Korrelation, Kausalität und Verzerrung: wann aus einem Zusammenhang eine Ursache wird

Was eine Korrelation aussagt, und was nicht

Eine Korrelation ist eine messbare Gleichläufigkeit: verändert sich die eine Grösse, verschiebt sich die andere in vorhersagbarer Weise mit. Kausalität behauptet mehr. Sie sagt, dass ein Eingriff in die erste Grösse die zweite verschiebt und dass das Ergebnis anders ausgefallen wäre, hätte man anders eingegriffen. Dieser Unterschied ist keine sprachliche Feinheit: er entscheidet darüber, ob eine Massnahme etwas bewirkt oder nur etwas anzeigt.

Wie gut Beobachtungsdaten diesen Sprung schaffen, ist empirisch geprüft. Eine Cochrane-Methodenübersicht von 2014 bündelte vierzehn frühere Vergleiche mit zusammen 1'583 Metaanalysen zu 228 Krankheitsbildern. Im Durchschnitt fand sie keinen systematischen Unterschied zwischen den Effektschätzungen aus Beobachtungsstudien und jenen aus Zufallsstudien; elf der vierzehn Übersichten sahen keinen bedeutsamen Abstand. Der Durchschnitt ist jedoch nicht der Einzelfall.

Eine Auswertung von 74 Vergleichspaaren aus dem Jahr 2021 zeigt die Doppelbotschaft deutlich: In knapp acht von zehn Paaren war der Unterschied statistisch unauffällig, in mehr als vier von zehn wich die Effektgrösse dennoch erheblich ab, und in fast zwei von zehn zeigten die beiden Schätzungen in entgegengesetzte Richtungen. In der Krebsmedizin fiel das Urteil schärfer aus: 350 Registervergleiche, die 121 Zufallsstudien gegenübergestellt wurden, stimmten in vier von zehn Fällen überein, also nicht häufiger, als der Zufall erwarten lässt. Weder Berichtsqualität noch statistische Verfeinerung sagten die Übereinstimmung voraus.

Störfaktoren: die dritte Grösse im Hintergrund

Was genau ist ein Störfaktor?

Ein Störfaktor ist eine Grösse, die sowohl die vermutete Ursache als auch die beobachtete Folge beeinflusst und dadurch einen Zusammenhang vortäuscht, verstärkt oder verdeckt. Er liegt zeitlich vor beiden, ist kein Zwischenschritt der Wirkkette, und er lässt sich nur dann herausrechnen, wenn er überhaupt erhoben wurde.

Die Pferdemedizin liefert ein sauberes Beispiel. Eine systematische Übersicht zu Risikofaktoren der Hufrehe prüfte 17 Publikationen anhand von 18 Qualitätsmerkmalen und stufte nur sechs als belastbar ein. Gut belegt war einzig, dass chronische Hufrehe mit steigendem Alter assoziiert ist; zu Geschlecht, Rasse und Körpergewicht blieben die Ergebnisse widersprüchlich. Rasse, Körperkondition und Weidezugang treten in der Praxis gemeinsam auf: wer nur eine dieser Grössen erhebt, schreibt ihr die Wirkung der übrigen zu.

Beim Menschen trägt derselbe Mechanismus einen eigenen Namen. Der Gesunder-Anwender-Effekt beschreibt, dass Personen, die eine vorbeugende Massnahme beginnen und durchhalten, sich auch sonst gesundheitsbewusster verhalten und deshalb bessere Verläufe zeigen, unabhängig von der Massnahme. Eine systematische Übersicht dazu fand allerdings nur sieben Studien, zwei randomisierte und fünf Kohorten, und kam zu keinem einheitlichen Befund: Der Effekt ist plausibel und einzeln nachweisbar, durchgängig belegt ist er nicht.

Wie schwer Störfaktoren wiegen können, zeigt eine Gegenüberstellung von sechzehn Auswertungen medizinischer Routinedaten mit 36 später erschienenen Zufallsstudien zur jeweils gleichen Frage. Die Routinedatenstudien fielen im Mittel rund 30 Prozent günstiger aus. Bei fünf der sechzehn Fragestellungen wies der geschätzte Effekt sogar in die entgegengesetzte Richtung, und bei mehr als der Hälfte lag das Ergebnis der späteren Studie ausserhalb des angegebenen Unsicherheitsbereichs.

Umgekehrte Kausalität: wenn die Folge wie die Ursache aussieht

Woran erkennt man eine umgekehrte Wirkrichtung?

Verdächtig ist jede Messgrösse, die sich unter beginnender Krankheit von selbst verändert, noch bevor die Diagnose gestellt wird. Wer weniger nach draussen geht, weil er krank wird, hat später einen tiefen Blutwert, und dieser Wert erscheint in der Auswertung als Ursache statt als Folge.

