Wie bewertet man Nahrungsergänzungsmittel auf der Evidenzstärke-Skala (und wie liest man diese Bewertungen)?

Auf einem Regal in der Apotheke steht ein Präparat, das in mehreren Dutzend randomisierten Studien getestet wurde, und ein anderes, das nur auf einer Zellkulturstudie basiert. Die Etiketten sehen ähnlich aus. Der Unterschied wird erst sichtbar, wenn Sie lesen können, woher die Zahl stammt und wie stark das Forschungsdesign ist, das sie hervorgebracht hat. Dieser Text erklärt die Begriffe, die am häufigsten in den Beschreibungen von Nahrungsergänzungsmitteln vorkommen: die Hierarchie der Beweise, den Unterschied zwischen randomisierten und Beobachtungsstudien, den Unterschied zwischen systematischen und narrativen Übersichten, die vier Sicherheitsstufen im GRADE-System sowie die Abkürzungen NNT, NNTB und NNTH. Wir haben jedes in dem Dokument überprüft, das es eingeführt hat, und nicht in einer fremden Zusammenfassung, und geben bei jedem an, was genau gemessen wird. Sie finden hier auch zwei Dinge, die keine Bewertung enthält: die Effektgröße in Minuten oder in der Anzahl der Personen sowie Informationen darüber, wer die Studie finanziert hat.

WICHTIGE INFORMATIONEN
• Die Pyramide der Beweise ordnet Forschungsprojekte von Fallberichten und Grundlagenforschung unten bis zu randomisierten Studien oben an, aber ihre Autoren schlagen vor, systematische Übersichten von der Spitze zu entfernen und sie als Werkzeug zum Lesen von Beweisen zu betrachten (Murad et al., Evidence-Based Medicine, 2016).
• GRADE hat vier Sicherheitsstufen: hoch, moderat, niedrig und sehr niedrig. Sie bewerten die Gesamtheit der Beweise für eine Frage und nicht eine einzelne Studie (Balshem et al., J Clin Epidemiol, 2011).
• Fünf Dinge senken die Sicherheit, nicht vier: Risiko systematischer Fehler, Inkonsistenz, Indirektheit, niedrige Präzision und Publikationsfehler.
• NNT ist der Kehrwert der absoluten Risikominderung. NNTB und NNTH teilen diese Zahl in Nutzen und Schaden auf (Cook und Sackett, BMJ, 1995).
• Vom Hersteller finanzierte Studien enden häufiger mit positiven Ergebnissen für den Sponsor, relatives Risiko 1,27 (95% CI 1,17-1,37) in einer Übersicht von 75 Arbeiten (Lundh et al., Cochrane, 2017).

Was ist die Hierarchie der Beweise und was entscheidet sie nicht?

Die Hierarchie der Beweise ist eine Anordnung von Forschungsprojekten nach ihrer Fähigkeit, systematische Fehler zu bewältigen. Sie wird am häufigsten als Pyramide dargestellt: unten Grundlagenforschung und Fallberichte, darüber klinisch-kontrollierte Studien und Kohortenstudien, noch höher randomisierte Studien und an der Spitze systematische Übersichten mit Metaanalyse. Die Autoren der Übersicht über die Pyramide selbst beschreiben diese Anordnung und stellen sie gleichzeitig in Frage: Sie schlagen vor, systematische Übersichten von der Spitze zu entfernen, da sie Werkzeuge zur Bewertung und Anwendung von Beweisen sind und nicht eine weitere Stufe des Forschungsdesigns darstellen (Murad et al., Evidence-Based Medicine, 2016).

Der Grund, warum die unteren Ebenen niedriger sind, ist praktisch. Wenn Sie Personen beobachten, die Vitamin C einnehmen, und bei ihnen seltener Erkältungen feststellen, wissen Sie nicht, ob es das Vitamin war oder ob die Menschen, die zu Nahrungsergänzungsmitteln greifen, normalerweise auch besser auf ihren Schlaf achten und häufiger zum Arzt gehen. Eine Beobachtungsstudie kann dies nicht trennen und zeigt daher eine Beziehung, nicht eine Ursache.

