Our Evidence Framework

Übersicht

PeptideInsight verwendet ein strukturiertes Evidenzbewertungssystem, um den Lesern eine schnelle Einschätzung der Qualität und Quantität der wissenschaftlichen Forschung hinter jedem Peptid und seinen beanspruchten Wirkungen zu ermöglichen. Dieses System basiert auf den Prinzipien der evidenzbasierten Medizin (EBM) und wurde speziell für die Peptidforschungslandschaft angepasst, in der viele der verfügbaren Daten präklinisch sind.

Evidenzgrade werden pro Peptid und, wo zutreffend, pro spezifisch beanspruchter Wirkung vergeben. Ein einzelnes Peptid kann für eine Anwendung eine starke Evidenz, für eine andere eine moderate Evidenz und für eine dritte nur präklinische Daten aufweisen. Diese Granularität ist wichtig, da Marketingmaterialien und Online-Diskussionen häufig von der am stärksten unterstützten Anwendung eines Peptids auf alle seine beanspruchten Vorteile verallgemeinern.

Die Evidenzhierarchie

Bevor wir unser spezifisches Bewertungssystem erläutern, ist es wichtig, die breitere Hierarchie wissenschaftlicher Evidenz zu verstehen, die ihm zugrunde liegt. Aufgeführt von der stärksten zur schwächsten:

Stufe 1: Systematische Reviews und Meta-Analysen

Ein systematischer Review verwendet eine vordefinierte, reproduzierbare Suchstrategie, um alle relevanten Studien zu einer Fragestellung zu identifizieren, und bewertet und synthetisiert dann kritisch deren Ergebnisse. Eine Meta-Analyse geht weiter, indem sie die quantitativen Ergebnisse mehrerer Studien statistisch kombiniert, um eine gepoolte Effektschätzung mit größerer Präzision als jede einzelne Studie zu erzielen.

Warum dies am höchsten eingestuft wird: Durch die Aggregation von Daten aus mehreren Studien erhöhen Meta-Analysen die statistische Aussagekraft, können kleine, aber reale Effekte erkennen und helfen, die Konsistenz (oder Inkonsistenz) der Ergebnisse über verschiedene Populationen und Settings hinweg zu identifizieren.

Vorbehalte: Eine Meta-Analyse ist nur so gut wie die Studien, die sie einschließt. Das Pooling fehlerhafter Studien ergibt eine fehlerhafte Synthese – „Müll rein, Müll raus“. Heterogenität zwischen den Studien (unterschiedliche Populationen, Dosierungen, Endpunkte) kann das Pooling unangemessen machen.

Stufe 2: Randomisierte kontrollierte Studien (RCTs)

Teilnehmer werden zufällig einer Behandlung oder einer Kontrolle (Placebo oder aktive Vergleichssubstanz) zugewiesen. Die Randomisierung minimiert Selektionsverzerrungen und gleicht bekannte und unbekannte Störfaktoren zwischen den Gruppen aus. Doppelverblindung (weder Teilnehmer noch Prüfarzt kennen die Zuweisung) reduziert weiterhin Mess- und Berichtsverzerrungen.

Warum dies hoch eingestuft wird: Die Randomisierung ist die zuverlässigste Methode zur Feststellung von Kausalität. Wenn der einzige systematische Unterschied zwischen den Gruppen die Behandlung ist, dann können Unterschiede in den Ergebnissen auf die Behandlung zurückgeführt werden.

Wichtige Qualitätsfaktoren:

Stichprobengröße und statistische Aussagekraft
Angemessenheit der Randomisierung und der Zuweisungsverheimlichung
Verblindung (einfach, doppelt oder offen)
Intention-to-Treat-Analyse
Vordefinierte primäre Endpunkte
Dropout-Rate und Umgang mit fehlenden Daten
Nachbeobachtungsdauer

Stufe 3: Kohortenstudien

Beobachtungsstudien, die Gruppen von Menschen über die Zeit verfolgen und diejenigen vergleichen, die einem Faktor (oder einer Behandlung) ausgesetzt waren, mit denen, die nicht ausgesetzt waren. Prospektive Kohortenstudien verfolgen die Teilnehmer in die Zukunft; retrospektive Kohorten betrachten historische Daten.

