Therapieentscheidung aufgrund von Metaanalysen

 

 Permissions and Reprints

Pro

Systematische Reviews und Metaanalysen sind heutzutage international anerkannte Methoden und werden von vielen Guidelines als höchste Evidenzstufe herangezogen (z. B. [1]).

Aufgrund einer enormen Informationsflut sind systematische Reviews und Metaanalysen unverzichtbar

Schätzungen zufolge werden in etwa 10 000 medizinischen Fachzeitschriften jährlich etwa zwei Millionen Artikel publiziert. Oder ein Allgemeinmediziner, der für sein Fachgebiet alle relevanten Beiträge erfassen will, müsste täglich etwa 19 Publikationen lesen (nach [2]). Beispielsweise gibt es in der Schizophreniebehandlung inzwischen mindestens 150 randomisierte Doppelblindstudien, die Antipsychotika der zweiten Generation („second generation antipsychotics” [SGA]) mit konventionellen Neuroleptika vergleichen, 78 doppelblinde Direktvergleiche zwischen SGA und viele weitere Studien zu Indikationen wie Demenz, Manie und Depression. Diese Informationsflut macht es für den Kliniker schlichtweg unmöglich, alle Artikel selbst zu lesen. Er ist auf methodisch gute Reviews angewiesen.

Metaanalysen sind konventionellen Reviews qualitativ überlegen und erlauben eine Quantifizierung von Effekten

Überspitzt dargestellt werden in einem konventionellen Review subjektiv ausgewählte Studien mehr oder weniger unstrukturiert zusammengefasst. Bei solch unsystematischem Vorgehen kann es leicht zu systematischen Fehlern kommen. In systematischen Reviews werden die Suchstrategie (wobei insbesondere auch nicht publizierte Studien berücksichtigt werden), die Ein- und Ausschlusskriterien der Studien und die zu untersuchenden Parameter a priori festgelegt. Zur Synthese der Daten werden in der Regel Metaanalysen herangezogen. Metaanalysen erlauben eine Quantifizierung der Effekte. In konventionellen Reviews wird hingegen meist nur auf die statistische Signifikanz einzelner Studien mit Hinblick auf den p-Wert abgezielt. Der p-Wert gibt aber nur Auskunft über die Wahrscheinlichkeit eines Ergebnisses, er sagt uns nichts über die Größe des Unterschieds zweier Interventionen. Diese Quantifizierung leisten die in Metaanalysen berechneten Effektstärken und ihre Umsetzung z. B. in die „number-needed-to-treat”. Die konventionelle Darstellung mit Schwerpunkt auf dem p-Wert überschätzt häufig die klinische Relevanz der Ergebnisse.

Metaanalysen helfen bei der Aufklärung von Publikationsbias und Heterogenität

Studien mit negativen Ergebnissen werden oftmals nicht publiziert, weil die Autoren (z. B. ein pharmazeutisches Unternehmen) kein Interesse daran haben [3]. Dieser Publikationsbias ist eines der größten Probleme der evidence-based medicine, denn wenn nur die positiven Studien in Reviews eingehen, wird dies als „evidence-biased medicine” bezeichnet. Im Gegensatz zu konventionellen Reviews bieten Metaanalysen statistische Methoden, einen solchen Publikationsbias zu identifizieren (z. B. durch „fail safe”-Berechnungen und funnel-plots). Metaregressionen untersuchen den Einfluss von Moderatoren wie z. B. unterschiedliche Dosierungen oder Patientencharakteristika auf die Ergebnisse. Sie können so im Gegensatz zu konventionellen Reviews dabei helfen, Gründe für unterschiedliche Ergebnisse aufzudecken.

Fehlende Alternativen

Es wurde postuliert, dass man sich eher an einzelnen randomisierten Studien als an Metaanalysen orientieren sollte [4]. Nur welche der oben genannten 150 randomisierten Doppelblindstudien sollen wir auswählen? Es besteht die Gefahr, dass die Studien ausgewählt werden, die das erwünschte Ergebnis zeigen. Zum Beispiel wird bei Direktvergleichen von SGAs das pharmazeutische Unternehmen A wahrscheinlich zu einer anderen Auswahl kommen als das Unternehmen B. Weil alle Studien randomisiert, doppelblind und insofern hochwertig waren, ist es unserer Erfahrung nach oft sehr schwierig, eindeutige Gründe dafür zu finden, warum eine Studie besser sein soll als eine andere. Für den viel beschäftigten Kliniker ist das unmöglich, zumal pharmazeutische Unternehmen dazu neigen, durch eine selektive Darstellung die Vorzüge ihres Präparats hervorzuheben [5]. Aber auch der wissenschaftliche Experte muss bei solchen Studienzahlen an seine Grenzen stoßen. Manchmal wird auch das Argument vorgebracht, die FDA fordere nur zwei positive Studien zur Zulassung [6]. Die FDA muss aber vor allem die Arzneimittelsicherheit gewährleisten, es geht weniger um eine klinisch relevante Wirksamkeit. Auch leuchtet es unmittelbar ein, dass aus z. B. 100 Studien nicht einfach a priori die beiden signifikanten die „richtigen” sein können.

