Ich hatte hier schon eine Analyse basierend auf den Daten von “Pharmacokinetics and Pharmacodynamics of Lysergic Acid Diethylamide in Healthy Subjects” notiert, jedoch beschränkt auf die 24 Teilnehmer, welche 100 Mikrogramm LSD (mittelstarke Dosis) bei dem Versuch bekommen haben. Ich wollte das etwas ausweiten durch Einbeziehung jener 16 Teilnehmer, die 200 Mikrogramm (starke Dosis) erhalten haben. Es finden sich viele deutliche und statistische signifikante Unterschiede.

Zu jedem Wert ist im Folgenden stets der Mittelwert und das 95 % Konfidenzintervall angegeben, die Signifikanz der Unterschiede wird jeweils über das Programm SPSS mit einem T-Test geprüft. Erstmal das TLDR:

Bei höherer Dosis …

• … ergibt sich ein stärkerer Effekt
• … kommt die Wirkung schneller
• … hält die Wirkung länger an
• … ist das Risiko eines schlechten Trips erhöht

Hier im Detail:

Wenig überraschend führt eine höhere Dosis zu einem stärkeren subjektiven Effekt der Droge gemessen an dem Score auf dem verwendeten Fragebogen. Bei 100 mcg betrug der mittlere Effekt 83 [76-90] %, bei 200 mcg 94 [90-98] %. Die Differenz ist signifikant mit p < 0,05.

Bei einer höheren Dosis tritt die Wirkung schneller ein. Hier gemessen am Peak Onset, die Zeit nach der Einnahme, ab der erstmals 50 % des maximal erreichten Effekts erreicht wird. Bei 100 mcg beginnt der Peak 1,3 [1,1-1,5] h nach Einnahme, bei 200 mcg sind es hingegen 0,7 [0,5-0,9] h nach Einnahme. Die Signifikanz ist p < 0,01.

Der Peak hält bei höherer Dosis auch länger an. Bei 100 mcg fällt der subjektive Effekt nach erstmaligem Überschreiten dieser Grenze “50 % des maximalen Effekts” nach 5,2 [4,6-5,8] h wieder unter diese Grenze zurück. Bei 200 mcg dauert das 7,7 [6,1-9,3] h. Hier beträgt die Signifikanz sogar p < 0,001.

Die gesamte Dauer des Trips, gemessen an Zeit von Einnahme bis Absinken des Effekts auf 10 %, unterscheidet sich ebenso recht deutlich. Bei 100 mcg dauert der Trip 8,8 [8,0-9,6] h, während es bei 200 mcg stolze 12,2 [10,2-14,2] h sind. Die Signifikanz ist hier ebenfalls p < 0,001.

Eine höhere Dosis bringt auch ein erhöhtes Risiko für einen schlechten Trip. Im Mittel beträgt der Score für negative Effekte bei 100 mcg 13 [6-20] % und bei 200 mcg 38 [22-54] %. Es gilt p < 0,01.

Gemessen am Kriterium “Negativer Effekt >= 50 % mindestens einmal während des Trips” hatten von den Teilnehmern mit 100 mcg der Anteil 8 [0-20] % einen schlechten Trip. Bei den Teilnehmern mit 200 mcg sind es 50 [24-76] %. Hier ist auch p < 0,01.

Nicht statistisch signifikant, aber suggestiv ist auch der Unterschied bei Panik-Trips. Bei den Teilnehmern mit 100 mcg empfand kein Teilnehmer Panik während des Trips, bei 200 mcg waren es 13 [0-31] %. Mit p = 0,08 wird die Grenze für statistische Signifikanz aber knapp verfehlt.

