Zusammenfassung
Hintergrund: Der Gemeinsame Bundesausschusses schreibt systematischen Übersichtsarbeiten von
randomisierten Studien die höchstmögliche Evidenzstufe Ia für die Nutzenbewertung
therapeutischer Interventionen zu. Widersprüchliche Ergebnisse zwischen randomisierten
und anderen Studientypen sind nicht zwingend auf das Studiendesign zurückzuführen.
Methoden: Ein Ziel der Studie war, systematische und nicht-systematische Reviews mit Aussagen
zum Einschluss von Studientypen in systematischen Reviews zu identifizieren. Ein weiteres
Ziel war die Entwicklung eines Algorithmus, der die Auswahl von Studientypen in systematischen
Reviews erleichtern sollte.
Ergebnisse: In 85% der 42 identifizierten Artikel wurde unterstützt, dass nicht-randomisierte
Studien neben randomisierten Studien in systematischen Reviews eingeschlossen werden
sollten. Dies gilt insbesondere für die Evaluierung des behandlungsassoziierten Schadens.
Es wurde ein Algorithmus mit den 4 Entscheidungspunkten Nachbeobachtungsdauer, Ereignishäufigkeit,
Endpunkte und Studientypen entwickelt.
Schlussfolgerungen: Für die Evaluierung der Wirkung und der unerwünschten Ereignisse ist es oft erforderlich,
verschiedene Studientypen einzuschließen. Der Algorithmus macht multiple Studientypen
bewusst, die für den Einschluss in systematischen Reviews in Erwägung gezogen werden
sollten.
Abstract
Background: The Federal Joint Committee (Gemeinsamer Bundesausschuss) assigns the highest evidence
level of Ia to systematic reviews of randomized controlled trials in evaluating the
benefit of therapeutic interventions. Contradictory results among randomized and non-randomized
studies may not always be caused by the study design.
Methods: The objective of the study was to identify statements in systematic or non-systematic
reviews about the choice of study designs in systematic reviews. Another objective
was to develop an algorithm to facilitate the choice of appropriate study designs
in systematic reviews.
Results: The inclusion of non-randomized in addition to randomized study designs was supported
by 85% of the 42 identified articles. A strong reason was the need to evaluate the
possible treatment-associated harm. The developed algorithm included the 4 decision
points of length of follow-up, frequency of events, outcomes, and study designs.
Conclusions: If the benefit and the harm of a therapeutic intervention is planned to be evaluated,
then often multiple study designs are required to be included. The algorithm provides
guidance on which study designs should be considered for inclusion in systematic reviews.
Schlüsselwörter
Studiendesign - Algorithmus - Klinische Studien - Systematische Reviews
Key words
systematic reviews - study design - algorithm - clinical studies