Early Cardiac Testing after Emergency-Department ECG: An Observational Target-Trial Emulation

In Notaufnahmen auf der ganzen Welt stehen Ärzte vor einem ständigen, hochriskanten Rätsel: zu bestimmen, welche Patienten mit Brustschmerzen einen Herzinfarkt erleiden und welche nicht. Um dies zu lösen, verlassen sie sich auf Werkzeuge wie Elektrokardiogramme, die die elektrische Aktivität des Herzens aufzeichnen, und Bluttests, die spezifische Proteine nachweisen, die freigesetzt werden, wenn Herzmuskelgewebe geschädigt wird. Basierend auf diesen ersten Hinweisen entscheiden Kliniker, ob ein Patient weitere, invasivere Tests benötigt, wie etwa einen Belastungs-EKG oder eine Katheteruntersuchung, um das Innere der Arterien zu untersuchen. Dieser Entscheidungsprozess ist nicht zufällig; Ärzte wählen natürlicherweise Patienten aus, die kränker oder gefährdeter erscheinen. Dies schafft eine knifflige Situation für Forscher, die versuchen, den wahren Wert dieser Tests zu verstehen. Wenn man einfach die Gesundheitsergebnisse von Patienten vergleicht, die getestet wurden, mit denen, die nicht getestet wurden, werden die Ergebnisse irreführend sein. Die getestete Gruppe wird schlechter aussehen – nicht, weil die Tests ihnen geschadet haben, sondern weil sie von vornherein die kränksten Menschen im Raum waren. Dieses Phänomen, bei dem der Grund für eine Behandlung mit der Behandlung selbst vermischt wird, macht es unglaublich schwierig zu sagen, ob eine medizinische Intervention tatsächlich hilft oder schadet.

Um diese Verwirrung zu durchbrechen, führte ein Forscher namens Bjørn-Jostein Singstad eine Studie durch, die die Art und Weise, wie wir reale medizinische Daten betrachten, neu überdachte. Anstatt zu beweisen, dass kardiologische Tests bessere oder schlechtere Ergebnisse verursachen, stellte die Studie eine spezifischere Frage: Wenn wir Patienten, die innerhalb von zehn Tagen nach einem Notaufnahmebesuch einen Test erhielten, magisch mit solchen vergleichen könnten, die keinen erhielten, während wir gleichzeitig sorgfältig berücksichtigen, wie krank sie zu Beginn waren, wie groß wäre dann der Unterschied in ihrem Gesundheitszustand? Der Forscher nutzte eine Methode namens „Target-Trial Emulation“, eine Art, eine Beobachtungsstudie so zu gestalten, dass sie die Struktur eines perfekten, randomisierten Experiments nachahmt. Durch die Verknüpfung von Daten aus über 71.000 Notaufnahmebesuchen eines großen Krankenhauses zwischen 2010 und 2015 konzentrierte sich die Studie auf 51.158 Fälle, bei denen Patienten sowohl ein Elektrokardiogramm als auch verknüpfte Krankenakten hatten. Das Ziel war es, das Risiko eines schlechten Ausgangs zu messen – definiert als entweder ein positiver Herzprotein-Test oder der Tod innerhalb von dreißig Tagen – indem man diejenigen verglich, die innerhalb von zehn Tagen Belastungs-EKGs oder Katheteruntersuchungen erhielten, gegen diejenigen, die dies nicht taten.

Der erste Blick auf die Daten zeigte einen drastischen und erwarteten Unterschied. Patienten, die kardiologische Tests erhielten, hatten eine viel höhere Rate an schlechten Ergebnissen, wobei fast 29 Prozent einen positiven Test oder den Tod erlitten, verglichen mit nur 7 Prozent derjenigen, die nicht getestet wurden. Diese Lücke von 22 Prozentpunkten ist genau das, was man erwarten würde, wenn kränkere Patienten selektiv für Tests ausgewählt werden. Die Studie ging jedoch viel tiefer als dieser oberflächliche Vergleich. Unter Verwendung fortgeschrittener statistischer Techniken, die wie ein ausgeklügelter Filter wirken, passte der Forscher Dutzende von Faktoren an, darunter Alter, Geschlecht, ethnische Zugehörigkeit und die spezifischen Muster, die in den ersten Elektrokardiogrammen der Patienten zu sehen waren. Diese Anpassungen sollten die Spielregeln angleichen und einen fairen Vergleich zwischen den beiden Gruppen ermöglichen, als hätten sie mit demselben Risikoniveau begonnen.

