Evidenzgrade verstehen: was jede Studienform zeigt und was sie nicht zeigt

Was ein Evidenzgrad misst: Vertrauen, nicht Wahrheit

Ein Evidenzgrad ist eine Aussage über den Wissensstand, nicht über die Natur. Das von zahlreichen Fachorganisationen weltweit übernommene System GRADE unterscheidet vier Stufen: hohe, moderate, tiefe und sehr tiefe Sicherheit. Diese Stufen beantworten eine einzige Frage: Wie wahrscheinlich ist es, dass weitere gute Studien das heutige Ergebnis noch verschieben? Ein Konsensartikel einer internationalen Methodengruppe hat dieses Raster 2008 im British Medical Journal in seiner heute gebräuchlichen Form zusammengefasst. Er trennt zwei Dinge, die vorher regelmässig vermischt wurden: die Sicherheit der Evidenz und die Stärke einer daraus abgeleiteten Empfehlung.

Der wichtigste und am häufigsten übersehene Punkt: Die Sicherheit wird pro Endpunkt vergeben, nicht pro Studie und nicht pro Artikel. Eine Cochrane-Übersicht von 2023 zur Operation der Nebenschilddrüse fasste acht randomisierte Studien mit 447 Erwachsenen zusammen. Für den Endpunkt Heilung stufte das Autorenteam die Sicherheit als moderat ein, für die Knochendichte an der Lendenwirbelsäule in derselben Arbeit als sehr tief. Wer nur Titel und Fazit liest, hält beides für gleich gut belegt.

Warum stufen zwei Fachleute dieselbe Studie unterschiedlich ein?

Weil jede Abstufung ein Urteil verlangt: Wie gross muss eine Ungenauigkeit sein, damit sie zählt? Ist ein Widerspruch zwischen zwei Studien echt oder Zufall? GRADE macht diese Urteile sichtbar und begründungspflichtig, aber es nimmt sie niemandem ab. Zwei sorgfältige Teams können deshalb bei derselben Datenlage zu unterschiedlichen Stufen kommen.

Die Stufen und was jede von ihnen ausschliesst

Die klassische Rangordnung wird meist als Pyramide gezeichnet: unten Fallberichte und Laborversuche, darüber Beobachtungsstudien, dann randomisierte Studien, zuoberst systematische Übersichten. Diese Reihenfolge ist kein Ranking der Wichtigkeit, sondern eine Ordnung danach, welche alternative Erklärung ein Design ausschliessen kann. Ein Fallbericht schliesst nichts aus, er erzeugt eine Hypothese. Die Zuteilung per Los schliesst als einziges Verfahren auch unbekannte Störgrössen aus, weil sie den Zufall zwischen die Gruppen schiebt.

Die Stufe ist deshalb kein Qualitätsurteil über die Forschenden. Eine sorgfältig kontrollierte Kohortenstudie kann verlässlicher sein als eine schlecht durchgeführte randomisierte Studie, und eine Metaanalyse aus zehn schwachen Arbeiten bleibt schwach. Die Pyramide ordnet Designs, nicht einzelne Publikationen.

Randomisierung: was sie leistet und was sie nicht repariert

Wie viel Verzerrung eine nachlässige Randomisierung erzeugt, lässt sich messen. Eine Auswertung von 2'443 randomisierten Studien aus 228 Metaanalysen der Cochrane-Bibliothek verglich Arbeiten mit tiefem und mit unklarem oder hohem Verzerrungsrisiko. Studien ohne nachvollziehbare Zufallszuteilung, ohne verdeckte Gruppenzuteilung oder ohne Verblindung zeigten im Durchschnitt um rund acht bis dreizehn Prozent grössere Behandlungseffekte. Der Unterschied ist nicht dramatisch, aber systematisch und fast immer in dieselbe Richtung: zugunsten der geprüften Behandlung.

Fünf Dinge repariert die Randomisierung dagegen nicht: eine zu kleine Gruppe, einen Endpunkt, der niemanden interessiert, eine zu kurze Beobachtungszeit, eine stark ausgewählte Population und die selektive Berichterstattung der Ergebnisse. Genau diese fünf Punkte sind der Grund, weshalb GRADE eine randomisierte Studie so weit abwerten kann, bis sie auf der Sicherheitsstufe einer Beobachtungsstudie landet.

