📊 statistics

Factorial clinical trials in the presence and absence of plausible statistical interactions between treatment factors. A historical review of the methodological literature

Diese Arbeit versöhnt widersprüchliche methodische Leitlinien zu faktoriellen klinischen Studien, indem sie die historische Debatte zwischen Designs überprüft, die auf Effizienz in Abwesenheit von Interaktionen optimiert sind, und solchen, die darauf ausgelegt sind, Interaktionen robust zu schätzen, wobei sie letztlich betont, dass Prüfer ihre Ziele klar definieren müssen, um geeignete Zielgrößen und Analysestrategien festzulegen.

Ursprüngliche Autoren: Rebecca E. A. Walwyn, Pritaporn Kingkaew, Alan A. Montgomery, Alexandra Wright-Hughes, Steven G. Gilmour

Veröffentlicht 2026-07-15

📖 5 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Rebecca E. A. Walwyn, Pritaporn Kingkaew, Alan A. Montgomery, Alexandra Wright-Hughes, Steven G. Gilmour

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Stellen Sie sich vor, Sie sind ein Koch, der versucht, das perfekte Rezept für einen neuen Burger zu entwickeln. Sie haben zwei Geheimzutaten: Scharfe Sauce und Käse-Topping. Sie möchten wissen, ob die Sauce den Burger besser macht, ob der Käse ihn besser macht und – hier ist der knifflige Teil – was passiert, wenn Sie beides gleichzeitig darauf geben. Arbeiten die beiden zusammen, um einen Super-Burger zu kreieren, oder bekämpfen sie sich und ruinieren den Geschmack?

Seit Jahrzehnten streiten Wissenschaftler, die medizinische „Burger-Tests“ (genannt klinische Studien) durchführen, darüber, wie man diese Experimente zubereitet. Ein neues Paper von Rebecca Walwyn und ihrem Team fungiert wie ein freundlicher Schiedsrichter, der eingreift und sagt: „Hey, ihr benutzt zwar dieselben Küchenwerkzeuge, aber ihr versucht, zwei völlig unterschiedliche Arten von Kuchen zu backen!“

Die zwei Denkschulen

Das Paper erklärt, dass es zwei Hauptgruppen von Menschen gibt, die über diese Studien nachdenken, und dass sie unterschiedliche Sprachen sprechen.

Gruppe 1: Die „Zwei-für-eins“-Schnäppchenjäger
Diese Gruppe, die im Vereinigten Königreich sehr populär ist, betrachtet eine faktoriell angelegte Studie wie ein „Kaufe eins, bekomme eins gratis“-Angebot. Ihr Ziel ist es, zwei völlig verschiedene Dinge (wie ein Herzmedikament und ein Blutverdünner) gleichzeitig zu testen, um Geld und Zeit zu sparen. Sie gehen davon aus, dass die beiden Zutaten überhaupt nicht interagieren. Sie glauben, dass man, wenn man sie zusammen testet, zwei separate Antworten zum Preis von einem bekommt.

Der Haken: Das funktioniert nur, wenn die Zutaten völlig unabhängig voneinander sind. Wenn die scharfe Sauce den Käse tatsächlich neutralisiert, bricht diese „Zwei-für-eins“-Mathematik zusammen. Das Paper weist darauf hin, dass viele Versuchsleiter jahrelang angewiesen wurden, diese Methode nur anzuwenden, wenn sie sicher sind, dass die Zutaten sich nicht vermischen.

Gruppe 2: Die „Mix-und-Match“-Entdecker
Diese Gruppe stammt aus der Agrarwissenschaft (denken Sie an landwirtschaftliche Felder) und dem modernen Ingenieurwesen. Sie lieben es, Dinge zu mischen! Sie nutzen faktoriell angelegte Studien speziell, um herauszufinden, wie Zutaten interagieren. Sie wollen nicht nur wissen, ob die Sauce gut ist; sie wollen wissen, ob die Sauce noch besser ist, wenn Käse vorhanden ist.