Nach Anwendung dieser Anpassungen schrumpfte die massive Lücke in den Ergebnissen dramatisch. Der Unterschied im Risiko sank von 22 Prozentpunkten auf etwa 6 Prozentpunkte. Das bedeutet, dass selbst nachdem berücksichtigt wurde, dass die getesteten Patienten kränker waren, immer noch ein kleiner, positiver Unterschied im Risiko zugunsten der nicht getesteten Gruppe bestand, was darauf hindeutet, dass die Teststrategie selbst mit etwas schlechteren Ergebnissen assoziiert sein könnte. Die Studie blieb jedoch nicht dabei stehen, denn der Forscher wusste, dass die Art und Weise, wie die Daten organisiert waren, noch verborgene Probleme verbergen konnte. Ein großes Problem ist etwas, das als „Immortal Time Bias“ (unsterblicher Zeitfehler) bezeichnet wird, der auftritt, wenn die Definition einer Gruppe voraussetzt, dass ein Patient lange genug überlebt, um als Teil dieser Gruppe klassifiziert zu werden. In dieser Studie musste ein Patient bis zu zehn Tage im Krankenhaus bleiben oder überleben, um als „getestet“ gezählt zu werden. Wenn ein Patient am zweiten Tag starb, konnte er nicht in die getestete Gruppe fallen, was die getestete Gruppe in den frühen Tagen künstlich gesünder erscheinen ließ.

Um zu testen, wie sehr dieses Timing-Problem eine Rolle spielte, änderte der Forscher die Regeln des Spiels. Als das Zeitfenster für die Definition von „Testing“ von zehn Tagen auf nur einen Tag verkürzt wurde, brach der geschätzte Risikounterschied fast vollständig auf Null zusammen. Dies deutet darauf hin, dass der kleine Risikounterschied, der im Zehn-Tage-Fenster gesehen wurde, eher ein Artefakt der Art und Weise ist, wie die Gruppen definiert wurden, als ein echter Effekt des Testens. Darüber hinaus untersuchte die Studie eine spezifische Information: ob bei dem Patienten am selben Tag wie dem Besuch ein Herzinfarkt diagnostiziert worden war. Diese Diagnose trat bei 43 Prozent der getesteten Patienten auf, aber bei null Prozent der nicht getesteten Patienten. Als der Forscher diese spezifische Information aus der Analyse entfernte, verdoppelte sich der geschätzte Risikounterschied nahezu, von etwa 6 Prozentpunkten auf 11 Prozentpunkte. Dieser Befund verdeutlicht, wie fragil die Ergebnisse sein können, wenn man es mit Daten zu tun hat, bei denen der Zeitpunkt einer Diagnose und die Entscheidung zu testen so eng miteinander verwoben sind.

Die Studie berechnete auch einen Wert, um zu messen, wie stark ein nicht gemessener Faktor sein müsste, um die Ergebnisse vollständig zu erklären. Die Zahl lag bei 2,66, was impliziert, dass, falls es einen verborgenen Faktor gäbe – wie etwa die Schwere der Symptome eines Patienten, die Ärzte nicht aufzeichnen konnten –, der mehr als doppelt so wahrscheinlich sowohl zum Testen als auch zu schlechten Ergebnissen führen würde, dieser die gefundene kleine Differenz in der Analyse auslöschen könnte. Da Ärzte Entscheidungen für Tests auf der Grundlage subtiler klinischer Hinweise treffen, die oft nicht in Datenbanken erfasst werden, ist ein solcher verborgener Faktor durchaus plausibel. Der Forscher kam zu dem Schluss, dass die statistischen Methoden zwar die offensichtliche Verzerrung durch die Auswahl kränkerer Patienten erfolgreich reduziert haben, sie aber nicht die Unsicherheit beseitigen konnten, die durch fehlende Informationen und die komplexe zeitliche Abfolge realer medizinischer Entscheidungen entsteht.

Letztendlich ist diese Arbeit eine eindrucksvolle Demonstration der Grenzen beobachtender Daten. Sie zeigt, dass wir selbst mit den anspruchsvollsten mathematischen Werkzeugen und den besten verfügbaren Aufzeichnungen die Gewissheit einer kontrollierten Studie nicht vollständig replizieren können, wenn die Daten aus der chaotischen Realität der Notfallmedizin stammen. Die Studie hat nicht bewiesen, dass kardiologische Tests schädlich sind, noch hat sie bewiesen, dass sie nutzlos sind. Stattdessen hat sie aufgezeigt, dass die kleinen Unterschiede in den Daten extrem empfindlich darauf reagieren, wie die Frage gestellt wird und welche Informationen einbezogen werden. Die Lehre daraus ist eine der Vorsicht: Während moderne Methoden uns helfen können, durch den Nebel der Störfaktoren zu blicken, können sie die Schatten unaufgezeichneter klinischer Urteilskraft oder der komplexen zeitlichen Abläufe lebensentscheidender Momente nicht vertreiben. Die Ergebnisse legen nahe, dass die scheinbare Verbindung zwischen Testen und schlechten Ergebnissen eher ein Spiegelbild der zugrunde liegenden Schwere der Patienten und der Komplexität der Daten ist, als eine einfache Ursache-Wirkungs-Beziehung, die sich durch die bloße Anpassung einiger Zahlen leicht korrigieren ließe.