In der Tiermedizin ist die Berichterstattung dieser Punkte erst teilweise angekommen. Eine Durchsicht der Jahrgänge 2009 und 2019 einer Fachzeitschrift für Veterinäranästhesie fand, dass die vollständige Beschreibung der Randomisierung von 13,6 auf 85,7 Prozent stieg und die Angabe einer Fallzahlplanung von null auf 20 Prozent. Die Verblindung blieb bei rund der Hälfte der Arbeiten stehen und bewegte sich in zehn Jahren nicht. Kein einziger Punkt erreichte die Marke, die das Autorenteam als Ziel gesetzt hatte.

Beobachtungsstudien sind nicht automatisch schwächer

Die Pyramide legt nahe, dass Beobachtungsdaten grundsätzlich unzuverlässiger sind. Eine Cochrane-Methodenübersicht von 2014 prüft genau das: Vierzehn Methodenübersichten mit Daten aus 1'583 Metaanalysen zu 228 Krankheitsbildern verglichen die Effektschätzungen randomisierter und beobachtender Studien zur selben Frage. Im Mittel unterschieden sie sich nicht bedeutsam, und elf der vierzehn Übersichten fanden gar keinen Unterschied. Das Autorenteam schloss daraus nicht, dass Design gleichgültig sei, sondern dass andere Faktoren als das Etikett die Abweichungen erklären.

Für manche Fragen ist die Beobachtungsstudie ohnehin das einzig mögliche Design: seltene Schadwirkungen, lange Zeiträume, Situationen, in denen eine Zuteilung per Los nicht vertretbar wäre. Eine Übersichtsarbeit von 2025 schlägt deshalb vor, für Fragen der Arzneimittelsicherheit nach der Zulassung die Pyramide durch ein Amphitheater zu ersetzen: Alle Datenquellen stehen im Kreis um die Frage, keine steht automatisch oben.

Heisst das, ich darf Beobachtungsdaten wie randomisierte Daten lesen?

Nein. Der Befund gilt für den Durchschnitt über viele Fragen hinweg, nicht für die einzelne Studie vor Ihnen. Bei einer Beobachtungsstudie bleibt entscheidend, ob sich die verglichenen Gruppen schon vor der Behandlung unterschieden und ob dieser Unterschied ausgeglichen wurde. Fehlt dazu jede Angabe, ist das Ergebnis nicht interpretierbar.

Wer misst, entscheidet mit: das Problem der weichen Endpunkte

Je weicher der Endpunkt, desto stärker wirkt die Erwartung der messenden Person. Eine Zusammenfassung von zehn Tierversuchen mit insgesamt 2'450 Tieren verglich verblindete und unverblindete Beurteilung derselben Experimente. Die unverblindete Beurteilung übertrieb den Behandlungseffekt im Schnitt um 59 Prozent. Die Endpunkte waren in den meisten dieser Experimente subjektiv, also Beobachtungen statt Messwerte. Dieser Mittelwert wird allerdings von drei Versuchen mit sehr starker Abweichung getragen; ohne sie bleibt in den übrigen sieben eine Übertreibung von rund einem Fünftel, die statistisch nicht mehr gesichert ist.

In der Kleintiermedizin ist dieser Mechanismus direkt gemessen worden. In der Placebogruppe einer zulassungsrelevanten Studie mit 58 Hunden, die wegen Arthrose lahmten, sahen die Halterinnen und Halter in 39,7 Prozent der Fälle eine Besserung, die untersuchenden Tierärztinnen und Tierärzte bei der Lahmheitsbeurteilung in 44,8 Prozent. Die Kraftmessplatte zeigte im selben Zeitraum bei 46 der 58 Hunde keine Veränderung. Bei Katzen mit Gelenkschmerzen fanden fünf Studien mit 96 Tieren dasselbe Muster: 54 bis 74 Prozent der Placebotiere galten nach dem Urteil der Halterschaft als Erfolg, nach der objektiv gemessenen Aktivität nur 10 bis 63 Prozent.