Abschließende Anmerkung: Wie auch bei der Dosis 100 mcg findet sich bei 200 mcg ein Zusammenhang zwischen dem Peak Onset und der Wirkung. Je schneller die Wirkung kommt, etwa weil das LSD vom Körper schneller verstoffwechselt wird, desto intensiver der Peak und desto länger hält der Peak auch an. Bei einem schnellen Onset < 1 h hält der Peak bei 200 mcg im Mittel 8,1 h an, während er bei der gleichen Dosis aber einem langsamen Onset > 1 h nur 5,8 h anhält.

Die folgende Analyse basiert auf den Daten der Studie “Pharmacokinetics and Pharmacodynamics of Lysergic Acid Diethylamide in Healthy Subjects”, welche man ab Seite 79 in der Dissertation von Patrick Dolder finden kann. In dieser Studie wurden 24 gesunden Versuchsteilnehmern 100 Mikrogramm LSD (eine mittelstarke Dosis) verabreicht und über den Trip hinweg physiologische und psychologische Daten gesammelt. Zur Erfassung der psychologischen Wirkung wurde ein validierter Fragebogen, welcher alle typischen Effekte von LSD enthält, zusammen mit einer visuellen Skala verwendet.

Die Studie bietet innerhalb des selbst gesetzten Rahmens eine fundierte Analyse, jedoch lässt sich auch darüber hinaus noch viel aus den Daten rausholen. Die folgende Analyse ist also eine Ergänzung und bringt auch einen interessanten Effekt hervor, der in der Studie nicht festgestellt wurde. Erstmal die deskriptive Statistik. Zu jedem Teilnehmer wurden die folgenden drei Parameter notiert:

• Maximale Effektstärke – Maximal berichtete Punktzahl auf der Skala
• Peak Onset – Zeit nach Einnahme, ab der ein Teilnehmer erstmals die Hälfte seines maximalen Effekts erreicht
• Peak Dauer – Zeit von Peak Onset bis zu späterem Absinken des Effekts auf die Hälfte des maximalen Effekts
• Effektverlust – Zeit nach Einnahme, ab der der Effekt auf < 10 % sinkt

Der Peak Onset liegt im Mittel bei 1,3 h mit einer Standardabweichung 0,6 h. Der Peak beginnt also typischerweise 0,5 bis 2 h nach Einnahme, eine recht große Streuung. Der nun erreichte Peak dauert dann im Mittel 5,1 h mit einer Standardabweichung von 1,5 h. Auch hier gibt es eine hohe Streuung mit typischen Werten von 3,5 bis 6,5 h. Dies ist die Dauer ab dem Peak Onset, nicht ab Einnahme. Von Einnahme bis Ende des Peaks sind es im Mittel 1,3+5,1 = 6,4 h, typischerweise zwischen 0,5+3,5 = 4 h und 2+6,5 = 8,5 h. Die Zeit von Einnahme bis zu praktisch kompletten Verlust des Effekts beträgt im Mittel 8,8 h mit einer Standardabweichung 1,9 h. Also grob von 7 bis 11 h.

Die Daten, und das wurde in der Studie nicht vermerkt, zeigen einen interessanten Zusammenhang zwischen der Geschwindigkeit des Onsets und der Wirkung. Bei einem schnellen Onset des Peaks ergibt sich ein stärkerer maximaler Effekt und ein längerer Peak. Zum Nachweis habe ich die Teilnehmer in zwei Gruppen unterteilt und einen T-Test durchgeführt. Die beiden Gruppen sind hier: Schneller Onset (Onset < 1,5 h, n = 11) und Langsamer Onset (Onset >= 1,5 h, n = 13).

In der Gruppe der Teilnehmer mit schnellem Onset betrug die maximale Effektstärke im Mittel 94 % mit einem 95 % Konfidenzintervall von 90 bis 97 %. Bei langsamem Onset waren es nur 78 % mit einem 95 % KI von 62 bis 83 %. Der Unterschied ist statistisch signifikant mit p < 0,01.

