Die Per-Protocol-Population (PP-Population) ist eine Teilmenge aller randomisierten Studienteilnehmer, die das Studienprotokoll vollständig und ohne wesentliche Abweichungen eingehalten haben. Sie umfasst Teilnehmer, die die Studienbehandlung korrekt und in ausreichendem Umfang erhalten haben, alle vorgeschriebenen Visiten wahrgenommen haben, keine schwerwiegenden Protokollverstöße begangen haben und zum Zeitpunkt der Auswertung auswertbare Daten für den primären Endpunkt geliefert haben. Die PP-Population steht im Gegensatz zur Intent-to-Treat-Population (ITT-Population), die alle randomisierten Teilnehmer unabhängig von Protokolladhärenz und Behandlungsdauer einschließt. Beide Populationen liefern unterschiedliche, aber komplementäre Perspektiven auf den Behandlungseffekt. Die Definition und konsequente Anwendung der PP-Kriterien ist ein wesentlicher Bestandteil der Qualitätssicherung in klinischen Studien und wird bei regulatorischen Inspektionen sorgfältig geprüft.
Abgrenzung zur ITT-Population
Die Intent-to-Treat-Analyse gilt in der frequentistischen Statistik als Goldstandard für Überlegenheitsstudien, da sie die tatsächlichen Bedingungen der klinischen Praxis widerspiegelt und konservative Schätzungen des Behandlungseffekts liefert. Wenn Patienten die Behandlung nicht vollständig einnehmen, Therapien wechseln oder die Studie abbrechen, werden diese Ereignisse in der ITT-Analyse berücksichtigt, was den gemessenen Effekt abschwächt. Die PP-Analyse hingegen zeigt, wie gut die Behandlung wirkt, wenn sie korrekt angewendet wird – also den maximalen biologisch plausiblen Effekt unter idealen Bedingungen.
In der Praxis werden beide Analysen in der Regel parallel durchgeführt und die Ergebnisse verglichen. Stimmen ITT- und PP-Ergebnisse überein, stärkt das die Robustheit der Schlussfolgerungen. Weichen sie deutlich ab, ist dies ein wichtiger Hinweis auf systematische Protokollabweichungen oder selektiven Dropout, der im klinischen Studienbericht ausführlich diskutiert werden muss. Regulatoren betrachten übereinstimmende Ergebnisse aus beiden Populationen als wichtiges Qualitätsmerkmal einer Studie.
Bedeutung bei Non-Inferiority-Studien
Bei Non-Inferiority-Studien ist die PP-Population von besonderer Bedeutung. Die ITT-Analyse ist in diesem Kontext nicht mehr zwingend konservativ: Wenn viele Teilnehmer die Behandlung abbrechen oder zwischen den Gruppen wechseln, kann die ITT-Analyse dazu führen, dass sich die Gruppen einander annähern und Non-Inferiority fälschlicherweise belegt wird – ein Phänomen, das als Dilution Bias bezeichnet wird und die Aussagekraft der Studie gefährdet. Deshalb fordern EMA und FDA bei Non-Inferiority-Studien ausdrücklich, dass sowohl die ITT- als auch die PP-Analyse als koprimäre Auswertungen durchgeführt werden. Non-Inferiority gilt nur dann als belegt, wenn beide Analysen übereinstimmend ein positives Ergebnis zeigen.
Definition der PP-Population im Studienprotokoll
Die Kriterien für den Ausschluss aus der PP-Population müssen prospektiv im Studienprotokoll und im statistischen Analyseplan definiert werden. Typische Ausschlussgründe sind eine unzureichende Behandlungsdauer oder Compliance (zum Beispiel weniger als 80 % der vorgeschriebenen Dosen eingenommen), der Einsatz verbotener Begleitmedikationen, Verletzung zentraler Ein- oder Ausschlusskriterien sowie fehlende Hauptendpunktmessung. Nachträgliche Festlegung oder Änderung dieser Kriterien ist ein schwerwiegender Bias-Risikofaktor und wird von Regulatoren kritisch bewertet.
