📄 intensive care and critical care medicine

Accounting for uncertainty in the expected treatment effect substantially increases the sample size required for randomised trials: implications for the feasibility of clinical trials in anaesthesia and critical care

Diese Studie zeigt, dass die Einbeziehung der Unsicherheit hinsichtlich des erwarteten Behandlungseffekts in die Stichprobenberechnungen für Studien in der Anästhesie und Intensivmedizin die erforderlichen Teilnehmerzahlen im Vergleich zu herkömmlichen Methoden erheblich erhöht, wodurch die Durchführbarkeit vieler geplanter randomisierter Studien infrage gestellt wird.

Ursprüngliche Autoren: Sidebotham, D., Barlow, J.

Veröffentlicht 2026-06-22

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Sidebotham, D., Barlow, J.

Originalarbeit lizenziert unter CC BY 4.0 (https://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 planen einen riesigen Kochwettbewerb, um herauszufinden, ob ein neues Geheimgewürz eine Suppe besser schmecken lässt. Um zu beweisen, dass es funktioniert, müssen Sie genügend Preisrichter (Teilnehmer) einladen, um absolut sicher zu sein, dass das Ergebnis nicht nur Glückssache ist.

Dieses Papier handelt davon, wie Forscher in der Anästhesie und Intensivmedizin diese „Wettbewerbe“ (klinische Studien) planen und warum sie oft viel weniger Preisrichter einladen, als sie eigentlich bräuchten.

Der alte Weg: Die „Perfekte Schätzung“-Falle

Traditionell, wenn Wissenschaftler eine Studie planen, treffen sie eine feste Schätzung darüber, wie viel besser die neue Behandlung sein wird.

Das Szenario: Sie sagen: „Ich bin mir zu 100 % sicher, dass dieses neue Medikament die Sterberate um 10 % senken wird.“
Die Berechnung: Basierend auf dieser festen Schätzung von 10 % berechnen sie, dass sie zum Beispiel 800 Menschen benötigen, um zu beweisen, dass es funktioniert.
Das Problem: In der realen Welt kennen wir die exakte Zahl selten. Vielleicht wirkt das Medikament nur in 5 % der Fälle, oder vielleicht wirkt es gar nicht. Indem sie so tun, als wüssten sie die exakte Zahl, stellen sie eine Falle. Wenn ihre Schätzung zu optimistisch ist, endet die Studie mit zu wenigen Teilnehmern, und sie könnten einen echten Effekt übersehen (ein „falsch-negatives“ Ergebnis) oder, falls sie ein Ergebnis finden, könnte es ein Zufallstreffer sein.

Der neue Weg: Der „Unsicherheits-Regenschirm“

Die Autoren schlagen einen klügeren Weg vor, der Assurance genannt wird. Anstatt so zu tun, als wüssten sie die exakte Wirkung, geben sie zu: „Wir glauben, es ist eine Verbesserung um 10 %, aber es könnte realistisch gesehen irgendwo zwischen einer Verbesserung um 20 % und einer Verschlechterung um 2 % liegen.“

Sie verwenden ein Werkzeug namens Design Prior, um diese Unsicherheit abzubilden. Denken Sie an dies wie einen Regenschirm, der alle möglichen Ergebnisse abdeckt, nicht nur das eine, auf das sie hoffen.

Die große Entdeckung: Man braucht ein viel größeres Zelt

Als die Forscher die Zahlen unter Verwendung dieses „Unsicherheits-Regenschirms“ durchrechneten, fanden sie ein erstaunliches Ergebnis: Um das gleiche Maß an Vertrauen zu erhalten, benötigt man viel mehr Menschen.

Die Analogie: Stellen Sie sich vor, Sie versuchen, ein Flüstern in einem lauten Raum zu hören.
- Die alte Methode geht davon aus, dass der Raum perfekt leise ist. Sie denken, Sie brauchen nur 100 Leute, um das Flüstern zu hören.
- Die neue Methode gibt zu, dass der Raum tatsächlich laut ist und das Flüstern vielleicht schwächer ist als erwartet. Um dieses Flüstern im Lärm klar zu hören, brauchen Sie tatsächlich 300 Leute.
Das Papier fand heraus, dass wenn Forscher die realistische Unsicherheit (einen Variationskoeffizienten oder CV von 0,5, was sie als realistisches Maß an Zweifel bezeichnen) berücksichtigen, sich die Anzahl der benötigten Personen um das 1,5- bis 3,5-fache erhöht.

Die „Decke“ des Erfolgs

Das Papier entdeckte auch eine harte Grenze, wie eine Glasdecke.

