Adverse Event Rates: Prozentwerte und Relatives Risiko in klinischen Studien

Stellen Sie sich vor, zwei Medikamente werden in einer Studie getestet. Medikament A wird von 100 Patienten für nur zwei Wochen eingenommen, Medikament B von 100 Patienten über ein ganzes Jahr. Beide Gruppen berichten von 10 Kopfschmerzen. Auf den ersten Blick wirkt das Risiko identisch: 10 Prozent. Aber ist das wirklich so? Wenn Sie die Zeit betrachten, in der die Patienten dem Wirkstoff ausgesetzt waren, sieht die Realität völlig anders aus. Genau hier scheiden sich die Geister bei der Auswertung von Adverse Event Rates, also den Raten unerwünschter Ereignisse in der Pharmakologie.

Viele Leser denken, eine prozentuale Angabe sei immer gleichbedeutend mit dem tatsächlichen Risiko. Doch in der modernen klinischen Statistik gibt es feine Unterschiede zwischen einfachen Prozentsätzen und komplexeren Modellen wie dem relativen Risiko oder expositions-adjustierten Raten. Diese Nuancen entscheiden oft darüber, ob ein Medikament als sicher gilt oder nicht - und sie beeinflussen direkt, was die FDA (Food and Drug Administration) bei Zulassungsanträgen erwartet.

Warum einfache Prozentwerte trügen können

Die einfachste Methode, um Nebenwirkungen zu messen, ist die Inzidenzrate (IR). Hier teilen Sie die Anzahl der Patienten mit einem Ereignis durch die Gesamtzahl der behandelten Patienten. Das Ergebnis ist ein einfacher Prozentsatz. Zum Beispiel: 15 von 100 Patienten hatten Übelkeit, also 15 Prozent. Diese Methode ist intuitiv und leicht verständlich. Sie war lange Zeit der Standard in klinischen Studien.

Aber was passiert, wenn die Studiendauer variiert? Nehmen wir an, Arm A bricht die Studie nach vier Wochen ab, während Arm B sechs Monate weiterläuft. Die IR ignoriert diese Zeitspanne komplett. Ein Patient, der nur kurz behandelt wurde, zählt genauso viel wie einer, der monatelang unter Beobachtung stand. Eine Analyse von Andrade aus dem Jahr 2010 zeigte, dass die IR das wahre Ereignisrisiko in Studien mit unterschiedlichen Expositionsdauern um 18 bis 37 Prozent unterschätzen kann. Das ist kein kleines Detail; es ist ein statistischer Fehler, der das Sicherheitsprofil eines Medikaments verzerrt darstellt.

Das relative Risiko im Vergleich

Um herauszufinden, ob ein neues Medikament riskanter ist als ein Placebo oder ein bestehendes Medikament, nutzen Forscher das relative Risiko (RR). Es basiert auf dem Verhältnis der Inzidenzraten zweier Gruppen. Wenn Gruppe A eine Rate von 20 Prozent hat und Gruppe B nur 10 Prozent, beträgt das relative Risiko 2,0. Das bedeutet, das Risiko in Gruppe A ist doppelt so hoch.

Doch auch hier lauern Fallstricke. Das relative Risiko vergleicht Punkt-zu-Punkt-Raten. Wenn die zugrunde liegenden Raten aufgrund unterschiedlicher Behandlungszeiten ungenau sind, wird auch das RR fehlerhaft. Statistiker verwenden hierfür oft Konfidenzintervalle, um die Unsicherheit dieser Schätzung zu quantifizieren. Bei der Berechnung des Verhältnisses der Inzidenzraten (IRR) greift man häufig auf die Wald-Methode zurück, während für einzelne Raten die Wilson-Score-Methode mit Kontinuitätskorrektur bevorzugt wird. Diese mathematischen Details sind entscheidend, um statistisch valide Aussagen zu treffen, die vor Gericht oder in regulatorischen Gremien Bestand haben.

Expositions-adjustierte Raten: Der neue Standard

Um die Schwächen der einfachen Prozentwerte zu beheben, hat sich die Industrie auf die Exposure-Adjusted Incidence Rate (EAIR) geeinigt. Diese Methode berücksichtigt sowohl die Dauer der Behandlung als auch wiederkehrende Ereignisse. Statt nur „Anzahl der Patienten“ zu zählen, wird die Summe der individuellen Behandlungstage aller Patienten als Nenner verwendet. Das Ergebnis wird oft als Ereignisse pro 100 Patientenhjahre angegeben.

Ein konkretes Beispiel macht den Unterschied klar: Wenn 10 Patienten je 100 Tage behandelt wurden und jeder genau ein Ereignis hatte, ergibt die EAIR ein anderes Bild als die simple IR, besonders wenn andere Patienten länger behandelt wurden. Die FDA hat 2023 in einem Antrag zur biologischen Zulassung explizit die Verwendung der EAIR gefordert. Dies signalisiert einen klaren regulatorischen Wandel hin zu präziseren Methoden, die die tatsächliche Exposition im Auge behalten. Für Chronotherapien, bei denen Patienten jahrelang behandelt werden, ist dieser Ansatz unverzichtbar, um seltene, aber schwere Nebenwirkungen korrekt einzuordnen.

Methoden im direkten Vergleich

Welche Methode wann zu wählen, hängt stark vom klinischen Kontext ab. Es gibt keine einzige „beste“ Formel für alle Fälle. Die Wahl muss zur gestellten klinischen Frage passen. Hier ist ein Überblick über die drei gängigsten Ansätze:

Die EAIR gewinnt zunehmend an Bedeutung, weil sie die Heterogenität in realen Studienpopulationen besser abbildet. In Onkologie-Studien, wo Patienten oft wegen Toxizität frühzeitig aussteigen, liefert die EAIR ein realistischeres Bild als die klassische IR. Allerdings erfordert sie mehr Aufwand in der Datenprogrammierung. Umfragen unter klinischen Programmierern zeigen, dass die Implementierung der EAIR im Schnitt dreimal mehr Zeit beansprucht als die einfache IR-Berechnung.

Regulatorische Erwartungen und praktische Umsetzung

Die FDA und die EMA (European Medicines Agency) achten bei der Prüfung von Zulassungsanträgen streng darauf, dass die gewählte statistische Methode gerechtfertigt ist. Während die EMA flexible Leitlinien hat und sowohl IR als auch EAIR akzeptiert, verlangt sie eine klare Begründung für die Auswahl. Die ICH E9(R1)-Empfehlung, die 2020 aktualisiert wurde, fordert ausdrücklich, dass bei Sicherheitsanalysen die Behandlungsdauer und Abbrüche berücksichtigt werden müssen.

Für Pharmaunternehmen bedeutet das: Sie müssen ihre Datenstrukturen anpassen. Moderne Standards wie CDISC verlangen spezifische Variablen für Expositionszeiten in den Datensätzen. Unternehmen wie MSD haben berichtet, dass der Wechsel zu EAIR in 12 Prozent ihrer Programme bisher unentdeckte Sicherheitssignale aufgedeckt hat. Das zeigt, wie wichtig diese Feinheit ist. Gleichzeitig gab es Anfangsprobleme: 35 Prozent der medizinischen Reviewer bei Roche verstanden die neuen Zahlen zunächst falsch, was zusätzliche Schulungen erforderte.

Häufige Fragen zur Sicherheitsanalyse