Stärken: Können Langzeitergebnisse, seltene Expositionen und mehrere Ergebnisse gleichzeitig untersuchen. Nützlich, wenn RCTs unethisch oder unpraktisch wären.

Schwächen: Können aufgrund von Störvariablen keine Kausalität feststellen. Personen, die sich für die Einnahme eines Peptids entscheiden, können sich systematisch von denen unterscheiden, die dies nicht tun.

Stufe 4: Fall-Kontroll-Studien

Forscher identifizieren Personen mit einem Ergebnis (Fälle) und ohne (Kontrollen) und blicken dann rückwärts, um Expositionen zu vergleichen. Nützlich für die Untersuchung seltener Krankheiten.

Schwächen: Sehr anfällig für Erinnerungsverzerrungen und Selektionsverzerrungen. Können keine Kausalität feststellen.

Stufe 5: Fallserien und Fallberichte

Beschreibungen einzelner Patienten oder kleiner Patientengruppen. Sie können Hypothesen generieren und seltene unerwünschte Ereignisse identifizieren, aber keine Wirksamkeit oder Kausalität feststellen.

Stufe 6: Tierstudien (In Vivo)

Studien an lebenden Tieren, meist Mäusen und Ratten. Diese liefern wichtige Informationen über Mechanismen, Toxizität und Pharmakokinetik in einem vollständigen biologischen System, aber die Ergebnisse lassen sich häufig nicht auf den Menschen übertragen. Ungefähr 90 % der Medikamente, die in Tierstudien erfolgreich sind, scheitern in klinischen Studien am Menschen.

Stufe 7: In-vitro-Studien

Experimente, die in Zellkulturen, Gewebepräparationen oder isolierten biochemischen Systemen durchgeführt werden. Wertvoll für das Verständnis molekularer Mechanismen, aber am weitesten von der klinischen Relevanz entfernt.

Stufe 8: Expertenmeinung und mechanistisches Denken

Theoretische Argumente, die auf bekannter Biologie oder Expertenkonsens basieren, ohne direkte empirische Prüfung. Die schwächste Form der Evidenz, obwohl manchmal die einzige verfügbare Form für neuartige Verbindungen.

Unsere vier Evidenzstufen

Basierend auf der obigen Hierarchie weist PeptideInsight jedem Peptid-Indikations-Paar eine von vier Evidenzstufen (plus eine Kategorie „Unzureichende Daten“) zu.

Starke Evidenz

Kriterien – alle der folgenden müssen erfüllt sein:

Mindestens zwei gut konzipierte RCTs am Menschen mit konsistenten positiven Ergebnissen
Vorzugsweise unterstützt durch mindestens eine systematische Übersichtsarbeit oder Meta-Analyse
Ergebnisse von unabhängigen Forschungsgruppen repliziert (nicht alle aus einem Labor)
Veröffentlicht in Peer-Review-Journalen mit etablierten Impact-Faktoren
Klinisch bedeutsame Effektgrößen (nicht nur statistisch signifikant)
Typischerweise mindestens eine Zulassung durch die FDA, EMA oder eine andere große Regulierungsbehörde

Was das für Leser bedeutet: Die Evidenz unterstützt, dass dieses Peptid für diese spezifische Indikation beim Menschen wirkt, mit bekannten Sicherheitsparametern. Das bedeutet nicht, dass das Peptid risikofrei oder für alle Patienten geeignet ist.

