Der Median ist ein Lagemaß der Statistik und bezeichnet den Wert, der eine geordnete Datenreihe in zwei gleich große Hälften teilt.
In klinischen Studien, Registeranalysen und Gesundheitsökonomie wird der Median häufig genutzt, weil er im Vergleich zum arithmetischen Mittel robuster gegenüber Ausreißern ist.
Definition und Berechnung
Zur Berechnung werden die Beobachtungen zunächst sortiert. Bei einer ungeraden Anzahl an Werten ist der Median der mittlere Wert. Bei einer geraden Anzahl wird meist der Mittelwert der beiden mittleren Werte verwendet.
Wichtig ist, dass der Median die Rangposition beschreibt und nicht die „typische“ Abweichung vom Zentrum; dafür werden zusätzliche Maße wie Interquartilsabstand oder Spannweite berichtet.
Warum der Median in der klinischen Forschung so häufig ist
Viele klinische Variablen sind schief verteilt (z.B. Krankenhausverweildauer, Kosten pro Patient, Biomarkerwerte). Der Median liefert in solchen Fällen eine stabile Kennzahl, die nicht durch wenige extreme Werte dominiert wird.
In Berichten werden Median und Interquartilsabstand oft gemeinsam dargestellt, um sowohl Zentrum als auch Streuung verständlich abzubilden.
Median in Zeit-zu-Ereignis-Analysen (Survival-Analyse)
In der Survival-Analyse wird häufig die mediane Überlebenszeit berichtet. Sie ist der Zeitpunkt, zu dem 50% der Studienteilnehmenden ein Ereignis (z.B. Tod, Progression) erlebt haben.
Wenn weniger als 50% Ereignisse beobachtet werden, kann die mediane Überlebenszeit „nicht erreicht“ sein. Dann sind alternative Kennzahlen wie Hazard Ratio, Ereignisraten oder Überlebenswahrscheinlichkeiten zu definierten Zeitpunkten sinnvoll.
Interpretation, Grenzen und typische Missverständnisse
Ein häufiges Missverständnis ist, den Median als „Durchschnitt“ zu lesen. Während das arithmetische Mittel alle Werte berücksichtigt, basiert der Median ausschließlich auf der Sortierung und der Mittellage.
Der Median allein kann zudem unterschiedliche Verteilungen verdecken. Zwei Gruppen können denselben Median haben, aber stark unterschiedliche Streuung oder unterschiedliche Anteile extremer Werte. Deshalb ist die ergänzende Darstellung der Verteilung (z.B. Boxplots) wichtig.
Praxisbezug: Berichterstattung im Studienbericht und in HTA-Kontexten
In Clinical-Study-Reports und in Health-Technology-Assessment-Dossiers werden Mediane häufig in Tabellen und Kaplan-Meier-Darstellungen verwendet. Entscheidend ist eine konsistente Definition, inklusive Umgang mit Zensierung und klarer Angabe, ob Konfidenzintervalle berechnet wurden.
Für HTA und Erstattung können Mediane in Kosten- und Nutzendaten hilfreich sein, sollten aber je nach Fragestellung durch Mittelwerte oder Modellierungen ergänzt werden, weil Budget-Impact-Analysen häufig Summen und Erwartungswerte benötigen.
FAQ
Wann ist der Median besser geeignet als das arithmetische Mittel?
Wenn die Daten stark schief verteilt sind oder Ausreißer enthalten (z.B. Kosten, Verweildauern, Laborwerte), ist der Median häufig aussagekräftiger für die typische Lage.
Kann man aus Medians allein die klinische Relevanz ableiten?
Meist nicht. Mediane sind deskriptiv. Für klinische Schlussfolgerungen braucht es zusätzlich Effektmaße, Unsicherheitsangaben (Konfidenzintervalle) und einen vordefinierten Vergleich im Analyseplan.
Was bedeutet „Median nicht erreicht“ in Kaplan-Meier-Kurven?
Das bedeutet, dass bis zum Auswertungszeitpunkt weniger als 50% der Teilnehmenden ein Ereignis hatten. Die mediane Zeit-zu-Ereignis kann dann nicht geschätzt werden; alternative Kennzahlen sollten berichtet werden.
Regulatorische Referenzen: EU-Verordnung (EU) Nr. 536/2014 (Clinical-Trials-Regulation); ICH E6(R3) Good Clinical Practice.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.
Aus Sponsor- und CRO-Sicht ist wichtig, dass Definitionen und Auswertungsregeln vorab im Protokoll und Analyseplan festgelegt werden. Eine konsistente Datenerhebung, Plausibilisierung und transparente Berichterstattung reduziert Interpretationsspielräume gegenüber Ethikkommissionen, Behörden und HTA-Stellen.