Koinzidenz, Korrelation und Kausalität – Warum zwei Dinge nicht automatisch etwas miteinander zu tun haben

In der Medizin kommt es immer wieder vor, dass zwei Ereignisse kurz nacheinander auftreten. Ein Patient bekommt eine Impfung – und einige Tage später zeigt er ein neues Symptom. Ein Hund erhält ein neues Medikament – und kurz darauf verschlechtert sich sein Zustand. Für viele Menschen liegt dann sofort die Vermutung nahe: Das zweite ist wegen des ersten passiert.

Doch so einfach ist es nicht. Die Wissenschaft unterscheidet sehr genau zwischen drei Dingen:

1. Koinzidenz: Zwei Ereignisse passieren zur gleichen Zeit – aber ohne zwingenden Zusammenhang.
2. Korrelation: Zwei Dinge treten häufig gemeinsam auf – aber noch immer ohne sicheren Ursache-Wirkungs-Beweis.
3. Kausalität: Ein Ereignis verursacht das andere tatsächlich.

Gerade im medizinischen Alltag ist diese Unterscheidung enorm wichtig, denn viele Fehlannahmen entstehen genau dann, wenn diese drei Punkte verwechselt werden.

Warum uns der Alltag oft täuscht

Der Mensch ist darauf programmiert, Zusammenhänge zu sehen – selbst dort, wo keine sind. Das ist im Alltag manchmal hilfreich, in der Medizin aber gefährlich. Wenn jemand zum Beispiel kurz nach einer Impfung krank wird, wirkt das wie ein Zusammenhang. In Wirklichkeit fallen bei Kindern Impfzeitpunkte und das natürliche Auftreten vieler Krankheiten zeitlich zusammen – rein zufällig.

Auch in anderen Bereichen passiert das oft:

• Eine Krankheit verschlechtert sich nach Beginn einer Therapie – tatsächlich handelt es sich oft um einen normalen Krankheitsschub.
• Ein Patient mit starken Schmerzen bekommt ein neues Medikament – und es geht ihm danach besser. Häufig wäre der Schmerz auch ohne Medikament zurückgegangen (Regression zur Mitte).
• Eine neue Studie zeigt einen statistischen Zusammenhang – dieser entsteht aber z. B. durch Unterschiede im Lebensstil, nicht durch das Medikament selbst (sogenanntes „Confounding“).

Deshalb gilt in der Wissenschaft: Beobachtung ist nicht gleich Beweis.

Warum Studien so wichtig sind

Um herauszufinden, ob wirklich ein Ursache-Wirkungs-Zusammenhang besteht, braucht man gute Daten – am besten aus großen, gut gemachten Studien.

Viele scheinbar „klare“ Zusammenhänge stellten sich später als falsch heraus, z. B.:

• Frauen dachten lange, Hormonersatztherapie schütze ihr Herz – große Studien zeigten: Sie kann das Risiko sogar erhöhen.
• Beta-Carotin galt als krebshemmend – später zeigte sich, dass es bei Rauchern das Lungenkrebsrisiko erhöhte.
• Impfungen wurden fälschlich mit Autismus in Verbindung gebracht – große Studien widerlegten diesen Mythos eindeutig.

Diese Beispiele zeigen, wie wichtig wissenschaftliche Prüfung ist – auch wenn einzelne Fälle etwas anderes vermuten lassen.

Warum einzelne Fälle nicht reichen (N=1-Dilemma)

Ärztinnen und Ärzte sehen ihre Patienten einzeln – immer „N=1“. Doch ein einzelner Fall sagt nichts darüber aus, wie häufig ein Ereignis wirklich ist.

Ein Beispiel: Wenn ein Hund kurz nach einem Medikament verstirbt, wirkt das dramatisch. Aber ohne Vergleichsdaten weiß man nicht:

• Wäre das Ereignis auch ohne das Medikament passiert?
• Wie viele Patienten haben das Medikament gut vertragen?
• Wie häufig ist das Ereignis generell bei alten, kranken Hunden?

Für einen einzelnen Fall kann man diese Fragen nicht beantworten. Deshalb braucht es viele gut dokumentierte Fälle, damit man Muster erkennen kann.

Wie moderne Medizin das Problem löst:
Real-World Data und Register

Um aus vielen einzelnen Beobachtungen verlässliche Erkenntnisse zu machen, werden heute systematische Register und Datenbanken genutzt – etwa das PraxisRegister Schmerz.

Viele tausend einzelne Fälle werden:

• einheitlich erfasst,
• zentral gespeichert,
• statistisch ausgewertet.

Dadurch entsteht eine Art kollektive Intelligenz: Viele kleine Beobachtungen ergeben zusammen ein großes Bild. So kann man Trends erkennen, seltene Nebenwirkungen finden oder echte Zusammenhänge nachweisen.

Wichtig ist: Einzelberichte sind Warnsignale, aber kein Beweis.

Nur wenn tausende Fälle ausgewertet werden, lässt sich klären, ob bestimmte Ereignisse wirklich häufiger auftreten als normal – oder ob es sich um Zufälle handelt.

Pharmaunternehmen spielen hier eine entscheidende Rolle:
Sie sind gesetzlich verpflichtet, jeden gemeldeten Fall zu untersuchen, haben weltweit Sicherheitsdaten und arbeiten eng mit Behörden zusammen. Ihre Analysen sind für die Risikoaufklärung unverzichtbar.

Fazit

Nur weil zwei Dinge zeitlich oder gehäuft zusammen auftreten, bedeutet das nicht, dass eines das andere verursacht. Die Medizin kennt viele Beispiele für solche Irrtümer – und sie zeigen, wie vorsichtig man sein muss.

Einzelfälle sind wichtig, aber nicht genug.
Erst viele Beobachtungen, gut gesammelt und wissenschaftlich ausgewertet, ermöglichen verlässliche Aussagen.

Diese Regeln gelten in universal für die (Human- aber z.B. auch die Veterinär-) Medizin und sie helfen, richtige Entscheidungen zu treffen.

Wenn Sie uns Ihre Meinung dazu mitteilen wollen,
dann schreiben Sie uns gerne an:

info@schmerzliga.de
Stichwort: Koinzidenz, Korrelation und Kausalität

Ihre Deutsche Schmerzliga e.V.