[Markus]

Da das ganze auf Wahrscheinlichkeiten beruht, geht dies immer mit einer Gewissen Irrtumswahrscheinlichkeit einher (nichts anderes ist die statistische Signifikanz: Die Wahrscheinlichkeit, dass ich mich irre, wenn ich die Nullhypothese ablehne, also für den Fehler erster Art).

Aus diesem Grund gibt es m.E. auch nicht wirklich eine Basis dafür, bei p = 0.05 ein Studienergebnis hochzujubeln und bei p = 0.06 so zu tun, als ob nichts gefunden wurde. Klar muss man irgendwo eine Schwelle ziehen, in diesem Fall bei p = 0.05. Ich sehe das aber aus Sicht eines Patienten, und da sind 6 % (p = 0.06) Irrtumswahrscheinlichkeit doch recht gut. Selbst p = 0.1 würde bedeuten, dass man das Stichprobenexperiment statistisch gesehen 10 mal wiederholen muss, damit "zufällig" einmal ein solches Ergebnis herauskommt. Ich weiß nicht, ob da mein Verständnis von der Sache richtig ist.

Was du nicht angesprochen hattest, ist der Betafehler (oder Fehler 2. Ordnung), nämlich die Wahrscheinlichkeit, die Nullhypothese fälschlicherweise für wahr zu halten. Was ist, wenn der bei 80% liegen würde? Ist denke ich vom Studiendesign her ausgeschlossen, wenn man solche prospektiven Studien macht, wenn man sich aber z.B. rückwirkend die Krebsinzidenzen nach Metronidazolgabe anschaut, ist man eben auf die Daten angewiesen die da sind. Da könnte es einen sehr großen Betafehler geben, und mir ist nicht klar ob man den zumindest näherungsweise abschätzen kann. In einem Journalartikel habe ich meines Wissens noch nie etwas von einem Betafehler gelesen.