Kaffee ist schlecht fürs Herz. Kaffee senkt das Risiko für Herzinfarkte. Beide Schlagzeilen können sich auf reale Forschungsergebnisse beziehen – und sich dennoch widersprechen. Was bedeutet das für uns? Welchen Studien können wir vertrauen? Und wie lässt sich herausfinden, ob ein Zusammenhang tatsächlich ein Ursache-Wirkungs-Verhältnis beschreibt?
Diesen Fragen geht die neue Folge von „Einstein on Air – Große Fragen, Berliner Antworten" nach. Zu Gast ist Jess Rohmann, Epidemiologin am QUEST for Responsible Research am Berlin Institute of Health der Charité. Sie beschäftigt sich mit der Qualität von Studiendaten und entwickelt Methoden, mit denen sich aus Gesundheitsdaten verlässlichere Erkenntnisse gewinnen lassen.
Epidemiologie findet nicht nur im Labor statt. Jess Rohmann arbeitet mit großen Datenmengen aus der medizinischen Versorgung – etwa aus Krankenhäusern oder dem Rettungsdienst. Zugleich steht für sie immer fest: Hinter jeder Zahl stehen Menschen und ihre Gesundheit. Um Daten sinnvoll auszuwerten, braucht es deshalb den Austausch mit Ärzt:innen, Statistiker:innen, Public-Health-Forschenden und weiteren Fachleuten. Nur wenn Datenanalyse und medizinisches Wissen zusammenkommen, lassen sich die richtigen Fragen stellen – und belastbare Antworten finden.
Im Gespräch wird deutlich, warum Beobachtungsstudien so anspruchsvoll sind. Ein Beispiel: Patient:innen, die nach einem Schlaganfall nach Hause entlassen werden, scheinen sich schneller zu erholen als Menschen, die in eine Reha gehen. Ist die Entlassung nach Hause also die Ursache für die bessere Genesung? Nicht unbedingt. Vielleicht hatten diese Patient:innen von Anfang an weniger schwere Schlaganfälle, waren körperlich fitter oder konnten auf mehr Unterstützung durch Angehörige zurückgreifen. Solche sogenannten Störfaktoren können sowohl die Entscheidung über die Entlassung als auch den weiteren Heilungsverlauf beeinflussen.
Um diese Zusammenhänge sichtbar zu machen, arbeitet Jess Rohmann mit kausalen Diagrammen, sogenannten DAGs – „Directed Acyclic Graphs". Anhand des scheinbar kuriosen Beispiels von Eisverkauf und Sonnenbrand erklärt sie, wie leicht eine Korrelation mit Kausalität verwechselt werden kann: An heißen, sonnigen Tagen wird mehr Eis verkauft – und zugleich bekommen mehr Menschen einen Sonnenbrand. Das Eis verursacht den Sonnenbrand natürlich nicht. Die gemeinsame Ursache ist die Sonne. Solche Denkfehler sind in der Gesundheitsforschung von großer Bedeutung. Denn viele Einflussfaktoren lassen sich nicht einfach durch eine randomisierte Studie untersuchen. Niemand kann etwa dazu verpflichtet werden, zu rauchen oder Asbest einzuatmen. Beobachtungsdaten sind dann unverzichtbar – verlangen aber besonders sorgfältige Studiendesigns und statistische Methoden.
Auch beim Kaffeekonsum zeigt sich: Verschiedene Studien untersuchen nicht immer dieselbe Frage. Wie viel Kaffee wird getrunken? Unter welchen Lebensbedingungen? Welche Rolle spielen Stress, Schlaf, Rauchen oder andere Gesundheitsgewohnheiten? Jess Rohmann plädiert dafür, Studien nicht nur nach ihren Schlagzeilen zu beurteilen, sondern genau hinzusehen: Was wurde tatsächlich gefragt? Wie wurden die Begriffe und Daten definiert? Passen die Methoden zur Forschungsfrage? Und wie transparent werden Unsicherheiten und Grenzen dargestellt?
Ein weiterer Schwerpunkt des Gesprächs ist das Peer Review, die Begutachtung wissenschaftlicher Arbeiten durch andere Forschende. Mit dem von ihr mitgegründeten Kurs Peerspectives vermittelt Jess Rohmann Doktorand:innen systematisch, wie sie Studien kritisch und konstruktiv bewerten können. Ihr Wunsch für die Zukunft: Methodenexpertise sollte von Beginn an in Forschungsprojekte einbezogen werden – nicht erst, wenn die Daten bereits erhoben oder die Ergebnisse schon formuliert sind.
Wer wissenschaftliche Schlagzeilen künftig genauer lesen und besser einschätzen möchte, sollte diese Folge hören. Hier auf der Website und auf allen großen Podcast-Kanälen.
Zum Podcast auf unserer Website
Zum Podcast auf YouTube
