Eine Observational Study (Beobachtungsstudie) ist eine klinische oder epidemiologische Studie, in der Forschende den Verlauf von Gesundheit, Krankheit oder Versorgung beobachten, ohne die Behandlung aktiv vorzugeben. Im Gegensatz zur interventionellen klinischen Prüfung werden Therapien, Diagnostik oder Präventionsmaßnahmen nicht durch ein Studienprotokoll zugeteilt, sondern ergeben sich aus der Routineversorgung oder aus Entscheidungen von Ärztinnen und Ärzten sowie Patientinnen und Patienten. Beobachtungsstudien sind zentral, um Wirksamkeit und Sicherheit unter Alltagsbedingungen zu verstehen, Versorgungsrealität abzubilden und Hypothesen für spätere randomisierte Studien zu generieren.
In Deutschland und der EU werden Beobachtungsstudien häufig im Kontext von Real-World-Data und Real-World-Evidence diskutiert. Sie können retrospektiv (z.B. anhand von Akten oder Registern) oder prospektiv (mit geplanten Follow-up-Erhebungen) angelegt sein. Häufige Einsatzfelder sind Pharmakoepidemiologie, Nutzenbewertung, Risikomanagement sowie Post-Authorisation Safety Studies (PASS) und Post-Authorisation Efficacy Studies (PAES).
Grundprinzip: Beobachten statt Zuteilen
Das definierende Merkmal ist der fehlende Eingriff in die Therapieentscheidung. Teilnehmende werden nicht randomisiert, und es gibt typischerweise keine Prüfmedikation im Sinne eines investigational medicinal product. Stattdessen werden Exposition (z.B. Arzneimittel, Medizinprodukt, Versorgungspfad) und Outcomes (z.B. Mortalität, Hospitalisierung, patientenberichtete Endpunkte) dokumentiert und statistisch ausgewertet. Dadurch sind Observational Studies oft schneller und kosteneffizienter als randomisierte Studien, aber sie sind anfälliger für Bias und Confounding.
Für Sponsors und CROs ist wichtig: Auch ohne Intervention müssen Governance, Datenqualität, Datenschutz und eine klare Rollenverteilung sauber geregelt sein. Ein Studienprotokoll oder zumindest ein Studienplan ist üblich, damit Zielsetzung, Population, Variablen, Analysestrategie und Qualitätsmaßnahmen nachvollziehbar sind.
Typen von Observational Studies
Zu den klassischen Designs gehören Kohortenstudien (prospektiv oder retrospektiv), Fall-Kontroll-Studien und Querschnittsstudien. In einer Kohorte werden Personen über die Zeit verfolgt, um Inzidenzen und zeitabhängige Risiken zu beschreiben. Fall-Kontroll-Studien starten dagegen mit dem Outcome (Fälle) und vergleichen Expositionen mit Kontrollen, was bei seltenen Ereignissen effizient ist. Querschnittsstudien liefern Momentaufnahmen, z.B. Prävalenzen oder Versorgungslücken.
Daneben existieren registerbasierte Studien, Datenbankstudien (z.B. Krankenkassendaten), pragmatische Beobachtungsansätze sowie hybride Designs, bei denen Routineversorgung mit zusätzlichen, aber nicht-interventionellen Datenerhebungen kombiniert wird. Für digitale Gesundheitsdaten spielen auch Wearable- und App-basierte Erhebungen eine zunehmende Rolle, sofern Datenschutz und Einwilligung passend umgesetzt sind.
Bias, Confounding und methodische Gegenmaßnahmen
Der größte methodische Unterschied zu randomisierten Studien ist die Gefahr systematischer Verzerrungen. Confounding by indication tritt auf, wenn die Therapieentscheidung mit Prognosefaktoren zusammenhängt. Selektionsbias kann entstehen, wenn nur bestimmte Patientengruppen in Register gelangen oder Follow-up-Daten unvollständig sind. Informationsbias ist möglich, wenn Exposition oder Outcome unterschiedlich gut dokumentiert sind.
