Teil 2 Forscher-Interview: Was sind die tatsächlichen Risiken von Snus?

Der korrekteste Ansatz wäre, eine Gruppe von Snusnutzern zu beobachten und zu untersuchen, was passiert, wenn die Hälfte vollständig mit dem Snus¹ aufhört, während die andere Hälfte wie gewohnt weitermacht. Wenn sich zeigen lässt, dass diejenigen, die aufhören, tatsächlich länger leben oder weniger Herzinfarkte, weniger Diabetes oder deutlich niedrigeren Blutdruck aufweisen, kann man überzeugend sagen, dass es sinnvoll war aufzuhören.²

Idealerweise könnte man auch eine Gruppe vergleichen, die Snus konsumiert, mit einer Gruppe, die gar nicht erst damit beginnt. Ein solches Studiendesign würde jedoch höchstwahrscheinlich von keiner medizinischen Ethikkommission genehmigt werden. Aus diesem Grund habe ich eine Studie geleitet, um zu untersuchen, ob sich durch das Aufhören von Snus positive Effekte auf Risikofaktoren zeigen.

Nein, tatsächlich nicht. Wir waren alle ein wenig überrascht, dass sich keiner der untersuchten Parameter verbessert hat. Nachdem die Teilnehmenden drei Monate lang vollständig auf Snus verzichtet hatten, nahmen sie im Durchschnitt 2 kg zu, ihr häuslicher Blutdruck stieg um 4 mmHg, und es zeigte sich eine Tendenz zu erhöhtem Blutzucker sowie zu mehr Entzündungsprozessen. Alles, was sich verändert hatte, verschlechterte sich also.

Diese Studie war zwar relativ klein, ist jedoch die bisher größte Untersuchung zu diesem Thema.³ Nach strengen wissenschaftlichen Kriterien haben sogenannte Interventionsstudien – also Studien, bei denen tatsächlich aktiv etwas verändert wird – den höchsten wissenschaftlichen Aussagewert.⁴

Wenn die Teilnehmenden nicht zufällig (randomisiert), sondern nach eigener Entscheidung in Gruppen eingeteilt werden, sind diese Gruppen nicht vergleichbar. Dadurch lässt sich die Ursache möglicher Gesundheitsunterschiede zwischen den Gruppen nicht bestimmen.

Für die Zulassung neuer Arzneimittel sind in Schweden randomisierte Studien zwingend erforderlich. Solche Studien sind deutlich teurer als Beobachtungsstudien – was auch erklärt, warum Medikamente oft kostspielig sind, zumindest solange sie unter Patentschutz stehen. Die Kosten für diese Studien müssen während der verbleibenden Patentlaufzeit gedeckt werden, was den Preis
entsprechend erhöht.

Eine Studie, die den Einfluss eines Medikaments auf das Risiko eines Herzinfarkts untersucht, kostet heute in der Regel mehrere Milliarden Kronen. Dazu müssen tausende Patientinnen und Patienten rekrutiert werden, die über mehrere Jahre hinweg beobachtet werden – wobei die eine Hälfte das Medikament erhält und die andere entweder ein Placebo oder eine ältere Standardbehandlung.

Interventionsstudien zeichnen sich dadurch aus, dass Forscher aktiv eingreifen und eine bestimmte Behandlung, ein Produkt oder eine Methode gezielt testen. Bereits zu Beginn steht eine klare Fragestellung, anhand derer berechnet wird, wie groß die Studie sein muss und wie lange sie laufen sollte, um aussagekräftige Ergebnisse zu erzielen.

Die Intervention kann sich aber auch auf den Lebensstil beziehen – etwa „Gewichtsreduktion“, „mehr Bewegung“ oder, wie in diesem Fall, „das Beenden des Snuskonsums“.

