Welche Studie sagt was? Welchen Studientyp braucht man für welche Frage? Und wie gewinnt die Forschung aus der Datenflut sichere Erkenntnisse? Ein Überblick über Designs medizinischer und ernährungswissenschaftlicher Studien.

---

---

In der Ernährungswissenschaft sind Kohortenstudien, Interventionsstudien oder systematische Übersichtsarbeiten mit Metaanalysen Werkzeuge, die benutzt werden, um Zusammenhänge zwischen Ernährungsgewohnheiten und Erkrankungen zu beleuchten (Röhrig et al. 2009; Schulze 2007). Doch Vorsicht bei der Interpretation der Ergebnisse: Daten aus Interventionsstudien sind nicht mit Daten aus Beobachtungsstudien vergleichbar, da die beiden Studientypen in Aufbau, Durchführung und Forschungsgedanken grundverschieden sind.

Im Unterschied zu Beobachtungsstudien beeinflusst der Untersuchende in einer Interventionsstudie aktiv den Studienverlauf, um kausalen Zusammenhängen auf die Spur zu kommen. Das geschieht mittels einer definierten Behandlung, der Intervention, die nur eine von zwei Teilnehmergruppen erhält. Die Interventionsgruppe erhält z. B. jeden Tag Rohkost zu allen Mahlzeiten, die Kontrollgruppe aber nicht. Wenn es am Ende tatsächlich messbare Unterschiede zwischen den Gruppen gibt, z. B. deutlich veränderte Blutfettwerte, lässt sich ein Zusammenhang zur Intervention und damit bestenfalls eine Ursache-Wirkungs-Beziehung herstellen.

Als Goldstandard der Studiendesigns gelten randomisierte, kontrollierte Studien (RCTs) (Cochrane Deutschland 2021). Die Teilnehmenden werden der Interventions- bzw. Kontrollgruppe zufällig zugeordnet (randomisiert), wodurch mögliche Störfaktoren, die das Ergebnis ungünstig beeinflussen könnten, gleichmäßig auf die Gruppen verteilt sind. Zusätzlich erhöht eine sogenannte doppelte Verblindung die Qualität von RCTs. Das bedeutet, weder Forschende noch Teilnehmende wissen, wer welche Behandlung erhält. So minimieren sich mögliche Verzerrungen der Ergebnisse. Eine Verblindung ist bei Ernährungsstudien aber häufig nicht möglich.

Langzeiteffekte lassen sich mit RCTs allerdings schlecht untersuchen und die Probandenzahlen dieser Studien sind meist recht klein.

Beobachtungsstudien beschreiben Zusammenhänge – Korrelationen – zwischen zwei Variablen (Röhrig et al. 2009), etwa zwischen dem Verzehr von rotem Fleisch und Krebserkrankungen. Allerdings können Beobachtungsstudien im Gegensatz zu kontrollierten Interventionsstudien nicht beweisen, dass Steak und Salami nun tatsächlich Krebs verursachen. Sie können keine Ursache-Wirkungs-Beziehung, keine Kausalität, herstellen. Trotzdem gibt es in der Ernährungswissenschaft mehr Beobachtungsstudien als Interventionsstudien. Die bekanntesten Arten sind Kohortenstudien und Fall-Kontroll-Studien.

Eine Kohortenstudie ist eine groß angelegte, meist vorausblickende (prospektive) Beobachtungsstudie, die häufig dazu dient, die Neuerkrankungsrate (Inzidenz) und mögliche Risikofaktoren für eine Erkrankung zu ermitteln. Eine große Gruppe von Personen, die Kohorte, wird entsprechend einer Eigenschaft in Untergruppen eingeteilt und über Monate oder Jahre beobachtet (Klug et al. 2007). Ein Beispiel: Gruppe A isst Fleisch, Gruppe B lebt vegetarisch. Von Interesse ist das mögliche Auftreten einer Krebserkrankung, in diesem Beispiel ist das der definierte Endpunkt der Studie. Im Mittelpunkt steht die Frage, ob Personen, die Fleisch essen, häufiger an Krebs erkranken als Personen, die sich vegetarisch ernähren. Messbare Unterschiede zwischen den Gruppen geben Hinweise für mögliche Risikofaktoren.