Warum wirkt ein Placebo bei einem Tier, das nichts davon weiss?

Weil nicht das Tier den Endpunkt liefert, sondern der Mensch, der es beurteilt. Dazu kommt die Rückkehr zum Mittelwert: Behandelt wird meist dann, wenn die Beschwerden am stärksten sind, und danach folgt häufig ohnehin eine bessere Phase. Beides zusammen erzeugt eine sichtbare Besserung ohne jeden Wirkstoff.

GRADE im Detail: fünf Gründe abzuwerten, drei aufzuwerten

GRADE setzt randomisierte Studien zunächst auf hohe, beobachtende Studien auf tiefe Sicherheit und bewegt sie anschliessend. Fünf Gründe führen nach unten:

• Verzerrungsrisiko: keine verdeckte Zuteilung, keine Verblindung, viele Abbrüche ohne Erklärung.
• Widersprüchlichkeit: die Studien zeigen in verschiedene Richtungen, ohne dass sich das erklären lässt.
• Indirektheit: andere Population, anderer Vergleich, oder ein Ersatzendpunkt statt dessen, was zählt.
• Ungenauigkeit: zu wenige Ereignisse, das Ergebnis verträgt sich mit Nutzen und mit Schaden gleichzeitig.
• Verdacht auf Publikationslücken: auffällig viele kleine positive Studien, kaum kleine negative.

Drei Gründe erlauben umgekehrt eine Aufwertung von Beobachtungsdaten: ein sehr grosser Effekt, eine saubere Dosis-Wirkungs-Beziehung und Störgrössen, die den gefundenen Effekt eher verkleinert als vergrössert hätten. Eine Beobachtungsstudie kann so auf moderate Sicherheit steigen, eine randomisierte auf sehr tiefe fallen. Die Pyramide ist in GRADE also kein fixes Regal, sondern eine Startposition.

Sicherheit der Evidenz und Stärke einer Empfehlung sind zwei verschiedene Achsen, und sie fallen oft auseinander. Eine systematische Durchsicht von 133 Leitlinien mit 433 Empfehlungen zur Akupunktur fand 303 Empfehlungen mit GRADE-Bewertung. 131 davon waren stark formuliert, und 104 dieser starken Empfehlungen stützten sich auf tiefe oder sehr tiefe Sicherheit. Eine entschiedene Formulierung ist damit kein Beleg für entschiedene Daten.

Wo die Pyramide bricht: Übersichten, Artgrenzen und dünne Datenlagen

Die systematische Übersicht steht in der klassischen Zeichnung zuoberst. Ein vielzitierter Vorschlag von 2016 nimmt sie aus der Pyramide heraus und macht sie zur Linse, durch die man die darunterliegenden Stufen betrachtet. Der Grund ist einfach: Eine Übersicht erzeugt keine neuen Daten. Sie kann nur ordnen und gewichten, was bereits vorhanden ist.

Wie nötig diese Korrektur ist, zeigt eine Bestandsaufnahme aus demselben Jahr. Zwischen 1991 und 2014 wuchs die Zahl der jährlich publizierten systematischen Übersichten um 2'728 Prozent, während alle indexierten Arbeiten zusammen um 153 Prozent zunahmen. Zu Antidepressiva bei Depression erschienen allein zwischen 2007 und 2014 185 Metaanalysen. Der Autor kam zum Schluss, dass die grosse Mehrheit der produzierten Übersichten überflüssig, irreführend oder von Interessen geprägt sei.

In der Pferdemedizin ist das umgekehrte Problem die Regel: zu wenig statt zu viel. Eine systematische Übersicht von 2024 zu Wirkstoffen gegen das Equine Herpesvirus 1 sichtete 7'009 Publikationen und behielt neun; das Verzerrungsrisiko war mittel bis hoch, die Gruppen klein. Eine Übersicht zu Elektrotherapien bei Pferd, Hund und Katze sichtete 5'385 Publikationen, schloss 41 ein und kam auf durchschnittlich 3,7 Arbeiten pro Verfahren, wovon 20 ein hohes Verzerrungsrisiko trugen. Die Schlüsse fallen entsprechend zurückhaltend aus: Das Team zu den Elektrotherapien hält die Evidenz für keine einzige Anwendung bei Pferd, Hund oder Katze für ausreichend, das Team zum Herpesvirus sah bei allen geprüften Wirkstoffen bestenfalls einen minimalen oder begrenzten Nutzen.

