Baseline bezeichnet in einer klinischen Studie den vorab festgelegten Ausgangszustand einer teilnehmenden Person oder einer Studiengruppe, zu dem spätere Beobachtungen in Beziehung gesetzt werden. Dazu gehören demografische Merkmale, krankheitsbezogene Befunde und Ausgangswerte relevanter Messgrößen, soweit sie vor der Randomisierung oder dem Beginn der zu bewertenden Behandlung erhoben wurden. Die genaue zeitliche und methodische Definition steht im Prüfplan.
Funktion der Baseline im Studiendesign
Baseline-Daten beschreiben, welche Population tatsächlich in die Studie aufgenommen wurde. Sie machen klinisch bedeutsame Ausgangsunterschiede, etwa Schweregrad, Begleiterkrankungen, Vorbehandlungen oder prognostische Faktoren, transparent. In randomisierten Studien werden sie üblicherweise nach Behandlungsgruppen zusammengefasst, um die Zusammensetzung der Gruppen nachvollziehbar darzustellen. Die Baseline ersetzt jedoch nicht die Randomisierung und beweist auch nicht deren Erfolg durch Signifikanztests.
Für die spätere Auswertung ist entscheidend, welche Variable mit welcher Messmethode und in welchem Zeitfenster als Ausgangswert gilt. Bei wiederholten Messungen muss der Prüfplan beispielsweise regeln, ob der letzte zulässige Wert vor Randomisierung, vor erster Anwendung oder vor einer anderen definierten Referenzzeit maßgeblich ist. Ohne diese Festlegung können Veränderungen gegenüber der Baseline uneinheitlich berechnet und zwischen Teilnehmenden falsch verglichen werden.
Erhebung, Dokumentation und Datenqualität
Die für Einschluss, Stratifizierung, Sicherheit und Zielgrößen benötigten Ausgangsdaten sind im Prüfplan und in den Erhebungsinstrumenten konsistent abzubilden. Quellenunterlagen, elektronische Datenerfassung und Datenprüfungen müssen erkennen lassen, wann und wie der Wert erhoben wurde. Nicht jeder vor Studienbeginn vorhandene Befund ist automatisch eine Baseline-Variable: Relevanz entsteht durch die klinische Fragestellung, den Endpunkt oder eine vorab definierte Analyse.
Fehlende oder zeitlich falsch zugeordnete Ausgangswerte können die Interpretation von Verläufen erheblich beeinträchtigen. Deshalb müssen zulässige Messfenster, Umgang mit Wiederholungsmessungen und Regeln für fehlende Daten vorab festgelegt sein. ICH E8(R1) verlangt einen qualitätsorientierten Studienansatz, der Faktoren identifiziert, die für verlässliche Ergebnisse wesentlich sind. Dazu kann die kontrollierte Erhebung zentraler Ausgangsmerkmale gehören.
Baseline-Tabellen sollen die Daten beschreiben, nicht nachträglich die Behandlungsgruppen „testen“. Kleine Unterschiede können trotz korrekter Randomisierung zufällig auftreten, während klinisch relevante Unterschiede in ihrer Größenordnung transparent bleiben müssen. Bei der Planung ist ferner zu unterscheiden, ob eine Variable als Einschlussmerkmal, als Stratifizierungsfaktor, als Sicherheitsinformation oder als Kovariate der primären Analyse benötigt wird. Diese Verwendungszwecke können sich überschneiden, sind aber jeweils vorab zu dokumentieren.
Die protokollgerechte Baseline-Definition ist deshalb zugleich eine Voraussetzung für konsistente Daten und nachvollziehbare statistische Vergleiche.
Abgrenzung gegen Screening und Ausgangswert-Adjustierung
Screening dient vor allem dazu, Ein- und Ausschlusskriterien sowie die Eignung zur Studienteilnahme zu prüfen. Es kann zeitlich vor der Baseline liegen und dieselbe Untersuchung umfassen, ist aber kein Synonym für Baseline. Ein beim Screening erhobener Wert wird nur dann zum Baseline-Wert, wenn der Prüfplan ihn innerhalb des zulässigen Referenzfensters als solchen bestimmt. Die Baseline ist somit eine analytisch und operativ definierte Referenz, nicht schlicht der erste Kontakt mit dem Prüfzentrum.
Von der Baseline als Datensatz ist die Ausgangswert-Adjustierung zu unterscheiden. Diese ist ein statistisches Verfahren, bei dem vor Randomisierung gemessene Kovariaten im Analysemodell berücksichtigt werden. Nach der EMA-Leitlinie kann dies die Effizienz verbessern, wenn ein Ausgangsmerkmal mit dem primären Zielparameter assoziiert ist. Die einzubeziehenden Kovariaten müssen vorab begründet und spezifiziert werden; ein nachträglich beobachtetes Ungleichgewicht allein rechtfertigt keine Änderung der primären Analyse. Auch ein Endpunkt „Veränderung gegenüber Baseline“ ist nicht dasselbe wie eine modellbasierte Adjustierung für den Ausgangswert.
Bedeutung für klinische Studien
In der Studienpraxis verbinden Baseline-Regeln Prüfzentren, Datenmanagement und Biostatistik. Unklare Zeitfenster, abweichende Messverfahren oder unvollständige Ausgangswerte erzeugen Rückfragen, können Stratifizierungsangaben verfälschen und erschweren die Beurteilung von Behandlungseffekten. Bei objektiv messbaren primären Zielgrößen ist besonders wichtig, ob der Ausgangswert in die vorab geplante Analyse einfließt und ob die Modellannahmen geprüft werden.
Full-Service-CROs wie Mediconomics unterstützen bei der Übersetzung der klinischen Fragestellung in prüfplankonforme Baseline-Definitionen, bei der Gestaltung von eCRFs und Datenprüfungen sowie bei der Planung und Dokumentation vorab spezifizierter Kovariatenanalysen. Projektmanagement, Monitoring, Datenmanagement und Biostatistik stimmen dabei Messfenster, Quellenprüfung, Datenbereinigung und den statistischen Analyseplan aufeinander ab.
Die klare Zuordnung dient damit auch der Reproduzierbarkeit der Studie.
Häufig gestellte Fragen (FAQ)
Ist die Baseline immer der Tag der Randomisierung?
Nein. Der Prüfplan definiert den zulässigen Zeitpunkt oder das Zeitfenster. Für einzelne Variablen kann ein vor Randomisierung gemessener Wert maßgeblich sein.
Ist ein Screeningwert automatisch ein Baseline-Wert?
Nein. Das gilt nur, wenn der Prüfplan den Wert wegen Zeitpunkt, Methode und Gültigkeit ausdrücklich als Baseline-Wert zulässt.
Warum wird für den Ausgangswert adjustiert?
Eine vorab festgelegte Adjustierung kann die Präzision der Effektschätzung erhöhen, wenn der Ausgangswert den primären Zielparameter relevant beeinflusst.
Regulatorische Referenzen
- ICH E8(R1) „General Considerations for Clinical Studies“ – verlangt qualitätsorientierte Planung relevanter Datenerhebung.
- ICH E9 „Statistical Principles for Clinical Trials“ – behandelt vorab festgelegte statistische Prinzipien und Kovariaten.
- EMA/CHMP/295050/2013 „Guideline on adjustment for baseline covariates in clinical trials“ – konkretisiert Auswahl und Adjustierung von Baseline-Kovariaten.