Fragebogen-Auswertung in der medizinischen Studie

Ein Fragebogen liegt nicht einfach als auswertbare Tabelle vor. Gerade bei patientenbezogenen Daten entscheiden Codierung, Skalenlogik, fehlende Werte und der Studienzeitpunkt darüber, ob die Fragebogen-Auswertung einer medizinischen Studie eine belastbare Aussage liefert oder nur scheinbar präzise Zahlen produziert. Wer etwa Lebensqualität, Schmerzen, Adhärenz oder psychische Belastung erfasst, muss die klinische Fragestellung in eine nachvollziehbare statistische Strategie übersetzen.

Fragebogen-Auswertung in der medizinischen Studie beginnt vor dem Test

Die häufigste Fehlannahme lautet: Sobald die Antworten in SPSS, R oder Excel eingetragen sind, müsse nur noch der passende Signifikanztest gewählt werden. Tatsächlich wird die Qualität der Auswertung deutlich früher entschieden. Am Anfang stehen der primäre Endpunkt, die Zielpopulation und die Frage, welche Veränderung oder welcher Gruppenunterschied medizinisch relevant ist.

Ein validierter Fragebogen bringt zwar eine etablierte Struktur mit, ersetzt aber keinen Auswertungsplan. Beim SF-36, PHQ-9, EORTC QLQ-C30 oder einem krankheitsspezifischen Instrument gelten jeweils eigene Regeln für Itembildung, Umkodierung und Skalenwerte. Diese Regeln sollten aus dem Manual stammen und vor der Analyse dokumentiert werden. Eigene Abweichungen sind möglich, benötigen aber eine methodische Begründung.

Besonders bei Dissertationen und Publikationen zählt die klare Trennung zwischen primären, sekundären und explorativen Analysen. Der primäre Endpunkt beantwortet die zentrale Studienfrage. Sekundäre Auswertungen ergänzen sie. Explorative Befunde können wertvoll sein, dürfen aber nicht im Nachhinein wie vorab bestätigte Hypothesen präsentiert werden.

Daten prüfen: Der Schritt, den viele unterschätzen

Vor jeder inhaltlichen Interpretation braucht der Datensatz eine strukturierte Qualitätskontrolle. Das betrifft nicht nur Tippfehler. Auch doppelte Fälle, unplausible Zeitpunkte, falsche Codes und widersprüchliche Antworten können die Ergebnisse erheblich verschieben.

Vier Prüfbereiche gehören in praktisch jede medizinische Fragebogenauswertung:

1. Vollständigkeit: Wie viele Teilnehmende haben einzelne Items, ganze Skalen oder Follow-up-Erhebungen nicht beantwortet?
2. Plausibilität: Liegen alle Werte im zulässigen Antwortbereich? Passen Alter, Messzeitpunkt und Gruppenzuordnung zusammen?
3. Codierung: Sind Antwortkategorien einheitlich hinterlegt und negativ formulierte Items korrekt rekodiert?
4. Ausreißer und Verteilungen: Gibt es extreme Skalenwerte, Deckeneffekte oder Bodeneffekte, die klinisch oder datentechnisch erklärt werden müssen?

Ein Klassiker ist die fehlerhafte Rekodierung. Bei einer fünfstufigen Antwortskala wird aus 1 beispielsweise 5, aus 2 wird 4 und aus 3 bleibt 3. Wird ein negativ gepoltes Item nicht gedreht, sinkt häufig die interne Konsistenz der Skala. Inhaltlich kann dann ein höherer Summenscore etwas anderes bedeuten als angenommen.

Auch fehlende Werte verlangen eine vorab definierte Regel. Sind einzelne Items innerhalb einer Skala leer, kann bei manchen Instrumenten ein Mittelwert der beantworteten Items zulässig sein. Bei anderen ist der gesamte Skalenwert nicht berechenbar. Ob eine einfache Ersetzung, eine multiple Imputation oder eine vollständige Fallanalyse passt, hängt vom Umfang und vermuteten Mechanismus der fehlenden Daten ab. Bei kleinen klinischen Stichproben kann eine unreflektierte Falllöschung besonders teuer sein, weil sie Power kostet und Verzerrungen erzeugen kann.

