Publikationsbias

Publikationsbias ist die Verzerrung, die entsteht, wenn die Veröffentlichung einer Studie und die Art ihrer Veröffentlichung von ihren Ergebnissen abhängen – typischerweise, weil statistisch signifikante oder positive Ergebnisse mit größerer Wahrscheinlichkeit in der Literatur erscheinen als Null- oder negative Ergebnisse. Da die Evidenzsynthese nur die Studien kombinieren kann, die sie findet, kann Publikationsbias gepoolte Schätzungen überhöhen und ist eine der zentralen Bedrohungen für die Validität einer systematischen Übersichtsarbeit oder Metaanalyse.

Definition

Publikationsbias ist der systematische Unterschied zwischen den Ergebnissen veröffentlichter Studien und den Ergebnissen aller durchgeführten Studien, der auftritt, wenn die Wahrscheinlichkeit einer Veröffentlichung von der Richtung oder Signifikanz der Studienergebnisse abhängt.

Scope

Dieses Thema behandelt, was Publikationsbias ist, wie er entsteht, wie er erkannt (Trichterplots und Asymmetrietests) und korrigiert wird (z. B. Trim-and-Fill), und wie er sich in den Sicherheitseinstufungen widerspiegelt. Es werden auch verwandte Berichtsverzerrungen (Reporting Biases) erwähnt. Es handelt sich um eine methodische Referenz, nicht um eine klinische Leitlinie.

Core questions

• Warum werden positive oder signifikante Ergebnisse eher veröffentlicht?
• Wie können fehlende Studien aus den verfügbaren Studien erkannt werden?
• Wann deutet Trichterplot-Asymmetrie auf Publikationsbias im Vergleich zu anderen Ursachen hin?
• Wie sollte ein vermuteter Publikationsbias das Vertrauen in eine Synthese beeinflussen?

Key concepts

• Ergebnisabhängige Veröffentlichung
• Small-Study-Effects
• Trichterplot und Trichterplot-Asymmetrie
• Eggers Regressionstest
• Trim-and-Fill-Anpassung
• File-Drawer-Problem
• Selektive Ergebnisberichterstattung
• Studienregistrierung als Prävention

Mechanisms

Publikationsbias entsteht, wenn Studien mit statistisch signifikanten oder günstigen Ergebnissen leichter und schneller eingereicht, akzeptiert und veröffentlicht werden als solche mit Nullergebnissen, sodass die veröffentlichte Literatur positive Ergebnisse überrepräsentiert. In einer Metaanalyse äußert sich dies oft als Small-Study-Effects: Kleinere, weniger präzise Studien zeigen systematisch größere Effekte als größere. Ein Trichterplot (Funnel Plot) stellt Effektschätzungen gegen ihre Präzision dar; bei fehlendem Bias wird eine symmetrische Streuung erwartet, während Asymmetrie auf fehlende kleine negative Studien hinweisen kann, formalisiert durch Tests wie die Egger-Regression. Anpassungsmethoden wie Trim-and-Fill schätzen und imputieren die möglicherweise fehlenden Studien. Asymmetrie hat auch andere Ursachen als Publikationsbias, daher erfordert die Detektion eine sorgfältige Interpretation, und die prospektive Studienregistrierung ist die wichtigste präventive Maßnahme (egger-1997; duval-tweedie-2000; sterne-2011; dickersin-1990).

Clinical relevance

Da Leitlinien und gesundheitstechnische Bewertungen auf synthetisierter Evidenz beruhen, kann sich Publikationsbias in Empfehlungen fortpflanzen, indem er den Nutzen überbetont oder den Schaden unterbewertet; die Beurteilung, ob eine Synthese dies berücksichtigt hat, ist Teil der Evidenzbewertung. Das Konzept beschreibt eine Bedrohung für die Evidenzbasis und beeinflusst die Einstufung der Sicherheit; es ist selbst keine klinische Empfehlung.

Evidence & guidelines

Methoden und Empfehlungen sind gut etabliert: Eggers Test für Trichterplot-Asymmetrie, die Trim-and-Fill-Anpassung und Konsensempfehlungen zur Untersuchung und Interpretation von Trichterplots; Publikationsbias ist auch ein Bereich, der die Sicherheit im GRADE-Framework mindert (egger-1997; duval-tweedie-2000; sterne-2011; guyatt-2008-grade).

History

Die Besorgnis, dass die Literatur positive Ergebnisse überrepräsentiert, wurde 1979 als „File-Drawer-Problem“ artikuliert und 1990 von Dickersin empirisch für die medizinische Forschung dokumentiert. Es folgten Detektionsmethoden: der Trichterplot und Eggers Regressionstest im Jahr 1997 und die Trim-and-Fill-Anpassung im Jahr 2000, wobei 2011 Konsensempfehlungen zur Interpretation der Trichterplot-Asymmetrie veröffentlicht wurden. Die Studienregistrierung entwickelte sich zur führenden strukturellen Abhilfemaßnahme (dickersin-1990; egger-1997; duval-tweedie-2000; sterne-2011).

Debates

Deutet Trichterplot-Asymmetrie wirklich auf Publikationsbias hin?

Asymmetrie kann auch aus echter Heterogenität, Studienqualität oder Zufall resultieren, daher können Asymmetrietests irreführend sein, insbesondere bei wenigen Studien; Empfehlungen betonen eine vorsichtige Interpretation statt einer mechanischen Anpassung.

Key figures

• Kay Dickersin
• Matthias Egger
• George Davey Smith
• Jonathan Sterne
• Sue Duval

Seminal works

• egger-1997
• duval-tweedie-2000
• dickersin-1990

Frequently asked questions

Wie wird Publikationsbias in einer Metaanalyse erkannt?

Üblicherweise durch einen Trichterplot, der den Studieneffekt gegen die Präzision aufträgt; Asymmetrie, formal getestet mit Methoden wie der Egger-Regression, kann darauf hindeuten, dass kleine negative Studien fehlen – obwohl Asymmetrie auch andere mögliche Ursachen haben kann.

Wie kann Publikationsbias verhindert werden?

Das wichtigste strukturelle Heilmittel ist die prospektive Registrierung von Studien und die Vorspezifikation von Ergebnissen, sodass die Existenz und die geplanten Analysen einer Studie unabhängig davon erfasst werden, ob ihre Ergebnisse später veröffentlicht werden.