In der Gruppe der Teilnehmer mit schnellem Onset dauerte der Peak im Mittel 6,4 h mit einem 95 % KI von 5,7 bis 7,0 h. Bei langsamem Onset sind es nur 4,1 h mit einem 95 % KI von 3,7 bis 4,6 h. Der Unterschied ist statistisch signifikant mit p < 0,001.

Auch dauerte der gesamte Trip bei schnellem Onset länger, jedoch ist der Unterschied hier nicht signifikant. 9,4 h von 8,1 bis 10,8 h in der Gruppe mit schnellem Onset und 8,2 h von 7,4 bis 9,1 h bei langsamem Onset. Der entsprechende p-Wert ist p = 0,14.

Wieso kommt bei manchen Leuten der Peak schneller als bei anderen? Eine korrekte Antwort ist die verwendete Methode des Konsums (schnellere sublinguale Aufnahme versus langsamere oral Aufnahme), jedoch ist diese Antwort hier nicht zielführend da alle Teilnehmer der Studie diesselbe Konsummethode verwendet haben. Eine weitere generell richtige, aber hier nicht relevante Antwort ist die Reinheit der verwendeten Blotter. Nur weil 100 mcg drauf steht, muss nicht 100 mcg drin sein.

Eine weitere mögliche Antwort, diese ist hier zentral, ist die Geschwindigkeit der Verstoffwechselung. Wird das LSD schnell verstoffwechselt, dann tritt der Peak schneller auf. Das ist naheliegend, aber ich wollte es trotzdem prüfen. Ich habe zu jedem Teilnehmer noch die Zeit nach Einnahme notiert, bei welcher die Konzentration von LSD im Blut maximal war, und eine lineare Regression durchgeführt.

Es gibt einen sehr deutlichen Zusammenhang in oben angeführter Weise mit einem standardisierten Regressionskoeffizienten ß = 0,50 und p < 0,001. Die Geschwindigkeit der Verstoffwechselung erklärt etwa R² = 25 % in der Varianz des Peak Onsets. Die Verstoffwechselung ist also tatsächlich eine wichtige Komponente, erklärt aber nur einen Teil der Unterschiede zwischen den Teilnehmern. Es muss neben der Konsummethode, Reinheit und Verstoffwechselung noch andere wichtige Faktoren für den Peak Onset geben, die Daten geben dazu leider nichts her.

Für manche Zwecke ist eine Verschlüsselung von Nachrichten ratsam oder gar erforderlich. Eine gute, einfache und oft verwendete Methode der Verschlüsselung ist PGP. Hier ein Guide wie man diese nutzt, unterteilt in die Abschnitte: Einrichtung, Nachricht senden und Nachricht empfangen.

---

• Einrichtung

Ich empfehle die Verwendung des Programms gpg4usb. Nach dem Download und dem ersten Start wählt man zunächst die Sprache aus:

Und erzeugt einen neuen Schlüssel:

Man wählt dazu einen Namen, eine E-Mail-Adresse sowie ein Passwort. Dieses sollte man sich gut merken. Das Passwort wird immer bei der Entschlüsselung von Nachrichten abgefragt. Auf OK klicken und der Schlüssel wird erzeugt.

Die Einrichtung ist damit schon abgeschlossen.

---

• Nachricht senden

Um eine Nachricht an eine Person schicken zu können, benötigt man dessen Public Key (öffentlicher Schlüssel). Dieser sieht in etwa so aus:

Ich musste es hier in zwei Bilder unterteilen, aber es ist einfach ein langer, kontinuierlicher Text beginnend mit —–BEGIN PGP PUBLIC KEY BLOCK—– und endend mit —–END PGP PUBLICK KEY BLOCK—–. Man kopiert den kompletten Text, inklusive den Zeilen mit BEGIN und END.

Danach ins Programm wechseln, zu der Option “Schlüssel” gehen, “Importiere Schlüssel aus” und auf “Zwischenablage” klicken.

Man bekommt ein Fenster zur Bestätigung:

Mit Klick auf OK wird dieser Public Key dem Programm hinzugefügt. Diese Person ist nun in der “Kontaktliste”.