Wenn Ihre Unsicherheit zu hoch ist (das heißt, Sie sind sich sehr unsicher, ob die Behandlung überhaupt funktioniert), gibt es einen Punkt, an dem keine Menge an zusätzlichen Menschen jemals eine erfolgreiche Studie garantieren wird.
Es ist, als würde man versuchen, ein bestimmtes Sandkorn an einem Strand zu finden. Wenn man nicht einmal weiß, an welchem Strand man sucht, wird es nicht helfen, mehr Eimer voll Sand hinzuzufügen. Die Mathematik zeigt, dass, wenn die Unsicherheit zu groß ist, die maximale Erfolgschance bei einem bestimmten Prozentsatz gedeckelt ist, egal wie groß die Studie wird.

Warum das für die Anästhesie und Intensivmedizin wichtig ist

Die Autoren weisen darauf hin, dass viele große Studien in diesen Bereichen scheitern, um statistisch signifikante Ergebnisse zu zeigen. Sie schlagen vor, dass dies nicht nur Pech ist; es liegt daran, dass die Studien unter Verwendung der „Perfekte Schätzung“-Methode geplant wurden. Sie haben zu wenige Menschen eingeladen, weil sie nicht berücksichtigt haben, dass der Behandlungseffekt unsicher ist.

Das Fazit

Die Behauptung: Die Berücksichtigung der Tatsache, dass wir die exakte Wirkung nicht kennen, zwingt uns dazu, signifikant mehr Patienten zu rekrutieren, um der Wahrheit der Ergebnisse sicher zu sein.
Die Empfehlung: Die Autoren schlagen vor, einen spezifischen Grad an Unsicherheit (einen CV von 0,5) als Standard-„Standardeinstellung“ zu verwenden. Dies balanciert das Realistische dessen, was wir nicht wissen, mit der Möglichkeit, eine Studie überhaupt durchzuführen.
Das Ergebnis: Wenn Forscher dies tun, werden sie merken, dass ihre Studien viel größer sein müssen, um machbar zu sein, oder sie werden erkennen, dass manche sehr kleinen Effekte mit den derzeitigen Ressourcen einfach zu schwer zu beweisen sind.

Kurz gesagt: Hören Sie auf vorzugeben, die exakte Antwort zu kennen, bevor Sie anfangen. Wenn Sie zugeben, dass Sie raten, werden Sie merken, dass Sie eine viel größere Menge brauchen, um der Wahrheit sicher zu sein.

Technisches Resümee: Berücksichtigung von Unsicherheit bei erwarteten Behandlungseffekten

Problemstellung
Multizentrische randomisierte Studien in der Anästhesie und Intensivmedizin berichten häufig über niedrige Raten statistisch signifikanter Unterschiede. Die Autoren führen dieses Phänomen teilweise auf konventionelle Stichprobenberechnungsverfahren zurück, die einen fixen Behandlungseffekt voraussetzen. Diese Methoden der „bedingten Power“ (conditional power) versäumen es, die echte Unsicherheit hinsichtlich der erwarteten Effektgröße zu berücksichtigen – eine grundlegende Realität, die oft die Durchführung der Studie erst motiviert. Wenn Forscher die plausible Effektgröße überschätzen (was ein häufiges Vorkommnis ist), fällt die erreichte Power der Studie unter die geplante Power, was das Risiko von Typ-II-Fehlern und dem „Winner's Curse“ (bei dem signifikante Ergebnisse den wahren Effekt überschätzen) erhöht. Die Arbeit adressiert die Notwendigkeit von Methoden, die diese Unsicherheit einbeziehen, um realistischere Schätzungen der Stichprobengröße zu liefern.

Methodik
Die Studie verwendete Simulationen in R, um drei Ansätze zur Schätzung von Power und Stichprobengröße in randomisierten Zwei-Arm-Studien mit binären Outcomes (erwartete Ereignisrate in der Kontrollgruppe von 50 %) zu vergleichen:

Konventionelle (bedingte) Power: Setzt eine feste Effektgröße voraus.
Frequentistische Assurance: Verwendet einen Design-Prior, um die Unsicherheit im Behandlungseffekt ( $\beta_1$ ) darzustellen, und berechnet die Power durch Mittelung über plausible Effektgrößen mittels Monte-Carlo-Integration.
Bayesianische Assurance: Verwendet einen Design-Prior sowohl für die Kontroll-Ereignisrate ( $\beta_0$ ) als auch für den Behandlungseffekt ( $\beta_1$ ), simuliert Daten und passt Bayessche logistische Regressionsmodelle an, um den Anteil der Studien zu bestimmen, die ein Erfolgskriterium erfüllen (Posterior-Wahrscheinlichkeit des Nutzens > 97,5 %).

