Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

← Zurück zur Bibliothek
blog.category.aspects 30. März 2026 1 Min. Lesezeit

Detektionsbias — Wenn Logik sich verkleidet

Detektionsbias tritt auf, wenn der Prozess der Identifikation oder Messung von Ergebnissen sich systematisch zwischen den Vergleichsgruppen unterscheidet. Wenn eine Gruppe engmaschiger überwacht, häufiger getestet oder von Bewertenden beurteilt wird, die die Behandlungszuweisung kennen, spiegeln Unterschiede in erkannten Ergebnissen möglicherweise die Überwachungsintensität wider statt genuine Behandlungseffekte.

Auch bekannt als: Surveillance Bias, Ascertainment Bias in Outcomes, Überwachungsbias

Wie es funktioniert

Je genauer man hinsieht, desto mehr findet man. Wenn eine Gruppe intensiver beobachtet wird als eine andere, werden mehr Ergebnisse in dieser Gruppe entdeckt, unabhängig davon, ob die tatsächliche Rate differiert. Diese Asymmetrie in der Beobachtung wird leicht mit einem realen Unterschied verwechselt.

Ein klassisches Beispiel

In einer Studie zur Arzneimittelsicherheit erhalten Patienten unter dem experimentellen Medikament monatliche Bluttests, während die Kontrollgruppe jährlich getestet wird. Die Medikamentengruppe zeigt eine höhere Rate an Leberenzymveränderungen, was aber großteils daran liegt, dass Auffälligkeiten durch die intensivere Testung häufiger entdeckt wurden.

Wo man das in der Praxis findet

Screening-Programme erzeugen Detektionsbias auf Bevölkerungsebene. Länder, die aggressiv auf Prostatakrebs screenen, entdecken mehr Fälle und berichten höhere Inzidenz, doch vieles davon spiegelt Überdiagnose langsam wachsender Tumoren wider, die nie Schaden verursacht hätten.

Wie man es erkennt und kontert

Identische Nachbeobachtungspläne, Testprotokolle und Bewertungskriterien für alle Gruppen sicherstellen. Ergebnisbewertende gegenüber der Gruppenzugehörigkeit verblinden. Adjudikationskomitees mit vordefinierten Kriterien zur Standardisierung der Ergebnisklassifikation einsetzen.

Das Fazit

Detektionsbias gehört zu den Denkfehlern, die auf den ersten Blick völlig logisch klingen. Genau das macht sie gefährlich — sie tragen das Kostüm valider Argumentation, während sie eine fehlerhafte Schlussfolgerung einschmuggeln. Die beste Verteidigung? Langsamer werden und fragen: Folgt diese Schlussfolgerung tatsächlich aus diesen Prämissen?

Verwandte Artikel