Erfundene Zahlen vor jeder Fehlwertzuordnung
Beide Gruppen: dieselbe Sechsmonatsmessung und derselbe Siebentage-Zigarettenendpunkt. Unbekannt bedeutet fehlendes Ergebnis, nicht beobachtetes Rauchen.
| Erfasster Status | A | B |
|---|---|---|
| Randomisiert | 100 | 100 |
| Endpunkt erfüllt, bekannt | 20 | 10 |
| Endpunkt nicht erfüllt, bekannt | 60 | 50 |
| Ergebnis unbekannt | 20 | 40 |
Nicht nur ein abgebrochener Kontakt kann Daten fehlen lassen
Ein Ergebnis kann fehlen, weil eine Person nicht mehr erreichbar ist, beim Termin die benötigte Angabe nicht liefert oder ein Datensatz nicht verfügbar ist. Das Absetzen der zugeteilten Intervention ist davon zu unterscheiden: Eine spätere Ergebnismessung kann trotzdem vorliegen.
Trennen Sie beobachtetes Rauchen, fehlende Selbstauskunft und fehlende Verifizierung. Bei einem verifizierten Endpunkt zählt außerdem dessen Definition. Eine Einstufung als ‚Endpunkt nicht erfüllt‘ nach einer Auswertungsregel ist noch kein beobachtetes Verhalten und keine Aussage über Motive.
Der Gedanke hinter der einfachen Regel
Eine methodische Arbeit von 2012 zu einer Internet-Rauchstopp-Studie beschreibt die verbreitete Begründung: Wer aufgehört hat, antwortet möglicherweise eher. Ein Anteil nur unter Antwortenden könnte dann zu günstig aussehen. Diese Vermutung über den Rücklauf ist keine allgemeine Tatsache über ausgebliebene Antworten.
Die Zuordnung aller fehlenden Ergebnisse zur Nichtabstinenz lässt diese Personen im Nenner. Sie liefert jedoch keine verlorenen Messungen zurück und beseitigt deren Unsicherheit nicht. Die Arbeit problematisiert ausdrücklich die Annahme eines stets konservativen Effekts. Ihr spezielles Umfeld und Modell gelten nicht automatisch für andere Angebote.
Vor dem Ersetzen steht die Zähltabelle
Das Beispiel ist vollständig erfunden, ohne echte Studie oder Behandlung. A und B umfassen jeweils 100 randomisierte Personen. Nach sechs Monaten lautet der Endpunkt: kein Zigarettenrauchen in den vorausgehenden sieben Tagen. Alle verfügbaren Angaben seien korrekt; nur die unbekannten Ergebnisse bleiben offen.
In A erfüllen 20 den Endpunkt, 60 erfüllen ihn nicht und 20 Ergebnisse fehlen. In B sind es 10, 50 und 40. Mit ‚fehlend = nicht abstinent‘ entstehen 20/100 = 20% und 10/100 = 10%, also zehn Prozentpunkte für A minus B. Eine berechnete Zahl macht die fehlenden Ergebnisse nicht bekannt.
Zwei niedrige Anteile ergeben nicht zwingend eine niedrige Differenz
Nehmen wir nur zur Prüfung der Logik an: Keine der 20 unbekannten Personen in A erfüllt den Endpunkt, aber 15 der 40 in B tun es. Vollständige Zahlen wären dann 20/100 und 25/100. A minus B ergäbe minus fünf statt plus zehn Prozentpunkte. Die Regel senkte oder beließ die einzelnen Anteile, überschätzte aber den Unterschied für diese hypothetische Ergänzung.
Damit wird weder das Verhalten der fehlenden Personen beschrieben noch dieses Szenario für eine echte Studie als plausibel bestätigt. Es beweist auch keinen Vorteil von B. Es widerlegt nur die automatische Schlussfolgerung von niedrigeren Anteilen auf eine konservative Differenz. Eine reale Sensitivitätsanalyse braucht begründete Annahmen; die erfundenen Zahlen liefern keine solche Begründung.
Auch das Weglassen fehlender Ergebnisse ist kein Wahrheitsnachweis. Unter den verfügbaren Fällen wären es hier 20/80 = 25% und 10/60 ≈ 16,7%. Diese anderen Nenner beschreiben vorhandene Angaben, nicht ohne Weiteres die vollständigen Gruppen.
Sensitivität: Annahmen ändern, nicht unbemerkt die Frage
Suchen Sie im Protokoll oder statistischen Analyseplan nach Zielpopulation, Endpunkt, Vergleich, primärer Fehlwertregel und geplanten Prüfungen. ICH E9(R1) unterscheidet Sensitivitätsprüfungen zum selben Estimand, also dem zu schätzenden Effekt, von einer anderen Forschungsfrage. Ein anderer Zeitpunkt oder eine andere Population ist nicht bloß eine alternative Fehlwertannahme.
Ändert sich die Schlussfolgerung unter sachlich begründeten Alternativen? Waren diese vorab vorgesehen oder erst später ergänzt? Plausibilität hängt vom Studienkontext ab, nicht von einem bequemen Ergebnis. Es gibt keine allgemein harmlose Fehlquote. Gleiche fehlende Fallzahlen garantieren auch keine gleichen Ursachen oder unbekannten Ergebnisse.
Bei einer echten Studie behalten Sie verfügbare und fehlende Zahlen pro Gruppe, bekannte Gründe, Endpunkt, Zeitpunkt, Regel und berichtete Sensitivität zusammen. Fehlen diese Prüfungen im gelesenen Material, schreiben Sie genau das. Erfinden Sie kein Robustheitssiegel und suchen Sie keine privaten Teilnehmerdaten.
Eine Zusammenfassung kann die offene Stelle benennen
Zum Beispiel passt: ‚Werden alle fehlenden Ergebnisse als nicht abstinent gewertet, betragen die erfundenen Anteile 20% und 10%, mit zehn Prozentpunkten Unterschied. Die Regel belegt weder das Verhalten fehlender Personen noch einen unteren Vergleichseffekt.‘ Konfidenzintervall und kausaler Nutzen sind hier nicht vorgegeben.
Persönliche Hilfe ist eine andere Aufgabe
In Deutschland verweist rauchfrei-info.de des BIÖG auf Beratung und Unterstützung. Persönliche Fragen gehören zu qualifiziertem medizinischem Fachpersonal oder einer Rauchstopp-Beratung. Die Fehlwertregel einer Studie wählt keine Versorgung für Sie aus; regionale Bedingungen müssen vor Ort geklärt werden.
Das Wichtigste
Quellen
Die zentralen Aussagen dieser Seite wurden anhand der folgenden Quellen geprüft.
- Cochrane: Cochrane Handbook chapter 8, §8.5 — bias due to missing outcome data
Quellen geprüft: 2026-10-04
- International Council for Harmonisation: ICH E9(R1), adopted 20 November 2019 — estimands, assumptions and sensitivity analysis
Quellen geprüft: 2026-10-04
- BMC Medical Research Methodology: Jackson et al., 2012 — missing-data assumptions in an Internet smoking-cessation trial
Quellen geprüft: 2026-10-04
- Bundesinstitut für Öffentliche Gesundheit (BIÖG): rauchfrei — Beratung und Unterstützung
Quellen geprüft: 2026-10-04
Allgemeine Studienlesehilfe, keine persönliche Einstufung, Prognose oder Behandlungswahl. Sämtliche Beispielzahlen sind erfunden; persönliche Angaben werden weder abgefragt noch gespeichert oder übertragen.