Kausale Inferenz in der Onkologie: Warum, Was, Wie und Wann

Onkologen stehen vor der Herausforderung, die beste Behandlung für jeden Patienten auszuwählen, basierend auf den verfügbaren Beweisen aus randomisierten kontrollierten Studien (RCTs) und Beobachtungsstudien. RCTs liefern Schätzungen der durchschnittlichen Auswirkungen von Behandlungen auf Gruppen von Patienten, aber sie sind möglicherweise nicht in vielen realen Szenarien anwendbar, in denen beispielsweise Patienten andere Eigenschaften als die RCT-Teilnehmer aufweisen oder in denen unterschiedliche Behandlungsvarianten in Betracht gezogen werden. Kausale Inferenz definiert, was eine Behandlungseffekt ist und wie dieser mit RCTs oder außerhalb von RCTs anhand von Beobachtungs- oder 'realen' Daten geschätzt werden kann. In diesem Überblick präsentieren wir das Feld der kausalen Inferenz, erklären, was ein Behandlungseffekt ist und welche wichtigen Herausforderungen es bei der Schätzung von Behandlungseffekten mit Beobachtungsdaten gibt. Anschließend bieten wir einen Rahmen für die Durchführung von Studien zur kausalen Inferenz und beschreiben, wann in der Onkologie die kausale Inferenz aus Beobachtungsdaten besonders wertvoll sein kann. Die Stärken und Einschränkungen sowohl von RCTs als auch von Beobachtungsdaten zur kausalen Inferenz zu erkennen, bietet einen Weg zu informierteren und individualisierten Entscheidungsprozessen in der Onkologie.