Die klinische Erfahrung muss natürlich in die Entscheidungen einbezogen werden: „Unter evidence-based medicine versteht man die gewissenhafte und vernünftige Anwendung der besten zurzeit vorhandenen wissenschaftlich-empirischen Belege in Kombination mit der individuellen klinischen Erfahrung (klinische Expertise) bei medizinischen Entscheidungen” [2]. Es geht nicht um „Kochbuchmedizin”. Verlässt man sich aber nur auf die eigene Erfahrung, kann das zu Fehleinschätzungen führen. Als Beispiel sei die bis Ende der 80er-Jahre vielerorts praktizierte neuroleptische Hochdosistherapie genannt, die auf der Hoffnung „viel hilft viel” beruhte, bis Übersichtsarbeiten dies widerlegten [7].

Methodische Probleme von Metaanalysen

Die metaanalytische Kombination einzelner Studien wurde als „Vergleich von Äpfeln mit Birnen” kritisiert. Eine begrenzte Variabilität der einzelnen Studien ist durchaus erlaubt, denn auch im klinischen Alltag geht es um Patienten mit ähnlichen Charakteristika aber individuellen Unterschieden. Das meinte wohl auch Gene Glass, einer der Pioniere der Methode, mit seinem Zitat, die Kombination sei in Ordnung, solange man eine Aussage über „Obst” machen wolle [8]. Klare Einschlusskriterien, die grafische Darstellung der Ergebnisse in Forest Plots und Heterogenitätsstatistiken helfen dabei, Äpfel und Birnen auseinanderzuhalten. Die Grenzziehung ist aber zugegebenermaßen oft nicht trivial.

Des Weiteren wurde kritisiert, Metaanalysen seien durch die Kombination verschiedener Studien statistisch „überpowert” und überschätzten daher die Effekte. Dies trifft nicht zu, denn im Gegensatz zu narrativen Reviews wird ein Schwerpunkt auf die Größe des Effekts (Effektstärke) und nicht auf den p-Wert gelegt.

Schließlich wird vorgebracht, Metaanalysen bildeten Mittelwerte, welche die Unterschiede verwischten. Wissenschaftliche Ergebnisse sind aber immer Mittelwerte. Z. B. zeigt eine randomisierte Studie auch nichts anderes als den Mittelwert der eingeschlossenen Patienten. Kann man also nicht zeigen, dass bestimmte Studien eindeutig besser sind als andere, gibt es keinen rationalen Grund, nur diese heranzuziehen. Man kann in Metaanalysen eine Gewichtung nach der Studienqualität vornehmen. Hierbei ist aber zu beachten, dass man sich insgesamt auf einem hohen Niveau bewegt (randomisierte Doppelblindstudien) und es nicht klar ist, welchem Qualitätsparameter man wie viel Gewicht zukommen lassen soll.

Die Methode als solche ist zwar objektiv, aber auch metaanalytische Ergebnisse müssen interpretiert werden. Autoren mit verschiedenem Hintergrund und verschiedenen Einstellungen können zu unterschiedlichen Bewertungen kommen. So kommt zum Beispiel der Cochrane Review über Amisulprid [9] und Olanzapin trotz ähnlicher Ergebnisse [10] zu unterschiedlichen Bewertungen. Dies ist kein methodisches Problem im engeren Sinne, es muss aber an einer Vereinheitlichung der Interpretation gearbeitet werden.

Schlussfolgerung

Es gibt keinen Zweifel daran, dass gute Metaanalysen wichtige Instrumente der Evaluierung medizinischer Interventionen sind und dass Klinikern aufgrund von Informationsflut, Industriebias usw. häufig gar nichts anderes übrig bleibt, als sich an ihnen zu orientieren.

