Wie liest man eine randomisierte kontrollierte Studie?

Wenn jemand sagt „Studien zeigen, dass X wirkt“, lohnt sich die Rückfrage: welche Art Studie, wie viele Personen, wie lange beobachtet, und wer hat sie bezahlt? Die randomisierte kontrollierte Studie — RCT — ist der Goldstandard, wenn diese Fragen befriedigend beantwortet werden. Sie ist nicht automatisch der Wahrheits-Beweis.

1. Was Randomisierung wirklich tut

Randomisierung verteilt Teilnehmende zufällig auf Behandlungs- und Kontrollgruppe. Der Sinn: alle bekannten und unbekannten Verzerrungs-Faktoren — Alter, Vorerkrankungen, Lebensstil, Genetik — verteilen sich gleichmäßig auf beide Gruppen, im Idealfall. Was übrig bleibt, ist der reine Effekt der Intervention.

In kleinen Studien funktioniert das schlechter. Bei 20 Personen kann der Zufall die Gruppen ungleich machen. Deshalb sind Tabellen mit „Baseline Characteristics“ am Anfang jeder RCT zu prüfen: stehen Alter, Geschlecht, BMI, Vorerkrankungen in beiden Gruppen ähnlich da? Wenn nein, ist die Randomisierung womöglich nicht gelungen — oder die Studie war zu klein.

2. Verblindung — und warum sie schwer ist

Verblindung meint: Teilnehmer:innen, Forschende und idealerweise die auswertende Statistik wissen nicht, wer in welcher Gruppe ist. Das verhindert Erwartungs-Effekte — sowohl bei den Behandelten (Placebo) als auch bei den Beobachtenden (Bias bei Endpunkt-Bewertung).

Doppelblind (Teilnehmer + behandelnde Ärzt:innen) ist Standard. Dreifachblind (zusätzlich Statistik) ist besser. Open-Label-Studien — wo alle Beteiligten wissen wer was bekommt — sind methodisch schwächer und besonders anfällig wenn Endpunkte subjektiv sind (z.B. „Wohlbefinden“, „Schmerz“).

3. Primärer Endpunkt — und was nicht zählt

Eine RCT wählt vor Beginn EINEN primären Endpunkt aus und berechnet die Stichprobengröße, um genau diesen Endpunkt statistisch belastbar prüfen zu können. Alle anderen gemessenen Größen sind sekundär oder explorativ.

Das ist wichtig: wenn eine Studie ihren primären Endpunkt verfehlt, aber im Diskussionsteil prominent über einen sekundären Endpunkt spricht, ist das ein Warnsignal. Es heißt nicht zwangsläufig, dass der sekundäre Befund falsch ist — aber er wurde nicht so geplant getestet, also ist die Aussagekraft kleiner.

4. Effektgröße vs. statistische Signifikanz

Eine RCT kann statistisch signifikant ein winziges Ergebnis zeigen, wenn die Stichprobe groß genug ist. Beispiel: eine Studie mit 10.000 Probanden findet eine HbA1c-Reduktion von 0,02 Prozentpunkten mit p < 0,001. Statistisch signifikant — klinisch bedeutungslos.

Umgekehrt kann ein klinisch bedeutsamer Effekt in einer kleinen Studie nicht signifikant erscheinen. Deshalb gehören Effektgröße und Konfidenzintervall in den Vordergrund, nicht der p-Wert. Eine 20%-Reduktion mit 95% KI von 12% bis 28% sagt mehr als „p = 0,03“.

5. Wer hat es finanziert?

Industriell finanzierte Studien sind nicht automatisch unzuverlässig — viele exzellente RCTs werden von Pharmaunternehmen bezahlt. Aber die Finanzierungsquelle ist relevant für die Einordnung: positive Ergebnisse werden eher publiziert als negative (Publication Bias), und Studien-Designs können subtile pro-Substanz-Annahmen enthalten.

Schau in den „Funding“-Abschnitt und in „Conflict of Interest“-Erklärungen. Beides ist Pflicht in qualitätsgesicherten Journals. Unabhängige Replikationen durch andere Arbeitsgruppen sind das stärkste Vertrauenssignal.

6. Was eine kleine RCT NICHT sagen kann

• Seltene Nebenwirkungen — eine RCT mit 200 Personen kann ein 1:1000-Risiko nicht zuverlässig detektieren.
• Langzeit-Sicherheit — eine 12-Wochen-Studie sagt nichts über Effekte nach 5 Jahren.
• Wirkung in der echten Welt — RCT-Populationen sind oft selektiert (jung, gesund, compliant). Die Patient:innen im Alltag haben Komorbiditäten, vergessen Dosen, kombinieren mit anderen Substanzen.
• Subgruppen-Effekte — sekundäre Analysen nach Geschlecht, Alter oder Gewicht sind explorativ, nicht beweisend.