„Leitlinien exkulpieren Ärzte nicht davon, bei der Therapiewahl eigene Gedanken, die auf praktischen Erfahrungen basieren, mit einfließen zu lassen“, so Überall. Zudem seien auch Kenntnisse in Statistik nötig, um die Studienergebnisse richtig zu interpretieren.
Die Fragen, auf die es ankommt: Sind die Ergebnisse gut im Abstract dargestellt? Wie groß ist der Vorteil der Therapie für Patienten und Versorger?
Zentral für die Wirksamkeitsbewertung in Studien ist der p-Wert: Wird die statistische Signifikanz mit p > 0,05 verfehlt, gilt eine Studie als gescheitert. Da der p-Wert jedoch nur eine Wahrscheinlichkeit angibt, ist das Ergebnis auch bei p ≤ 0,06 immer noch mit einer Wahrscheinlichkeit von 94 % oder mehr sicher, beruht also zu weniger als 6 % auf einem Zufall und der Unterschied zu p ≤ 0,06 ist minimal.
Die statistische Signifikanz wird oft überbewertet, obwohl sie nichts über die klinische Relevanz aussagt. Im Gegensatz zu klinischen Studien mit ihren praxisfernen Bedingungen gewinnen Real-World-Studien mit Daten, die unter Alltagsbedingungen gewonnen wurden, also nicht interventionell, an Bedeutung. Daher werde es immer wichtiger, diagnostische und therapeutische Algorithmen im klinischen Alltag zu prüfen, so Überall.