Das bekannteste Beispiel ist der Vitamin-D-Spiegel. Beobachtungsstudien verknüpfen tiefe Werte mit fast jeder chronischen Erkrankung. Eine Übersicht von 2024 wertete 133 Arbeiten aus, die den Zusammenhang über zufällig weitergegebene Erbgutvarianten statt über gemessene Blutwerte prüften, und deckte damit 275 einzelne Gesundheitsfolgen ab. Nur bei der multiplen Sklerose blieb der Befund stabil, unabhängig davon, welche Varianten als Instrument gewählt wurden. Für die meisten übrigen Folgen trat er nur auf, wenn auch Varianten ausserhalb des Vitamin-D-Stoffwechsels zugelassen wurden.

Eine lange Vorlaufzeit zwischen Messung und Ereignis schwächt den Verdacht auf umgekehrte Kausalität, beseitigt ihn aber nicht: Manche Erkrankungen verändern Messwerte über Jahre, bevor sie erkennbar werden. Genau deshalb ist der Bradford-Hill-Gesichtspunkt der zeitlichen Abfolge zwar notwendig, für sich allein jedoch nie hinreichend.

Selektionsverzerrung: wer überhaupt in der Auswertung landet

Was ist ein Kollider?

Ein Kollider ist eine Grösse, auf die sowohl die untersuchte Exposition als auch die untersuchte Folge einwirken. Schränkt man die Auswertung auf einen bestimmten Wert dieses Kolliders ein, etwa auf bereits Erkrankte, entsteht zwischen Exposition und Folge ein Zusammenhang, den es in der Gesamtbevölkerung nicht gibt.

Das sogenannte Adipositas-Paradox ist der Lehrbuchfall. In einer Auswertung amerikanischer Bevölkerungsdaten mit 17'636 Teilnehmenden lag das Sterberisiko adipöser Personen in der Gesamtbevölkerung rund ein Viertel höher als bei Normalgewichtigen. Beschränkte man dieselbe Auswertung auf Personen mit bereits diagnostizierter Herz-Kreislauf-Erkrankung, lag es rund ein Fünftel tiefer: Adipositas erschien plötzlich schützend. Der Krankheitsstatus ist hier der Kollider, denn er hängt sowohl vom Gewicht als auch von unbeobachteten Sterberisiken ab.

Für die Pferdeforschung ist das keine Randnotiz. Wer Risikofaktoren an einer Klinikpopulation untersucht, hat bereits nach einem Ereignis ausgewählt, das selbst Folge der untersuchten Grösse sein kann: der Einweisung. Ein Faktor, der eine Einweisung wahrscheinlicher macht, kann innerhalb dieser Teilgruppe schützend aussehen, ohne es zu sein. Dieselbe Logik trifft Fallserien aus Referenzkliniken, Vereinsregister und jede Auswertung, die nur überlebende Tiere erfasst.

Publikations- und Berichtsverzerrung: was gar nicht erst sichtbar wird

Die Verzerrung, die am schwersten zu bemerken ist, betrifft das Fehlende. Eine systematische Übersicht wertete zwanzig Kohortenstudien aus, die Forschungsprojekte von der Bewilligung bis zur Veröffentlichung verfolgten. In den drei Kohorten, die diese Frage direkt beziffern konnten, hatten statistisch auffällige Ergebnisse eine 2,2- bis 4,7-fach höhere Chance, vollständig berichtet zu werden. In 40 bis 62 Prozent der Arbeiten wich zudem der veröffentlichte Hauptendpunkt vom angemeldeten Protokoll ab: er wurde ausgetauscht, nachträglich eingeführt oder weggelassen.

Eine breitere Bestandsaufnahme bestätigte das Muster und erweiterte es. Studien mit auffälligen Ergebnissen erschienen nicht nur häufiger, sondern auch früher, und veröffentlichte Arbeiten meldeten grössere Effekte als jene aus der grauen Literatur. Dieselbe Übersicht warnt ausdrücklich, dass die üblichen grafischen Prüfverfahren für Publikationsverzerrung meist zu einfach ausgelegt und dadurch irreführend gelesen werden.

Wer die Studie bezahlt, verschiebt das Ergebnis zusätzlich. Eine Cochrane-Übersicht über 75 methodische Arbeiten fand bei herstellerfinanzierten Studien rund 27 Prozent häufiger günstige Wirksamkeitsergebnisse und rund 34 Prozent häufiger günstige Schlussfolgerungen; auffällig ist, dass Ergebnis und Schlussfolgerung in diesen Arbeiten seltener zueinander passten. Die üblichen Verzerrungsprüfungen erklären diesen Abstand nicht.