Skalen bilden und Messqualität bewerten

Ein einzelnes Item ist nicht automatisch eine Skala. Mehrere Fragen dürfen nur dann zu einem Summen- oder Mittelwert zusammengeführt werden, wenn sie theoretisch und empirisch dasselbe Konstrukt abbilden. Bei etablierten Instrumenten ist diese Struktur meist durch Validierungsstudien vorgegeben. Bei selbst entwickelten Fragebögen muss sie kritisch geprüft werden.

Für die Reliabilität wird oft Cronbachs Alpha berichtet. Ein hoher Wert allein ist jedoch kein Qualitätsbeweis. Alpha steigt unter anderem mit der Zahl ähnlicher Items und sagt nicht automatisch, dass eine Skala eindimensional ist. McDonalds Omega kann eine sinnvolle Ergänzung sein. Bei neuen oder veränderten Instrumenten sollte außerdem geprüft werden, ob die angenommene Faktorstruktur zur eigenen Stichprobe passt. Dafür kommen je nach Zielsetzung explorative oder konfirmatorische Faktorenanalysen infrage.

Medizinisch relevant ist zudem die Interpretierbarkeit eines Skalenwerts. Ein statistisch signifikanter Unterschied von zwei Punkten kann bei einer großen Stichprobe auftreten, ohne für Patientinnen und Patienten spürbar zu sein. Deshalb sollte die Auswertung, wenn verfügbar, auf etablierte Cut-offs, Normwerte oder eine minimal klinisch relevante Differenz Bezug nehmen.

Welche statistische Analyse passt zur Forschungsfrage?

Die richtige Methode ergibt sich nicht aus der Software, sondern aus Design, Endpunkt und Datenstruktur. Ein Skalenwert wird häufig näherungsweise metrisch behandelt. Das kann angemessen sein, insbesondere bei ausreichend vielen Antwortstufen und plausibler Verteilung. Bei stark schiefen Verteilungen, sehr kleinen Gruppen oder ordinalen Einzelitems sind andere Verfahren oft besser geeignet.

Bei zwei unabhängigen Gruppen, etwa Interventions- und Kontrollgruppe, kann ein t-Test sinnvoll sein. Sind zusätzliche Einflussgrößen wie Alter, Geschlecht, Ausgangsschwere oder Zentrum relevant, ist eine lineare Regression oder Kovarianzanalyse meist aussagekräftiger. Sie erlaubt es, Gruppenunterschiede unter definierten Bedingungen zu schätzen, statt nur rohe Mittelwerte zu vergleichen.

Bei Messungen vor und nach einer Intervention reicht ein Vergleich der Veränderungswerte nicht immer aus. Entscheidend ist, ob beide Gruppen unterschiedlich stark von Baseline zu Follow-up verlaufen. Wiederholte Messungen werden deshalb häufig mit linearen Mixed-Models analysiert. Diese Modelle können die Korrelation von Messungen innerhalb derselben Person berücksichtigen und gehen unter bestimmten Annahmen besser mit unvollständigen Follow-up-Daten um als einfache Vorher-Nachher-Tests.

Für binäre Ergebnisse, beispielsweise klinisch relevante Depressivität ja oder nein, kommt eine logistische Regression infrage. Ordinale Antwortkategorien können mit ordinalen Regressionsmodellen untersucht werden. Nichtparametrische Tests wie Mann-Whitney-U oder Wilcoxon sind keine pauschale Sicherheitslösung. Sie beantworten teils andere Fragen als Mittelwertvergleiche und ersetzen keine saubere Modellentscheidung.