Das Ziel: Sie entwickeln komplexe Interventionen (wie ein umfassendes Programm zur Verhaltensänderung) und müssen wissen, welche Teile am besten zusammenwirken. Sie freuen sich über Interaktionen; tatsächlich wollen sie diese finden.

Die große Verwirrung

Das Paper legt nahe, dass die Verwirrung dadurch entsteht, dass diese Ziele vermischt werden. Es ist, als würde man versuchen, mit einem Rezept für ein einfaches Sandwich einen Wolkenkratzer zu bauen.

Wenn Sie nur zwei separate Medikamente testen (Gruppe 1), gehen Sie davon aus, dass sie nicht interagieren. Wenn sie jedoch interagieren, wird Ihre Mathematik unordentlich und Sie könnten ein falsches Ergebnis darüber erhalten, wie gut ein Medikament allein wirkt.
Wenn Sie ein komplexes Programm optimieren (Gruppe 2), müssen Sie über die Interaktionen Bescheid wissen. Für diese Studien ist das Design darauf ausgelegt, den Mix perfekt zu bewältigen.

Das „Kingkaew“-Burger-Experiment

Um ihren Punkt zu beweisen, untersuchten die Autoren eine echte Studie über die Hilfe zur Raucherentwöhnung mittels Textnachrichten. Sie testeten zwei Arten von Nachrichten: eine zur Steigerung der Fähigkeit (zu wissen, wie man aufhört) und eine zur Steigerung der Gelegenheit (Zeit/Ort zu haben, um aufzuhören).

Hier ist, was bei der Analyse der Daten geschah:

Die Überraschung: Wenn die Nachrichten einzeln gesendet wurden, schienen sie ein wenig zu helfen. Aber als sie zusammen gesendet wurden, sank die Erfolgsquote tatsächlich um 12 %. Die beiden Nachrichten bekämpften sich gegenseitig! Dies wird als „antagonistische Interaktion“ bezeichnet.
Der Fehler: Wenn man die Mathematik von „Gruppe 1“ verwendet hätte (die keine Interaktion annimmt), hätte man einen Durchschnittseffekt berechnet, der aussehen würde, als wären die Nachrichten leicht schädlich, aber man hätte nicht verstanden, warum.
Die Lösung: Die Autoren zeigten, dass man mit der Mathematik von „Gruppe 2“ (die einen Interaktionsterm enthält) genau sehen kann, was passiert. Man erkennt, dass das Senden beider Nachrichten tatsächlich eine schlechte Idee ist und dass die beste „Behandlung“ darin besteht, keine der Nachrichten zu senden.

Was das Paper sagt (und nicht sagt)

Die Autoren sind sich sehr klar darüber, was sie gefunden haben. Sie haben nicht nur geraten; sie haben historische Debatten zurück bis 1935 untersucht und detaillierte mathematische Simulationen durchgeführt, um zu zeigen, wie sich die Zahlen je nach verwendeter Methode ändern.

Was sie ausschließen:
Sie argumentieren gegen die Vorstellung, dass alle faktoriellen Studien keine Interaktionen annehmen müssen. Sie sagen, dass pauschale Aussagen, die behaupten, faktorielle Designs seien für die meisten Studien „unangemessen“, falsch sind. Diese Warnungen gelten nur, wenn man ein „Zwei-für-eins“-Angebot (Gruppe 1) machen will, die Zutaten sich aber tatsächlich vermischen. Wenn man jedoch versucht, ein komplexes Rezept zu optimieren (Gruppe 2), ist das Design sogar perfekt, selbst bei großen Interaktionen.

Was sie vorschlagen:
Sie schlagen vor, dass Versuchsleiter aufhören müssen, vage zu sein. Bevor man eine Studie beginnt, muss man fragen: „Was versuche ich herauszufinden?“

Wenn Sie wissen wollen, ob Medikament A alleine wirkt, brauchen Sie einen spezifischen Plan (Gruppe 1).
Wenn Sie wissen wollen, wie man die beste Kombination von Teilen baut, brauchen Sie einen anderen Plan (Gruppe 2).