In der Tiermedizin fällt der Abstand grösser aus. Unter den 2011 veröffentlichten Wirksamkeitsstudien zu Katze, Hund, Pferd, Rind und Schaf berichteten 56,9 Prozent der von der Pharmaindustrie finanzierten Studien ein positives Ergebnis, gegenüber 34,9 Prozent bei anderer Finanzierung und 29,1 Prozent bei Arbeiten ohne genannte Geldquelle. Ein hoher Anteil dieser Studien liess das Verzerrungsrisiko in allen fünf geprüften Punkten unklar.

Was Randomisierung leistet, und was sie nicht repariert

Randomisierung, also die Zuteilung per Zufall, ist das einzige Verfahren, das auch unbekannte Störfaktoren im Mittel gleichmässig auf die Gruppen verteilt. Sie beseitigt weder Publikationsverzerrung noch die Auswahl bei der Rekrutierung, und sie wirkt nur, wenn die Zuteilung bis zum Einschluss tatsächlich verdeckt bleibt.

Wie stark eine Schwäche im Verfahren die Zahlen verschiebt, ist selbst umstritten. Eine Bündelung von 234 Metaanalysen mit 1'973 Studien fand bei fehlender oder unklarer Verblindung eine Übertreibung des Effekts um durchschnittlich 13 Prozent, vor allem bei subjektiv erhobenen Endpunkten und kaum bei objektiven Endpunkten oder der Sterblichkeit. Eine spätere Auswertung von 142 Metaanalysen mit 1'153 Studien fand dagegen keine mittlere Differenz zwischen verblindeten und unverblindeten Studien. Deren Autorinnen und Autoren empfehlen dennoch, an der Verblindung festzuhalten: das Ausbleiben eines Nachweises ist kein Nachweis des Ausbleibens.

Die Ausführungsqualität steigt, aber langsam. In einer maschinellen Auswertung von 176'620 zwischen 1966 und 2018 veröffentlichten Zufallsstudien sank der Anteil mit Verzerrungsrisiko bei der verdeckten Zuteilung von 63 auf 51 Prozent und bei der Erzeugung der Zufallsfolge von 57 auf 36 Prozent, während der Anteil der Studien mit Vorabregistrierung von 37 auf 47 Prozent stieg.

In der Tiermedizin ist der Rückstand messbar. Von 114 als „randomisiert“ bezeichneten Studien des Jahrgangs 2013 in fünf führenden Fachzeitschriften verwendeten sieben Prozent nachweislich nicht-zufällige Verfahren, und knapp die Hälfte nannte überhaupt kein Zuteilungsverfahren. Nur gut zwölf Prozent gaben sowohl Methode als auch Art der Randomisierung an. Auf Nachfrage antworteten rund sechs von zehn Studienleitungen nicht.

Die Bradford-Hill-Gesichtspunkte, sechzig Jahre später

Austin Bradford Hill schlug 1965 neun Gesichtspunkte vor, die den Übergang von der Assoziation zur Ursache begleiten sollen: Stärke, Beständigkeit, Spezifität, zeitliche Abfolge, Dosis-Wirkungs-Beziehung, biologische Plausibilität, Kohärenz, Experiment und Analogie. Hill selbst nannte sie ausdrücklich keine Kriterien. Kein einzelner Punkt ist hinreichend, und keiner ist zwingend erforderlich.

Eine Neubewertung von 2021 stellte die neun Punkte den heutigen Werkzeugen der Kausalanalyse gegenüber, darunter gerichteten Kausalgrafen und dem Bewertungssystem der Evidenzqualität. Vier Punkte hielten stand: Stärke des Zusammenhangs samt Abschätzung plausibler Störfaktoren, zeitliche Abfolge, Plausibilität und Experiment. Spezifität kommt in der Natur kaum vor; an ihre Stelle treten Negativkontrollen, also bewusst gewählte Vergleichsgrössen, bei denen kein Effekt auftreten darf. Die Dosis-Wirkungs-Beziehung trägt weniger, als weithin angenommen wird, weil sie leicht aus einem Störfaktor entsteht. Kohärenz und Analogie erwiesen sich als kaum brauchbar.

Eine zweite Neubewertung geht weiter. Sie hält Experiment und Beständigkeit für die tragenden Punkte und schlägt vor, die Stärke umzukehren: kleine Effekte seien in der Regel plausibler als grosse, und wo sehr grosse Effekte in Beobachtungsdaten auftauchen, seien sie meist vorübergehend und Ausdruck von Verzerrung. Diese Sicht ist kein Konsens, sie erklärt aber, warum spektakuläre Einzelbefunde bei Wiederholung so regelmässig schrumpfen.

Zielstudien-Emulation und mendelsche Randomisierung

Wie ahmt man eine Zufallsstudie mit Beobachtungsdaten nach?

Man schreibt zuerst das Protokoll jener Studie auf, die man idealerweise durchführen würde: Einschlusskriterien, verglichene Strategien, Startzeitpunkt, Endpunkte und Nachbeobachtungszeit. Danach bildet man dieses Protokoll in den vorhandenen Daten so genau wie möglich nach, was vor allem selbstgemachte Fehler beim Startzeitpunkt verhindert.