Die zweite Bruchstelle ist der Artwechsel. Eine systematische Übersicht verglich sechs Behandlungen, für die beim Menschen ein eindeutiges Ergebnis vorlag, mit den zugehörigen Tierversuchen. Bei Kortikosteroiden nach Schädel-Hirn-Trauma zeigten die Tiermodelle einen Nutzen, die klinischen Studien keinen. Der Wirkstoff Tirilazad verkleinerte im Tiermodell das Infarktgebiet um 29 Prozent und verbesserte die neurologischen Werte um 48 Prozent, während es Schlaganfallpatientinnen und -patienten unter demselben Wirkstoff schlechter ging als ohne.

Ein Teil dieser Diskordanz geht auf Methodik zurück, nicht auf Biologie. Eine Übersicht über 31 systematische Übersichten von Tierstudien fand, dass 29 Prozent der Einzelstudien überhaupt eine Randomisierung berichteten, 15 Prozent eine verdeckte Zuteilung und 35 Prozent eine verblindete Endpunktbeurteilung. Eine Schweizer Auswertung von 1'277 Tierversuchsgesuchen fand die sieben üblichen Massnahmen gegen Verzerrung in nur 2,4 bis 19 Prozent der Gesuche überhaupt beschrieben.

Eine Studienmeldung in fünf Minuten einordnen

Die folgenden sieben Fragen lassen sich an fast jeder Meldung prüfen, meist schon an der Zusammenfassung. Sie ersetzen keine formale Bewertung, trennen aber zuverlässig die Meldungen, die etwas zeigen, von denen, die etwas behaupten.

1. Welche Art wurde untersucht: Mensch, Pferd, anderes Tier, Zellkultur? Steht es nicht da, ist das bereits eine Information.
2. Welches Design: Zuteilung per Los, Beobachtung, Laborversuch, Übersicht?
3. Wie viele Beteiligte? Zwanzig Tiere und zweitausend Menschen tragen nicht dieselbe Last.
4. Welcher Endpunkt: ein Laborwert oder etwas, das für Tier oder Person spürbar ist?
5. Wer hat beurteilt: ein Gerät, eine verblindete Person oder jemand, der die Behandlung kannte?
6. Über welchen Zeitraum? Sechs Wochen sagen nichts über zwei Jahre.
7. Gab es eine Vergleichsgruppe? Ohne Vergleich ist jede Besserung mehrdeutig.

Was am Ende einer systematischen Übersicht übrig bleibt

Eigene Auswertung

Grenzen und Unsicherheiten

• Die zitierten Durchschnittswerte stammen aus der Methodenforschung und gelten für viele Fragen zusammen. Sie sagen nicht voraus, wie stark eine bestimmte Einzelstudie verzerrt ist.
• GRADE und die Evidenzpyramide sind Konventionen einer Fachgemeinschaft, keine experimentellen Befunde. Ihre Anwendung verlangt Urteile, die zwischen Bewertenden variieren.
• Der Vergleich randomisierter und beobachtender Studien stützt sich auf Methodenübersichten sehr unterschiedlicher Qualität; nur eine Minderheit davon war bezüglich selektiver Berichterstattung als risikoarm eingestuft. Moderne kausale Analyseverfahren waren darin gar nicht vertreten.
• Die Zahlen zum Betreuer-Placeboeffekt stammen von Hunden und Katzen. Für das Pferd hat diese Recherche keine vergleichbare Quantifizierung gefunden.
• Mehrere zentrale Methodenarbeiten stammen aus den Jahren 2007 bis 2016 und wurden bis heute nicht durch neuere Synthesen ersetzt. Ob ihre Zahlen die heutige Praxis noch abbilden, ist offen.
• Die veterinärmedizinische Methodenliteratur ist dünn: Ein Teil der hier verwendeten Belege kommt aus der Anästhesie und der Kleintiermedizin, nicht aus der Pferdemedizin.