Das Paper kommt zu dem Schluss, dass es an der Zeit ist, dass die Medizin die Wissenschaftler einholt, die dies in der Landwirtschaft schon seit 100 Jahren machen. Sie sagen nicht, dass eine Methode ein magisches Allheilmittel ist, das alles löst. Stattdessen sagen sie: „Wählen Sie das richtige Werkzeug für die Aufgabe, definieren Sie Ihr Ziel klar und haben Sie keine Angst davor, dass sich die Zutaten vermischen!“

Kurz gesagt: Das Paper sagt nicht „Faktorielle Studien sind kaputt“. Es sagt: „Faktorielle Studien sind leistungsstark, aber Sie müssen wissen, ob Sie einen einfachen Kuchen oder einen komplexen Turm backen, denn die Mathematik für jeden ist völlig unterschiedlich.“

Problemstellung
Faktoriell angelegte klinische Studien, bei denen Teilnehmer auf Kombinationen von zwei oder mehr Behandlungsfaktoren randomisiert werden, sind Gegenstand von Verwirrung und Missverständnissen hinsichtlich ihrer angemessenen Anwendung und Analyse. Es existieren zwei unterschiedliche „Denkschulen“ in der Literatur, die zu widersprüchlichen Leitlinien führen. Die erste Schule, die ihren Ursprung im Vereinigten Königreich hat und von der Arbeit von Peto (1ters Jahr 1978) und nachfolgenden klinischen Prüfern dominiert wird, plädiert für k-in-1-Faktoriellstudien. Bei diesem Ansatz werden faktoriell angelegte Designs verwendet, um mehrere vollständige Interventionen (z. B. Medikamente) gleichzeitig mit der Stichprobengröße einer einzelnen Parallelgruppenstudie zu evaluieren, jedoch nur unter der strengen Annahme, dass keine statistischen Interaktionen zwischen den Behandlungsfaktoren bestehen. Das Ziel ist es, die „separaten Effekte“ jeder Intervention zu schätzen, wenn diese isoliert verabreicht wird.

Die zweite Schule, die aus dem Bereich des Versuchsdesigns (Design of Experiments, DoE) stammt (Fisher, Yates) und kürzlich durch den Rahmen der Multiphase Optimisation Strategy (MOST) revitalisiert wurde, empfiehlt faktoriell angelegte Studien sowohl für den Fall der Anwesenheit als auch der Abwesenheit von Interaktionen. Aus dieser Sicht werden faktoriell angelegte Experimente entwor sich, um sowohl „Haupteffekte“ (den durchschnittlichen Effekt einer Komponente über alle Ebenen anderer Komponenten hinweg) als auch Interaktionen robust zu schätzen. Das Ziel ist oft das Screening, die Optimierung oder die Evaluierung komplexer Interventionen, bei denen Komponenten interagieren können.

Der Kern des Problems besteht darin, dass die vorherrschende Anleitung in klinischen Studien diese unterschiedlichen Ziele oft vermischt, was zu unangemessenen Stichprobenberechnungen, Analysestrategien und Interpretationen führt. Insbesondere wird die Annahme der Nicht-Interaktion oft als universelle Voraussetzung für faktoriell angelegte Studien behandelt, während sie tatsächlich nur eine Voraussetzung für die spezifischen Effizienzgewinne der k-in-1-Studien ist. Diese Vermischung verschleiert die Tatsache, dass faktoriell angelegte Designs effizient für die Schätzung von Haupteffekten und Interaktionen sind, selbst wenn Interaktionen vorhanden sind, sofern die Studie mit diesen spezifischen Zielsetzungen (Estimanden) entworommen und analysiert wird.