Beispiele:

Semaglutid bei Typ-2-Diabetes und Gewichtsmanagement (Dutzende von Phase-III-RCTs, mehrere Meta-Analysen)
Tirzepatid bei Typ-2-Diabetes und Adipositas (SURPASS- und SURMOUNT-Studienprogramme)
Bremelanotid bei hypoaktiver sexueller Luststörung bei prämenopausalen Frauen (RECONNECT Phase-III-Studien)
Octreotid bei Akromegalie und Karzinoidsyndrom

Moderate Evidenz

Kriterien – mindestens zwei der folgenden:

Eine oder mehrere RCTs am Menschen mit positiven Ergebnissen, aber begrenzt in Anzahl, Stichprobengröße oder Umfang
Mehrere gut konzipierte Beobachtungsstudien am Menschen mit konsistenten Ergebnissen
Umfangreiche und konsistente präklinische Daten, die einen plausiblen Mechanismus unterstützen
Mindestens Phase-II-Klinische Studien abgeschlossen oder laufend
Daten von mehr als einer unabhängigen Forschungsgruppe

Was das für Leser bedeutet: Es gibt aussagekräftige Hinweise darauf, dass dieses Peptid für diese Indikation wirksam sein könnte, aber die Evidenz ist noch nicht endgültig. Weitere Humanstudien sind erforderlich.

Beispiele:

BPC-157 zur Gewebereparatur (umfangreiche Tierdaten aus mehreren Modellen, sehr begrenzte formelle Humandaten, aber plausibler Mechanismus)
Thymosin beta-4 zur Heilung von Hornhautwunden (Phase-II-Studien abgeschlossen)
GHK-Cu zur Hautregeneration (mehrere In-vivo- und einige Humanstudien)

Vorläufige Evidenz

Kriterien – mindestens eines der folgenden:

Humanstudien in frühen Phasen (Phase I, Pilotstudien oder kleine Fallserien)
Konsistente positive Ergebnisse aus Tierstudien über mehrere unabhängige Forschungsgruppen hinweg
Starke mechanistische Begründung, unterstützt durch In-vitro-Daten, aber begrenzte In-vivo-Bestätigung
Forschung hauptsächlich aus einer einzigen geografischen Region oder Forschungsgruppe, aber mit plausibler Methodik

Was das für Leser bedeutet: Es gibt Anzeichen dafür, dass dieses Peptid die beanspruchte Wirkung haben könnte, aber die Evidenz ist bei weitem nicht schlüssig. Tierergebnisse lassen sich möglicherweise nicht auf den Menschen übertragen, und frühe Humandaten sind zu begrenzt, um Vertrauen zu schaffen.

Beispiele:

Semax zur kognitiven Verbesserung (russische klinische Studien, begrenzte westliche Replikation)
LL-37 zur Wundheilung (Phase-I/II-Daten, umfangreiche In-vitro-Daten)
Ipamorelin zur GH-Sekretion (Phase-II-Daten, begrenzte Phase-III-Daten)

Nur präklinisch

Kriterien:

Evidenz beschränkt auf Tierstudien (in vivo) und/oder Laborstudien (in vitro)
Keine veröffentlichten Humanklinischen Studiendaten für die spezifische Indikation
Mechanismus wird basierend auf Laborergebnissen vorgeschlagen, aber die Übertragung auf den Menschen ist unsicher
Möglicherweise Daten von nur einer Forschungsgruppe oder einem Tiermodell

Was das für Leser bedeutet: Dieses Peptid hat im Labor vielversprechende Ergebnisse gezeigt, aber es gibt keine direkten Beweise dafür, dass es bei Menschen für diese Indikation wirkt. Der Sprung von Zellkultur oder Nagetiermodell zur menschlichen Therapie ist enorm, und die meisten Verbindungen, die in dieser Phase vielversprechend aussehen, werden nie zu erfolgreichen Medikamenten.

