Forschergeist

Moderator Tim Pritlove spricht mit Wissenschaftlerinnen und Wissenschaftlern sowie anderen Aktiven des Wissenschaftssystems über aktuelle und zukünftige Trends und Praktiken für die Bildung, der Forschung und der Organisation und Kommunikation der Wissenschaft. Die ausführlichen Interviews wenden sich vor allem an junge und angehende Wissenschaftler, die nach Möglichkeiten suchen, ihre Forschung und Lehre den neuen Bedürfnissen der Zeit anzupassen und weiter zu entwickeln. Forschergeist ist ein Projekt des Stifterverbands für die Deutsche Wissenschaft und erscheint im Schnitt alle drei Wochen neu.

https://forschergeist.de

subscribe
share





episode 84: FG084 Evidenzbasierte Medizin [transcript]


Die schrittweise Einführung der Empirie in der Medizin


Gerd Antes

Woher weiß man eigentlich, welche Therapie wirkt? Dafür gibt es klinische Studien, in denen zum Beispiel ein neues Medikament geprüft wird, ob es hilft und was für Nebenwirkungen auftreten. Doch ganz so simpel ist die Anlage einer solche Untersuchung eben nicht. Es gibt viele Fallstricke, die die Ergebnisse unbrauchbar machen – zum Beispiel wenn die Gruppe, die das Medikament bekommt, und die Kontrollgruppe, die nur ein Placebo erhält, unterschiedlich zusammengesetzt sind. Ohne sauberes wissenschaftliches Arbeiten gewinnt man zwar Daten, aber keine gesicherte Erkenntnis.

Fehler und Verzerrungen in wissenschaftlichen Studienergebnissen systematisch auszuschalten, ist der Kern des evidenzbasierten Ansatzes in der medizinischen Forschung. Gerd Antes (71) gilt als ihr Wegbereiter in Deutschland. Der Mathematiker und langjährige Direktor des Deutschen Cochrane Zentrums am Universitätsklinikum Freiburg hat sich während seines Berufslebens dafür stark gemacht, den empirischen Nachweis von Wirksamkeit in der Forschung ins Zentrum zu stellen und auch Ärzte in der Ausbildung das Know-how beizubringen, Studien kritisch zu lesen. Hier hat es tatsächlich gewaltige Fortschritte gegeben, aber: Qualität ist kein Selbstläufer, und gerade in Pandemie-Zeiten scheint in der Forschung Geschwindigkeit oft vor Gründlichkeit zu gehen. Und wenn man etwa die Wirkung einer Intervention zur Eindämmung des Infektionsgeschehens messen will, der Effekt sich aber in einem Knäuel von Maßnahmen nicht sauber herausfiltern lässt, wird die Untersuchung nicht viel taugen.

Auch Big Data und maschinelles Lernen sind da leider nicht die Lösung, denn was ein plausibler Zusammenhang zwischen zwei Faktoren ist, weiß eine künstliche Intelligenz eben nicht von sich aus, mangels eigener Lebenserfahrung. Nicht jede statistische Korrelation begründet eine Kausalität. Neben der verlässlichen Erhebung von Daten geht es bei evidenzbasierter Forschung eben auch um den Sinn.

Das Gespräch wurde am 28. Oktober 2020 aufgezeichnet.

Shownotes Glossar
  • Biowissenschaften – Wikipedia
  • Club of Rome – Wikipedia
  • Die Grenzen des Wachstums – Wikipedia
  • Evidenzbasierte Medizin – Wikipedia
  • David Sackett – Wikipedia
  • Archie Cochrane – Wikipedia
  • Epidemiologie – Wikipedia
  • Störfaktor – Wikipedia
  • The scandal of poor medical research - PubMed
  • Why Most Published Research Findings Are False - Wikipedia
  • Publikationsbias – Wikipedia
  • Avoidable waste in the production and reporting of research evidence - The Lancet
  • How To Read A Paper
  • AHA-Formel – Wikipedia
  • Big Data – Wikipedia
  • Beurteilung eines binären Klassifikators – Wikipedia
  • Maschinelles Lernen – Wikipedia
  • Scheinkorrelation – Wikipedia

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License


share







 2020-12-11  1h32m