Literatur

• 1 Gaebel W, Falkai P, Weinmann S, Wobrock T. Behandlungsleitlinie Schizophrenie. Darmstadt; Steinkopff 2006
  Google Scholar
• 2 Berner M M, Rüther A, Stieglitz R D, Berger M. Evidence-based medicine in psychiatry – More rational psychiatry?.  Nervenarzt. 2000;  71 173-180
  CrossrefPubMedGoogle Scholar
• 3 Turner E H, Matthews A M, Linardatos E, Tell R A, Rosenthal R. Selective publication of antidepressant trials and its influence on apparent efficacy.  N Engl J Med. 2008;  358 252-260
  CrossrefPubMedGoogle Scholar
• 4 Maier W, Moeller H J. Meta-analyses.  Nervenarzt. 2007;  78 1028
  CrossrefPubMedGoogle Scholar
• 5 Heres S, Davis J, Maino K, Jetzinger E, Kissling W, Leucht S. Why olanzapine beats risperidone, risperidone beats quetiapine, and quetiapine beats olanzapine: An exploratory analysis of head-to-head comparison studies of second-generation antipsychotics.  Am J Psychiatry. 2006;  163 185-194
  CrossrefPubMedGoogle Scholar
• 6 Montgomery S A, Baldwin D S, Blier P, Fineberg N A, Kasper S, Lader M, Lam R W, Lepine J P, Moller H J, Nutt D J, Rouillon F, Schatzberg A F, Thase M E. Which antidepressants have demonstrated superior efficacy? A review of the evidence.  Int Clin Psychopharmacol. 2007;  22 323-329
  CrossrefPubMedGoogle Scholar
• 7 Baldessarini R J, Cohen B M, Teicher M H. Significance of neuroleptic dose and plasma level in the pharmacological treatment of psychoses.  Arch Gen Psychiatry. 1988;  45 79-91
  Google Scholar
• 8 Glass G H. In defense of generalization.  Behav Brain Sci. 1978;  3 394-395
  PubMedGoogle Scholar
• 9 Duggan L, Fenton M, Rathbone J, Dardennes R, El-Dosoky A, Indran S. Olanzapine for schizophrenia.  Cochrane Database Syst Rev. 2005;  2 , CD001359
  PubMedGoogle Scholar
• 10 Mota Neto J IS, Lima M S, Soares B GO. Amisulpride for schizophrenia.  Cochrane Database Syst Rev. 2002;  2 , CD001357
  PubMedGoogle Scholar
• 11 Möller H J, Maier W. Probleme der „evidence-based medicine” in der Psychopharmakotherapie. Problematik der Evidenzgraduierung und der Evidenzbasierung komplexer klinischer Entscheidungsprozesse.  Nervenarzt. 2007;  78 (9) 1014-1027
  CrossrefPubMedGoogle Scholar
• 12 Geddes J, Freemantle N, Harrison P, Bebbington P. Atypical antipsychotics in the treatment of schizophrenia: systematic overview and meta-regression analysis.  BMJ. 2000;  321 (7273) 1371-1376
  CrossrefPubMedGoogle Scholar
• 13 Davis J M, Chen N, Glick I D. A meta-analysis of the efficacy of second-generation antipsychotics.  Arch Gen Psychiatry. 2003;  60 (6) 553-564
  CrossrefPubMedGoogle Scholar
• 14 Zimbroff D L, Kane J M, Tamminga C A, Daniel D G, Mack R J, Wozniak P J, Sebree T B, Wallin B A, Kashkin K B. Controlled, dose-response study of sertindole and haloperidol in the treatment of schizophrenia. Sertindole Study Group.  Am J Psychiatry. 1997;  154 (6) 782-791
  Google Scholar
• 15 Leucht S, Pitschel-Walz G, Abraham D, Kissling W. Efficacy and extrapyramidal side-effects of the new antipsychotics olanzapine, quetiapine, risperidone, and sertindole compared to conventional antipsychotics and placebo. A meta-analysis of randomized controlled trials.  Schizophr Res. 1999;  35 (1) 51-68
  CrossrefPubMedGoogle Scholar
• 16 Davis J M, Chen N. The effects of olanzapine on the 5 dimensions of schizophrenia derived by factor analysis: combined results of the northe american and international trials.  J Clin Psychiatry. 2001;  62 (10) 757-771
  CrossrefPubMedGoogle Scholar

PD Dr. Stefan Leucht

Klinik und Poliklinik für Psychiatrie und Psychotherapie der TU München, Klinikum rechts der Isar

Ismaninger Straße 22

81675 München

Email: stefan.leucht@lrz.tum.de

Prof. Dr. med. Hans-Jürgen Möller

Direktor der Klinik und Poliklinik für Psychiatrie und Psychotherapie, Klinikum der Universität München

Nussbaumstraße 7

80336 München

Email: hans-juergen.moeller@med.uni-muenchen.de