Methodik
Dieses Paper bietet eine historische Übersicht und eine methodische Synthese der Literatur zu faktoriell angelegten klinischen Studien. Die Autoren:

Verfolgen historisch die Ursprünge beider Denkschulen, von Fisher und Yates in den 1930er Jahren (DoE) bis hin zu Peto und nachfolgenden klinischen Prüfern in den 1970er und 1980er Jahren.
Definieren und kontrastieren die Ziele, Estimanden, Behandlungs-Kontraste und Entscheidungsansätze für k-in-1-Faktoriellstudien gegenüber anderen faktoriellen Studien (Screening, Optimierung und Evaluierung).
Leiten mathematisch die Eigenschaften der Schätzer für beide Schulen her. Die Autoren vergleichen die Eigenschaften der Schätzer unter zwei Parametrisierungen:
- Effekt-Kodierung (-1, +1): Verwendet in DoE und MOST, um Haupteffekte und Interaktionen zu schätzen. Sie zeigen auf, dass unter einem balancierten Design Haupteffekte und Interaktionen orthogonal (unkorreliert) sind und mit gleicher Präzision geschätzt werden, unabhängig davon, ob Interaktionen in das Modell einbezogen wurden.
- Dummy-Kodierung (0, 1): Häufig verwendet in klinischen Studien, um „separate Effekte“ zu schätzen. Sie zeigen, dass in k-in-1-Studien die Schätzer für separate Effekte korreliert sind und ihre Präzision sich signifikant ändert, wenn Interaktionen zum Modell hinzugefügt werden. Wenn Interaktionen vorhanden sind, ist die Präzision der separaten Effekte in einem durch Dummy-Kodierung maximalen Modell geringer als in einem additiven Modell.
Illustrieren die Auswirkungen dieser unterschiedlichen Ansätze anhand eines empirischen Beispiels (eine vereinfachte Version von Kingkaew et al., 2020), das Textnachrichten zur Raucherentwöhnung umfasst. Sie passten additive und maximale Modelle unter Verwendung sowohl von Dummy- als auch von Effekt-Kodierung an, um zu demonstrieren, wie die Wahl des Estimands und des Kodierungsschemas die Interpretation von Koeffizienten, Standardfehlern und statistischer Signifikanz verändert.

Wesentliche Beiträge

Klärung der Denkschulen: Das Paper grenzt die beiden Denkschulen explizit ab und argumentiert, dass die „Keine-Interaktion“-Anforderung nur für k-in-1-Studien gilt, die darauf abzielen, separate Effekte effizient zu schätzen. Es stellt fest, dass diese Anforderung nicht für faktoriell angelegte Studien gilt, die auf Haupteffekte und Interaktionen ausgelegt sind (Screening, Optimierung, Evaluierung).
Estimanden und Kontraste: Die Autoren klären, dass die Wahl des Estimands die Analyse bestimmt.
- Für k-in-1-Studien sind die Estimanden separate Effekte (z. B. Effekt von A in Abwesenheit von B).
- Für DoE/MOST-Studien sind die Estimanden Haupteffekte (durchschnittlicher Effekt einer Komponente) und Interaktionen.
Eigenschaften der Schätzer: Das Paper liefert einen rigorosen mathematischen Vergleich und zeigt:
- In Effekt-kodierten Modellen (DoE/MOST) sind Haupteffekte und Interaktionen orthogonal und behalten eine gleiche Präzision bei, selbst wenn Interaktionen vorhanden sind.
- In Dummy-kodierten Modellen (häufig in k-in-1-Studien) sind separate Effekte und Interaktionen korreliert, und die Präzision der separaten Effekte verschlechtert sich, wenn Interaktionen vorhanden sind und in das Modell aufgenommen werden.
Entscheidungsfindung: Die Autoren kontrastieren die Entscheidungsansätze und stellen fest, dass DoE/MOST das Komponentenscreening oder die Entscheidungsanalyse für die Effizienz des Interventionswertes (DAIVE) nutzt, um optimale Kombinationen auszuwählen, während k-in-1-Studien typischerweise auf das Testen separater Effekte fokussieren, wobei sie oft auf Zwei-Stufen-Testverfahren hinweisen, die die Autoren als irreführend bezeichnen.