In der Praxis ist die Entscheidung, welche Protokollabweichungen zum Ausschluss aus der PP-Population führen, oft nicht trivial und erfordert klinisches Urteilsvermögen sowie eine enge Abstimmung zwischen dem Biostatistiker, dem Medical Monitor und dem Sponsor. Um Subjektivität zu vermeiden, empfiehlt sich die Einrichtung eines unabhängigen, verblindeten Protokollabweichungskomitees, das vor dem Datenbankschluss (Database Lock) alle Protokollverstöße bewertet und die PP-Population finalisiert. Dieses Vorgehen ist besonders bei zulassungsrelevanten Studien Standard und wird in der ICH-E9-Leitlinie empfohlen.
Praktische Relevanz und regulatorische Anforderungen
In Zulassungsverfahren ist die PP-Analyse ein unverzichtbarer Bestandteil des statistischen Analyseplans und des klinischen Studienberichts und wird bei GCP-Inspektionen durch EMA und nationale Behörden gezielt geprüft. Die EMA und FDA verlangen für konfirmatorische Studien eine vollständige Dokumentation aller Protokollabweichungen und der resultierenden PP-Population. Bei Inspektionen wird geprüft, ob die PP-Population korrekt definiert und die Ausschlusskriterien konsistent angewendet wurden. Full-Service-CROs wie mediconomics unterstützen Sponsoren bei der prospektiven Definition der PP-Kriterien, der Einrichtung von Protokollabweichungskomitees und der statistischen Auswertung beider Populationen gemäß regulatorischen Anforderungen.
Ein weiterer praktischer Aspekt betrifft die Dokumentation und Nachverfolgung von Protokollabweichungen während der Studie. In Echtzeit erfasste Abweichungen erleichtern die spätere Analyse erheblich und reduzieren das Risiko, dass wichtige Ausschlussgründe für die PP-Population übersehen werden. Viele moderne klinische Studien setzen elektronische Systeme zur Erfassung und Klassifikation von Protokollabweichungen ein, die automatisch entsprechende Warnmeldungen generieren, wenn definierte Kriterien verletzt werden. Diese Systeme sind ein wichtiger Bestandteil des Datenqualitätsmanagements und erleichtern die Vorbereitung des Datenbankschlusses sowie die Finalisierung der PP-Population erheblich. Gut dokumentierte Prozesse für das Abweichungsmanagement sind dabei ein Qualitätsmerkmal, das bei Behördeninspektionen positiv bewertet wird.
Häufig gestellte Fragen (FAQ)
Kann die PP-Population kleiner sein als die ITT-Population?
Ja, fast immer. Die PP-Population ist eine Teilmenge der ITT-Population, da sie nur Teilnehmer ohne wesentliche Protokollabweichungen umfasst. Je höher die Rate an Protokollverstößen, Dropouts und Therapiewechseln, desto kleiner ist die PP-Population im Verhältnis zur ITT-Population. Eine sehr kleine PP-Population kann die statistische Power der PP-Analyse erheblich einschränken und zu nicht-auswertbaren oder schwer interpretierbaren Ergebnissen führen. Dies ist ein wichtiger Grund, die Protokolladhärenz aktiv durch engmaschiges Monitoring zu fördern.
Ist die PP-Analyse immer konservativer als die ITT-Analyse?
Nein. Bei Überlegenheitsstudien ist die ITT-Analyse in der Regel konservativer, da sie den Verdünnungseffekt durch nicht-compliente Teilnehmer einschließt. Bei Non-Inferiority-Studien kann die PP-Analyse konservativer sein, weil sie strenger protokollgemäße Bedingungen analysiert. Welche Analyse konservativer ist, hängt von der konkreten Fragestellung, dem primären Endpunkt und dem Ausmaß der beobachteten Protokollabweichungen in der Studie ab.