Zu den Limitationen prospektiver Kohortenstudien gehört, dass Teilnehmende im Laufe der Zeit aus der Studie ausscheiden. Zudem sind Ungenauigkeiten durch Selbstauskünfte der Teilnehmenden möglich, was die Aussagekraft der Ergebnisse beeinträchtigen kann (Gottschald et al. 2016).

Beobachtungsstudien untersuchen in der Regel Zusammenhänge zwischen dem Konsum eines bestimmten Nährstoffs oder Lebensmittels und dem Auftreten chronischer Krankheiten. Durch einen höheren Konsum eines Lebensmittels wird jedoch meist ein anderes Lebensmittel ersetzt. Wer zum Beispiel mehr Käse isst, isst dafür vielleicht weniger Fleisch oder Hülsenfrüchte. Dies hat jedoch unter Umständen völlig unterschiedliche Auswirkungen auf das Krankheitsrisiko. Um die daraus resultierenden Zusammenhänge zu untersuchen, werden zunehmend Substitutionsmodelle angewendet, bei denen der Austausch zweier Lebensmittel modelliert wird.

Fall-Kontroll-Studien sind rückblickende (retrospektive) Beobachtungsstudien. Zwei Gruppen werden einbezogen: die erkrankten Fälle und die gesunden Kontrollen (Klug et al. 2007). Von Interesse ist, welche Ernährungsgewohnheiten beide Gruppen in der Vergangenheit hatten, um möglichen Risikofaktoren einer Erkrankung auf die Spur zu kommen. Meist beantworten die Teilnehmenden Fragebögen zu ihren Ernährungsgewohnheiten.

Das ist unkompliziert, hat aber auch einen Haken: Wissen Sie noch, wie viel Wurst Sie im letzten halben Jahr gegessen haben? Vermutlich nicht. Fall-Kontroll-Studien sind daher besonders anfällig für Erinnerungsverzerrung. Unklar ist ebenso, ob eine Gewohnheit in der Vergangenheit die alleinige Ursache für die Krankheit ist. Das macht es schwer, Ursache-Wirkungs-Beziehung bzw. die Kausalität zu bestimmen. Zudem kann es bei Fall-Kontroll-Studien passieren, dass bestimmte Gruppen über- oder unterrepräsentiert sind.

In der Ernährungswissenschaft gibt es viel mehr beobachtende Fall-Kontroll- oder Kohortenstudien als kontrollierte Interventionsstudien. Wenn aber nur Interventionsstudien kausale Zusammenhänge beweisen und RCTs sogar als Goldstandard gelten, warum führt man dann nicht nur noch diese Art von Studien durch?

Die Umsetzung ist das Problem: Interventionsstudien sind teuer und eignen sich leider nicht für alle Fragestellungen (Schwingshackl et al. 2021; Schulz 2006). Nicht als Interventionsstudie realisierbar wäre beispielsweise die Frage, ob eine ballaststoffreiche Ernährung im Kindesalter einen Effekt auf das spätere Darmkrebsrisiko hat. Der Aufwand der Kontrolle wäre viel zu hoch, der Preis viel zu teuer. Zeit ist Geld: Einen Fragebogen auszufüllen ist billiger, schneller und einfacher als das monatelange Begleiten einer Interventionsgruppe. Eine weitere Schwierigkeit, gerade im Ernährungsbereich, ist die Verblindung: Was auf dem Teller liegt, ist nun mal für alle Beteiligten sichtbar.

Neue Arbeiten zeigen allerdings, dass Ergebnisse aus Kohortenstudien und RCTs mit sehr ähnlichen Fragestellungen tatsächlich auch sehr ähnlich sind. Die Beweislage aus den Beobachtungsstudien ist somit vertrauenswürdiger, als bislang vermutet (Stadelmaier et al. 2024).