Den Import des Schlüssels muss man für jede Person nur einmal machen. Hat man die Person schon von früherer Kommunikation in der Liste, reicht es mit dem Folgenden fortzufahren. Man tippt seine Nachricht ein und wählt den Kontakt aus:

Danach auf Verschlüsseln klicken:

Ist man bei dieser Person schon in der Kontaktliste, dann reicht das so. Einfach die Nachricht rauskopieren und verschicken.

Bei der ersten Nachricht an eine Person sollte man aber noch seinen eigenen Public Key anhängen. Die Person könnte zwar unsere Nachricht lesen, könnte aber ohne Kenntnis unseren Public Keys nicht verschlüsselt antworten. Also sich selbst markieren, rechter Mausklick und auf “Hänge die ausgewählten Schlüssel an” klicken.

---

• Nachricht empfangen

Irgendwann wird man eine Antwort erhalten. Diese sieht in etwa so aus:

Zur Entschlüsselung kopiert man den Text ins Programm, wählt sich selbst aus und klickt auf “Entschlüsseln”

Nun muss man das bei der Einrichtung gewählte Passwort eintippen:

Nach Klick auf OK ist die Nachricht entschlüsselt

---

Das klingt am Anfang alles etwas kompliziert, aber nach ein paar Nachrichten hat man den Dreh ziemlich schnell raus. Wie der Name schon impliziert, kann man das Programm auch bequem von einem USB-Stick aus starten. So bleiben keine Rückstände auf dem PC.

Seit knapp einem Monat vertreiben verschiedene Online-Händler die Substanz 1v-LSD in D. Die Substanz ist neu und derzeit nicht reguliert. Es wird vermutet, dass diese sich nach Einnahme zu LSD-25 verstoffwechselt, ähnlich wie es bei dem Vorgänger 1cp-LSD der Fall war. Einen Nachweis aus dem Labor gibt es dafür jedoch noch nicht. Ich habe aus Neugier erste User-Erfahrungen mit Valerie von dem Forum Eve&Rave und dem Subreddit zu 1v-LSD gesammelt. Insgesamt konnte ich 22 Erfahrungsberichte finden.

Das Große und Ganze: Visuals werden als gleichwertig zu (+) oder gar stärker als bei (++) LSD-25 berichtet. 2 von 13 Usern (15 %) berichten von einer ungewöhnlich langen Dauer des Rausches, ansonsten gibt es bei der Dauer keine Auffälligkeiten. Von gefährlichen Nebenwirkungen berichtet kein User, auch nicht bei sehr hohen Dosen. Das ist sehr beruhigend. Jedoch beschreiben 4 von 22 Usern (18 %) starke Übelkeit. Da man davon ausgehen kann, dass 1v-LSD sich mit Vomex verträgt (so der Fall bei LSD-25 und 1cp-LSD), sollte dies kein besonderes Problem darstellen.

Zur Dosis wird von Herstellern die folgende Äquivalenz angegeben: 150 mcg Valerie = 125 mcg 1cp-LSD = 100 mcg LSD-25. Shoutout an den einen Kerl, der sich gleich 600 mcg einer komplett unbekannten Substanz gibt. Damn Bro.

Nicht jede Impfung resultiert in einer ausreichenden Immunantwort. Bei manchen Menschen enthält das Blut nach abgeschlossener Impfung keine nachweisbaren Antikörper oder Antikörper in unzureichender Konzentration (hier definiert als FRNT50 < 50). Neutralisationstest zeigen dabei eine deutliche Abhängigkeit vom Alter. Hier ein Überblick über fünf Studien. Angegeben ist stets der Anteil Probanten, bei denen die Immunantwort nicht nachweisbar oder schwach war sowie das entsprechende 95 % Konfidenzintervall. Die spezifischen Anteile hängen natürlich immer davon ab, welcher Impfstoff verwendet wurde und gegen welche Variante das Blut getestet wurde, jedoch zeigt sich in jeder der fünf Studien ein erhöhtes Risiko für einen unzureichenden Impfschutz im hohen Alter.