Wie gut das gelingt, ist inzwischen gemessen. Eine systematische Übersicht mit Metaanalyse von 2026 stellte 107 solcher Nachbildungen ihren jeweiligen Zufallsstudien gegenüber. Nach dem gewählten Übereinstimmungsmass lagen 79 Prozent der Paare beieinander, der Zusammenhang der Effektgrössen lag bei einem Korrelationswert von 0,59. Bei den 63 Paaren, deren Aufbau die Zufallsstudie enger nachbildete, stiegen die Werte auf 87 Prozent und 0,83. Die Nachbildung ist also nicht von selbst verlässlich: ihre Sorgfalt entscheidet.

Die mendelsche Randomisierung nutzt eine andere Zufallsquelle: die zufällige Weitergabe von Erbgutvarianten bei der Zeugung. Wer eine Variante trägt, die einen Messwert lebenslang leicht verschiebt, bildet eine natürliche Vergleichsgruppe, die weder durch Lebensstil noch durch beginnende Krankheit verschoben ist. Die Methode hat eine verwundbare Stelle: wirkt eine Variante auch über andere Wege auf das Ergebnis, bricht ihre Grundannahme.

Eine Untersuchung von 2018 fand solche Nebenwege in über 48 Prozent der als kausal ausgewiesenen Beziehungen. Die dadurch verursachte Verzerrung der Schätzungen reichte im Durchschnitt von minus 131 bis plus 201 Prozent, und bis zu zehn Prozent der Beziehungen waren falsch positiv. Die einschlägigen Fachrichtlinien verlangen deshalb Empfindlichkeitsanalysen mit mehreren, unterschiedlich anfälligen Rechenverfahren. Für Pferde steht das Werkzeug praktisch nicht zur Verfügung: es setzt genomweite Assoziationsdaten an sehr grossen Stichproben voraus, wie sie bislang nur beim Menschen bestehen.

Eine Prüfliste für die Lektüre

Welche fünf Fragen klären den Verdacht am schnellsten?

Erstens: Welche Art von Studie liegt vor, und erlaubt sie überhaupt eine Ursachenaussage? Zweitens: Nach welchem Ereignis wurden die Untersuchten ausgewählt, drittens: welcher Störfaktor fehlt in der Auswertung, viertens: könnte die Wirkrichtung umgekehrt sein, und fünftens: entspricht der berichtete Hauptendpunkt dem vorab angemeldeten?

1. Studienart zuerst: Ein Zusammenhang aus einer Querschnittserhebung stützt keine Ursachenaussage, auch wenn die Teilnehmerzahl gross ist.
2. Auswahl prüfen: Wurde nach einem Ereignis ausgewählt, das selbst Folge der untersuchten Grösse sein kann, ist Kollider-Verzerrung möglich.
3. Zeitliche Ordnung: Liegt zwischen Messung und Ereignis genug Abstand, um beginnende Krankheit als Erklärung auszuschliessen?
4. Protokoll suchen: Vorab angemeldete Studien nennen ihren Hauptendpunkt im Voraus; ein Abgleich deckt nachträgliche Verschiebungen auf.
5. Geldquelle und Interessenbindungen lesen, und zwar vor dem Ergebnis, nicht danach.
6. Wiederholung schlägt Einzelbefund: Beständigkeit über verschiedene Gruppen und Länder hinweg ist der belastbarste der neun Gesichtspunkte.

Keine dieser Fragen ersetzt die Fachlektüre, aber jede von ihnen erklärt einen grossen Teil der Fälle, in denen eine Schlagzeile später zurückgenommen wurde. Wer sie in dieser Reihenfolge stellt, sortiert die vier Alternativen ab, bevor er über Ursachen spricht.

Verzerrungen, ihre Richtung und die gemessene Grössenordnung

Eigene Auswertung

Grenzen und Unsicherheiten

• Die Methodenforschung widerspricht sich teilweise selbst: zur Wirkung fehlender Verblindung liegen eine Auswertung mit rund 13 Prozent Übertreibung und eine zweite ohne nachweisbare mittlere Differenz vor.
• Die grossen Vergleiche zwischen Beobachtungs- und Zufallsstudien stammen fast ausschliesslich aus der Humanmedizin; für die Pferdemedizin existiert keine gleichwertige Bestandsaufnahme.
• Solche Vergleiche setzen voraus, dass beide Studienarten dieselbe Frage stellen. Wo Ein- und Ausschlusskriterien abweichen, kann ein Unterschied echte Bevölkerungsunterschiede statt Verzerrung abbilden.
• Verfahren zur Aufdeckung von Publikationsverzerrung sind unzuverlässig, wenn nur wenige oder sehr unterschiedliche Studien vorliegen: ein unauffälliger Befund beweist ihr Fehlen nicht.
• Die mendelsche Randomisierung ist bisher nur beim Menschen praktikabel; die genannten Grössenordnungen zur Nebenwegverzerrung gelten nicht ohne Weiteres für andere Arten.
• Die Zahlen zur veterinärmedizinischen Studienqualität stammen aus den Jahrgängen 2011 und 2013 und bilden den heutigen Stand möglicherweise nicht mehr ab.

