Um die Wirksamkeit oder Effizienz eines Medikaments, eines Wirkstoffes oder einer Behandlung nachzuweisen, werden häufig klinische Studien durchgeführt. Endpunkte wie die Zeit bis zum Tod, bis zum ischämischem Schlaganfall, oder bis zur Hospitalisierung sind dabei häufig von Interesse. Die Dauer bis zur Beobachtung diese Endpunkte kann oft lang sein, wodurch sich ebenfalls die Studiendauer unrealistisch verlängert. Um diesem Problem entgegenzuwirken können sogenannte kombinierte Endpunkte herangezogen werden. Dabei ist das Eintreten von verschiedenen Ereignissen von Interesse. In einer primären Analyse wird häufig vernachlässigt, dass theoretisch mehrere Ereignisse pro Patient:in auftreten könnte, da meist nur das erste auftretende Ereignis mit einbezogen wird. Der Einbezug aller auftauchender Ereignisse könnte weiter zu Reduktion der nötigen Studiendauer dienen. Auch wird angenommen, dass alle Einzelereigniszeitendpunkte eines kombinierten Ereignisendpunkts die gleiche klinische Relevanz haben.

Zwar wurden schon Ansätze beschrieben, um auch alle Ereignisse pro Patient:in und die unterschiedliche klinische Relevanz der Ereignisse in einer Analyse berücksichtigt werden könnte, allerdings wurden diese Ansätze meist getrennt betrachtet. Um einen Krankheitsprozess ganzheitlich zu erfassen wäre eine Kombination dieser Ansätze von Interesse. Die Entwicklung solcher Methode zur Kombination wird in einem Teil des Forschungsprojektes abgedeckt werden.

Für die Analyse von (multiplen) Ereigniszeitdaten werden meist semi- oder nicht-parametrische Methoden angewandt. Allerdings können parametrische Modelle für die Analyse von multiplen Endpunkte einen Vorteil in der Modellanpassung und Schätzung liefern. Daher wird ein bivariates parametrisches Accelerated Failure Time Modelle innerhalb des Forschungsprojekts entwickelt.

Ein weiteres Problem bei Studien, in welchen primär die Analyse von (der Zeit bis zu) multiplen Ereignissen von Interesse ist, ist die (Fallzahl)Planung. Oft gibt es für die bereits beschriebenen Analysenmethoden keine adäquate Fallzahlplanung. Daher werden als ein weiterer Teil des Forschungsvorhabens angepasste Methoden zur Studienplanung entwickelt bzw. Empfehlung für Forschende diesbezüglich abgegeben.

Laufzeit: 2023-2026

• Prof. Dr. Annika Hoyer (Universität Bielefeld)
• Prof. Dr. Oliver Kuß (Heinrich-Heine-Universität Düsseldorf, Deutsches Diabetes-Zentrum)