Testing Claimed Associations of Prenatal Acetaminophen with Neurodevelopmental Disorders: Re-analysis Using Bias-Correction Methods
Diese Reanalyse stellt die Behauptung „starker Evidenz“ für einen Zusammenhang zwischen pränataler Acetaminophen-Exposition und neuroentwicklungsbedingten Störungen infrage, indem sie aufzeigt, dass sich nach Anwendung standardisierter metaanalytischer und Bias-Korrektur-Methoden der Zusammenhang für Autismus-Spektrum-Störungen zu einer Nicht-Signifikanz abschwächte und die Evidenz für andere Störungen inkonsistent war, wodurch lediglich ein bescheidener, unsicherer Zusammenhang mit ADHS verblieb.
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
Schwangere Frauen stehen oft vor einer schwierigen Entscheidung, wenn Fieber oder Schmerzen auftreten: ein gängiges rezeptfreies Medikament einzunehmen, um sich besser zu fühlen, oder es zu vermeiden, aus Angst, dem sich entwickelnden Baby zu schaden. Jahrzehntelang war Acetaminophen die Standardempfehlung für dieses Dilemma und galt als die sicherste Option. In den letzten Jahren hat jedoch eine wachsende Zahl von Forschungsarbeiten auf einen besorgniserregenden Zusammenhang zwischen der Einnahme dieses Medikaments während der Schwangerschaft und neuroentwicklungsbedingten Störungen bei Kindern hingewiesen, insbesondere auf die Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung (ADHS) und die Autismus-Spektrum-Störung. Diese Zustände beeinflussen die Entwicklung des Gehirns und damit das Verhalten, das Lernen und die soziale Interaktion. Als eine umfassende Auswertung bestehender Studien behauptete, es gäbe „starke Beweise“ für diesen Zusammenhang, löste dies eine intensive Debatte aus, die zu gesundheitlichen Warnhinweisen des Bundes und einer Neubewertung medizinischer Leitlinien führte. Die Kernfrage war, ob die beobachteten Verbindungen echte biologische Auswirkungen waren oder lediglich das Ergebnis dessen, wie die Studien gezählt und analysiert wurden.
Ein Team von Forschern der Harvard Medical School und der Stanford University beschloss, hinter die Kulissen dieser ursprünglichen Auswertung zu blicken. Sie erhoben keine neuen Daten und führten keine neuen Experimente durch. Stattdessen nahmen sie exakt denselben Satz von sechsundvierzig Studien, den die ursprüngliche Auswertung untersucht hatte, und wandten einen anderen, strengeren mathematischen Ansatz auf sie an. Ihr Ziel war es zu sehen, ob das Urteil der „starken Beweise“ Bestand hätte, wenn die Studien korrekt gewichtet würden und wenn die Analyse die Art und Weise berücksichtigen würde, wie Wissenschaftler unbeabsichtigt Ergebnisse verzerren können. Sie behandelten die Schlussfolgerung der ursprünglichen Auswertung nicht als endgültige Tatsache, sondern als eine Hypothese, die einer Belastungsprobe unterzogen werden musste.
Die Forscher begannen damit, einen grundlegenden Zählfehler in der ursprünglichen Arbeit zu beheben. In der ursprünglichen Auswertung wurden einige Studien mehrfach gezählt, weil sie mehrere verschiedene Subanalysen berichteten, während größere Studien mit weniger Subanalysen seltener gezählt wurden. Dies gab kleineren Studien mit vielen Teilfragen ein unverhältnismäßig hohes Gewicht. Das neue Team korrigierte dies, indem es sicherstellte, dass jede Studie nur einmal für jedes spezifische Ergebnis gezählt wurde. Als sie diese einfache Anpassung vornahmen, verschwand der Zusammenhang zwischen dem Medikament und der Autismus-Spektrum-Störung. Die statistische Evidenz, die einst auf eine Verbindung hindeutete, verschwand und hinterließ ein Ergebnis, das nicht von Zufall zu unterscheiden war.