Die Teilnehmenden werden in der Regel zufällig in Gruppen eingeteilt: Eine Gruppe erhält die neue Behandlung, die andere ein Placebo oder eine Standardbehandlung. Es ist auch möglich, mehrere Gruppen zu haben, und die Verteilung muss nicht zwingend 50:50 sein. Idealerweise ist die Studie doppelt verblindet – das bedeutet, dass weder die Patientinnen und Patienten noch die behandelnden Ärztinnen und Ärzte wissen, wer welche Behandlung erhält. So lässt sich vermeiden, dass vorgefasste Meinungen das Ergebnis beeinflussen.

Randomisierte, kontrollierte und doppelt verblindete Studien gelten daher als „Goldstandard“ – sie liefern in der Regel die zuverlässigsten Antworten auf Fragen zu Ursache, Wirkung und möglichen Nebenwirkungen.

Ja, das kann man so sagen. Der Unterschied steckt bereits im Namen: In Beobachtungsstudien beobachtet man lediglich, was mit den Teilnehmenden geschieht, ohne einzugreifen oder etwas zu verändern. Solche Querschnittsanalysen dienen in der Regel dazu, Theorien über mögliche Zusammenhänge zwischen Risiko- oder Schutzfaktoren zu entwickeln. Um zu überprüfen, ob diese Theorien zutreffen, sind anschließend randomisierte Studien erforderlich. Interessanterweise gilt: Wenn man ohne umfangreiche statistische Korrekturen keine Verbindung zwischen einem bestimmten Verhalten und einem erhöhten Risiko findet, ist das ein starkes Indiz dafür, dass dieser Faktor tatsächlich unbedenklich ist.

Beobachtungsdaten eignen sich also besser dazu, potenzielle Risiken zu entkräften, als eindeutige Ursache‑Wirkungs‑Zusammenhänge nachzuweisen. Das liegt unter anderem daran, dass solche Datensätze sehr groß sind – häufig umfassen sie hunderttausende Personen, die über Jahrzehnte hinweg beobachtet wurden – und von vielen Forschenden für unterschiedliche Fragestellungen genutzt werden können.

Das ist es aber eigentlich gar nicht. Niemand bezweifelt zum Beispiel, dass ein Fallschirm die Überlebenschancen verbessert, wenn man aus einem defekten Flugzeug springen muss. Nicht alle Menschen mit Fallschirm überleben, und einige wenige haben sogar ohne Fallschirm überlebt.

Dennoch lässt sich allein anhand von Beobachtungsdaten klar erkennen, dass es sicherer ist, einen Fallschirm zu benutzen, wenn die Situation es erfordert.

Auch in der Medizin gibt es solche offensichtlichen Zusammenhänge. Bei sehr hohem Blutdruck – sogenannter maligner Hypertonie – lag die Sterblichkeitsrate früher nahezu bei 100 Prozent innerhalb eines Jahres. Als Behandlungen eingeführt wurden, die den Blutdruck senkten, überlebten deutlich mehr Menschen. Daraus konnte man schließen, dass Bluthochdruck ein zentraler Auslöser für Herz- und Nierenversagen ist.

Ähnliches gilt für die Einführung von Insulin in den 1920er‑Jahren oder die Entdeckung von Penicillin: Viele Patienten überlebten Krankheiten, die zuvor nahezu immer tödlich verliefen. In solchen Fällen sind randomisierte Studien nicht zwingend erforderlich, weil der Zusammenhang so eindeutig ist.

Es gibt mehrere. 

Querschnittsstudien messen zu einem bestimmten Zeitpunkt die Häufigkeit einer Krankheit oder eines Faktors in einer Bevölkerung und analysieren diese statistisch, um Zusammenhänge mit Risiken oder Schutzfaktoren herzustellen.

In Kohortenstudien wird eine Gruppe von Personen über einen bestimmten Zeitraum hinweg begleitet, um zu beobachten, wer eine bestimmte Krankheit oder Wirkung entwickelt – in Abhängigkeit von verschiedenen Risiko‑ oder Schutzfaktoren.

Außerdem gibt es Fall-Kontroll-Studien, bei denen man Personen mit einer bestimmten Krankheit mit Personen ohne diese vergleicht, um Zusammenhänge zwischen einem Risikofaktor und der Erkrankung zu untersuchen.