Offene Fragen

• Wie gross ist der Betreuer-Placeboeffekt beim Pferd, wo Lahmheit meist visuell benotet wird?
• Verringern objektive Bewegungsmesssysteme diesen Effekt in klinischen Studien tatsächlich, oder verschieben sie ihn nur?
• Braucht GRADE für tierärztliche Fragen eine Anpassung, wenn zu einem Verfahren weltweit nur drei oder vier Studien existieren?
• Verringern automatisierte Evidenzsynthesen die Redundanz der Übersichtsarbeiten oder vergrössern sie sie?

Häufige Fragen

Ist eine randomisierte Studie immer besser als eine Beobachtungsstudie?

Nein, aber sie beantwortet eine andere Frage. Die Zuteilung per Los ist das einzige Verfahren, das auch unbekannte Unterschiede zwischen den Gruppen ausgleicht, und deshalb der stärkste Schutz gegen Trugschlüsse über Ursachen. Sie schützt jedoch nicht vor zu kleinen Gruppen, kurzen Beobachtungszeiten oder unpassenden Endpunkten. In einer Auswertung von 1'583 Metaanalysen unterschieden sich randomisierte und beobachtende Ergebnisse zur selben Frage im Mittel nicht bedeutsam. Für seltene Schäden und lange Zeiträume bleibt die Beobachtungsstudie das einzig praktikable Design.

Was bedeutet „sehr tiefe Sicherheit der Evidenz“ konkret?

Es bedeutet, dass der wahre Effekt sehr wahrscheinlich deutlich anders liegt als das berichtete Ergebnis, in eine unbekannte Richtung. Die Aussage ist damit keine Grundlage für eine Entscheidung, sondern eine Beschreibung des Forschungsstands. Wichtig: Sehr tiefe Sicherheit heisst nicht, dass die Behandlung nicht wirkt. Sie heisst, dass wir es nicht wissen. In einer Übersicht von 2019 zu Nahrungsergänzung bei ungeklärter Unfruchtbarkeit lag die Sicherheit für sämtliche Endpunkte auf dieser Stufe, obwohl 59 randomisierte Studien eingeschlossen waren.

Warum steht eine einzelne Studie nie zuoberst, auch wenn sie gut gemacht ist?

Weil eine einzelne Studie ihr eigenes Ergebnis nicht überprüfen kann. Zufall, lokale Besonderheiten der Population und Entscheidungen bei der Auswertung wirken in jeder einzelnen Arbeit mit, und erst die Wiederholung durch unabhängige Gruppen trennt Signal von Rauschen. Eine gut gemachte Einzelstudie kann trotzdem das Beste sein, was zu einer Frage existiert. Sie bleibt dann die beste verfügbare Grundlage, aber mit tiefer Sicherheit, nicht mit hoher.

Zählt eine Studie an Pferden als Beleg für Menschen?

Nein, und umgekehrt ebenso wenig. Eine systematische Übersicht verglich sechs Behandlungen mit eindeutigem Ergebnis beim Menschen mit den zugehörigen Tierversuchen und fand mehrere klare Widersprüche: Ein Wirkstoff verkleinerte im Tiermodell das Infarktgebiet um 29 Prozent, während es Schlaganfallpatientinnen und -patienten unter demselben Wirkstoff schlechter ging. Ein Tierergebnis begründet eine Hypothese für die andere Art, mehr nicht. Die Prüfung muss in der Zielart und in der Zielpopulation stattfinden.

Woran erkenne ich eine schwache Studienmeldung in den Medien?

An dem, was fehlt. Nennt der Text weder die untersuchte Art noch die Anzahl der Beteiligten, noch eine Vergleichsgruppe, noch den Beobachtungszeitraum, dann fehlt die Grundlage für jede Einordnung. Ein zweites Warnzeichen ist die Verwechslung von Zusammenhang und Ursache: Formulierungen wie „senkt das Risiko“ setzen ein Design voraus, das Ursachen prüfen kann. Ein drittes ist der Ersatzendpunkt: Ein verbesserter Laborwert ist nicht dasselbe wie ein verbessertes Befinden.