Beispiele:

Epithalon zur Telomeraseaktivierung und Anti-Aging (hauptsächlich Khavinson-Labor-Daten)
DSIP zur Schlafregulation (Tiermodelle, begrenzte und inkonsistente Humandaten)
Viele neuartige oder kürzlich entdeckte Peptide

Unzureichende Daten

Es gibt zu wenig veröffentlichte Forschung, um eine aussagekräftige Bewertung vorzunehmen. Das Peptid ist möglicherweise sehr neu, oder die verfügbare Forschung ist zu spärlich, schlecht konzipiert oder widersprüchlich, um Schlussfolgerungen zu ziehen.

Studientypen, die wir bewerten

Bei der Überprüfung der Literatur für ein Peptid berücksichtigen wir die folgenden Studientypen und gewichten sie entsprechend:

Interventionsstudien (Experimente):

Randomisierte kontrollierte Studien (Parallelgruppen, Crossover, faktoriell)
Nicht-randomisierte kontrollierte Studien
Interventionsstudien mit einer Gruppe (keine Kontrollgruppe)

Beobachtungsstudien:

Prospektive Kohortenstudien
Retrospektive Kohortenstudien
Fall-Kontroll-Studien
Querschnittsstudien
Ökologische Studien

Deskriptive Studien:

Fallserien
Fallberichte

Sekundärforschung:

Systematische Reviews (mit oder ohne Meta-Analyse)
Narrative Reviews
Umbrella Reviews (Reviews von systematischen Reviews)

Präklinische Forschung:

In-vivo-Tierstudien (Nagetiere, Primaten, andere)
Ex-vivo-Gewebestudien
In-vitro-Zellkulturstudien
In-silico-Computationsstudien

Statistische Konzepte, die wir berücksichtigen

P-Werte

Der p-Wert repräsentiert die Wahrscheinlichkeit, Ergebnisse zu beobachten, die mindestens so extrem sind wie die erzielten, unter der Annahme, dass die Nullhypothese (kein Effekt) wahr ist. Ein p-Wert von 0,05 bedeutet, dass eine 5%ige Chance besteht, solche Ergebnisse zu sehen, wenn die Behandlung tatsächlich keine Wirkung hat.

Was p-Werte NICHT aussagen:

Die Wahrscheinlichkeit, dass die Hypothese wahr oder falsch ist
Die Größe oder klinische Bedeutung des Effekts
Ob das Ergebnis repliziert wird

Wir kennzeichnen Studien, die auf grenzwertigen p-Werten (0,04–0,05) ohne ausreichende Stichprobengrößen beruhen, und Studien, die viele Endpunkte testen, ohne für multiple Vergleiche zu korrigieren.

Konfidenzintervalle (CIs)

Ein 95%-Konfidenzintervall gibt einen Bereich an, innerhalb dessen der wahre Effekt wahrscheinlich liegt. Engere Intervalle deuten auf präzisere Schätzungen hin. Wir bevorzugen Studien, die Konfidenzintervalle berichten, gegenüber denen, die nur p-Werte berichten, da CIs sowohl die Größe als auch die Präzision des Effekts vermitteln.

Wichtige Interpretationsregeln:

Wenn das 95%-CI für eine Differenz Null kreuzt (oder für ein Verhältnis 1,0 kreuzt), ist das Ergebnis auf dem 0,05er-Niveau nicht statistisch signifikant
Breite CIs deuten auf unpräzise Schätzungen hin, oft aufgrund kleiner Stichprobengrößen
Zwei Studien können beide "signifikant" sein, aber sehr unterschiedliche Effektgrößen aufweisen

Number Needed to Treat (NNT)

Die Anzahl der Patienten, die behandelt werden müssen, damit ein zusätzlicher Patient profitiert. Niedrigere NNTs deuten auf wirksamere Behandlungen hin. Eine NNT von 1 würde bedeuten, dass jeder Patient profitiert; eine NNT von 100 bedeutet, dass 100 Patienten behandelt werden müssen, damit einer profitiert. Wir verwenden NNT, um die klinische Signifikanz zu kontextualisieren, wenn sie verfügbar ist.