Age-dependent immune response to the Biontech/Pfizer BNT162b2

< 60 Jahre: 8 % [3 %, 15 %]

> 60 Jahre: 60 % [49 %, 70 %]

Neutralization of SARS-CoV-2 variants by BNT162b2 vaccinated serum

Bei der Alpha-Variante:

< 60 Jahre: 6 % [1 %, 20 %]

60-80 Jahre: 27 % [8 %, 55 %]

Bei der Beta-Variante:

< 60 Jahre: 45 % [27 %, 64 %]

60-80 Jahre: 87 % [59 %, 98 %]

Delayed Antibody and T-Cell Response to BNT162b2 Vaccination

< 60 Jahre: 2 % [0 %, 6 %]

> 60 Jahre: 11 % [1 %, 21 %]

Antibody response to inactivated COVID-19 vaccine (CoronaVac) in immune-mediated diseases: a controlled study among hospital workers and elderly

< 60 Jahre: 11 % [8 %, 15 %]

60-80 Jahre: 18 % [8 %, 32 %]

Antibody Response to COVID-19 vaccination in Patients Receiving Dialysis

< 60 Jahre: 6 % [3 %, 10 %]

60-80 Jahre: 13 % [9 %, 19 %]

> 80 Jahre: 19 % [11 %, 28 %]

---

Poolt man die Risk Ratios RR, dann erhält man:

RR(60-80 vs <60) = 2,5 [1,5, 4,5]

RR(>80 vs <60) = 5,2 [1,8, 14,9]

Die Wahrscheinlichkeit eines unzureichenden Impfschutzes dürfte in der Altersgruppe 60-80 demnach etwa 2,5-Mal so hoch sein wie in der Altersgruppe <60 und in der Altersgruppe >80 sogar 5,2-Mal so hoch. Beide Ergebnisse sind statistisch signifikant mit p < 0,001. Das Ergebnis deckt sich mit Studien zu Impfstoffen gegen die Grippe, auch dort gibt es im hohen Alter oft eine unzureichende Immunantwort. Und es verdeutlicht die Notwendigkeit von zeitigen Boostern für Menschen 60 Jahre oder älter. Erste Studien zur dritten Dosis haben schon gezeigt, dass das Risiko eines unzureichenden Impfschutzes 28 Tage nach dritter Dosis deutlich kleiner ist als 28 Tage nach zweiter Dosis.

Es ist kein Naturgesetz, dass eine vollständige Impfung gegen Covid nur zwei Dosen enthalten soll. Es gibt Krankheiten, gegen welche die Impfung erst nach vier oder fünf Dosen als abgeschlossen gilt. Das Schema der zwei Dosen gegen Covid war vor allem eine Folge des Zeitdrucks. Die Zeit, ein Schema über zwei Dosen hinaus zu testen, war schlicht nicht gegeben. Es ist aber auch kein Naturgesetz, dass jede Altersgruppe einen Booster braucht bzw. davon überhaupt profitieren würde. Ob das so ist wird sich über die nächsten Monate zeigen.

In der Studie “Age-dependent immune response to the Biontech/Pfizer BNT162b2 COVID-19 vaccination” (Müller et al 2021) wird untersucht, ob die Teilnehmer nach einer vollständigen Impfung mit Biontech auch tatsächlich Antikörper im Blut tragen, die das Sars-Cov-2-Virus neutralisieren können. Interessant ist hier vor allem der Vergleich der Immunantwort bei verschiedenen Altersgruppen. Die Studie stellt fest, dass in der Gruppe junger Menschen (60 Jahre oder jünger) nur 7 von 91 Leuten oder knapp 7,7 % einen unzureichenden Impfschutz* mit auf den Weg bekommen. In der Gruppe älterer Menschen (80 Jahre oder älter) sind es hingegen 51 von 85 Menschen oder 60,0 %.