Warum werden hier Methodenarbeiten von 2007 oder 2014 zitiert?

Weil sie in ihrer Fragestellung bis heute nicht ersetzt wurden. Die Cochrane-Methodenübersicht zum Vergleich randomisierter und beobachtender Ergebnisse liegt bis heute in der Fassung von 2014 vor; die Zusammenstellung zur Übereinstimmung von Tierversuch und klinischer Studie stammt von 2007. In der Methodenforschung altert eine Arbeit langsamer als in der klinischen Forschung, weil sie Verfahren untersucht, nicht Wirkstoffe. Wo neuere Zahlen existieren, sind sie hier vorgezogen worden.

Quellen

1. Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, Schünemann HJ. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ, 2008 (Andere | Artunabhängig)DOI 10.1136/bmj.39489.470347.AD
   Stellt das GRADE-Raster vor und begründet die strikte Trennung zwischen der Sicherheit der Evidenz (vier Stufen) und der Stärke einer Empfehlung.
2. Murad MH, Asi N, Alsawas M, Alahdab F. New evidence pyramid. Evidence-Based Medicine, 2016 (Andere | Artunabhängig)DOI 10.1136/ebmed-2016-110401
   Argumentiert, dass systematische Übersichten und Metaanalysen keine oberste Stufe der Pyramide sind, sondern das Werkzeug, mit dem die darunterliegenden Stufen gelesen werden.
3. 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 Daten aus 1'583 Metaanalysen zu 228 Krankheitsbildern unterschieden sich die Effektschätzungen randomisierter und beobachtender Studien im Mittel nicht bedeutsam; 11 der 14 Übersichten fanden gar keinen Unterschied.
4. Savović J, Turner RM, Mawdsley D, Jones HE, Beynon R, Higgins JPT, Sterne JAC. Association Between Risk-of-Bias Assessments and Results of Randomized Trials in Cochrane Reviews: The ROBES Meta-Epidemiologic Study. American Journal of Epidemiology, 2018 (Meta-Analyse | Mensch)DOI 10.1093/aje/kwx344
   In 2'443 randomisierten Studien aus 228 Metaanalysen waren die Behandlungseffekte bei unklarem oder hohem Verzerrungsrisiko für Zufallszuteilung, verdeckte Zuteilung und Verblindung im Schnitt um rund 8 bis 13 Prozent übertrieben.
5. Perel P, Roberts I, Sena E, Wheble P, Briscoe C, Sandercock P, Macleod M, Mignini LE, Jayaram P, Khan KS. Comparison of treatment effects between animal experiments and clinical trials: systematic review. BMJ, 2007 (Systematische Übersichtsarbeit | Mehrere Arten)DOI 10.1136/bmj.39048.407928.BE
   Bei sechs Behandlungen mit eindeutigem klinischem Ergebnis stimmten Tierversuch und klinische Studie mehrfach nicht überein: Tirilazad verkleinerte im Tiermodell das Infarktgebiet um 29 Prozent, während es Schlaganfallpatienten damit schlechter ging.
6. Hirst JA, Howick J, Aronson JK, Roberts N, Perera R, Koshiaris C, Heneghan C. The need for randomization in animal trials: an overview of systematic reviews. PLoS ONE, 2014 (Systematische Übersichtsarbeit | Mehrere Arten)DOI 10.1371/journal.pone.0098856
   In 31 systematischen Übersichten von Tierstudien berichteten 29 Prozent der Einzelstudien eine Randomisierung, 15 Prozent eine verdeckte Zuteilung und 35 Prozent eine verblindete Endpunktbeurteilung; fehlende Randomisierung vergrösserte die Effektschätzungen.
7. Bello S, Krogsbøll LT, Gruber J, Zhao ZJ, Fischer D, Hróbjartsson A. Lack of blinding of outcome assessors in animal model experiments implies risk of observer bias. Journal of Clinical Epidemiology, 2014 (Meta-Analyse | Mehrere Arten)DOI 10.1016/j.jclinepi.2014.04.008