Die Hierarchie entscheidet jedoch über zwei Dinge nicht, nach denen Leser am häufigsten fragen. Sie sagt nicht, ob der Effekt groß ist oder ob er gerade für sie gilt. Eine Metaanalyse kann zwanzig Studien zusammenfassen und einen statistisch signifikanten Effekt zeigen, der in der Praxis wenig verändert. Sie hat auch ihre eigenen Einschränkungen: Die Heterogenität der kombinierten Studien, klinisch, methodologisch und statistisch, kann beschrieben oder verringert, aber niemals beseitigt werden. Wie dieselbe Skala auf spezifische Substanzen angewendet aussieht, haben wir in der Zusammenstellung von Nahrungsergänzungsmitteln mit den stärksten Beweisen gezeigt.

Was unterscheidet eine randomisierte Studie von einer Beobachtungsstudie?

Die Zuteilung erfolgt durch Zufall. In einer randomisierten Studie werden die Teilnehmer durch Zufall in die Gruppe, die das Präparat erhält, oder in die Kontrollgruppe eingeteilt, sodass sich beide Gruppen vor Beginn nur zufällig unterscheiden. Der Unterschied im Ergebnis kann dann dem zugeschrieben werden, was sie erhalten haben. In einer Beobachtungsstudie entscheiden die Teilnehmer selbst über die Zuteilung, und dann kommen zusammen mit dem Supplement alle Merkmale in eine Gruppe, die die Menschen dazu gebracht haben, es zu wählen. Die Blindheit auf beiden Seiten fügt eine zweite Ebene hinzu: Weder der Teilnehmer noch die Person, die das Ergebnis misst, weiß, wer was erhalten hat.

Das teuerste Beispiel für diesen Unterschied in der Geschichte der Supplementierung betrifft Beta-Carotin. Beobachtungsstudien verbanden eine hohe Aufnahme von Carotinoiden mit seltenerem Lungenkrebs, also wurde eine randomisierte Studie durchgeführt: 29.133 rauchende Männer aus Finnland, 20 mg Beta-Carotin täglich, Beobachtung von fünf bis acht Jahren. Die Inzidenz von Lungenkrebs in der Beta-Carotin-Gruppe war um 18 Prozent höher (95% CI von 3 bis 36 Prozent), und die Gesamtsterblichkeit um 8 Prozent höher (95% CI von 1 bis 16 Prozent) als bei den anderen (ATBC Study Group, N Engl J Med, 1994). Die Korrelation wies in eine Richtung, das Experiment in die andere.

Die folgende Tabelle vergleicht drei Projekte zusammen mit dem, was jedes von ihnen nicht entscheiden kann.

Systematische Übersicht, Metaanalyse und narrative Übersicht: Was trennt sie?

Eine systematische Übersicht ist eine Arbeit, die nach einem Protokoll durchgeführt wird, das vor Beginn verfasst wurde. Die Autoren deklarieren die Frage, Datenbanken, Suchbegriffe, Einschluss- und Ausschlusskriterien sowie die Methode zur Bewertung des Risikos von Fehlern und berichten dann, wie viele Arbeiten sie gefunden und wie viele sie in jeder Phase abgelehnt haben. Der Standard zur Berichterstattung einer solchen Arbeit wird durch die PRISMA-Richtlinie beschrieben, heute in der Version von 2021 (Page et al., BMJ, 2021). Wenn in der Veröffentlichung kein Protokoll oder keine Beschreibung der Suche vorhanden ist, handelt es sich nicht um eine systematische Übersicht, auch wenn das Wort Übersicht im Titel steht.

Eine Metaanalyse ist ein Schritt weiter, kein Synonym. Sie ist eine statistische Zusammenführung der Ergebnisse aus den in der Übersicht gesammelten Studien zu einem gemeinsamen Wert zusammen mit einem Vertrauensintervall. Eine systematische Übersicht kann ohne Metaanalyse enden, wenn die Studien zu unterschiedlich sind, um sie zu summieren, und diese Entscheidung ist ein Signal der Vorsicht und kein Mangel.