	Unzureichender Impfschutz	Größe der Stichprobe
Junge Menschen	7	91
Ältere Menschen	51	85

Zum Risk Ratio RR kommt man, indem man diese Prozentzahlen in intuitiver Weise weiter verarbeitet. Das Risiko junger Menschen, einen unzureichenden Schutz zu entwickeln, beträgt gemäß der obigen Studie 7,7 %. Das Risiko älterer Menschen beträgt 60 %. Das Risiko ist bei älteren Menschen also 60/7,7 = 7,8-Mal höher. Das Risk Ratio ist somit schlicht RR = 7,8. Es ist eine Kennzahl, die sehr einfach zu interpretieren ist. Sie drückt aus, um welchen Faktor das Risiko beim Vergleich zweier Gruppen erhöht bzw reduziert ist. Immer wenn man RR sieht, sollte man sich denken: “Das Risiko in Gruppe A ist RR-Mal so hoch wie in Gruppe B”. Statt Risiko darf man auch die Begriffe Wahrscheinlichkeit oder Prävalenz verwenden.

Das Odds Ratio ist im Vergleich dazu recht sperrig. Das liegt wohl daran, dass das Konzept von Odds (Chancen) im Alltag und der Schule viel seltener verwendet wird als das Konzept Wahrscheinlichkeit. Hier ein alternativer Weg das obige Ergebnis zu formulieren: Bei jungen Menschen gab es 7, die eine unzureichende Immunantwort hatten, und 84, die eine ausreichende Immunantwort hatten. Die Odds für eine unzureichende Immunantwort sind 7/84 = 0,083. Bei älteren Menschen gab es 51 mit unzureichender Immunantwort und 34 mit ausreichender Immunantwort. Die Odds sind hier 51/34 = 1,5. Das Odds Ratio ist entsprechend OR = 1.5/0.083 = 18,1.

	Unzureichender Impfschutz	Ausreichender Impfschutz
Junge Menschen	7	84
Ältere Menschen	51	34

Was gerne gemacht wird, ist das Odds Ratio zu nehmen und das Ergebnis wie beim Risk Ratio zu formulieren. Also von einem Odds Ratio 18,1 zu schließen, dass ältere Menschen ein 18,1-Mal höheres Risiko für unzureichenden Immunschutz haben wie junge Menschen. Findet man leider so in vielen Nachrichtenartikeln. Wie man an dem Beispiel sieht, kommt man dadurch aber auf den falschen Zweig. Das Risiko ist tatsächlich 7,8-fach erhöht. Korrekt wäre zu sagen, dass die Odds für unzureichenden Immunschutz bei älteren Menschen 18,1-fach erhöht sind (und dann erklären, was Odds überhaupt sein sollen). Wie gesagt, es ist eine recht sperrige Kennzahl.

Aber ganz unintuitiv sind Odds nicht. Die Odds 51/34 = 1,5 bedeuten, dass in der Gruppe älterer Menschen auf eine Person mit guter Immunantwort statistisch 1,5 mit schlechter Immunantwort kommen. Bevorzugt man ganze Zahlen kann man auch sagen, dass auf zwei Personen mit guter Immunantwort kommen drei mit schlechter kommen. Die Odds 7/84 = 0,083 bedeuten, dass bei jungen Menschen auf 12 Personen mit guter Immunantwort 1 Person mit schlechter kommt. Odds sind sehr eng verwandt mit Wahrscheinlichkeit, nehmen nur eine etwas andere Perspektive ein. Statt zu schauen, wie oft ein gewisser Ausgang im Bezug zur gesamten Bevölkerung auftritt, so wie es bei der Wahrscheinlichkeit gemacht wird, wird betrachtet, wie oft der Ausgang auftritt und wie oft nicht.