   In zehn Tierversuchen mit 2'450 Tieren, die verblindet und unverblindet beurteilt wurden, übertrieb die unverblindete Beurteilung den Effekt im Mittel um 59 Prozent; die Endpunkte waren meist subjektiv. Der Wert wird von drei Pestizidversuchen mit sehr grosser Abweichung getragen: in den übrigen sieben Versuchen betrug die Übertreibung rund 18 Prozent und war statistisch nicht gesichert.
8. Conzemius MG, Evans RB. Caregiver placebo effect for dogs with lameness from osteoarthritis. Journal of the American Veterinary Medical Association, 2012 (Randomisierte Studie | Mehrere Arten)DOI 10.2460/javma.241.10.1314
   In der Placebogruppe (58 Hunde) sahen Halterinnen und Halter in 39,7 Prozent der Fälle eine Besserung und Tierärzte in 44,8 Prozent, während die Kraftmessplatte bei 46 der 58 Hunde keine Veränderung zeigte.
9. Gruen ME, Dorman DC, Lascelles BDX. Caregiver placebo effect in analgesic clinical trials for cats with naturally occurring degenerative joint disease-associated pain. Veterinary Record, 2017 (Andere | Mehrere Arten)DOI 10.1136/vr.104168
   Sekundärauswertung der Placebogruppen: Eine Literaturübersicht fand sechs placebokontrollierte Studien, fünf davon mit auswertbaren Daten zu 96 Katzen; 54 bis 74 Prozent galten nach dem Urteil der Halterschaft als Erfolg, nach objektiv gemessener Aktivität nur 10 bis 63 Prozent.
10. Munro BA, Bergen P, Pang DSJ. Randomization, blinding, data handling and sample size estimation in papers published in Veterinary Anaesthesia and Analgesia in 2009 and 2019. Veterinary Anaesthesia and Analgesia, 2022 (Querschnittstudie | Mehrere Arten)DOI 10.1016/j.vaa.2021.09.004
    Die vollständige Beschreibung der Randomisierung stieg zwischen 2009 und 2019 von 13,6 auf 85,7 Prozent und die Fallzahlplanung von 0 auf 20 Prozent, die Verblindung blieb bei rund 50 Prozent; kein Punkt erreichte die gesetzte Zielmarke.
11. Vogt L, Reichlin TS, Nathues C, Würbel H. Authorization of Animal Experiments Is Based on Confidence Rather than Evidence of Scientific Rigor. PLoS Biology, 2016 (Querschnittstudie | Mehrere Arten)DOI 10.1371/journal.pbio.2000598
    In 1'277 Schweizer Tierversuchsgesuchen waren sieben Standardmassnahmen gegen Verzerrung nur in 2,4 bis 19 Prozent der Gesuche überhaupt beschrieben, in den daraus entstandenen Publikationen in 0 bis 34 Prozent.
12. Tang X, Shi X, Zhao H, Lu L, Chen Z, Feng Y, Liu L, Duan R, Zhang P, Xu Y, Cui S, Gong F, Fei J, Xu NG, Jing X, Guyatt G, Zhang YQ. Characteristics and quality of clinical practice guidelines addressing acupuncture interventions: a systematic survey of 133 guidelines and 433 acupuncture recommendations. BMJ Open, 2022 (Querschnittstudie | Mensch)DOI 10.1136/bmjopen-2021-058834
    Von 303 mit GRADE bewerteten Empfehlungen waren 131 stark formuliert, davon stützten sich 104 auf tiefe oder sehr tiefe Sicherheit der Evidenz.
13. Pappachan JM, Lahart IM, Viswanath AK, Borumandi F, Sodi R, Metzendorf MI, Bongaerts B. Parathyroidectomy for adults with primary hyperparathyroidism. Cochrane Database of Systematic Reviews, 2023 (Systematische Übersichtsarbeit | Mensch)DOI 10.1002/14651858.CD013035.pub2
