QualitätssicherungLaufend
Vorhersage der Reproduzierbarkeit von Ergebnissen klinischer Studien anhand von Faktoren des Designs, der Durchführung und der Wiedergabe klinischer Studien
Hintergrund
Klinische Forschung muss vertrauenswürdige und zuverlässige Ergebnisse generieren, um zu einer verbesserten Patientenversorgung führen zu können. Die Robustheit von Forschungsergebnissen aus klinischen Studien wird in der Regel durch die Zusammenfassung und Metaanalyse mehrerer randomisiert, kontrollierter Studien überprüft. Dieser Prozess geht jedoch mit einer erheblichen Zeitverzögerung einher und die Aussagekraft kann durch Faktoren wie Publikationsbias, selektive Ergebniswiedergabe oder ein erhöhtes Verzerrungsrisiko der zugrundeliegenden Studien beeinträchtigt sein. Bisher ist nicht bekannt, ob klinische Studien selbst Informationen enthalten, anhand derer die Robustheit der Ergebnisse vorhergesagt werden kann.
Zielsetzung
Unser Ziel ist es, Elemente des Studiendesigns, der Durchführung oder der Wiedergabe klinischer Studien zu identifizieren, die es uns erlauben, die Wahrscheinlichkeit der Replizierbarkeit von Ergebnissen klinischer Studien vorherzusagen.
Methodik
Wir werden die Replizierbarkeit von klinischen Studien erheben, indem wir die Ergebnisse von klinischen Studien mit den Ergebnissen thematisch verwandter Metaanalysen vergleichen. Anschließend werden wir Angaben zum Studiendesigns und zur Studiendurchführung aus den Veröffentlichungen der klinischen Studien extrahieren, die im Zusammenhang mit der Replizierbarkeit der Ergebnisse stehen könnten. Schließlich werden wir dann analysieren, ob anhand dieser Angaben die Wahrscheinlichkeit der Replizierbarkeit der Ergebnisse der klinischen Studien vorhergesagt werden kann.
Erwartete Ergebnisse und Implikationen
Wenn wir Elemente des Designs, der Durchführung und Berichterstattung klinischer Studien entdecken sollten, die mit der Replikationswahrscheinlichkeit von klinische Studien assoziiert sind, können diese Elemente herangezogen werden, um neu-veröffentlichte Studienergebnisse zu bewerten und dabei helfen zu interpretieren, ob diese Forschungsergebnisse robust genug sind, um für die praktische Anwendung in Frage zu kommen. Ebenso können die Ergebnisse helfen, Richtlinien und Screeningwerkzeuge weiterzuentwickeln.