Eine einzelne Studie, die einen Zusammenhang etwa zwischen Fleischverzehr und Krebserkrankungen zeigt, ist noch kein Fundament für Ernährungsempfehlungen. Zwei Studien auch nicht. Das Zauberwort lautet Evidenz: Entscheidend für die Entwicklung von Ernährungsempfehlungen ist die Evidenz wissenschaftlicher Studien (DGEpi 2018). Eine gute Evidenz liegt vor, wenn es mehrere aussagekräftige Studien mit signifikanten Ergebnissen zu einer Forschungsfrage gibt und diese Ergebnisse in eine Richtung weisen.

Zudem sollten die Limitierungen der jeweiligen Studienart und mögliche Verzerrungsrisiken der eingeschlossenen Studien bei der Interpretation der Ergebnisse immer berücksichtigt werden.

Die Grundlage für Leitlinien und lebensmittelbasierte Empfehlungen bilden wissenschaftliche Studien, z. B. Interventionsstudien oder vorausblickende Kohortenstudien. Noch besser ist es, wenn die Ergebnisse der Studien schon zusammengefasst sind. Als Instrumente kommen dafür z. B. systematische Übersichtsarbeiten mit oder ohne Metaanalysen und Umbrella Reviews zum Einsatz (DGE 2021). Um daraus Empfehlungen ableiten zu können, beurteilt ein wissenschaftliches Gremium die Qualität und Sicherheit der Beweislage.

Eine Metaanalyse erhebt keine neuen Daten. Sie ist ein Analyseverfahren, bei dem die vorhandenen Daten verschiedener Studien zum gleichen Forschungsthema zusammengefasst und statistisch ausgewertet werden. Aus den Studien wird ein neuer Mittelwert („gepoolter Effektschätzer“) für das Gesamtrisiko berechnet. Durch das Zusammenführen der Daten können bestimmte Zusammenhänge sichtbar gemacht werden, die in Einzelstudien unentdeckt bleiben. Oft besteht in Ernährungsstudien das Problem, dass gemessene Effekte sehr klein und einzeln betrachtet nur von geringer Bedeutung sind.

Eine Netzwerkmetaanalyse (NMA) ist ein recht neues Werkzeug. Sie macht es möglich, mehrere Lebensmittel gleichzeitig miteinander zu vergleichen. Klassische Metaanalysen können nur jeweils zwei Interventionen unter die Lupe nehmen, z. B. viel Milch oder wenig Milch. Durch die Berücksichtigung von direkter und indirekter Evidenz wird vergleichbar, was in einzelnen Studien möglicherweise gar nicht untersucht wurde.

Zwei Interventionsstudien haben zum Beispiel den Konsum von Milch und Joghurt sowie von Milch und Käse verglichen. Die NMA erlaubt nun auch eine Aussage über den Vergleich zwischen dem Konsum von Joghurt und Käse. Zudem lassen sich mit Netzwerkmetaanalysen Gewichtungen vornehmen, also eine Art Rangfolge der besten bzw. ungünstigsten Interventionen erstellen.

Eine systematische Übersichtsarbeit, auch systematischer Review, fasst den Forschungsstand ausgewählter Studien zusammen, die die gleiche Frage behandeln. Am Anfang steht eine systematische Literaturrecherche. Diese Einzelstudien müssen gewisse Kriterien erfüllen, bevor man relevante Ergebnisse herausziehen und kritisch bewerten kann. Eine Analyse der Daten in Form einer Metaanalyse kann ein Teil der systematischen Übersichtsarbeit sein.

Ein Umbrella Review fasst die Evidenzlage zu einer Forschungsfrage aus systematischen Übersichtsarbeiten und Metaanalysen zusammen – eine Übersicht der Übersicht. Ein Umbrella Review stellt die Ergebnisse der eingeschlossenen systematischen Übersichtsarbeiten gegenüber und untersucht auch, ob es Unterschiede zwischen den Ergebnissen gibt. Dadurch werden die unterschiedlichen Ergebnisse miteinander in Verbindung gebracht, um eine neue Erkenntnis zu erlangen, die so noch nicht in den Übersichtsarbeiten behandelt wurde. Gleichzeitig können Umbrella Reviews auch Forschungslücken zum Vorschein bringen.