    In derselben Übersicht (8 randomisierte Studien, 447 Erwachsene) wurde die Sicherheit für den Endpunkt Heilung als moderat und für die Knochendichte an der Lendenwirbelsäule als sehr tief eingestuft.
14. Goehring L, Dorman DC, Osterrieder K, Burgess BA, Dougherty K, Gross P, Neinast C, Pusterla N, Soboll-Hussey G, Lunn DP. Pharmacologic interventions for the treatment of equine herpesvirus-1 in domesticated horses: A systematic review. Journal of Veterinary Internal Medicine, 2024 (Systematische Übersichtsarbeit | Pferd)DOI 10.1111/jvim.17016
    Von 7'009 gesichteten Publikationen erfüllten neun die Kriterien; das Verzerrungsrisiko war mittel bis hoch und die Gruppen klein, und das Autorenteam sah für alle geprüften Wirkstoffe nur einen minimalen oder begrenzten Nutzen, vorbeugend wie nach Ansteckung.
15. Hyytiäinen HK, Boström A, Asplund K, Bergh A. A Systematic Review of Complementary and Alternative Veterinary Medicine in Sport and Companion Animals: Electrotherapy. Animals, 2022 (Systematische Übersichtsarbeit | Mehrere Arten)DOI 10.3390/ani13010064
    Von 5'385 gesichteten Publikationen wurden 41 eingeschlossen, im Schnitt 3,7 pro Verfahren; 20 davon trugen ein hohes Verzerrungsrisiko und die Evidenz reichte für keine klinische Anwendung bei Pferd, Hund oder Katze aus.
16. Lai NM, Chang SMW, Ng SS, Tan SL, Chaiyakunapruk N, Stanaway F. Animal-assisted therapy for dementia. Cochrane Database of Systematic Reviews, 2019 (Systematische Übersichtsarbeit | Mensch)DOI 10.1002/14651858.CD013243.pub2
    Neun randomisierte Studien mit 305 Teilnehmenden (eine davon mit Pferden) ergaben tiefe Sicherheit für eine leichte Verringerung depressiver Symptome und keinen klaren Effekt auf die Lebensqualität; alle Studien hatten ein hohes Risiko für Durchführungsverzerrung.
17. Omar MI, Pal RP, Kelly BD, Bruins HM, Yuan Y, Diemer T, Krausz C, Tournaye H, Kopa Z, Jungwirth A, Minhas S. Benefits of Empiric Nutritional and Medical Therapy for Semen Parameters and Pregnancy and Live Birth Rates in Couples with Idiopathic Infertility: A Systematic Review and Meta-analysis. European Urology, 2019 (Meta-Analyse | Mensch)DOI 10.1016/j.eururo.2018.12.022
    Aus 5'663 gesichteten Treffern wurden 61 Studien eingeschlossen, davon 59 randomisierte; die Sicherheit der Evidenz blieb nach GRADE für sämtliche Endpunkte sehr tief.
18. Ioannidis JPA. The Mass Production of Redundant, Misleading, and Conflicted Systematic Reviews and Meta-analyses. The Milbank Quarterly, 2016 (Andere | Artunabhängig)DOI 10.1111/1468-0009.12210
    Zwischen 1991 und 2014 stieg die Zahl jährlich publizierter systematischer Übersichten um 2'728 Prozent gegenüber 153 Prozent für alle indexierten Arbeiten; allein zu Antidepressiva erschienen 2007 bis 2014 185 Metaanalysen, und der Autor hält die Mehrheit dieser Produktion für überflüssig oder irreführend.
19. Shakir S, Lane S. From a pyramid to an amphitheatre (triangle to circle): embracing the totality of evidence for the postmarketing evaluation of the safety of therapeutic interventions. BMJ Open, 2025 (Andere | Mensch)DOI 10.1136/bmjopen-2025-103538
    Argumentiert, dass die starre Evidenzpyramide für Sicherheitsfragen nach der Zulassung ungeeignet ist, und schlägt ein hierarchiefreies Modell vor, in dem randomisierte und reale Versorgungsdaten einander ergänzen.