Bias bezeichnet eine systematische Verzerrung, durch die ein geschätzter Effekt in klinischen Studien vom interessierenden Behandlungseffekt abweichen kann. Anders als zufällige Streuung wird Bias nicht durch eine größere Stichprobe allein beseitigt. Er kann aus Planung, Auswahl der Teilnehmenden, Durchführung, Erhebung, Auswertung oder Berichterstattung entstehen und die Glaubwürdigkeit von Wirksamkeits- wie Sicherheitsbefunden beeinträchtigen.
Typische Quellen von Bias
Eine Studie kann präzise, aber systematisch verzerrt sein. Ein enges Konfidenzintervall sagt nur, dass der geschätzte Wert unter den verwendeten Daten und Annahmen relativ genau bestimmt wurde; es beweist nicht, dass die Vergleichsgruppen fair verglichen wurden. Zufälliger Fehler wird in der Statistik über Streuung und Konfidenzintervalle beschrieben. Bias betrifft dagegen die Richtung oder Größenordnung der Schätzung und muss durch ein geeignetes Design und kontrollierte Prozesse begrenzt werden.
Die Risiken sind nicht auf eine einzelne Studienphase beschränkt. Unklare Endpunktdefinitionen, Unterschiede in der Begleitversorgung, unvollständige Nachverfolgung oder nachträgliche Änderungen der Analyse können jeweils den Schluss auf einen Behandlungseffekt beeinflussen. ICH E8(R1) verlangt deshalb, kritische Qualitätsfaktoren bereits bei der Planung zu identifizieren und das Design auf eine verlässliche Beantwortung der Forschungsfrage auszurichten.
Selektionsbias kann entstehen, wenn sich die Gruppen vor Behandlungsbeginn in prognostisch wichtigen Merkmalen unterscheiden oder die Zuteilung vorhersehbar ist. Leistungsbias ist möglich, wenn Gruppen neben der Studienintervention unterschiedlich betreut werden. Erfassungs- oder Beurteilungsbias droht, wenn die Kenntnis der Behandlung die Messung oder Bewertung eines Endpunkts beeinflusst. Fehlende Daten können weitere Verzerrung verursachen, insbesondere wenn ihr Auftreten mit Behandlung und Ergebnis zusammenhängt.
Auch Analyse- und Berichtsentscheidungen können Bias begünstigen. Werden nur günstige Subgruppen, Endpunkte oder Zeitpunkte hervorgehoben, entsteht kein belastbarer konfirmatorischer Nachweis. Vorab spezifizierte Ziele, Endpunkte, Analysepopulationen und Methoden verringern den Ermessensspielraum nach Kenntnis der Ergebnisse. Sensitivitätsanalysen prüfen, ob zentrale Schlussfolgerungen bei plausiblen alternativen Annahmen Bestand haben.
Prävention und Bewertung im Studienverlauf
Randomisierung mit verdeckter Zuteilung ist eine wesentliche Maßnahme gegen Selektionsbias. Verblindung kann Unterschiede in Betreuung, Endpunkterhebung und Bewertung reduzieren, wenn sie praktisch und ethisch möglich ist. Einheitliche Schulungen, klare Arbeitsanweisungen, zentral definierte Endpunkte und risikobasierte Überwachung unterstützen eine vergleichbare Durchführung. Die gewählten Maßnahmen müssen zum Risiko für Teilnehmende und zur Bedeutung der Daten passen.
Nach ICH E6(R3) sind Kriterien für Analyse-Sets, der Umgang mit fehlenden oder fehlerhaften Daten und relevante Änderungen nachvollziehbar zu dokumentieren. Datenqualität bedeutet dabei nicht maximale Datensammlung, sondern verlässliche Daten, die für die Studienziele wesentlich sind. Bei Auffälligkeiten genügt es nicht, nur einzelne Datenpunkte zu korrigieren; auch mögliche Ursachen und Folgen für die Interpretation müssen bewertet werden.
Abgrenzung zum Immortal Time Bias
Immortal Time Bias ist eine spezielle zeitbezogene Verzerrung in Beobachtungsanalysen. Er entsteht, wenn eine Zeitspanne, in der ein Ereignis definitionsgemäß nicht eintreten darf, der exponierten Gruppe zugerechnet wird oder wenn Exposition und Beobachtungsbeginn nicht gleich ausgerichtet sind. Er ist daher weder bloß ein Auswahlfehler noch ein Erinnerungsfehler und wird nicht allein durch allgemeine Qualitätskontrollen behoben.
Geeignete Gegenmaßnahmen sind eine präzise zeitabhängige Definition der Exposition, ein konsistenter Start der Beobachtung sowie gegebenenfalls zeitabhängige Modelle oder Landmark-Analysen. Der allgemeine Begriff Bias bleibt weiter: Er umfasst systematische Verzerrungen in unterschiedlichen Studientypen und Phasen. In randomisierten konfirmatorischen Prüfungen stehen insbesondere Randomisierung, Verblindung, Endpunktqualität und der Umgang mit fehlenden Daten im Mittelpunkt.
Bedeutung für klinische Studien
Bias kann eine positive Schlussfolgerung zugunsten der Prüfintervention erzeugen oder einen tatsächlichen Unterschied verdecken. Für konfirmatorische Studien sind daher transparente Vorabfestlegungen und eine nachvollziehbare Durchführung wichtig. Behörden und Auditoren beurteilen, ob die Daten geeignet sind, die Fragestellung zu beantworten, und ob Abweichungen, fehlende Daten oder Entblindungen die Vergleichbarkeit der Gruppen beeinträchtigen können.
Full-Service-CROs wie Mediconomics unterstützen bei der risikobasierten Studienplanung, der Erstellung von Protokoll und statistischem Analyseplan, der Schulung von Prüfzentren sowie beim Monitoring und Datenmanagement. Sie dokumentieren qualitätsrelevante Abweichungen, koordinieren Datenprüfungen und bereiten die Darstellung von Methoden, Abweichungen und Sensitivitätsanalysen für den klinischen Studienbericht vor.
Häufig gestellte Fragen (FAQ)
Ist Bias dasselbe wie eine ungenaue Schätzung?
Nein. Ungenauigkeit beschreibt zufällige Streuung; Bias ist eine systematische Abweichung, die auch bei vielen Teilnehmenden bestehen bleiben kann.
Beseitigt Randomisierung jeden Bias?
Sie reduziert vor allem Selektionsbias und verteilt bekannte wie unbekannte Prognosefaktoren im Mittel. Probleme bei Verblindung, Datenerhebung oder Nachverfolgung können dennoch bleiben.
Sind fehlende Daten immer ein Bias?
Nein, sie können aber zu Bias führen. Entscheidend ist, warum Daten fehlen und ob dies mit Behandlung oder nicht beobachtetem Ergebnis zusammenhängt.
Regulatorische Referenzen
- ICH E8(R1), General Considerations for Clinical Studies — fordert eine auf kritische Qualitätsfaktoren ausgerichtete Studienplanung.
- ICH E6(R3), Guideline for Good Clinical Practice — regelt Qualität, Dokumentation und den Umgang mit Datenabweichungen.
- ICH E9, Statistical Principles for Clinical Trials — verlangt vorab festgelegte, nachvollziehbare konfirmatorische Analysen.
- EMA Guideline on Missing Data in Confirmatory Clinical Trials — erläutert Verzerrungsrisiken durch fehlende Daten.