Gleiche Teilgruppenanteile, andere Mischung

Vollständig erfunden, alle Antworten zur gleichen Sieben-Tage-Zigarettenfrage nach drei Monaten bekannt. Zähler: erfülltes Ergebnis; Nenner: Personen der Zelle. Keine kausalen Schätzungen.

Ausgangslage vor der WahlNachrichten gewähltKeine Nachrichten gewählt
Plan vorbereitet10/50 = 20 %30/150 = 20 %
Plan noch in Vorbereitung15/150 = 10 %5/50 = 10 %
Zusammen25/200 = 12,5 %35/200 = 17,5 %

Eine erfundene Schlagzeile nachrechnen

Alle Zahlen sind erfunden und sagen nichts über einen echten SMS-Dienst. Erwachsene erhalten dieselben Anfangsinformationen und wählen selbst, ob sie unterstützende Nachrichten nutzen. Es gibt keine Zufallszuteilung. Vor dieser Wahl haben einige bereits einen Plan, andere bereiten ihn noch vor. Auch diese Einteilung ist eine Übung, keine Aussage über reale Bereitschaft oder Rauchstopp-Raten.

Nach drei Monaten wird allen dieselbe Frage zu Zigaretten in den vergangenen sieben Tagen gestellt; alle Antworten seien bekannt. Bei Nutzenden erfüllen 10 von 50 mit vorbereitetem Plan und 15 von 150 noch Vorbereitenden das Ergebnis: 25/200 = 12,5 %. Ohne Nachrichten sind es 30/150 und 5/50, insgesamt 35/200 = 17,5 %. Eine Schlagzeile könnte einen Rückstand von fünf Prozentpunkten behaupten.

Innerhalb der Ausgangslagen sind jedoch 10/50 und 30/150 jeweils 20 %, 15/150 und 5/50 jeweils 10 %. Die Gesamtdifferenz entsteht in diesen erfundenen Daten durch die unterschiedliche Mischung. Bei Nutzenden überwiegt die Kategorie mit 10 %. Das erklärt die Rechnung, beweist weder schädliche SMS noch einen kausalen Nulleffekt.

Unser Beispiel erlaubt ‘Selbst gewählte Nutzende hatten einen niedrigeren beobachteten Gesamtanteil; die Ausgangsmischung unterschied sich’. Daraus darf nicht ‘SMS verminderten den Rauchstopp’ werden. Randomisierte Ergebnisse, Intervalle oder echte Dienstleistungsdaten haben wir nicht geliefert. Öffentliche Methoden und Summen genügen, private Rauch- oder Gesundheitsdaten werden nicht benötigt.

Eine Ausgangsvariable beseitigt nicht alles

Cochrane beschreibt Confounding als gemeinsame Ursachen von Interventionswahl und Ergebnis. Eine geeignete Analyse kann erfasste Ausgangsfaktoren berücksichtigen. Unerfasste Faktoren, Messfehler und Modellannahmen bleiben relevant; eine einzelne Aufteilung ist kein Beweis für vollständige Kontrolle. Die Anpassung an durch die Intervention veränderte Größen kann sogar Verzerrung einführen.

Fragen Sie im echten Bericht, was vor der Nutzung wie gemessen wurde und warum die Analyse geeignet ist. Auch Beginn der Nachbeobachtung und vergleichbare Messung sind zu prüfen. ‘Große Datenbank’ und ‘adjustiert’ ersetzen das nicht. Eine andere Auswahl kann Nutzende auch günstiger erscheinen lassen; die Richtung steht nicht allgemein fest.

[2]

Zufall verändert den Zugang zu den Gruppen

Ein anderes Experiment könnte das Nachrichtenangebot zufällig zuteilen und kommende Zuteilungen bis zum bestätigten Einschluss verdecken. Verglichen würden Angebote nach Zuteilung, nicht selbst ausgewählte Nutzende. Bei korrekter Durchführung bestimmen prognostische Ausgangsfaktoren die Zuteilung nicht; im Mittel gilt das auch für ungemessene Faktoren. In einer konkreten Stichprobe ist keine exakte Balance garantiert. Zufällige Ungleichgewichte belegen nicht automatisch einen Fehler.

Verdeckung vor Zuteilung ist etwas anderes als Verblindung danach. Abwechselnde Aufnahme oder Geburtsdatum ersetzen keine unvorhersehbare Zufallsfolge. Lesen Sie das Vorgehen, nicht nur die Bezeichnung.

Fehlende Ergebnisse, unterschiedliche Messung und ausgewählte Berichte können auch randomisierte Ergebnisse beeinträchtigen. Nach tatsächlicher Nutzung neu zu gruppieren oder Nichtnutzende auszuschließen kann erneut Selektion erzeugen. Zuteilung und Einhaltung betreffen verschiedene Effekte und benötigen passende Analysen und Fehlendatenannahmen.

[1]

Beobachtung hat ergänzende Aufgaben

Nicht randomisierte Studien können längere Zeiträume, seltene Ergebnisse oder andere Versorgungskontexte ergänzen. Ihre kausale Aussagekraft hängt von Designmerkmalen und Annahmen ab, nicht allein vom Wort Kohorte. Wer ein Angebot erreicht, ist ebenfalls eine nützliche Frage, aber nicht gleichbedeutend mit dessen Wirkung.

[3]

Persönliche Unterstützung ist keine Rechenaufgabe

Die BIÖG informiert über professionelle Telefonberatung und weitere Hilfe in Deutschland. Eigene Unterstützungs- oder Behandlungsfragen gehören zu qualifizierten örtlichen Fachpersonen. Weder die erfundene Tabelle noch eine Designbezeichnung entscheidet sie.

[4]

Das Wichtigste

  • Zuerst die Entstehung der Vergleichsgruppen klären.
  • Gleiche Anteile in einer Kategorie belegen keinen kausalen Nulleffekt.
  • Randomisierung schützt Zuteilung, nicht jede spätere Auswertung.

Häufige Fragen

Löst eine größere Beobachtungsstichprobe das Problem?

Nicht automatisch. Mehr Fälle entfernen weder systematische Unterschiede noch Messprobleme. Präzision ist etwas anderes als geringe Verzerrung.

Quellen

Die zentralen Aussagen dieser Seite wurden anhand der folgenden Quellen geprüft.

  1. Cochrane: Cochrane Handbook, chapter 8 — randomization, concealment and analysis

    Quellen geprüft: 2026-10-04

  2. Cochrane: Cochrane Handbook, chapter 25 — confounding and selection in non-randomized studies

    Quellen geprüft: 2026-10-04

  3. Cochrane: Cochrane Handbook, chapter 24 — complementary questions and design features

    Quellen geprüft: 2026-10-04

  4. Bundesinstitut für Öffentliche Gesundheit (BIÖG): Telefonberatung

    Quellen geprüft: 2026-10-04

Studienkompetenz, keine Bewertung eines echten SMS-Angebots, Einzelprognose oder Therapieauswahl. Alle Zahlen sind erfunden; keine persönlichen Eingaben werden erhoben.