Diese dreiteilige Serie soll zeigen, wie statistisch-methodische Verbesserungen beim Messen von Veränderungen bzw. Effekten von Therapien & Trainingsprogrammen, aber auch bei Zulassungsverfahren für neue Medikamente, zu  dramatischen Änderungen bzgl. Aussagen von Wirkung führen können.
Anhand einfacher Beispiele wird erklärt, warum die derzeitigen „klassischen“ Wirkungsmessungen sehr oft zu Fehlurteilen führen und wie man mithilfe neuer statistischer Methoden die Wirkungsforschung optimieren kann. Auch Softwarepakete dazu gibt es schon.
In der Psychologie kennt man das Dilemma von Veränderungsmessungen nur zu gut, schon Bereiter (1963) stellte unmissverständlich fest: „Es ist verboten Rohwertdifferenzen zu verwenden“. Auch Pharmakonzerne & medizinische Institutionen wissen über diese Schwäche Bescheid, nur: es kümmert anscheinend keinen.
So werden weiterhin Studien über neue Medikamente, Therapien und Trainingsprogramme publiziert, auch in Fachzeitschriften mit hohem Niveau, und man wundert sich eigentlich, dass so viele hoffnungsvolle Maßnahmen kurz- und langfristig wirkungslos bleiben. Konnte man die tatsächliche Wirkung nicht vorher schon sehen? Natürlich, wenn Wissenschaftler im Bereich der Statistik nicht so änderungsresistent wären und sich auch hier am neuesten Stand orientieren würden.
Abschließend sei stellvertretend für den ungeheuerlichen Missstand folgender Satz eines Pharmaverantwortlichen zitiert, den er mir zynisch zuwarf: „Wir wissen, dass wir das falsche statistische Verfahren anwenden, aber was glauben Sie, wenn wir die Medikamentenstudien mit der neuen Methode re-analysieren würden und einige Medikamente gar nicht auf dem Markt sein dürften, wer die Pönalen zahlen soll? Das kann ein Unternehmen in den Ruin treiben. Auf Wiedersehen und viel Glück bei der Konkurrenz. Dort werden Sie dasselbe hören“. Und er hatte recht. Contergan lässt grüßen.