Ein für die meisten Leute weniger relevanter Vorteil des Odds Ratios gegenüber des Risk Ratio ist Umrechnung. Das Odds Ratio lässt sich sehr leicht und ohne zusätzliche Informationen in andere Effektstärken umwandeln. Es gibt eine Formel, um OR zu Cohen’s d oder Hedge’s g zu konvertieren. Eine Formel, um OR in den Korrelationskoeffizienten umzurechnen. Und die Umwandlung in Wirksamkeit ist auch schnell gemacht (Wirksamkeit gleich 1-OR). Das Risk Ratio nimmt rechnerisch hingegen einen eigenen Raum ein. Es lässt sich nur mit zusätzlichen Informationen umrechnen.

Wie genau? Gegeben sind u Menschen mit unzureichendem Immunschutz unter n jungen Leuten und u’ Menschen mit ebensolchem Immunschutz unter n’ älteren Leuten. Die Wahrscheinlichkeiten für das Auftreten sind p = u/n bei jungen und p’ = u’/n’ bei älteren Menschen. Das Risk Ratio entsprechend RR = (u’/n’)/(u/n). Wir könnten die Situation auch so formulieren: Es gibt bei jungen Menschen u mit unzureichendem und n-u mit ausreichendem Schutz. Unter alten Leuten sind es u’ und n’-u’. Das Odds Ratio ist OR = (u’/(n’-u’))/(u/(n-u)). Sieht nicht schön aus, aber stimmt. Teilt man die Formel für RR durch OR und formt etwas um, dann erhält man:

RR = (1-p’)/(1-p)*OR

Kennt man also die Wahrscheinlichkeiten des Auftretens der untersuchten Sache in beiden Gruppen, im Nenner jene der Kontrollgruppe, dann lassen sich RR und OR eins-zu-eins ineinander umrechnen. Im obigen Beispiel trat unzureichender Impfschutz mit den Wahrscheinlichkeiten 7/91 = 0,077 = 7,7 % und 51/85 = 0,6 = 60 % auf. Die Umrechnung müsste also so geschehen:

RR = (1-0,6)/(1-0,077)*OR

RR = 0,43*OR

Tatsächlich ist auch 7,8 = 0,43*18,1 (mit leichten Rundungsfehlern). Der Knackpunkt ist, dass eine Umrechnung von OR zu RR oder umgekehrt ohne Kenntnis der Wahrscheinlichkeiten nicht möglich gewesen wäre. Für Umrechnungen von OR zu anderen Effektstärken geht es auch ohne weitere Informationen.

Eine nützliche Faustregel lässt sich aus der Formel zur Umrechnung noch herleiten. Sind die Wahrscheinlichkeiten, mit denen die untersuchte Sache in der Bevölkerung auftritt sehr gering (also p und p’ klein gegen 1 bzw. 100 %), dann gilt in guter Näherung RR = OR. Erst wenn in mindestens einer Gruppe hohe Prävalenzen zu sehen sind, unterscheiden sich RR und OR deutlich. RR = OR gilt auch in guter Näherung, wenn die beiden Wahrscheinlichkeiten zwar nicht klein gegen 100 % sind, aber einen ähnlichen Wert besitzen (also p ungefähr p’). In all diesen Fällen darf man RR und OR als austauschbar betrachten.