Eine narrative Übersicht hat keines dieser Sicherheiten. Der Autor wählt die Arbeiten aus, die er für relevant hält, und beschreibt sie in seinen eigenen Worten. Sie kann eine hervorragende Einführung in das Thema sein und ist sehr oft das Einzige, was für eine wenig erforschte Substanz existiert, bietet jedoch keine Garantie, dass Arbeiten, die der These widersprechen, überhaupt in die Zusammenstellung aufgenommen wurden. In der Praxis ist dies der häufigste Typ von Quelle, die in den Beschreibungen von Nahrungsergänzungsmitteln zitiert wird, einfach mit dem Wort Studie unterschrieben.

Was bedeuten die vier Sicherheitsstufen im GRADE?

GRADE vergibt eine Bewertung von hoch, moderat, niedrig oder sehr niedrig und vergibt sie für die Gesamtheit der Beweise, die für eine Frage gesammelt wurden, und nicht für eine einzelne Arbeit. Die Bewertung sagt aus, inwieweit man der Schätzung des Effekts vertrauen kann. Randomisierte Studien beginnen auf hohem Niveau, Beobachtungsstudien auf niedrigem, und dann wandert die Bewertung nach unten oder oben (Balshem et al., J Clin Epidemiol, 2011).

Fünf Dinge senken sie: das Risiko systematischer Fehler in den Eingangsstudien, die Inkonsistenz der Ergebnisse zwischen ihnen, die Indirektheit der Daten, die niedrige Präzision der Schätzung und der Publikationsfehler. Letzterer fällt am häufigsten aus den Leitfäden heraus und ist ein eigener Punkt der Methodik, der in einer eigenen Ausarbeitung in der GRADE-Richtlinienreihe behandelt wurde. Die Bewertung kann auch durch Umstände, die in die andere Richtung wirken, angehoben werden, wie zum Beispiel einen sehr großen Effekt oder eine Dosisabhängigkeit. Die Gesamtheit wurde zuerst in einem kurzen Übersichtsartikel beschrieben (Guyatt et al., BMJ, 2008).

Die praktische Bedeutung dieser Skala ist einfach. Moderate Sicherheit bedeutet, dass weitere Studien die Schätzung verschieben können. Niedrige Sicherheit bedeutet, dass sie sie umkehren können. Eine Aussage über vielversprechende Ergebnisse, die Produktbeschreibungen die Bewertung ersetzen, hat im GRADE keinen entsprechenden Platz und verbirgt normalerweise das niedrigste Niveau. Moderate Sicherheit zeigt sich in der Praxis in dem Eintrag darüber, was Cochrane über N-Acetylcystein sagt: Bei dieser Bewertung gibt die Übersicht die Anzahl an, die zur Behandlung erforderlich ist, gleich acht.

Was sagen die Abkürzungen NNT, NNTB und NNTH?

NNT, also die Anzahl der benötigten Behandlungen, ist der Kehrwert der absoluten Risikominderung. Sie beantwortet die Frage, wie viele Personen in die Intervention einbezogen werden müssen, damit eine zusätzliche Person einen Nutzen hat, den es ohne sie nicht gegeben hätte. Die Autoren, die dieses Maß populär gemacht haben, argumentierten, dass es dem Arzt sowohl die statistische als auch die praktische Bedeutung vermittelt, was das relative Risiko nicht tut (Cook und Sackett, BMJ, 1995).

NNTB und NNTH sind dasselbe Maß, auf zwei Richtungen aufgeteilt. NNTB zählt Personen für einen zusätzlichen Nutzen, NNTH für einen zusätzlichen Schaden. Die Trennung macht dort Sinn, wo eine Intervention einigen hilft und anderen schadet, und ermöglicht es, beide Effekte in einer Tabelle zu vergleichen. In der Analyse der thrombolytischen Behandlung von Schlaganfällen betrug NNTB 6,1 (95% CI 5,6-6,7) und NNTH 37,5 (95% CI 34,6-40,5), was die Autoren als besseren Effekt bei etwa einer von sechs und schlechteren bei einer von fünfunddreißig zusammenfassten (Saver et al., Stroke, 2009).