Typische Gegenmaßnahmen sind präzise Einschlusskriterien, saubere Definitionen von Exposition und Endpunkten, Sensitivitätsanalysen und der Einsatz von Methoden wie Propensity-Score-Matching oder -Weighting. Ein vorab definierter Statistical Analysis Plan (SAP) und transparente Analysen helfen, die Aussagekraft zu erhöhen. Ebenso wichtig ist das Datenmanagement: Plausibilitätsprüfungen, Query-Management und nachvollziehbare Datenherkunft (Data Lineage) reduzieren Fehlklassifikation.
Regulatorischer Kontext in EU und Deutschland
Für Arzneimittel sind Observational Studies u.a. im Rahmen von Pharmakovigilanz und Risikomanagement relevant, etwa wenn Behörden eine PASS als Auflage im Risk Management Plan verlangen. Bei der Planung sind nationale Anforderungen (z.B. BfArM oder PEI), europäische Leitlinien der EMA sowie Ethikvorgaben zu berücksichtigen. Auch wenn eine Studie nicht unter die EU Clinical Trials Regulation (Verordnung (EU) Nr. 536/2014) fällt, bleiben Datenschutz (DSGVO), Berufsrecht und Good-Clinical-Practice-Grundsätze zur Datenintegrität und zum Schutz der Teilnehmenden relevant.
Bei Medizinprodukten können Beobachtungsdaten eine Rolle in der klinischen Bewertung und im Post-Market Clinical Follow-up spielen, insbesondere unter der EU Medical Device Regulation (Verordnung (EU) 2017/745). Entscheidend ist, ob Datenerhebung und Zweck eine klinische Prüfung im regulatorischen Sinn darstellen oder ob eine nicht-interventionelle Beobachtung vorliegt.
Praxisrelevanz: Planung, Operatives und typische Fehler
Operativ unterscheiden sich Beobachtungsstudien von klinischen Prüfungen, aber sie benötigen dennoch ein robustes Setup: Studienzentren oder Datenlieferanten müssen vertraglich eingebunden werden, Datenquellen müssen qualifiziert sein, und es braucht ein klares Konzept für Monitoring oder zumindest Quality Oversight. Häufige Fehler sind unklare Endpoint-Definitionen, fehlende Kontrolle von Missing Data, unterschätzte Anforderungen an Datenschutz und Einwilligung sowie zu optimistische Annahmen über Datenverfügbarkeit in Routinedaten.
Für Sponsors lohnt es sich, bereits zu Beginn festzulegen, wie Ergebnisse später genutzt werden sollen: Für interne Entscheidungsfindung, Publikation, Nutzenbewertung oder regulatorische Einreichung gelten unterschiedliche Erwartungen an Transparenz, Reproduzierbarkeit und Dokumentation. Eine gute Praxis ist die Registrierung der Studie in einem geeigneten Register, wenn dies sinnvoll oder erwartet ist.
FAQ: Was ist der wichtigste Unterschied zur randomisierten Studie?
In einer Observational Study wird die Behandlung nicht durch das Studienprotokoll zugeteilt; es wird beobachtet, was in der Routine passiert. Dadurch steigt die externe Validität, aber auch das Risiko von Confounding.
FAQ: Sind Ethikvotum und Einwilligung immer nötig?
Das hängt von Datenquelle und Land ab. Prospektive Datenerhebungen oder zusätzliche Untersuchungen erfordern häufig Einwilligung; bei Sekundärdaten können andere Rechtsgrundlagen greifen, dennoch ist ethische Prüfung oft sinnvoll.
FAQ: Kann man mit Beobachtungsdaten Wirksamkeit belegen?
Beobachtungsdaten können Hinweise auf Effektivität im Versorgungsalltag liefern, aber kausale Schlussfolgerungen sind eingeschränkt. Methodische Verfahren können Confounding reduzieren, ersetzen jedoch keine Randomisierung.
Regulatorische Referenzen (Auswahl)
- Verordnung (EU) Nr. 536/2014 (Clinical Trials Regulation) – Abgrenzung interventionell vs. nicht-interventionell
- Verordnung (EU) 2017/745 (Medical Device Regulation) – klinische Bewertung und PMCF
- ICH E6(R3) Good Clinical Practice – Grundsätze zu Datenintegrität und Schutz der Teilnehmenden
- EU-DSGVO (2016/679) – Datenschutz bei Gesundheitsdaten