 Standorte mit Anpassungsstrategien erforderlich sind, im Vergleich zu etwa 34 Standorten ohne Anpassung.
Vergleich zur bisherigen Anleitung: Die Standortanforderungen für die neue EFSA-Leitlinie (Äquivalenztest) liegen im Allgemeinen niedriger als die durch die 2013er Anleitung implizierten Anforderungen (Differenztest mit einem 7%-Schwellenwert), die 29–41 Standorte erforderten, um eine Reduktion von 7 % mit 80 % Power zu detektieren.

3. Einfluss der Kovariaten-Anpassung

Varianzreduktion: Sowohl die Anticlustering-Randomisierung (Design-Anpassung) als auch die statistische Anpassung (Einbeziehung von Kovariaten) reduzierten die Anzahl der benötigten Standorte zur Erreichung von 80 % Power erheblich.
Effizienz: Die Anpassung der initialen Koloniegröße reduzierte die Standortanforderung für eine -5 % Effektstärke um etwa 10 Standorte pro Behandlung im Vergleich zu unbereinigten Designs. Die Autoren merken an, dass die Design-Anpassung vorzuziehen ist, da sie nicht die Freiheitsgrade reduziert und immun gegen Post-hoc-Analyse-Manipulationen ist.

Wichtigste Beiträge

Validierung der EFSA-Leitlinie: Das Papier liefert evidenzbasierte Simulationsergebnisse, die zeigen, dass der EFSA 2023 eingeführte Äquivalenztest-Rahmen statistisch robust ist und die Rate falscher „gering riskant“-Schlussfolgerungen auf dem spezifizierten $\alpha$ -Niveau effektiv kontrolliert, im Gegensatz zum vorgeschlagenen Hottop-Alternativmodell.
Praktische Schätzungen des Stichprobenumfangs: Die Studie quantifiziert die spezifische Anzahl an Standorten, die benötigt werden, um die Sicherheit von Pestiziden mit variierenden Effektstärken zuverlässig nachzuweisen. Dabei wird klargestellt, dass die Replikation für moderate Effekte zwar erhöht werden muss, aber oft niedriger ist als zuvor unter dem alten Differenztest-Paradigma angenommen.
Methodische Werkzeuge: Die Autoren führen die Anticlustering-Randomisierung via einer neuen R-Funktion (experimental_allocation()) als kosteneffiziente Designstrategie ein, um die Varianz und die Standortanforderungen zu reduzieren, ohne die statistische Power zu gefährden.
Interpretationsrahmen: Das Papier schlägt eine nuancierte Interpretation von Äquivalenztestergebnissen vor, die zwischen „nachgewiesen gering riskant“, „nachgewiesen hoch riskant“ und „hohes Risiko nicht ausgeschlossen“ (nicht-signifikante Ergebnisse) unterscheidet, und argumentiert gegen die binäre Interpretation von nicht-signifikanten Äquivalenztests als definitiver Beweis für ein hohes Risiko.

Bedeutung und Ansprüche

Das Papier behauptet, dass der Wechsel zur Äquivalenzprüfung eine notwendige und wissenschaftlich fundierte Weiterentwicklung der regulatorischen Risikobewertung darstellt. Es argumentiert, dass:

Schutzziele erreicht werden: Der EFSA-Äquivalenztest stellt sicher, dass das spezifische Schutzziel (SPG) mit einer kontrollierten Fehlerwahrscheinlichkeit erreicht wird, wodurch die Beweislast für die Sicherheit auf die chemische Industrie übertragen wird.
Kein „Free Lunch“ existiert: Versuche, die Strenge des Tests (wie von Hottop et al. vorgeschlagen) zu senken, um die Stichprobenumfang-Anforderungen zu reduzieren, führen unweigerlich zu einem erhöhten Risiko, schädliche Pestizide zuzulassen.
Machbarkeit: Mit der Implementierung von Varianzreduktionsstrategien wie der balancierten Allokation sind die Stichprobenumfang-Anforderungen der neuen Leitlinie machbar und oft niedriger als die Anforderungen der vorherigen Leitlinie für die Detektion kleinerer Effektstärken.
Generalisierbarkeit: Diese Prinzipien lassen sich über Honigbienen hinaus auf alle höherstufigen Ökotoxizitätsstudien übertragen und plädieren für klare Schutzziele, Nicht-Unterlegenheits-Tests und Strategien zur Varianzreduktion vor dem Experiment.

Die Autoren kommen zu dem Schluss, dass die breite Anwendung dieser Praktiken – insbesondere des EFSA-Äquivalenztests kombiniert mit balancierter Allokation – die Wahrscheinlichkeit verringert, schädliche Pestizide zuzulassen, und regulatorische Ergebnisse mit Umweltschutzzielen in Einklang bringt.