Cochrane erstellt systematische Reviews, weil sie der zuverlässigste Weg sind, um herauszufinden, ob eine bestimmte Maßnahme oder Untersuchung sinnvoll ist.
In einem systematischen Review untersuchen wir sorgfältig alle Forschungsarbeiten, um eine bestimmte Frage zu beantworten - zum Beispiel: "Hilft die Behandlung X Menschen mit der Krankheit Y?". Dann ermitteln wir die Gesamtwirkung. Wir verwenden ausgeklügelte statistische Methoden, um mehrere Studien - manchmal Hunderte - zu kombinieren und zu vergleichen. Dadurch werden unsere Übersichtsarbeiten zuverlässiger als einzelne Studien.
In diesem Video (auf Englisch) erfahren Sie mehr über systematische Reviews, wie Forschende sie erstellen und warum sie für alle wichtig sind, die informierte Entscheidungen zur Gesundheit treffen müssen.
Video: Was sind systematische Reviews? (3 Min. 23 Sek.)
Video-Transkript (auf Deutsch übersetzt)
Was sind systematische Reviews? Systematische Reviews helfen, aus Daten unterschiedlichen Typs schlau zu werden. Sie sind eine Möglichkeit, alle Daten und Forschungsergebnisse zu einer bestimmten Frage auf standardisierte und systematische Weise zu bewerten und zu kombinieren. Ein systematischer Review hilft, einen objektiven und transparenten Überblick über die gesamte Evidenz zu einer bestimmten Frage zu geben.
Mithilfe des Cochrane-Logos kann man die Ergebnisse eines systematischen Reviews visuell erklären. So funktioniert ein systematischer Review.
Zunächst muss eine Frage definiert und eine objektive Methode für die Fragestellung vereinbart werden. Stellen Sie sich einen Kreis vor. Die Fläche darin ist durch eine Frage definiert. Alles, was darin liegt, betrifft die Frage. Alles, was außerhalb liegt, nicht. In diesen Kreis werden die relevanten Daten aufgenommen.
Dann beginnt eine Suche nach diesen relevanten Daten. Sie können aus vielen Quellen stammen, auch aus klinischen Studien. Stellen Sie sich vor, die Formen stellen Datensätze von verschiedenen Forschungsprojekten dar, zum Beispiel von verschiedenen klinischen Studien.
Der Datensatz muss die passende Form haben: Damit die Ergebnisse später zuverlässig sind, können nur Daten aus Studien, die bestimmten Kriterien entsprechen, eingeschlossen werden, zum Beispiel durch die Auswahl von Studien, die von guter Qualität sind und die definierte Frage beantworten.
Wenn die Studie die Kriterien erfüllt, können detailliertere Informationen über die Studie gesammelt (extrahiert) werden.
Zu den extrahierten Informationen gehören: wie die Studie durchgeführt wurde (oft als „Methode“ bezeichnet), wer an der Studie teilgenommen hat (einschließlich der Anzahl der Teilnehmenden), wie sie bezahlt wurde (z. B. Finanzierungsquellen), wie sie ablief (die „Endpunkte“).
Diese Informationen werden anhand von bestimmten Kriterien beurteilt, um die Qualität der Studie zu bewerten. Sobald die Ergebnisse extrahiert sind, können sie mit Hilfe komplexer statistischer Methoden kombiniert werden, um ein Gesamtergebnis aus allen Daten zu erhalten.
Der Kreis ist eine Möglichkeit, diese Daten visuell darzustellen. Es wird Forest Plot (oder auch Blobbogramm) genannt.
Der durch die Frage definierte Bereich kann in eine Hälfte mit "Ja"- und eine mit "Nein" unterteilt werden, also eine positive und eine negative Seite. Je kürzer die Linie ist, desto mehr Vertrauen haben wir in die Aussagekraft der Daten.
Eine längere Linie steht für weniger konzentrierte und verstreute Daten, eine kürzere für konzentriertere und gebündelte. Stellen Sie sich das Wissen als Licht und die Unwissenheit als Dunkelheit vor: Je mehr das Licht gestreut wird, desto schwächer ist es und desto weniger klar sind die Dinge sichtbar. Wenn das Licht gebündelt ist bzw. die Daten klarer gruppiert sind, können wir dem, was wir sehen, mehr Vertrauen schenken.
Die Raute stellt das Ergebnis dar, das alle eingeschlossenen Daten kombiniert. Da für dieses kombinierte Ergebnis mehr als nur ein einziger Datensatz verwendet wurde, wird es als zuverlässiger und somit als bessere Evidenz betrachtet. Je mehr Daten wir haben, desto sicherer können wir sein.