Hazard Ratios (HRs)

Hauptsächlich in Überlebensanalysen und Zeit-zu-Ereignis-Studien verwendet. Eine Hazard Ratio von 0,5 bedeutet, dass die Behandlungsgruppe die Hälfte der Rate des Ereignisses (z. B. Tod, Krankheitsfortschritt) im Vergleich zur Kontrolle zu jedem gegebenen Zeitpunkt aufweist. Eine HR von 1,0 bedeutet keinen Unterschied.

Absolute vs. Relative Risikoreduktion

Wir achten genau darauf, ob Studien absolute oder relative Risikoreduktionen berichten, da relative Maße irreführend sein können. Wenn eine Behandlung das Risiko von 2 % auf 1 % reduziert, beträgt die relative Risikoreduktion 50 % (klingt beeindruckend), aber die absolute Risikoreduktion beträgt nur 1 % (weniger beeindruckend). Beide Zahlen sind technisch korrekt, aber die absolute Reduktion vermittelt besser die praktische Auswirkung.

Arten von Bias, die wir bewerten

Selektionsbias

Systematische Unterschiede zwischen den verglichenen Gruppen. In RCTs wird dies durch ordnungsgemäße Randomisierung und Zuweisungsverheimlichung minimiert. In Beobachtungsstudien ist dies ein Hauptanliegen.

Publikationsbias

Studien mit positiven Ergebnissen werden eher veröffentlicht als negative. Dies führt zu einer verzerrten Literatur, in der Behandlungen wirksamer erscheinen, als sie tatsächlich sind. Wir suchen nach Anzeichen für Publikationsbias, einschließlich asymmetrischer Trichterdiagramme in Meta-Analysen und registrierter Studien, die nie Ergebnisse veröffentlicht haben.

Finanzierungsbias

Von der Industrie finanzierte Studien neigen dazu, günstigere Ergebnisse häufiger zu berichten als unabhängig finanzierte Forschung. Wir vermerken die Finanzierungsquellen und bewerten, ob das Studiendesign durch kommerzielle Interessen beeinflusst worden sein könnte.

Beobachter-/Erkennungsbias

Unterschiede in der Art und Weise, wie Ergebnisse zwischen den Gruppen gemessen oder bewertet werden. Minimiert durch Verblindung der Bewerter gegenüber der Gruppenzuweisung.

Attritionsbias

Systematische Unterschiede in den Dropout-Raten zwischen den Gruppen. Wenn mehr Patienten aus der Behandlungsgruppe ausfallen (z. B. aufgrund von Nebenwirkungen), sind die verbleibenden Teilnehmer möglicherweise nicht repräsentativ.

Berichts-Bias

Selektive Berichterstattung über Ergebnisse. Eine Studie kann 15 Endpunkte messen, aber nur die 3 berichten, die signifikante Ergebnisse zeigten. Wir überprüfen Studienregistrierungen (ClinicalTrials.gov) anhand veröffentlichter Ergebnisse, um potenzielle Berichtsverzerrungen zu identifizieren.

Besondere Überlegungen: Khavinson-Peptide

Mehrere auf PeptideInsight diskutierte Peptide – darunter Epithalon, Vilon, Thymalin und andere kurze Peptide – stammen hauptsächlich aus dem Labor von Professor Vladimir Khavinson am Institut für Bioregulation und Gerontologie in Sankt Petersburg. Wir wenden bei diesen Verbindungen zusätzliche Prüfungen an, weil:

Die Mehrheit der veröffentlichten Forschung stammt aus einer einzigen Forschungsgruppe
Viele Studien werden in russischsprachigen Journalen mit begrenzter internationaler Peer-Review veröffentlicht
Einige beanspruchte Mechanismen (z. B. direkte DNA-Interaktion durch Tetrapeptide) werden durch unabhängige biochemische Forschung nicht gut gestützt
Die Peptide werden in Russland kommerziell vermarktet, was potenzielle Interessenkonflikte schafft
Unabhängige Replikation durch westliche Forschungsgruppen ist sehr begrenzt

Dies bedeutet nicht, dass diese Peptide unwirksam sind, aber es bedeutet, dass die Evidenz mit größerer Vorsicht interpretiert werden sollte. Wir weisen diese Einschränkung der Einzelquelle in unseren Evidenzbewertungen ausdrücklich darauf hin.

