Die Nullhypothese, bezeichnet mit H0, ist die im statistischen Hypothesentest formulierte Ausgangsannahme über einen Behandlungseffekt. In einer vergleichenden klinischen Studie beschreibt sie häufig, dass zwischen den Behandlungen im vorab definierten Endpunkt kein Unterschied besteht oder dass ein festgelegter Grenzwert nicht überschritten wird.
Funktion im Hypothesentest
Ein Hypothesentest verknüpft die vorab formulierte Nullhypothese mit einer Teststatistik und einer Entscheidungsregel. Die beobachteten Studiendaten werden danach beurteilt, wie gut sie mit H0 vereinbar sind. Liegt das Ergebnis im vorab bestimmten Ablehnungsbereich, wird H0 verworfen. Das bedeutet nicht, dass die Alternativhypothese im absoluten Sinn bewiesen ist, sondern dass die Daten unter der Testlogik genügend Evidenz gegen H0 liefern.
Die genaue Formulierung hängt vom Studienziel ab. In einer Überlegenheitsstudie kann H0 ausdrücken, dass kein Vorteil der Prüfbehandlung gegenüber der Kontrolle besteht. In Nichtunterlegenheits- oder Äquivalenzstudien wird der Vergleich durch eine klinisch und statistisch begründete Grenze definiert. Hypothesen, Endpunkte, Analysepopulationen, Auswertungsmethoden und Regeln bei mehreren Tests müssen vor Kenntnis der Ergebnisse im Prüfplan und im Statistischen Analyseplan beschrieben sein.
Fehlerwahrscheinlichkeit, p-Wert und Effektgröße
Das Signifikanzniveau legt vorab fest, wie hoch die Wahrscheinlichkeit eines Fehlers erster Art höchstens sein soll, also H0 fälschlich zu verwerfen. Es ist eine Schwelle der Entscheidungsregel, nicht die Nullhypothese selbst. Bei mehreren Endpunkten, Dosen, Vergleichen oder Zwischenanalysen ist eine passende Kontrolle der gesamten Fehlerwahrscheinlichkeit erforderlich. Ein adaptives Design darf diese Kontrolle nicht nachträglich verlieren.
Der p-Wert ist ebenfalls weder H0 noch das Signifikanzniveau. Er beschreibt, unter den Annahmen des Tests und unter H0, wie ungewöhnlich ein mindestens so extremes Ergebnis wäre. Ein p-Wert allein misst weder die Größe noch die klinische Bedeutung eines Behandlungseffekts. Daher sollen Schätzungen des Effekts und Konfidenzintervalle gemeinsam mit dem Hypothesentest betrachtet werden. Sensitivitätsanalysen zeigen zusätzlich, ob die Schlussfolgerung von wesentlichen Annahmen abhängt.
Abgrenzung zu Hypothese und Signifikanzniveau
Hypothese ist der Oberbegriff für eine überprüfbare Annahme oder Aussage. Die Nullhypothese ist ein besonderer Typ von Hypothese, der die Referenz für den formalen Test bildet. Ihr steht in vielen Studien eine Alternativhypothese gegenüber, die beispielsweise einen Unterschied oder eine gerichtete Wirkung beschreibt. Der eigene Eintrag Hypothese behandelt den Oberbegriff; dieser Eintrag erklärt die spezifische Rolle von H0 im statistischen Test.
Das Signifikanzniveau ist wiederum keine Aussage über die Behandlung und keine Alternative zu H0. Es ist die vorab gewählte Grenze für das Risiko eines Fehlers erster Art innerhalb der Teststrategie. H0 beantwortet, was getestet wird; das Signifikanzniveau legt fest, wie streng die Evidenzschwelle für das Verwerfen von H0 ist. Diese begriffliche Trennung verhindert eine unpräzise Interpretation statistischer Ergebnisse.
Die Teststrategie muss außerdem zur Art der Daten passen. Für binäre, kontinuierliche oder Zeit-bis-Ereignis-Endpunkte kommen unterschiedliche statistische Verfahren in Betracht. Die Wahl des Verfahrens folgt der vorab definierten Hypothese und dem Endpunkt; sie darf nicht erst nach Sichtung günstiger Ergebnisse erfolgen. Bei mehreren Zielgrößen regelt eine hierarchische oder andere vorab festgelegte Strategie, in welcher Reihenfolge Hypothesen getestet werden dürfen.
Der Statistische Analyseplan muss die Nullhypothese, den primären Endpunkt, das Signifikanzniveau, die Testmethode und gegebenenfalls die Multiplikitätsstrategie vor Datenentschlüsselung festlegen. Diese Teststrategie bestimmt, unter welchen Bedingungen H0 verworfen wird, und schützt die Fehlerwahrscheinlichkeit vor ergebnisgesteuerten Änderungen der statistischen Schlussfolgerung.
Bedeutung für klinische Studien
In klinischen Prüfungen ist die Nullhypothese Teil einer umfassenden Evidenzstrategie. Sie muss zur klinischen Frage, zum primären Endpunkt, zur Kontrollgruppe und zum Estimanden passen. Eine nachträgliche Änderung der Testhypothese oder des Analysewegs nach Kenntnis unverblindeter Ergebnisse kann die Aussagekraft der Studie gefährden. Entscheidend ist die vorab nachvollziehbare Verbindung zwischen medizinischem Ziel und statistischer Auswertung.
Full-Service-CROs wie Mediconomics unterstützen bei der Übersetzung klinischer Ziele in Hypothesen, Endpunkte und statistische Teststrategien. Dies umfasst die Erstellung und Prüfung des Statistischen Analyseplans, die Planung von Multiplikitätskontrolle und Zwischenanalysen, die statistische Programmierung sowie die Darstellung von Effektgrößen, Konfidenzintervallen und Hypothesentests im klinischen Studienbericht.
Häufig gestellte Fragen (FAQ)
Bedeutet das Verwerfen von H0, dass ein Arzneimittel klinisch relevant ist?
Nein. Es zeigt Evidenz gegen H0 nach der vorab definierten Testregel. Klinische Relevanz verlangt zusätzlich die Bewertung von Effektgröße, Unsicherheit, Sicherheit und Patientenrelevanz.
Ist H0 immer „kein Unterschied“?
Häufig, aber nicht ausschließlich. In Nichtunterlegenheits- oder Äquivalenzstudien bezieht sich H0 auf eine vorab definierte Grenze und die jeweilige Studienfrage.
Warum muss H0 vorab formuliert sein?
Die Vorabfestlegung schützt vor ergebnisgesteuerten Analysen und ermöglicht eine transparente Kontrolle der Fehlerwahrscheinlichkeit. Sie ist Teil eines nachvollziehbaren Prüf- und Analysekonzepts.
Regulatorische Referenzen
- ICH E9 „Statistical Principles for Clinical Trials“ – behandelt Hypothesentests, Fehlerwahrscheinlichkeiten und Konfidenzintervalle.
- ICH E9(R1) „Addendum on Estimands and Sensitivity Analysis“ – ordnet Hypothesentests der präzisen Behandlungseffektfrage zu.
- ICH E8(R1) „General Considerations for Clinical Studies“ – verlangt die Vorabfestlegung von Hypothesentests und Analysen.
- EMA Reflection Paper CHMP/EWP/2459/02 – fordert bei adaptiven Designs die vollständige Kontrolle des Fehlers erster Art.