Ergebnisse
Unter Verwendung des illustrativen Beispiels der Raucherentwöhnungsstudie:

Die Daten wiesen eine signifikante antagonistische Interaktion auf (der kombinierte Effekt von Kapazitäts- und Gelegenheits-Textnachrichten war schlechter als die Summe ihrer Einzeleffekte).
Additives Modell (Dummy-kodiert): Schätzte marginale Effekte, die nicht signifikant waren und eine Abnahme der Abstinenzraten suggerierten, wodurch die konditionale Natur der Effekte nicht erfasst wurde.
Maximales Modell (Dummy-kodiert): Schätzte separate Effekte (Kapazität allein, Gelegenheit allein), welche positiv, aber nicht signifikant waren, wobei die Standardfehler um den Faktor $\sqrt{2}$ größer waren als die marginalen Effekte. Die separate Interaktion war signifikant.
Effekt-kodiertes maximales Modell: Schätzte Haupteffekte und Interaktionen mit gleicher Präzision. Die Haupteffekte waren nicht signifikant, und die Interaktion war signifikant.
Die Analyse zeigte, dass die alleinige Darstellung marginaler Effekte (wie es oft in k-in-1-Analysen geschieht) unzureichend ist, wenn Interaktionen vorliegen. Die Wahl des Modells (additiv vs. maximal) und der Kodierung (Dummy vs. Effekt) verändert die geschätzten Behandlungseffekte und deren Präzision grundlegend. Im 2×2×2-Fall zeigten die Autoren, dass Effekt-kodierte Modelle eine gleiche Präzision für alle Effekte (Haupt- und Interaktionseffekte) beibehalten, während die Anzahl der Faktoren steigt, wohingegen Dummy-kodierte Modelle eine zunehmende Varianz für höhere Ordnungen separater Interaktionen aufweisen.

Bedeutung und Behauptungen
Das Paper behauptet, dass die Verwirrung um faktoriell angelegte Studien aus einem Mangel an Klarheit über das primäre Ziel der Studie und die daraus resultierenden Estimanden resultiert. Die Autoren argumentieren:

Pauschale Aussagen, die gegen faktoriell angelegte Studien raten, wenn Interaktionen plausibel sind, sind nicht korrekt; ein solcher Rat bezieht sich spezifisch auf k-in-1-Studien, die auf Effizienz bei der Schätzung separater Effekte abzielen.
Faktoriell angelegte Studien bleiben hocheffizient für das Screening, die Optimierung und die Evaluierung komplexer Interventionen (Haupteffekte und Interaktionen), selbst wenn Interaktionen vorhanden sind, vorausgesetzt, die Stichprobengröße wird basierend auf den gewünschten Haupteffekten berechnet und die Analyse verwendet geeignete Modelle (z. B. Effekt-kodierte maximale Modelle).
Es ist unerlässlich, dass Prüfer ihre Ziele, Estimanden und Behandlungs-Kontraste bereits in der Designphase klar spezifizieren. Die Wahl des Designs (z. B. 2-in-1 vs. faktoriell optimiert) und der Analysestrategie muss aus diesen Spezifikationen folgen.
Die Autoren schlagen vor, dass klinische Studien, insbesondere solche mit komplexen Interventionen, Methoden aus dem Bereich des Versuchsdesigns (DoE) übernehmen sollten, um über die Einschränkungen der „Keine-Interaktion“-Annahme hinauszugehen, die die britische klinische Prüfmethodik dominiert hat. Sie kommen zu dem Schluss, dass die Schwierigkeiten, die faktoriell angelegte Designs für die meisten klinischen Studien ungeeignet erscheinen lassen, oft spezifisch für den k-in-1-Kontext sind und nicht für die breitere Anwendung faktorieller Designs in der Gesundheitsforschung gelten.

Die zwei Denkschulen

Die große Verwirrung

Das „Kingkaew“-Burger-Experiment

Was das Paper sagt (und nicht sagt)

Mehr davon