Als Nächstes wandte das Team acht verschiedene statistische Werkzeuge an, die darauf ausgelegt sind, den Publikationsbias (Veröffentlichungsvoreingenommenheit) zu erkennen und zu korrigieren. Diese Methoden wirken wie ein Filter und fragen, ob die Studien, die in die Auswertung gelangten, die einzigen waren, die ein positives Ergebnis fanden, während Studien, die keinen Effekt fanden, in Schubladen versteckt wurden. Sie testeten auch die „Glaubwürdigkeitsdecke“ (credibility ceiling), ein Konzept, das anerkennt, dass keine einzelne Beobachtungsstudie zu 100 % sicher über eine Ursache-Wirkungs-Beziehung aussagen kann, da es verborgene Faktoren gibt, die Forscher nicht messen können. Als sie diese Filter anwandten, blieb der Zusammenhang mit Autismus nicht existent. Die Verbindung zu anderen neuroentwicklungsbedingten Störungen brach ebenfalls zusammen; in einigen Fällen kehrte sich das statistische Signal sogar um, was darauf hindeutete, dass die ursprünglichen Befunde wahrscheinlich Artefakte der Analyse und keine realen Wahrheiten waren.
Die Verbindung zur Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung war die einzige, die eine gewisse Resilienz zeigte, aber selbst diese war fragil. Obwohl ein kleines Signal unter den meisten Methoden bestehen blieb, verlor es seine statistische Signifikanz, als die Forscher ein moderates Maß an Unsicherheit annahmen – eine Standardanforderung für die Vertrauenswürdigkeit von Beobachtungsdaten. Darüber hinaus schwächte sich die Evidenz für diese Verbindung erheblich ab, als das Team alle verschiedenen Arten von Messungen, die in den Studien verwendet wurden, in eine einzige, konsistente Skala umwandelte. Der Funnel-Plot (Trichtergrafik), ein visuelles Werkzeug zur Erkennung von Bias, zeigte, dass die ursprüngliche Analyse eine signifikante Asymmetrie verborgen hatte; sobald die Daten harmonisiert wurden, zeigte der Plot, dass viele fehlende Studien mit negativen Ergebnissen wahrscheinlich nicht veröffentlicht worden waren – ein klassisches Anzeichen für einen Publikationsbias.
Die Forscher untersuchten auch, warum die ursprüngliche Auswertung bestimmte Studien als „hochwertig“ eingestuft hatte. Sie entdeckten eine zirkuläre Logik im Bewertungssystem: Die Auswertung vergab höhere Punktzahlen an Studien, die größere Effekte fanden, und benachteiligte damit effektiv genau jene Studien, die die robustesten Methoden verwendeten, um familienbasierte Störfaktoren (Confounding) auszuschließen. Studien, die Geschwister miteinander verglichen, um Genetik und Umwelt zu kontrollieren – was die stärksten Instrumente zum Beweis von Kausalität sind –, wurden niedriger bewertet, weil sie schwächere oder keine Assoziationen fanden. Als das neue Team die Daten filterte, um nur die Studien einzubeziehen, die die ursprüngliche Auswertung als „am besten“ betrachtete, wurde das Signal für den Schaden durch das Medikament tatsächlich stärker, was bestätigte, dass das Bewertungssystem darauf ausgerichtet war, einen Effekt zu finden, statt die Wahrheit zu finden.
Letztlich legt diese Re-Analyse nahe, dass die Behauptung „starker Beweise“ für einen Zusammenhang zwischen der pränatalen Acetaminophen-Einnahme und neuroentwicklungsbedingten Störungen einer strengen quantitativen Neubewertung der zugrunde liegenden Daten nicht standhält. Die Assoziation mit Autismus scheint nicht existent zu sein, sobald die Studien korrekt gewichtet werden, und der Zusammenhang mit anderen Störungen ist nicht robust. Während ein schwaches, methodenabhängiges Signal für die Aufmerksamkeitsdefizit-/Hyperaktivitätsstörung bestehen bleibt, ist dieses nicht stark genug, um die ursprüngliche Schlussfolgerung eines wahrscheinlichen Zusammenhangs zu stützen. Die Ergebnisse deuten darauf hin, dass die beobachteten Verbindungen in der Literatur wahrscheinlich das Resultat der Art und Weise sind, wie die Studien kombiniert wurden, sowie der Limitationen der Beobachtungsforschung, und nicht das Ergebnis eines definitiven biologischen Schadens. Die Autoren mahnen an, dass die Beweislage für einen Schaden zwar schwach ist, die Entscheidung über die Anwendung von Medikamenten während der Schwangerschaft jedoch komplex bleibt und eine sorgfältige Abwägung der Risiken durch Patientinnen und Ärzte erfordert.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.