Wer sich einen schnellen Überblick über die bestverfügbare Evidenz verschaffen will, braucht zuverlässige Evidenz-Synthesen, sprich systematische Übersichtsarbeiten. Bisher bilden veröffentlichte Studienpublikationen einen wichtigen Baustein für die Auswertungen. Spätestens seit der Tamiflu-Story ist aber klar, dass die veröffentlichten Daten unter Umständen nur einen kleinen Bruchteil der erhobenen Daten darstellen. Systematische Reviews sind deshalb besonders anfällig gegenüber Publikationsbias.
Das Stichwort Tamiflu zeigt auch schon, wohin zukünftig die Reise möglicherweise gehen könnte: Eigene Auswertungen der clinical study reports (CSR) oder gar der individuellen Patientendaten aus den Studien, die die Zulassungsbehörden oder Hersteller veröffentlichen. Das regen zumindest Autoren um Tom Jefferson in einem Editorial in BMJ Evidence Based Medicine an.
Mehr und bessere Daten haben natürlich auch ihren Preis: In der Regel ist es aufwändiger und dauert es länger, solche Daten zu verarbeiten. Eine schöne Gegenüberstellung findet sich in einem Beitrag aus Research Synthesis Methods, der als Tutorial mit Schritt-für-Schritt-Anleitung angelegt ist und zum Beispiel auch beschreibt, wie man an die Daten herankommt.
Wie soll man jetzt abwägen, ob der Aufwand tatsächlich nötig ist? Das beschreibt ein Autorenteam um Tom Jefferson in einem weiteren Artikel in BMJ Evidence Based Medicine. Gründe, die für eine Nutzung von CSR und/oder Zulassungsdaten sprechen, können etwa Diskrepanzen zwischen der Journalpublikation und dem entsprechenden Eintrag im Studienregister sein.
Wer sein Glück einmal mit Zulassungsdossiers der FDA versuchen will, findet in diesem BMJ-Artikel eine gute Hilfestellung und im Anhang sogar eine detaillierte Anleitung.