Stratification (Stratifizierung) bezeichnet in klinischen Studien die Einteilung von Studienteilnehmern in Untergruppen (Strata) nach vorab definierten prognostischen oder prädiktiven Faktoren vor der Randomisierung. Ziel ist es, sicherzustellen, dass diese Faktoren in den Behandlungsgruppen gleich verteilt sind und so den Vergleich zwischen den Gruppen nicht verzerren. Die Stratifizierung ist eine der wichtigsten Methoden zur Kontrolle bekannter Confounder in randomisierten klinischen Studien. Sie wird typischerweise mit Block-Randomisierung kombiniert, die innerhalb jedes Stratums eine ausgewogene Zuteilung über den gesamten Rekrutierungszeitraum sicherstellt. Stratifizierungsfälder und die zugeordneten Zuteilungen werden in der Randomisierungsliste des Interactive Response Technology-Systems (IRT/IXRS) hinterlegt und bei jedem Einschluss automatisch abgerufen.
Zweck und Wirkprinzip der Stratifizierung
Ohne Stratifizierung kann es trotz Randomisierung zufällig zu einer ungleichen Verteilung wichtiger prognostischer Faktoren zwischen den Behandlungsgruppen kommen – insbesondere bei kleinen Studienpopulationen. Durch stratifizierte Randomisierung wird die Zufallszuteilung innerhalb jedes Stratums separat durchgeführt, sodass jede Gruppe dieselbe Zusammensetzung hinsichtlich der Schichtungsvariablen aufweist. Dies erhöht die interne Validität der Studie und verbessert die Präzision der Effektschätzung sowie die statistische Power für den Nachweis des Behandlungseffekts.
Ein typisches Beispiel aus der Onkologie: Wenn das Erkrankungsstadium (früh vs. fortgeschritten) und das Alter (unter/über 65 Jahre) als Stratifizierungsfaktoren gewählt werden, entstehen vier Strata. Innerhalb jedes Stratums werden Patienten separat randomisiert, sodass Verum- und Placebo-Gruppe in jedem Stratum die gleiche Anzahl Patienten mit diesem Merkmalsprofil aufweisen.
Auswahl der Stratifizierungsfaktoren
Die Auswahl der Stratifizierungsfaktoren erfolgt auf Basis klinischer und statistischer Überlegungen. Als Stratifizierungsfaktoren eignen sich Variablen, die bekanntermaßen einen starken Einfluss auf den primären Endpunkt haben (prognostische Faktoren) oder die Wirksamkeit der Behandlung in verschiedenen Untergruppen unterschiedlich beeinflussen könnten (prädiktive Faktoren). Typische Stratifizierungsfaktoren sind: Erkrankungsschwere, geografische Region oder Prüfzentrum, Patientenalter, Geschlecht, vorherige Behandlungen und Biomarker-Status.
Die Anzahl der Stratifizierungsfaktoren sollte auf das Notwendige begrenzt werden. Zu viele Faktoren führen zu einer Vielzahl kleiner Strata, in denen nur wenige Patienten randomisiert werden – dies kann die Balancierung erschweren und die Vorteile der Stratifizierung zunichte machen. Als Faustregel gilt: Bei weniger als 200 Teilnehmern sollten nicht mehr als 2–3 Stratifizierungsfaktoren mit je maximal 2–3 Ausprägungen verwendet werden. Im Studienprotokoll müssen alle Stratifizierungsfaktoren und deren Ausprägungen vollständig beschrieben sein. Ethikkommissionen und Behörden prüfen die wissenschaftliche Begründung für die Wahl der Stratifizierungsvariablen im Rahmen der CTA-Bewertung.
Stratifizierung und statistische Auswertung
Wenn Stratifizierungsfaktoren bei der Randomisierung verwendet wurden, sollten sie auch in der statistischen Primäranalyse berücksichtigt werden. Dies kann durch Einbeziehung der Stratifizierungsvariablen als Kovariablen in das Regressionsmodell oder durch stratifizierte Analysen (z.B. stratifizierter Log-rank-Test, Mantel-Haenszel-Methode) erfolgen. Die Ignorierung der Stratifizierung in der Analyse führt in der Regel zu konservativen Schätzungen und einem Verlust an statistischer Power.