Wesentliche methodische Merkmale sind:

Design-Priors: Es wurden Normalverteilungen (Gauß-Verteilungen) für $\beta_1$ mit einem konstanten Variationskoeffizienten (CV) im Bereich von 0,1 bis 2,0 spezifiziert. Dies standardisierte den Grad der Prior-Unsicherheit über verschiedene Effektgrößen hinweg.
Effektgrößen: Vier Szenarien wurden mit erwarteten Risikodifferenzen (RD) von -10 %, -5 %, -2 % und -1 % getestet.
Recheneffizienz: Um die Bayesianische Assurance rechnerisch handhabbar zu machen, nutzten und validierten die Autoren eine Normalapproximation der Bayesschen Posterior-Verteilung und verglichen diese mit MCMC-Sampling (Markov-Chain-Monte-Carlo) auf einer Teilmenge der Simulationen.
Theoretische Herleitung: Die Autoren leiteten eine theoretische Grenze für die erreichbare Power ( $power_\infty$ ) ab, wenn die Stichprobengröße gegen Unendlich geht.

Kernergebnisse

Inflation der Stichprobengröße: Die Einbeziehung von Unsicherheit über Design-Priors erhöht die erforderliche Stichprobengröße im Vergleich zu konventionellen Methoden erheblich. Bei einem CV von 0,5 (was eine realistische Prior-Unsicherheit repräsentiert) erforderten sowohl frequentistische als auch Bayesianische Assurance-Methoden Stichprobengrößen, die etwa 1,5- bis 3,5-mal größer waren als die konventionelle Methode, um eine 80-% oder 90-%-Power zu erreichen.
Theoretische Power-Grenze: Die Studie leitete eine theoretische Obergrenze für die Power ab, definiert durch die Gleichung $power_\infty = \Phi(1/CV)$ $p o w e r_{\infty} = Φ (1/ C V)$ , wobei $\Phi$ $Φ$ die kumulative Verteilungsfunktion der Standardnormalverteilung ist. Diese Grenze hängt ausschließlich vom CV des Design-Priors ab und ist unabhängig von der Effektgröße oder der inferenzstatistischen Methodik.
- Für einen CV von 0,5 liegt die maximal erreichbare Power bei ~98 %.
- Für einen CV von 1,19 sinkt die maximal erreichbare Power auf 80 %.
- Für einen CV von 2,0 liegt die maximal erreichbare Power bei ~69 %.
Methodische Übereinstimmung: Frequentistische und Bayesianische Assurance-Methoden lieferten über alle Szenarien hinweg ähnliche Power-Kurven. Geringfügige Unterschiede wurden der Stichprobenvariabilität, dem Regularisierungseffekt schwach informativer Analyse-Priors im Bayesianischen Ansatz und der Tatsache zugeschrieben, dass die Bayesianische Methode die Unsicherheit in der Kontroll-Ereignisrate ( $\beta_0$ ) berücksichtigte, während die frequentistische Methode diese als fix behandelte.
Validierung: Die Normalapproximation der Bayesianischen Posterior-Verteilung entsprach den MCMC-Ergebnissen sehr genau, was die Rechenzeit von Tagen/Wochen auf weniger als 8 Stunden auf einem Standardlaptop reduzierte.

Bedeutung und Behauptungen
Das Paper behauptet, dass die Berücksichtigung der klinischen Unsicherheit im erwarteten Behandlungseffekt entscheidend für die Durchführbarkeit randomisierter Studien in der Anästhesie und Intensivmedizin ist. Die Autoren argumentieren:

Implikationen für die Durchführbarkeit: Die erhebliche Erhöhung der erforderlichen Stichprobengrößen bei Berücksichtigung von Unsicherheit deutet darauf hin, dass viele Studien, insbesondere solche, die kleine Behandlungseffekte oder eine hohe Prior-Unsicherheit (hoher CV) anstreben, bei Verwendung konventioneller Methoden unpraktikabel oder deutlich unterpowert sein könnten.
Erklärung für niedrige Erfolgsraten: Das Versäumnis, die echte Unsicherheit zu berücksichtigen, könnte die geringe Proportion der Multizenterstudien in diesen Fachbereichen erklären, die statistisch signifikante Unterschiede berichten.
Praktische Empfehlung: Die Autoren schlagen einen CV von etwa 0,5 als angemessenen Standardwert für Design-Priors vor. Dieser Wert ermöglicht eine realistische Unsicherheit und erlaubt dennoch, eine adäquate Power (z. B. 80–90 %) zu erreichen.
Methodischer Beitrag: Die Studie liefert eine validierte, recheneffiziente Normalapproximation für die Bayesianische Assurance-Power, was diese Methoden ohne die prohibitiven Kosten eines vollständigen MCMC-Samplings zugänglicher macht.

Das Paper schließt mit der Feststellung, dass konventionelle Methoden zwar einen fixen Effekt voraussetzen, Assurance-Methoden jedoch eine realistischere Orientierungshilfe für die Schätzung der Stichprobengröße bieten und somit direkt über die Durchführbarkeit spezifischer klinischer Studien entscheiden.