Auch Ergebnisse aus systematischen Reviews können von unterschiedlicher Vertrauenswürdigkeit sein, darum wurde der sogenannte GRADE-Ansatz eingeführt. GRADE steht für Grading of Recommendations, Assessment, Development and Evaluation. Dies ist eine Art Matrize, mittels derer Forschende die Vertrauenswürdigkeit der Beweislage anhand von fünf Kriterien überprüfen können.

Die Evidenz kann mittels GRADE als sehr niedrig, niedrig, moderat oder hoch eingestuft werden (Wissen was wirkt 2021). Eine niedrige Vertrauenswürdigkeit wird meist mit Beschreibungen wie „Maßnahme X könnte den Effekt Y haben“ wiedergegeben. Die Bewertung moderat oder hoch bedeutet hingegen, dass die Evidenz wahrscheinlich oder sicher ist. Nur dann können die Studiendaten als brauchbare Basis für Entscheidungen dienen, zum Beispiel für oder gegen die Einnahme von Omega-3-Tabletten.

Beobachtungsstudien und Interventionsstudien sind wichtige Instrumente, um Zusammenhänge zwischen Ernährung und Krankheiten aufzuzeigen. Und sie dienen häufig als Grundlage für Präventionsmaßnahmen bzw. Ernährungsempfehlungen. Ergebnisse aus Beobachtungsstudien müssen aber mit Vorsicht interpretiert werden, weil der Zusammenhang zwischen Ursache und Wirkung nicht abschließend bestimmt werden kann (Schwingshackl 2023) .

Kausale Zusammenhängen lassen sich nur durch randomisierte, kontrollierte Studien (RCTs) untersuchen (Schwingshackl 2023). Daher sind sie der Goldstandard, aber teuer und eingeschränkt umsetzbar. Die Grundlage für Leitlinien und Ernährungsempfehlungen bilden meist Studien hoher Evidenzklasse (Schütz 2012): Metaanalysen von RCTs, systematische Reviews und Umbrella Reviews.

---

Cochrane Deutschland (2021): Cochrane-Glossar

DGE – Deutsche Gesellschaft für Ernährung e.V. (2021): Ausgewählte Fragen und Antworten zu wissenschaftlichen Methoden

DGEpi – Deutsche Gesellschaft für Epidemiologie (2018): Leitlinien und Empfehlungen zur Sicherung von Guter Epidemiologischer Praxis (GEP)

Gottschald et al. (2016): The influence of adjustment for energy misreporting on relations of cake and cookie intake with cardiometabolic disease risk factors. Eur J Clin Nutr 70(11):1318–1324

Klug et al. (2007): Wichtige epidemiologische Studientypen. Dtsch Med Wochenschr 132:e45–e47

Röhrig et al. (2009): Studientypen in der medizinischen Forschung – Teil 3 der Serie zur Bewertung wissenschaftlicher Publikationen. Dtsch Arztebl Int 106(15):262–8

Schütz T (2012): Wissenschaftliche Leitlinien – Methodik – Bewertung – Anwendung. Ernährungs Umschau 9/2012:542–549

Schulz M (2006): Einführung in die Epidemiologie – Teil 2: Studiendesign. Ernährungslehre und -praxis, Ernährungs Umschau, B13–B16

Schulze MB (2007): Methoden der epidemiologischen Ernährungsforschung – Beispiel des Typ-2-Diabetes mellitus. Ernährungs Umschau 3/07:268–274

Schwingshackl L (2023): Beobachtungsstudien – Gesundheitliche Zusammenhänge auf Bevölkerungsebene erkennen. Ernährungs Umschau 3/2023:M166–M169

Schwingshackl et al. (2021): Korrelation und Kausalität: Ergebnisse von Kohortenstudien gleichen denen von Interventionsstudien. Ernährungs Umschau 10/2021:M570

Stadelmaier et al. (2024): Evaluating agreement between evidence from randomised controlled trials and cohort studies in nutrition: a meta-research replication study. Eur J Epidemiol

Wissen was wirkt (2021): Die Vertrauenswürdigkeit von Evidenz nach GRADE

---

Stand: April 2024