Offene Fragen

• Warum stimmen Beobachtungsdaten in manchen Fachgebieten gut mit Zufallsstudien überein und in der Krebsmedizin praktisch gar nicht?
• Lässt sich der Gesunder-Anwender-Effekt beziffern, oder bleibt er eine plausible, aber nicht quantifizierte Grösse?
• Wie liesse sich eine mendelsche Randomisierung beim Pferd aufbauen, und welche Stichprobengrösse wäre dafür nötig?
• Verbessert eine verbindliche Vorabregistrierung veterinärmedizinischer Studien die Berichtsqualität messbar?

Häufige Fragen

Heisst eine Korrelation von null, dass es keinen Zusammenhang gibt?

Nein. Der übliche Korrelationswert misst nur den geradlinigen Anteil eines Zusammenhangs. Steigt ein Risiko sowohl bei sehr tiefen als auch bei sehr hohen Werten und ist es in der Mitte am geringsten, ergibt sich ein Wert nahe null, obwohl ein starker Zusammenhang besteht. Solche U-förmigen Verläufe kommen in der Ernährungs- und Stoffwechselforschung vor. Umgekehrt sagt auch ein hoher Wert nichts über die Richtung der Wirkung aus.

Wie viele Störfaktoren muss man herausrechnen, damit ein Ergebnis zählt?

Es gibt keine Zahl. Entscheidend ist nicht die Menge der berücksichtigten Grössen, sondern ob die wichtigste unbeobachtete Grösse fehlt: wer sie nicht erhoben hat, kann sie auch nicht herausrechnen. Seriöse Arbeiten geben deshalb an, wie stark ein unbeobachteter Störfaktor wirken müsste, um das Ergebnis zu erklären. Beim Abgleich von Registerauswertungen und Zufallsstudien in der Krebsmedizin sagte kein geprüftes Merkmal die Übereinstimmung voraus, weder die Berichtsqualität noch aufwendigere statistische Verfahren.

Ist eine sehr grosse Studie automatisch vertrauenswürdiger?

Nein. Grösse verkleinert den Zufallsfehler, nicht die systematische Verzerrung. Eine grosse, verzerrte Studie liefert einen falschen Wert mit engem Unsicherheitsbereich, was gefährlicher ist als ein unsicherer Wert. In der Krebsmedizin stimmten 350 Vergleiche aus grossen Bevölkerungsregistern nur in vier von zehn Fällen mit den zugehörigen Zufallsstudien überein, obwohl sie auf grossen bevölkerungsweiten Datenbanken beruhten.

Warum widersprechen sich Studien zu Ernährung und Nahrungsergänzung so oft?

Weil in diesem Feld drei Verzerrungen zusammenkommen. Die Aufnahme wird meist über Selbstauskunft erfasst und dadurch ungenau gemessen; wer sich in einem Punkt gesund verhält, tut es meist auch sonst, was den Gesunder-Anwender-Effekt erzeugt; und auffällige Befunde werden bevorzugt veröffentlicht. Prüft man dieselben Fragen über zufällig weitergegebene Erbgutvarianten, verschwinden viele Zusammenhänge: von 275 so geprüften Vitamin-D-Folgen blieb nur eine durchgängig bestehen.

Gilt das alles auch für Studien am Pferd?

Die Regeln gelten unverändert, die Ausgangslage ist jedoch schlechter. Von 114 als randomisiert bezeichneten tiermedizinischen Studien eines Jahrgangs verwendeten sieben Prozent nachweislich nicht-zufällige Verfahren, und knapp die Hälfte beschrieb ihr Verfahren gar nicht. Hinzu kommt der grössere Abstand zwischen herstellerfinanzierten und übrigen Arbeiten. Eine Übersicht zu Risikofaktoren der Hufrehe stufte nur sechs von 17 Publikationen als belastbar ein.

Beweist eine randomisierte Studie eine Ursache?

Sie ist der stärkste Einzelnachweis, aber kein Beweis. Auch eine Zufallsstudie kann durch fehlende Verdeckung der Zuteilung, unvollständige Verblindung, Abbrüche oder nachträglich getauschte Endpunkte verzerrt werden. In einer Auswertung von 176'620 Studien wies bei rund der Hälfte die verdeckte Zuteilung ein Verzerrungsrisiko auf. Deshalb wiegt die Beständigkeit über mehrere unabhängige Studien schwerer als ein einzelnes Ergebnis, so sauber es aussieht.