* Unzureichender Impfschutz bedeutet hier: Keine erkennbare Neutralisierung bei Zugabe des Virus oder Neutralisierung des Virus nur bis zu einer 1:50 Verdünnung des Bluts (und keiner erfolgreichen Neutralisierung bei weiterer Verdünnung des Bluts)

Die Wirkung von Ivermectin bei Covid wird seit mehr als einem Jahr untersucht. Alleine für den Effekt auf Mortalität gibt es schon neun Studien mit Kontrollgruppe. Man sollte meinen, dass mittlerweile ein klares Bild besteht. Aber es bleibt leider unklar, ob Ivermectin hilft oder nicht. Das Warum lässt sich schön in einem einzigen Bild zeigen. Hier sind die neun Studien (dieser Meta-Analyse entnommen) geordnet nach steigender Unsicherheit des Resultats:

Man findet viele kleine Studien (meistens Pilotprojekte), die zum Schluss kommen, dass die Verabreichung von Ivermectin das Risiko eines tödlichen Ausgangs recht deutlich senkt. Doch genau die beiden größten Studien sehen einen solchen Effekt nicht. Ein Funnel Plot macht diese Diskrepanz noch deutlicher:

Alle kleineren Studien (hoher Standardfehler) streuen unterhalb des Mittels der größten Studien. Eine solche Form kann nur durch systematischen Bias entstehen. Ohne Bias ergibt sich in Meta-Analysen eine symmetrische Trichterform: Die größten Studien konvergieren zu einem gemeinsamen Mittel, der wahren Effektstärke, während kleinere Studien nach oben und unten um diese wahre Effektstärke streuuen. Je kleiner die Studien, desto stärker kann die Abweichung vom Mittel sein. Das ist normale statistische Schwankung. Die Betonung liegt hier jedoch auf “nach oben und unten”. Eine systematische Abweichung in nur eine Richtung ergibt sich durch gewöhnliche statistische Schwankungen nicht und ist ein klarer Hinweis auf Publikationsbias. Der Funnel Plot drängt die folgende Frage auf: Was ist mit den kleineren Studien, die keinen oder sogar einen negativen Effekt von Ivermectin gefunden haben, geschehen?

Betrachtet man nur die drei größten Studien, dann ergibt sich folgendes:

Das Odds Ratio ist 0,7 mit einem 95 % Konfidenzintervall von 0,4 bis 1,3. Die Nullhypothese kann nicht abgelehnt werden. Der Schluss daraus ist, dass nicht klar ist, ob Ivermectin hilft oder nicht. Ignoriert man hingegen den ziemlich deutlichen Hinweis auf Publikationsbias und nimmt alle Studien hinzu, dann ergibt sich:

Ein Odds Ratio 0,4 mit 95 % KI von 0,2 bis 0,7. Man käme so zu dem Schluss, dass man die Nullhypothese mit gutem Gewissen ablehnen kann und Ivermectin das Risiko eines tödlichen Ausgangs mit einer Wirksamkeit von 60 % senkt (Wirksamkeit ist Eins minus OR). Was davon stimmt?

Es wäre unverantwortlich und unehrlich, den asymmetrischen Funnel Plot zu ignorieren. Es gibt gute Gründe, wieso dieser in praktisch jeder Meta-Analyse zu finden ist. Und wieso die Untersuchung auf Publikationsbias ein integraler Teil von Meta-Analysen ist. Die verlinkte Meta-Studie selbst erwähnt den Publikationsbias nicht, sie analysiert nur den individuellen Bias der verwendeten Studien. Das ist unüblich für Meta-Studien. Sie stellt jedoch zumindest fest, dass die bisherigen Resultate nicht ausreichend sind für eine behördliche Genehmigung.

Das Beispiel Ivermectin zeigt wieder, wie weitreichend das Problem Publikationsbias in der Wissenschaft ist. Und wie wichtig es ist, dass jede Studie vorregistriert wird und Journale auch konsequent insignifikante Ergebnisse publizieren. Nullresultate haben ebenso viel Aussagekraft wie signifikante Ergebnisse, landen aber leider sehr oft in der Versenkung. Mit der Analyse des Funnel Plots gibt es zwar eine verlässliche Methode dem Publikationsbias auf die Spur zu kommen, jedoch kommt diese Auswertung in vielen Meta-Analysen recht kurz und die Erwähnung des korrigierten Ergebnisses im Abstract bleibt eine absolute Seltenheit.