Bei Nahrungsergänzungsmitteln erscheinen diese Zahlen selten, und genau deshalb ist es wert, danach zu fragen. Die bloße Information, dass der Unterschied gegenüber Placebo statistisch signifikant war, sagt nichts darüber aus, wie viele Menschen das Präparat einnehmen müssten, damit eine Person eine Veränderung spürt. Ohne diese Zahl klingt eine hohe und eine moderate Bewertung für den Leser identisch.

Wie liest man literarische Bewertungen und was sagen sie nicht aus?

Der Dienst Examine vergibt eine Bewertung von A bis F, separat für jede Zusammenstellung von Substanzen mit Wirkung, sodass dieselbe Substanz A für eine Wirkung und D für eine andere haben kann. Entgegen der verbreiteten Lesart misst die Bewertung nicht die Stärke der Beweise selbst. Sie entsteht aus einem Algorithmus, der die Konsistenz der Ergebnisse zwischen Studien mit der Größe des gemessenen Effekts kombiniert und der allgemeinen Wirksamkeit entspricht. Eine Bewertung von A bedeutet viele in der Regel übereinstimmende Studien, die auf einen mindestens moderaten Effekt hinweisen, eine Bewertung von D bedeutet wenige Studien, inkonsistente Ergebnisse oder einen Null-Effekt, und eine Bewertung von F bedeutet nicht, dass es keine Beweise gibt, sondern dass es Beweise dafür gibt, dass die Intervention den gewünschten Effekt möglicherweise verschlechtert.

Eine zweite Sache, die der Buchstabe nicht sagt, ist die Bedeutung des Effekts für die konkrete Person. Eine Metaanalyse von neunzehn Studien mit 1683 Teilnehmern zeigte, dass Melatonin die Einschlafzeit im Durchschnitt um 7,06 Minuten (95% CI von 4,37 bis 9,75) verkürzt, den Schlaf um 8,25 Minuten verlängert und dessen Qualität verbessert, wobei die Autoren selbst diese Effekte als moderat und geringer als bei Schlafmitteln bezeichneten (Ferracioli-Oda et al., PLOS ONE, 2013). Das Ergebnis ist solide und gleichzeitig gering, und diese beiden Dinge stehen nicht im Widerspruch zueinander.

Hinzu kommt die Frage, wer die Studie finanziert hat. Eine methodologische Cochrane-Übersicht, die 75 Arbeiten umfasste, zeigte, dass vom Hersteller finanzierte Studien häufiger positive Ergebnisse zur Wirksamkeit liefern (RR 1,27; 95% CI 1,17-1,37) und häufiger mit positiven Schlussfolgerungen enden (RR 1,34; 95% CI 1,19-1,51), während die Übereinstimmung der Schlussfolgerungen mit den eigenen Ergebnissen in ihnen geringer ist (RR 0,83; 95% CI 0,70-0,98). Die Autoren bezeichneten dies als einen branchenspezifischen Fehler, den die standardmäßige Risikobewertung nicht erfasst (Lundh et al., Cochrane, 2017). Besondere Vorsicht ist bei Ergebnissen geboten, die von den Autoren als explorativ bezeichnet werden. Dies sind Berechnungen, die nicht als Hauptfrage der Studie geplant waren, sodass sie weniger Gewicht haben als die Hauptanalyse, selbst wenn sie beeindruckend klingen. Wenn die Arbeit ihr Ergebnis selbst als explorativ bezeichnet und die Produktbeschreibung es als Feststellung angibt, ist die Diskrepanz auf dem Weg entstanden und nicht in der Studie.

Häufig gestellte Fragen

Was ist die Hierarchie der wissenschaftlichen Beweise?

Es ist eine Anordnung von Forschungsprojekten nach ihrer Fähigkeit, systematische Fehler zu bewältigen: von Grundlagenforschung und Fallberichten unten, über klinisch-kontrollierte Studien und Kohortenstudien, bis hin zu randomisierten Studien. Die Autoren der Übersicht über die Pyramide selbst schlagen vor, systematische Übersichten von der Spitze zu entfernen und sie als Werkzeug zur Bewertung von Beweisen zu betrachten (Murad et al., 2016).

