Warum „halbiert das Risiko“ wenig bedeuten kann

Im Oktober 1995 warnten britische Behörden die Ärzteschaft, neuere Antibabypillen der „dritten Generation“ verdoppelten das Risiko gefährlicher Blutgerinnsel – eine Zunahme um 100 %. Die Warnung war korrekt. Was sie nicht vermittelte, war die Größenordnung: Etwa 1 von 7.000 Frauen unter den älteren Pillen erlitt eine Thrombose, verglichen mit etwa 2 von 7.000 unter den neueren. Viele Frauen setzten die Pille ab, und im Folgejahr kam es in England und Wales schätzungsweise zu 13.000 zusätzlichen Schwangerschaftsabbrüchen. Das Risiko hatte sich tatsächlich verdoppelt – von sehr klein auf klein. Wie eine Zahl dargestellt wird, kann ebenso wichtig sein wie die Zahl selbst.

Zwei Arten, dasselbe Ergebnis zu beschreiben

Jedes Studienergebnis lässt sich auf mindestens zwei Arten ausdrücken. Die relative Risikoreduktion gibt an, um welchen Anteil eine Behandlung das Risiko verändert: Wenn 2 statt 4 von 100 Menschen einen Herzinfarkt erleiden, ist das Risiko um 50 % gesunken. Die absolute Risikoreduktion nennt den tatsächlichen Unterschied: 4 % minus 2 % sind 2 Prozentpunkte.

Aus der absoluten Zahl ergibt sich die nützlichste Kennzahl überhaupt, die Number Needed to Treat (NNT): Wie viele Menschen müssen eine Behandlung erhalten, damit einer davon profitiert? Sie ist einfach 1 geteilt durch die absolute Risikoreduktion – im Beispiel oben 1 ÷ 0,02 = 50. Ihr Spiegelbild ist die Number Needed to Harm (NNH): Wie viele Menschen müssen behandelt werden, damit bei einem eine bestimmte Nebenwirkung auftritt? Beim Pillen-Alarm lag die NNH für eine zusätzliche Thrombose bei etwa 7.000.

Ein Beispiel ist die JUPITER-Studie: 17.802 scheinbar gesunde Menschen mit normalem Cholesterin, aber erhöhtem C-reaktivem Protein erhielten Rosuvastatin oder ein Placebo. Die Studie wurde vorzeitig beendet, nach im Median 1,9 Jahren.

Beide Aussagen beschreiben dieselben Daten – und legen doch sehr unterschiedliche Entscheidungen nahe.

Das Ausgangsrisiko verändert alles

Ein relativer Effekt ist zwischen verschiedenen Gruppen oft recht stabil; der absolute Effekt ist es nicht. Die Cholesterol Treatment Trialists' Collaboration hat individuelle Daten aus 27 Statin-Studien zusammengeführt. Jede Senkung des LDL-Cholesterins um 1 mmol/l verringerte schwere Gefäßereignisse um etwa 21 % (Rate Ratio 0,79), und der relative Nutzen war bei Menschen mit einem Fünf-Jahres-Risiko unter 10 % mindestens ebenso groß. In dieser Niedrigrisikogruppe schätzten die Autoren jedoch nur etwa 11 Ereignisse weniger pro 1.000 Menschen über fünf Jahre je 1 mmol/l Senkung.

Wendet man dieselbe relative Reduktion von 21 % auf Menschen mit unterschiedlichem Ausgangsrisiko über fünf Jahre an (unsere eigene, veranschaulichende Rechnung):

• 5 % Ausgangsrisiko: sinkt auf etwa 4 % – eine absolute Reduktion um etwa 1 Prozentpunkt, NNT ≈ 95.
• 10 % Ausgangsrisiko: sinkt auf etwa 7,9 % – etwa 2 Prozentpunkte, NNT ≈ 48.
• 30 % Ausgangsrisiko (typisch nach einem Herzinfarkt): sinkt auf etwa 23,7 % – etwa 6 Prozentpunkte, NNT ≈ 16.

Dasselbe Medikament nützt dem Hochrisikopatienten sechsmal mehr. Deshalb stützen Leitlinien Behandlungsentscheidungen auf das gesamte Herz-Kreislauf-Risiko, nicht auf eine Prozentzahl aus der Schlagzeile.

Ein Beispiel aus der Früherkennung

Das Harding-Zentrum für Risikokompetenz fasst das Mammographie-Screening für Frauen ab 50 Jahren über etwa 11 Jahre zusammen; Datengrundlage ist der Cochrane-Review. Ohne Screening starben etwa 5 von 1.000 Frauen an Brustkrebs, mit Screening etwa 4. Das lässt sich als „Screening senkt die Brustkrebssterblichkeit um 20 %“ berichten – oder als „1 von 1.000 Frauen bleibt der Tod durch Brustkrebs erspart“. An Krebs insgesamt starben in beiden Gruppen 22 von 1.000 Frauen. Auf der anderen Seite der Bilanz erhielten etwa 100 von 1.000 Frauen einen Fehlalarm mit weiteren Untersuchungen oder einer Biopsie, und bei etwa 5 wurde die Brust unnötigerweise teilweise oder ganz entfernt.

