- Veröffentlicht
- Aktualisiert
Eine Tipping-Point-Analyse kann untersuchen, wie stark ausgewählte Annahmen verändert werden müssen, bevor sich eine Schlussfolgerung ändert. Die resultierende Grenze belegt für sich genommen keine Robustheit; auch die klinische Plausibilität der veränderten Annahmen muss sorgfältig bewertet werden.
Fragestellung und Annahmen festlegen
Definieren Sie, welche fehlenden Beobachtungen sich auf welcher Skala ändern und wie die Änderungen auf jeden Arm angewendet werden. Eine Änderung der Schlussfolgerungen muss nicht nur eine Signifikanzschwelle betreffen: Auch Effektstärke und klinische Interpretation können relevant sein. Erläutern Sie, ob die Übung denselben Zieleffekt bewertet oder eine andere wissenschaftliche Frage beantwortet.
Hypothetisches Studienbeispiel
In einer hypothetischen Studie kehrt sich das Hauptergebnis erst unter erheblich veränderten Annahmen für fehlende Beobachtungen um. Das Team prüft, ob diese Unterschiede plausiblen Erfahrungen von Teilnehmenden entsprechen. Eine weit entfernte Grenze in einer Grafik wird nicht ohne Prüfung der Gründe für das Fehlen der Daten als unbestreitbare Robustheit dargestellt.
Prüfpunkte für die Designbewertung
- Geben Sie die Skala der veränderten Werte und ihre klinische Interpretation ausdrücklich an.
- Zeigen Sie, wie die Annahmen getrennt auf beide Behandlungsgruppen angewendet werden.
- Prüfen Sie, dass die Szenarienerzeugung keine unmöglichen oder außerhalb der Skala liegenden Beobachtungen produziert.
Entscheidung und ihre Grenzen dokumentieren
Eine akzeptierte Berichterstattung zeigt die Tipping-Point-Grenze gemeinsam mit Hauptannahme, Szenarienbereich und klinischer Bewertung. Der Erhalt eines Ergebnisses in einem Bereich schließt nicht jede Verzerrung aus. Interpretieren Sie die numerischen Befunde mit den Mustern fehlender Daten und den Designgrenzen und benennen Sie zugleich Unsicherheiten, die die Sensitivitätsanalyse nicht untersucht.
Häufig gestellte Fragen
- Beweist das Fehlen eines Tipping Points Robustheit?
- Nein. Es liefert nur Informationen über die untersuchten Szenarien und das geprüfte Modell.
- Sollten statistische Fachleute Szenarien allein auswählen?
- Statistische Expertise und die Bewertung klinischer Plausibilität sollten zusammenwirken.