Der Statistische Auswertungsplan (SAP) muss klar beschreiben, wie die Stratifizierungsfaktoren in der Primäranalyse berücksichtigt werden. Abweichungen zwischen den bei der Randomisierung verwendeten Stratifizierungsvariablen und denen in der Analyse werden von Behörden wie der EMA kritisch hinterfragt und erfordern eine Begründung im Clinical Study Report (CSR).
Stratifizierung in multizentrischen und internationalen Studien
In multizentrischen Studien wird häufig das Prüfzentrum (oder eine Gruppe von Zentren) als Stratifizierungsfaktor verwendet. Dies stellt sicher, dass zentrumsbedingte Unterschiede in der Patientenpopulation oder in der Behandlungsqualität die Gruppenvergleichbarkeit nicht beeinflussen. Bei sehr vielen Zentren werden diese häufig zu Zentrumsblöcken zusammengefasst, um ausreichend große Strata zu gewährleisten.
In internationalen multiregionalen Studien (Multi-Regional Clinical Trials, MRCT) gemäß ICH E17 ist die geografische Region ein häufiger Stratifizierungsfaktor, da Populationsunterschiede zwischen Regionen die Wirksamkeit und Verträglichkeit beeinflussen können. Die Stratifizierung nach Region ermöglicht auch regionale Subgruppenanalysen, die für lokale Zulassungsbehörden von Interesse sind. CROs wie mediconomics unterstützen Sponsoren bei der Definition geeigneter Stratifizierungsfaktoren auf Basis der verfügbaren Daten aus Vorstudien sowie bei der technischen Implementierung im IRT-System. Eine fehlerhafte Konfiguration des Stratifizierungssystems im IRT gilt als kritischer Prozessfehler und kann die Randomisierungsintegrität gefährden.
Häufig gestellte Fragen (FAQ)
Was ist der Unterschied zwischen Stratifizierung und Subgruppenanalyse?
Stratifizierung ist ein Design-Merkmal der Randomisierung, das vor Studienbeginn festgelegt wird und die Vergleichbarkeit der Gruppen sicherstellt. Eine Subgruppenanalyse ist eine statistische Auswertung nach Abschluss der Studie, die den Behandlungseffekt in definierten Untergruppen untersucht. Stratifizierungsfaktoren können als Grundlage für präspezifizierte Subgruppenanalysen dienen, aber nicht jede Subgruppenanalyse erfordert eine vorherige Stratifizierung.
Ist Stratifizierung bei großen Studien notwendig?
Bei sehr großen Studien (mehrere Hundert oder Tausend Teilnehmer) sorgt die einfache Randomisierung in der Regel für eine ausreichend gute Balancierung prognostischer Faktoren. Stratifizierung ist besonders bei kleinen bis mittelgroßen Studien und bei Faktoren mit starkem Einfluss auf den primären Endpunkt sinnvoll. Dennoch empfehlen viele Studienstatistiker Stratifizierung als Standard, da sie auch bei großen Studien die Effizienz der Analyse verbessern kann.
Was ist eine minimization als Alternative zur Stratifizierung?
Minimization (Minimierungsverfahren) ist eine adaptive Randomisierungsmethode, die die Behandlungszuweisung dynamisch so wählt, dass die Imbalance über mehrere Faktoren hinweg minimiert wird. Im Gegensatz zur klassischen stratifizierten Randomisierung berücksichtigt sie gleichzeitig viele Faktoren, ohne dass eine exponentielle Strata-Anzahl entsteht. Minimization ist besonders bei kleinen Studien mit vielen Stratifizierungsfaktoren eine geeignete Alternative, wird aber von manchen Behörden differenziert bewertet und muss im SAP klar beschrieben sein.