Quellen

1. Anglemyer A, Horvath HT, Bero L. Healthcare outcomes assessed with observational study designs compared with those assessed in randomized trials. Cochrane Database of Systematic Reviews, 2014 (Systematische Übersichtsarbeit | Mensch)DOI 10.1002/14651858.MR000034.pub2
   Über 14 Methodenübersichten mit 1'583 Metaanalysen zu 228 Krankheitsbildern hinweg fand sich im Mittel kein systematischer Unterschied der Effektschätzungen zwischen Beobachtungs- und Zufallsstudien; 11 von 14 Übersichten sahen keinen bedeutsamen Unterschied.
2. Hong YD, Jansen JP, Guerino J, Berger ML, Crown W, Goettsch WG, Mullins CD, Willke RJ, Orsini LS. Comparative effectiveness and safety of pharmaceuticals assessed in observational studies compared with randomized controlled trials. BMC Medicine, 2021 (Systematische Übersichtsarbeit | Mensch)DOI 10.1186/s12916-021-02176-1
   Bei 74 Vergleichspaaren war der Unterschied in 79,7 Prozent statistisch unauffällig, doch in 43,2 Prozent wich die Effektgrösse erheblich ab und in 17,6 Prozent zeigten die Schätzungen in entgegengesetzte Richtungen.
3. Soni PD, Hartman HE, Dess RT, Abugharib A, Allen SG, Feng FY, Zietman AL, Jagsi R, Schipper MJ, Spratt DE. Comparison of Population-Based Observational Studies With Randomized Trials in Oncology. Journal of Clinical Oncology, 2019 (Systematische Übersichtsarbeit | Mensch)DOI 10.1200/JCO.18.01074
   350 Registervergleiche, die 121 Zufallsstudien zugeordnet wurden, stimmten nur in 40 Prozent der Fälle überein, also nicht mehr als zufällig zu erwarten; kein Merkmal der Berichtsqualität oder Statistik sagte die Übereinstimmung voraus.
4. Hemkens LG, Contopoulos-Ioannidis DG, Ioannidis JPA. Agreement of treatment effects for mortality from routinely collected data and subsequent randomized trials: meta-epidemiological survey. BMJ, 2016 (Systematische Übersichtsarbeit | Mensch)DOI 10.1136/bmj.i493
   16 Auswertungen von Routinedaten schätzten die Sterblichkeitswirkung im Mittel 31 Prozent günstiger als 36 spätere Zufallsstudien; bei 5 von 16 Fragestellungen war die Richtung des Effekts gegenläufig.
5. Ladova K, Vlcek J, Vytrisalova M, Maly J. Healthy adherer effect - the pitfall in the interpretation of the effect of medication adherence on health outcomes. Journal of Evaluation in Clinical Practice, 2014 (Systematische Übersichtsarbeit | Mensch)DOI 10.1111/jep.12095
   Nur sieben Studien (zwei randomisierte, fünf Kohorten) untersuchten den Gesunder-Anwender-Effekt direkt; die Befunde waren uneinheitlich und belegten den Effekt für die Sterblichkeit nicht durchgängig.
6. Banack HR, Kaufman JS. The obesity paradox: understanding the effect of obesity on mortality among individuals with cardiovascular disease. Preventive Medicine, 2014 (Andere | Mensch)DOI 10.1016/j.ypmed.2014.02.003
   In 17'636 Datensätzen war Adipositas in der Gesamtbevölkerung mit rund einem Viertel höherer Sterblichkeit verbunden, in der Teilgruppe mit Herz-Kreislauf-Erkrankung dagegen mit rund einem Fünftel tieferer; die Autorenschaft bezeichnet Kollider-Stratifikation als eine plausible Erklärung dafür, nicht als die einzige.
7. Dwan K, Gamble C, Williamson PR, Kirkham JJ. Systematic review of the empirical evidence of study publication bias and outcome reporting bias: an updated review. PLoS ONE, 2013 (Systematische Übersichtsarbeit | Mensch)DOI 10.1371/journal.pone.0066844
   Von 20 eingeschlossenen Kohortenstudien bezifferten drei den Effekt: statistisch signifikante Endpunkte hatten dort eine 2,2- bis 4,7-fach höhere Chance auf vollständige Berichterstattung; in 40 bis 62 Prozent der Arbeiten wurde mindestens ein Hauptendpunkt gegenüber dem Protokoll geändert, ergänzt oder weggelassen.
8. Song F, Parekh S, Hooper L, Loke YK, Ryder J, Sutton AJ, Hing C, Kwok CS, Pang C, Harvey I. Dissemination and publication of research findings: an updated review of related biases. Health Technology Assessment, 2010 (Systematische Übersichtsarbeit | Mensch)DOI 10.3310/hta14080