Die zugrunde liegende Cochrane-Analyse ist umstritten, andere Bewertungen fallen günstiger aus; hier geht es um die Darstellung, nicht um das Urteil. Als Frauen in vier Ländern gefragt wurden, wie viele von 1.000 durch das Screening vor dem Brustkrebstod bewahrt werden, lagen nur 6 % im richtigen Bereich (0 bis 5); in einer deutschen Umfrage war die häufigste Antwort 500.

Wie Schlagzeilen und Werbung Ergebnisse darstellen

Die Wahl der Darstellung ist nicht neutral. In einer von Gigerenzer und Kollegen zitierten Studie gaben 80 % der Befragten, denen der Nutzen eines Screenings als relative Risikoreduktion präsentiert wurde, an, den Test wahrscheinlich machen zu lassen; wurde derselbe Nutzen als absolute Reduktion oder als NNT dargestellt, waren es nur 53 % beziehungsweise 43 %. Auch Ärztinnen und Ärzte halten eine Behandlung für wirksamer, wenn ihr Nutzen in relativen Zahlen angegeben wird.

Achten Sie auf zwei Muster:

• Relativer Nutzen ohne Ausgangswert. Eine Analyse medizinischer Pressemitteilungen ergab, dass 45 % derjenigen, die Gruppen verglichen, relative Risiken ohne die zugrunde liegenden absoluten Risiken angaben.
• Uneinheitliche Darstellung. Nutzen in großen relativen Zahlen, Schaden in kleinen absoluten („1 % hatte Nebenwirkungen“). So wirkt der Nutzen groß und der Schaden klein.

Natürliche Häufigkeiten und Piktogramme

Der Psychologe Gerd Gigerenzer hat gezeigt, dass Menschen mit natürlichen Häufigkeiten – also Anzahlen realer Personen – weit besser rechnen als mit Prozentangaben und bedingten Wahrscheinlichkeiten. In einer Fortbildung erhielten 160 deutsche Gynäkologinnen und Gynäkologen folgende Angaben: 1 % der Frauen in einer Screeninggruppe hat Brustkrebs, der Test erkennt 90 % der Tumoren, und 9 % der gesunden Frauen werden positiv getestet. Auf die Frage, was ein positives Ergebnis bedeutet, wählten nur 21 % die richtige Antwort. Nach einem Training mit natürlichen Häufigkeiten waren es 87 %.

Dieselbe Information in natürlichen Häufigkeiten: Von 1.000 Frauen haben 10 Brustkrebs, 9 von ihnen werden positiv getestet. Von den 990 Frauen ohne Krebs werden etwa 89 ebenfalls positiv getestet. Von 98 Frauen mit positivem Befund haben also nur 9 – etwa jede zehnte – tatsächlich Krebs.

Ein Piktogramm (Icon Array) macht das sichtbar. Stellen Sie sich ein Raster aus 1.000 kleinen Figuren vor. Im Raster „ohne Screening“ sind 5 für Tod durch Brustkrebs eingefärbt, im Raster „mit Screening“ 4 – und 100 weitere sind als Fehlalarm markiert. Das Harding-Zentrum, heute Teil der Fakultät für Gesundheitswissenschaften Brandenburg mit Standort an der Universität Potsdam, veröffentlicht solche Faktenboxen und Piktogramme auf Deutsch.

Was das für Sie bedeutet

Wenn Sie über eine Behandlung oder einen Test lesen – oder Ihnen einer angeboten wird –, fragen Sie:

• Von wie vielen? Was geschieht mit 1.000 Menschen wie mir mit und ohne die Maßnahme?
• Wie hoch ist mein eigenes Ausgangsrisiko?
• Wie viele Menschen müssen behandelt (oder untersucht) werden, damit einer profitiert – und über wie viele Jahre?
• Wie viele erleiden einen Schaden, und welchen?
• Werden Nutzen und Schaden im selben Format angegeben?
• Bezieht sich das Ergebnis auf etwas, das mir wichtig ist – Tod, Schlaganfall, Knochenbruch – oder nur auf einen Laborwert?

Kleiner absoluter Nutzen ist nicht wertlos: 1 von 100 kann sehr lohnend sein, wenn Schäden selten sind und es um ein schweres Ereignis geht. Doch die Entscheidung sollte mit den echten Zahlen auf dem Tisch fallen.

Dieser Artikel ist eine allgemeine Information und keine individuelle ärztliche Beratung. Ob eine Untersuchung oder Behandlung für Sie sinnvoll ist, besprechen Sie am besten mit Ihrer Ärztin oder Ihrem Arzt.