Signifikanz reicht für medizinische Aussagen nicht aus

Ein p-Wert beschreibt, wie gut die beobachteten Daten unter einer bestimmten Nullhypothese zu erwarten wären. Er beantwortet nicht, ob ein Effekt groß, klinisch relevant oder replizierbar ist. Für medizinische Studien gehören daher Effektstärken und Konfidenzintervalle in den Ergebnisbericht.

Statt nur zu schreiben, dass sich Gruppen signifikant unterschieden, sollte klar werden: Wie groß ist die geschätzte Differenz? In welche Richtung geht sie? Wie präzise ist die Schätzung? Bei linearen Modellen können das adjustierte Mittelwertdifferenzen mit 95-Prozent-Konfidenzintervallen sein, bei logistischen Modellen Odds Ratios und bei kategorialen Vergleichen Risikodifferenzen oder relative Risiken.

Vorsicht ist bei vielen parallelen Tests geboten. Wer zehn Skalen, vier Zeitpunkte und mehrere Subgruppen prüft, produziert schnell Zufallstreffer. Eine Korrektur für multiples Testen kann sinnvoll sein, etwa bei gleichrangigen sekundären Endpunkten. Sie ist aber nicht in jeder Konstellation die richtige Antwort. Wichtiger ist, die Anzahl der Analysen transparent zu machen und vorab definierte Hypothesen von explorativen Mustern zu unterscheiden.

Ergebnisse so berichten, dass sie geprüft werden können

Ein überzeugendes Reporting ermöglicht Dritten, den Analyseweg nachzuvollziehen. Dazu gehören die Stichprobenbeschreibung, die Regeln zur Skalenbildung, der Umgang mit fehlenden Werten, das eingesetzte Modell sowie Effektgrößen mit Konfidenzintervallen. Tabellen sollten nicht nur p-Werte enthalten, sondern die für die klinische Einordnung notwendigen Kennwerte.

Die Formulierung muss zum Design passen. Eine Querschnittsstudie zeigt Zusammenhänge, aber keine Ursache-Wirkung-Beziehung. Eine nicht randomisierte Interventionsstudie kann auch nach Adjustierung durch unbeobachtete Unterschiede zwischen Gruppen beeinflusst sein. Bei kleinen Stichproben sind breite Konfidenzintervalle kein Makel der Darstellung, sondern eine ehrliche Information über die Unsicherheit.

Für Abschlussarbeiten und Manuskripte lohnt sich ein reproduzierbarer Workflow: Rohdaten bleiben unverändert, Bereinigung und Analyse werden dokumentiert, und Tabellen sowie Abbildungen entstehen nachvollziehbar aus dem Auswertungsskript. Das spart bei Rückfragen von Betreuenden, Ethikkommissionen oder Co-Autorinnen und Co-Autoren erheblich Zeit.

Wann professionelle Statistikberatung sinnvoll ist

Spätestens bei mehreren Messzeitpunkten, komplexen Skalen, fehlenden Daten, kleinen klinischen Stichproben oder einem Publikationsziel ist methodische Unterstützung oft effizienter als nachträgliches Reparieren. Entscheidend ist nicht nur, ein Modell rechnen zu können. Die Analyse muss zur medizinischen Fragestellung, zum Erhebungsinstrument und zu den formalen Anforderungen Ihres Fachbereichs passen.

Easy Statistik unterstützt medizinische Forschungsprojekte individuell durch promovierte Statistikerinnen und Statistiker - von der Plausibilitätsprüfung über die Modellwahl bis zur verständlichen Ergebnisinterpretation und zum wissenschaftlichen Reporting. Diskret, nachvollziehbar und ohne unklare KI-generierte Auswertungsschritte.

Wenn Ihr Fragebogen bereits vorliegt oder die Datenerhebung kurz vor dem Abschluss steht, sollte der Auswertungsplan nicht bis zur letzten Woche warten. Schildern Sie Ihr Studiendesign, den Fragebogen und Ihre Forschungsfrage über das Kontaktformular. So lässt sich früh klären, welche Analysen Ihre medizinische Aussage tatsächlich tragen.