Was unterscheidet eine randomisierte Studie von einer Beobachtungsstudie?

Die Zuteilung erfolgt durch Zufall. Randomisierung sorgt dafür, dass sich die Gruppen vor der Behandlung nur zufällig unterscheiden, sodass der Unterschied im Ergebnis der getesteten Substanz zugeschrieben werden kann. In einer Beobachtungsstudie entscheiden die Teilnehmer selbst über die Zuteilung, und zusammen mit ihnen kommen alle Merkmale, die sie dazu gebracht haben, das Präparat zu wählen. Daher zeigt die Beobachtung eine Beziehung, nicht eine Ursache.

Was bedeuten die vier Sicherheitsstufen im GRADE?

Hohe, moderate, niedrige und sehr niedrige Sicherheit sagen aus, inwieweit man der Schätzung des Effekts für die Gesamtheit der Beweise zu einer Frage vertrauen kann, und nicht für eine einzelne Arbeit. Randomisierte Studien beginnen hoch, Beobachtungsstudien niedrig. Fünf Dinge senken die Bewertung: Risiko von Fehlern, Inkonsistenz, Indirektheit, niedrige Präzision und Publikationsfehler (Balshem et al., 2011).

Was bedeuten die Abkürzungen NNT, NNTB und NNTH?

NNT ist der Kehrwert der absoluten Risikominderung, also die Anzahl der Personen, die einer Intervention unterzogen werden müssen, um einen zusätzlichen Nutzen zu erzielen. NNTB und NNTH teilen diese Maßnahme in Nutzen und Schaden auf, sodass beide Richtungen nebeneinander gestellt werden können. In der Analyse der Schlaganfallbehandlung betrug NNTB 6,1 und NNTH 37,5 (Saver et al., 2009).

Misst die literarische Bewertung eines Nahrungsergänzungsmittels die Stärke der Beweise?

Nicht nur. Die Bewertungen von A bis F im Examine-Dienst entstehen aus einem Algorithmus, der die Konsistenz der Ergebnisse zwischen Studien mit der Größe des gemessenen Effekts kombiniert und der allgemeinen Wirksamkeit für eine bestimmte Substanz mit Wirkung entspricht. Eine Bewertung von F bedeutet dabei nicht, dass es keine Beweise gibt, sondern dass die Intervention den gewünschten Effekt möglicherweise verschlechtert.

Ist das Ergebnis einer vom Hersteller finanzierten Studie zuverlässig?

Es kann sein, erfordert jedoch eine vorsichtigere Lesart. Eine Cochrane-Übersicht, die 75 Arbeiten umfasste, zeigte, dass vom Hersteller finanzierte Studien häufiger positive Ergebnisse (RR 1,27) und positive Schlussfolgerungen (RR 1,34) liefern, und ihre Schlussfolgerungen stimmen seltener mit den eigenen Ergebnissen überein (RR 0,83). Die Autoren bezeichneten dies als einen Fehler, den die standardmäßige Risikobewertung nicht erfasst (Lundh et al., 2017).

Die oben genannten Werkzeuge sollten angewendet werden, bevor Sie etwas aus der Kategorie Nahrungsergänzungsmittel kaufen. Eine separate Zusammenstellung dessen, wo die Beweise am schwächsten sind, haben wir in dem Beitrag über welche Nahrungsergänzungsmittel Geld nicht wert sind zusammengestellt.

Der Artikel hat informativen und edukativen Charakter und ersetzt nicht die Konsultation mit einem Arzt. Wenn Sie schwanger sind, stillen, Medikamente einnehmen oder chronische Erkrankungen haben, konsultieren Sie die Anwendung von Nahrungsergänzungsmitteln oder Kräutern mit einem Spezialisten.

Autor: Michał Waluk · Veröffentlicht: 2026-08-09 · Aktualisiert: 2026-08-16