Eine Analysepopulation ist die vorab definierte Menge von Studienteilnehmenden und Daten, die für eine bestimmte statistische Auswertung verwendet wird. Sie legt fest, wer in eine Analyse eingeht und nach welchen Regeln Daten ein- oder ausgeschlossen werden. Analysepopulationen müssen zum Studienziel, zum Estimand und zur jeweiligen Analyse passen; ihre Kriterien gehören in das Protokoll oder den statistischen Analyseplan und dürfen nicht ergebnisgetrieben verändert werden.
Populationen nach Analysezweck
Eine klinische Studie kann mehrere Analysepopulationen benötigen, etwa für die primäre Wirksamkeitsanalyse, für Sicherheit oder für ergänzende Sensitivitätsanalysen. Jede Population beantwortet nur dann eine nachvollziehbare Frage, wenn Einschlusskriterien, Zuordnung zu Behandlungsgruppen und Umgang mit fehlenden Daten eindeutig definiert sind. ICH E6(R3) verlangt, die Auswahl der in geplante Analysen einbezogenen oder daraus ausgeschlossenen Teilnehmenden vorab festzulegen und Ausschlüsse klar zu begründen und zu dokumentieren.
Die Definition allein genügt nicht. Protokollabweichungen, Behandlungsbeginn, Endpunktverfügbarkeit und vorzeitige Studienbeendigung müssen in Datenbanken nachvollziehbar abgebildet sein. Nach Entblindung vorgenommene Änderungen an Analyse-Sets sind nur in außergewöhnlichen Umständen vertretbar und besonders transparent zu dokumentieren. Eine nachträglich zugeschnittene Population kann die Vergleichbarkeit der Gruppen und die Glaubwürdigkeit der Schlussfolgerung gefährden.
Für die Sicherheitsbewertung wird häufig eine Population definiert, die alle Personen mit mindestens einer tatsächlich erhaltenen Dosis umfasst; die genaue Definition muss jedoch zum Produkt und Studienablauf passen. Für Laborwerte, Exposition, patientenberichtete Endpunkte oder pharmakokinetische Daten können weitere Analyse-Sets erforderlich sein. Einheitliche Bezeichnungen sind weniger wichtig als vollständig dokumentierte Kriterien und eine klare Zuordnung zum jeweiligen Studienziel.
Fehlende Daten sind kein Anlass, Teilnehmende stillschweigend aus der primären Analyse zu entfernen. Die EMA weist darauf hin, dass der Ausschluss unvollständiger Fälle die Vergleichbarkeit der Gruppen beeinträchtigen und Schätzungen verzerren kann. Für jedes relevante Analyse-Set muss deshalb vorab beschrieben werden, wie fehlende Endpunkt- und Kovariatendaten behandelt werden und welche Sensitivitätsanalysen die Robustheit prüfen.
Abgrenzung zu Intention-to-Treat, Per-Protocol und Full Analysis Set
Analysepopulation ist der Oberbegriff. Intention-to-Treat bezeichnet ein Analyseprinzip, nach dem die Ergebnisse aller randomisierten Teilnehmenden entsprechend der randomisierten Behandlungsgruppe analysiert werden sollen, unabhängig von Adhärenz oder Protokolltreue. Es ist damit nicht einfach eine beliebige Liste von Personen, sondern ein Prinzip zur Erhaltung des randomisierten Vergleichs.
Full Analysis Set ist eine konkrete, in ICH E9 verwendete Bezeichnung für ein Analyse-Set, das dem Intention-to-Treat-Prinzip möglichst nahekommt. Per-Protocol bezeichnet dagegen ein Set mit vorab begründeten Einschränkungen, beispielsweise unter Ausschluss erheblicher Protokollabweichungen. Diese Begriffe sind nicht austauschbar: Welche Personen eingeschlossen werden, wie interkurrente Ereignisse berücksichtigt werden und welcher Estimand interessiert, muss jeweils ausdrücklich festgelegt sein.
Bezug zu Estimand und Sensitivitätsanalyse
Der Estimand beschreibt nach ICH E9(R1) den Behandlungseffekt, der die klinische Frage abbilden soll. Die Analysepopulation ist nur ein Baustein der Umsetzung: Sie entscheidet nicht allein, wie Therapieabbrüche, Folgetherapien oder Tod in der Fragestellung behandelt werden. Der gewählte Estimator und die Regeln für fehlende Daten müssen mit dem Estimand übereinstimmen.
In konfirmatorischen Studien wird die Primäranalyse häufig im Full Analysis Set durchgeführt, während Per-Protocol-Analysen oder alternative Annahmen ergänzend die Robustheit beurteilen können. Solche Analysen sollen nicht nachträglich den günstigsten Befund auswählen, sondern vorab definierte Unsicherheiten beleuchten. Abweichende Ergebnisse müssen erklärt werden; sie können die Interpretation eines behaupteten Behandlungseffekts einschränken.
Bedeutung für klinische Studien
Analysepopulationen verbinden operativen Studienverlauf und statistische Schlussfolgerung. Bereits bei der Planung muss klar sein, welche Daten bei Therapieabbruch weiter erhoben werden, wie schwerwiegende Protokollabweichungen bewertet werden und wie die Behandlungscodes in die Analyse überführt werden. Prüfende Stellen erwarten eine lückenlose Herleitung der Sets sowie eine konsistente Darstellung in Tabellen, Listings und im klinischen Studienbericht.
Full-Service-CROs wie Mediconomics unterstützen bei der Definition von Analyse-Sets im Protokoll und statistischen Analyseplan, bei der Datenvalidierung und bei der Reconciliation von Randomisierungs-, Behandlungs- und Endpunktdaten. Sie programmieren nachvollziehbare Auswertungen, dokumentieren Ein- und Ausschlussregeln und koordinieren Sensitivitätsanalysen sowie deren Beschreibung im klinischen Studienbericht.
Häufig gestellte Fragen (FAQ)
Gibt es nur eine Analysepopulation pro Studie?
Nein. Eine Studie kann unterschiedliche, vorab begründete Sets für Wirksamkeit, Sicherheit und ergänzende Analysen verwenden.
Darf die primäre Analyse nur vollständige Fälle umfassen?
In konfirmatorischen Studien ist dies im Allgemeinen nicht als Primäranalyse zu empfehlen, weil es das Intention-to-Treat-Prinzip verletzen und Verzerrung verursachen kann.
Ist eine Per-Protocol-Analyse immer strenger?
Sie ist stärker eingeschränkt, aber nicht automatisch aussagekräftiger. Ausschlüsse können den randomisierten Vergleich verändern und müssen vorab begründet sein.
Regulatorische Referenzen
- ICH E9, Statistical Principles for Clinical Trials — beschreibt das Full Analysis Set und Analyseprinzipien in konfirmatorischen Studien.
- ICH E9(R1), Addendum on Estimands and Sensitivity Analysis in Clinical Trials — verbindet Analyse mit dem vorab definierten Estimand.
- ICH E6(R3), Guideline for Good Clinical Practice — verlangt vorab definierte Kriterien für Analyse-Sets und deren Dokumentation.
- EMA Guideline on Missing Data in Confirmatory Clinical Trials — erläutert den Umgang mit fehlenden Daten im Full Analysis Set.