Die statistische Signifikanz beschreibt, ob ein beobachteter Effekt in einer Studie mit hoher Wahrscheinlichkeit real ist oder zufällig entstanden sein könnte. Sie ist ein zentrales Bewertungskriterium in klinischen Studien, wird jedoch häufig missverstanden oder falsch interpretiert. Es bedeutet nicht automatisch, dass ein Ergebnis medizinisch relevant oder für Patienten spürbar ist.
Ein Ergebnis gilt als statistisch signifikant, wenn die Wahrscheinlichkeit gering ist, dass es allein durch Zufall zustande gekommen ist. Diese Wahrscheinlichkeit wird mithilfe eines Schwellenwerts beurteilt, dem sogenannten Signifikanzniveau (p-Wert). Liegt der berechnete Wert unter diesem festgelegten Grenzwert, spricht man von statistischer Signifikanz.
Wichtig ist: Die statistische Signifikanz sagt nichts darüber aus, wie groß oder wie wichtig ein Effekt ist. Sie beantwortet nur eine Frage: Ist das beobachtete Ergebnis mit hoher Wahrscheinlichkeit nicht zufällig?
Ein häufiger Irrtum besteht darin, statistische Signifikanz mit medizinischer Relevanz gleichzusetzen. Ein sehr kleiner Effekt kann statistisch signifikant sein, wenn die Studie groß genug ist. Umgekehrt kann ein klinisch relevanter Effekt statistisch nicht signifikant sein, wenn die Stichprobe zu klein ist.
Deshalb sollte es immer im Zusammenhang mit weiteren Kennzahlen betrachtet werden. Besonders hilfreich ist hier das Konfidenzintervall, das zeigt, in welchem Bereich der wahre Effekt mit einer bestimmten Wahrscheinlichkeit liegt. Ein schmales Intervall deutet auf eine präzisere Schätzung hin als ein breites.
Ob ein Ergebnis statistisch signifikant wird, hängt von mehreren Faktoren ab. Dazu zählen die Größe der Studienpopulation, die Streuung der Daten und die Stärke des untersuchten Effekts. Diese Aspekte sind Teil der Studienstatistik und werden bereits bei der Planung einer Studie berücksichtigt.
Ein zentrales Element ist dabei die Power-Berechnung. Sie legt fest, wie groß eine Studie sein muss, um einen bestimmten Effekt mit ausreichender Wahrscheinlichkeit als statistisch signifikant nachweisen zu können. Eine unzureichende Power erhöht das Risiko, echte Effekte zu übersehen.
Ein signifikantes Ergebnis kann methodische Schwächen haben oder auf Verzerrungen beruhen. Es ist kein Qualitätsmerkmal für sich. Ebenso können multiple Auswertungen das Risiko erhöhen, zufällig signifikante Ergebnisse zu finden.
Aus diesem Grund wird heute zunehmend gefordert, statistische Signifikanz nicht isoliert zu betrachten. Sie sollte immer gemeinsam mit Effektgrößen, Konfidenzintervallen und dem klinischen Kontext interpretiert werden.
Trotz ihrer Grenzen bleibt die statistische Signifikanz ein wichtiges Werkzeug. Sie hilft dabei, Ergebnisse einzuordnen und Zufall von systematischen Effekten zu unterscheiden. In Kombination mit weiteren statistischen und klinischen Informationen trägt sie dazu bei, fundierte Entscheidungen in der medizinischen Forschung zu treffen.
Richtig verstanden ist statistische Signifikanz kein Beweis, sondern ein Hinweis. Erst das Zusammenspiel aller Bewertungsfaktoren ermöglicht eine verlässliche Interpretation von Studienergebnissen.