   Studien mit signifikanten Ergebnissen wurden häufiger und früher veröffentlicht, veröffentlichte Arbeiten meldeten grössere Effekte als graue Literatur, und die üblichen grafischen Prüfverfahren auf Publikationsverzerrung wurden meist zu einfach und dadurch irreführend interpretiert.
9. Lundh A, Lexchin J, Mintzes B, Schroll JB, Bero L. Industry sponsorship and research outcome. Cochrane Database of Systematic Reviews, 2017 (Systematische Übersichtsarbeit | Mensch)DOI 10.1002/14651858.MR000033.pub3
   Über 75 methodische Arbeiten hinweg berichteten herstellerfinanzierte Studien 27 Prozent häufiger günstige Wirksamkeitsergebnisse und 34 Prozent häufiger günstige Schlussfolgerungen; die Standardprüfungen auf Verzerrungsrisiko erklärten diesen Unterschied nicht.
10. Wareham KJ, Hyde RM, Grindlay D, Brennan ML, Dean RS. Sponsorship bias and quality of randomised controlled trials in veterinary medicine. BMC Veterinary Research, 2017 (Querschnittstudie | Mehrere Arten)DOI 10.1186/s12917-017-1146-9
    Unter 126 Wirksamkeitsstudien des Jahrgangs 2011 an Katze, Hund, Pferd, Rind und Schaf meldeten 56,9 Prozent der pharmafinanzierten Arbeiten ein positives Ergebnis gegenüber 34,9 Prozent bei anderer und 29,1 Prozent bei nicht genannter Finanzierung; das Verzerrungsrisiko blieb meist unklar.
11. Di Girolamo N, Giuffrida MA, Winter AL, Meursinge Reynders R. In veterinary trials reporting and communication regarding randomisation procedures is suboptimal. Veterinary Record, 2017 (Querschnittstudie | Mehrere Arten)DOI 10.1136/vr.104035
    Von 114 als randomisiert bezeichneten Studien aus fünf führenden veterinärmedizinischen Zeitschriften verwendeten 7 Prozent nachweislich nicht-zufällige Verfahren, 49 Prozent nannten kein Verfahren und nur 12,3 Prozent gaben Methode und Art der Randomisierung an.
12. Savović J, Jones HE, Altman DG, Harris RJ, Jüni P, Pildal J, Als-Nielsen B, Balk EM, Gluud C, Gluud LL, Ioannidis JPA, Schulz KF, Beynon R, Welton NJ, Wood L, Moher D, Deeks JJ, Sterne JAC. Influence of reported study design characteristics on intervention effect estimates from randomized, controlled trials. Annals of Internal Medicine, 2012 (Meta-Analyse | Mensch)DOI 10.7326/0003-4819-157-6-201209180-00537
    In 234 Metaanalysen mit 1'973 Studien war fehlende oder unklare Doppelverblindung im Mittel mit einer Übertreibung des Effekts um rund 13 Prozent verbunden; der Effekt ging vor allem auf Studien mit subjektiv erhobenen Endpunkten zurück, bei objektiven Endpunkten und Sterblichkeit fand sich kaum Hinweis auf Verzerrung.
13. Moustgaard H, Clayton GL, Jones HE, Boutron I, Jørgensen L, Laursen DRT, Olsen MF, Paludan-Müller A, Ravaud P, Savović J, Sterne JAC, Higgins JPT, Hróbjartsson A. Impact of blinding on estimated treatment effects in randomised clinical trials: meta-epidemiological study. BMJ, 2020 (Meta-Analyse | Mensch)DOI 10.1136/bmj.l6802
    In 142 Metaanalysen mit 1'153 Studien liess sich kein durchschnittlicher Unterschied der Effektschätzung zwischen verblindeten und unverblindeten Studien nachweisen; die Autorenschaft empfiehlt dennoch, Verblindung als methodische Sicherung beizubehalten.
14. Vinkers CH, Lamberink HJ, Tijdink JK, Heus P, Bouter L, Glasziou P, Moher D, Damen JA, Hooft L, Otte WM. The methodological quality of 176,620 randomized controlled trials published between 1966 and 2018 reveals a positive trend but also an urgent need for improvement. PLoS Biology, 2021 (Andere | Mensch)DOI 10.1371/journal.pbio.3001162
    Über 176'620 Zufallsstudien sank das Verzerrungsrisiko bei verdeckter Zuteilung von 63 auf 51 Prozent und bei der Erzeugung der Zufallsfolge von 57 auf 36 Prozent, während Vorabregistrierung von 37 auf 47 Prozent stieg; das Restrisiko bleibt hoch.
15. Wylie CE, Collins SN, Verheyen KLP, Newton JR. Risk factors for equine laminitis: a systematic review with quality appraisal of published evidence. The Veterinary Journal, 2012 (Systematische Übersichtsarbeit | Pferd)DOI 10.1016/j.tvjl.2011.10.020