Kategorien des Zulassungsstatus

Wir verfolgen auch den Zulassungsstatus jedes Peptids:

FDA-zugelassen: Das Peptid wurde von der U.S. Food and Drug Administration für mindestens eine spezifische Indikation zugelassen
EMA-zugelassen: Von der Europäischen Arzneimittel-Agentur zugelassen
In anderen Gerichtsbarkeiten zugelassen: In bestimmten Ländern zugelassen (z. B. Russland, Japan, Australien), aber nicht FDA/EMA
In klinischen Studien: Derzeit in registrierten klinischen Studien am Menschen (Phase I, II oder III) getestet
Untersuchungsgegenstand: Wird aktiv erforscht, aber noch nicht in formellen klinischen Studien
Forschungschemikalie: Für die Laborforschung verfügbar; nicht für den menschlichen Gebrauch zugelassen
Eingestellt: Entwicklung aufgrund von Sicherheitsbedenken, mangelnder Wirksamkeit oder kommerziellen Gründen eingestellt

Wie wir Noten vergeben und aktualisieren

Unser Benotungsprozess folgt diesen Schritten:

Literaturrecherche: Wir durchsuchen PubMed, Google Scholar, ClinicalTrials.gov, Cochrane Library und EMBASE nach allen veröffentlichten Forschungsarbeiten zu jedem Peptid-Indikations-Paar
Studienkatalogisierung: Wir katalogisieren jede relevante Studie nach Design, Stichprobengröße, Qualität und Finanzierungsquelle
Qualitätsbewertung: Wir bewerten die Studienqualität anhand etablierter Rahmenwerke (Cochrane Risk of Bias tool für RCTs, Newcastle-Ottawa Scale für Beobachtungsstudien)
Replikationsprüfung: Wir prüfen, ob die Ergebnisse von unabhängigen Forschungsgruppen in verschiedenen Settings repliziert wurden
Konsistenzbewertung: Wir bewerten, ob die Gesamtheit der Evidenz in die gleiche Richtung weist oder widersprüchlich ist
Notenvergabe: Wir vergeben eine Note basierend auf der Gesamtheit der verfügbaren Evidenz, wobei höherwertige Evidenz stärker gewichtet wird
Peer-Review: Noten werden vor der Veröffentlichung von mindestens einem weiteren Teammitglied überprüft
Regelmäßige Updates: Wir überprüfen und aktualisieren Noten, sobald signifikante neue Forschungsergebnisse veröffentlicht werden, wobei das Datum der letzten Überprüfung auf jeder Peptidseite angezeigt wird

Einschränkungen unseres Systems

Evidenzgrade spiegeln den aktuellen Stand der veröffentlichten Forschung wider und können sich ändern, wenn neue Studien auftauchen
Ein niedriger Evidenzgrad bedeutet nicht, dass ein Peptid unwirksam ist – es bedeutet, dass nicht genügend Forschung vorhanden ist, um fundierte Schlussfolgerungen zu ziehen
Ein hoher Evidenzgrad für eine Anwendung erstreckt sich nicht auf andere beanspruchte Verwendungen desselben Peptids
Unser System kann unveröffentlichte Daten, laufende, noch nicht berichtete Studien oder Forschung in Sprachen, auf die wir keinen Zugriff haben, nicht vollständig berücksichtigen
Wir streben nach Objektivität, aber alle Bewertungssysteme beinhalten ein gewisses Maß an Urteilsvermögen
Unsere Bewertung ist kein Ersatz für klinische Entscheidungen durch qualifizierte Gesundheitsdienstleister