    Von 17 vollständig beurteilten Publikationen lieferten nur 6 verlässliche Angaben; belegt war allein der Zusammenhang zwischen chronischer Hufrehe und steigendem Alter, während Geschlecht, Rasse und Körpergewicht widersprüchlich blieben.
16. Shimonovich M, Pearce A, Thomson H, Keyes K, Katikireddi SV. Assessing causality in epidemiology: revisiting Bradford Hill to incorporate developments in causal thinking. European Journal of Epidemiology, 2021 (Andere | Mensch)DOI 10.1007/s10654-020-00703-7
    Der Abgleich der neun Gesichtspunkte mit Kausalgrafen, Ursachenbündel-Modellen und dem GRADE-Verfahren stützt Stärke, zeitliche Abfolge, Plausibilität und Experiment, ersetzt Spezifität durch Negativkontrollen und findet für Kohärenz und Analogie kaum Nutzen.
17. Ioannidis JPA. Exposure-wide epidemiology: revisiting Bradford Hill. Statistics in Medicine, 2016 (Andere | Mensch)DOI 10.1002/sim.6825
    Die Neubewertung hält Experiment und Beständigkeit für tragfähig, sieht die zeitliche Abfolge als sinnvoll, aber schwer belegbar, und argumentiert, dass grosse Effekte in Beobachtungsdaten meist Verzerrung anzeigen statt Kausalität.
18. Hernán MA, Wang W, Leaf DE. Target Trial Emulation: A Framework for Causal Inference From Observational Data. JAMA, 2022 (Andere | Mensch)DOI 10.1001/jama.2022.21383
    Methodischer Leitfaden (JAMA Guide to Statistics and Methods): beschreibt, wie das explizite Protokoll einer hypothetischen Zufallsstudie in Beobachtungsdaten nachgebildet wird, und benennt die Grenze, dass damit selbstgemachte Designfehler vermieden werden, nicht aber unbeobachtete Störfaktoren.
19. Wang C, Tang D, von Dadelszen P, Ju C, Liu L, Wang Y, Magee LA. Concordance between target trial emulation and randomised controlled trials: systematic review and meta-analysis. BMJ, 2026 (Meta-Analyse | Mensch)DOI 10.1136/bmj-2025-086810
    Bei 107 Paaren aus Emulation und zugehöriger Zufallsstudie betrug die Übereinstimmung nach standardisierter Differenz 79 Prozent (85 von 107) bei einer Korrelation von 0,59; bei den 63 enger nachgebildeten Paaren stiegen die Werte auf 87 Prozent und 0,83.
20. Verbanck M, Chen CY, Neale B, Do R. Detection of widespread horizontal pleiotropy in causal relationships inferred from Mendelian randomization between complex traits and diseases. Nature Genetics, 2018 (Andere | Mensch)DOI 10.1038/s41588-018-0099-7
    Nebenwege der genetischen Instrumente waren in über 48 Prozent der als kausal ausgewiesenen Beziehungen nachweisbar, verzerrten die Schätzungen im Mittel um minus 131 bis plus 201 Prozent und erzeugten in bis zu 10 Prozent der Fälle Scheinkausalität.
21. Burgess S, Davey Smith G, Davies NM, Dudbridge F, Gill D, Glymour MM, Hartwig FP, Kutalik Z, Holmes MV, Minelli C, Morrison JV, Pan W, Relton CL, Theodoratou E. Guidelines for performing Mendelian randomization investigations: update for summer 2023. Wellcome Open Research, 2023 (Fachempfehlung | Mensch)DOI 10.12688/wellcomeopenres.15555.3
    Verlangt für jede Untersuchung Empfindlichkeitsanalysen mit mehreren, unterschiedlich anfälligen Rechenverfahren sowie eine ausdrückliche Prüfung der Instrumentenannahmen vor jeder Kausalaussage.
22. Fang A, Zhao Y, Yang P, Zhang X, Giovannucci EL. Vitamin D and human health: evidence from Mendelian randomization studies. European Journal of Epidemiology, 2024 (Meta-Analyse | Mensch)DOI 10.1007/s10654-023-01075-4
    Über 133 Untersuchungen mit 275 geprüften Gesundheitsfolgen blieb allein der Zusammenhang mit multipler Sklerose unabhängig von der Instrumentenwahl bestehen; die meisten übrigen Befunde traten nur bei erweiterter Instrumentenwahl auf.
23. Hill AB. The Environment and Disease: Association or Causation?. Proceedings of the Royal Society of Medicine, 1965 (Andere | Mensch)DOI 10.1177/003591576505800503
    Gründungstext: benennt neun Gesichtspunkte für den Übergang von der Assoziation zur Ursache und hält ausdrücklich fest, dass keiner davon zwingend erforderlich oder für sich allein hinreichend ist.