
Assoz.-Prof. Dr. Jan M. Stratil ist Associate Professor und Leiter des Programms âKlimawandel und Gesundheitâ am Institut fĂŒr Public Health, Medizinische Entscheidungsfindung und Health Technology Assessment an der UMIT TIROL â UniversitĂ€t fĂŒr Gesundheitswissenschaften und Gesundheitstechnologie in Hall in Tirol, Ăsterreich.
Jan Stratil studierte Medizin (Staatsexamen) und Geographie (Bachelor of Science) an der UniversitĂ€t TĂŒbingen, Deutschland, wo er auch seine medizinische Doktorarbeit im Bereich der Versorgungsforschung abschloss. AnschlieĂend arbeitete er in der Arbeitsgruppe Evidenzbasierte Public Health an der Ludwig-Maximilians-UniversitĂ€t MĂŒnchen sowie bei Cochrane Public Health Europe mit einem Schwerpunkt auf systematischen Ăbersichtsarbeiten zu Public-Health-Interventionen. An der LMU absolvierte er zudem seine Promotion in Public Health und Epidemiologie mit dem Schwerpunkt Leitlinienentwicklung fĂŒr komplexe Public-Health-Interventionen. Seit 2021 war er am Robert Koch-Institut in Berlin im Bereich der Infektionsepidemiologie tĂ€tig und schloss dort auch ein Masterstudium in Angewandter Epidemiologie an der CharitĂ© â UniversitĂ€tsmedizin Berlin ab, bevor er 2023 an die UMIT TIROL wechselte.
Die aktuellen Forschungsschwerpunkte von Jan Stratil liegen auf den Auswirkungen des Klimawandels auf die Gesundheit, den unerwĂŒnschten und unbeabsichtigten Folgen von Public-Health-Interventionen sowie auf verschiedenen Fragen und Themen im Bereich der kausalen Inferenz und Entscheidungsfindung zu komplexen Public-Health-Interventionen.
Das stumpfe Schwert der Wissenschaft: Meta-Analysen und systematische Ăbersichtsarbeiten als verkleidete AutoritĂ€tsargumente
In der skeptischen Bewegung betrachten wir wissenschaftliche Erkenntnisse als verlĂ€ssliches Fundament zur ErklĂ€rung der Welt. Doch angesichts der scheinbar unzĂ€hligen, oft widersprĂŒchlichen Studien und unserer begrenzten Zeit sowie fachlichen Expertise fĂ€llt es schwer, zu jedem Thema eine fundierte wissenschaftliche Meinung zu bilden. Hier bieten systematische Ăbersichtsarbeiten und Meta-Analysen â besonders nach Cochrane-Standard â einen Ausweg: Fachexpert:innen durchsuchen Tausende Studien, trennen die Spreu vom Weizen und liefern das beste verfĂŒgbare Wissen ĂŒber die Wirksamkeit von (vermeintlichen) Heilmitteln oder MaĂnahmen. So gelten sie als starkes argumentatives Werkzeug, um Schwurbel zu widerlegen und Evidenz gegen Pseudowissenschaft ins Feld zu fĂŒhren.
Doch was, wenn dieses vermeintlich scharfe Schwert der Wissenschaft stumpf wird? Was, wenn selbst Cochrane-Reviews â trotz ihres Goldstandard-Status â plötzlich selbst schwurbeln? Und wie können wir erkennen, dass eine systematische Ăbersichtsarbeit tatsĂ€chlich zu einem AutoritĂ€tsargument im wissenschaftlichen Gewand verkommen ist?
Diese Fragen werde ich anhand von zwei Cochrane-Reviews beleuchten. Der erste, ein Review aus dem Jahr 2023, klassifiziert Masken in der Coronapandemie als ânicht wirksamâ und wird bis heute als wissenschaftlicher Beweis gegen die Wirksamkeit bevölkerungsbezogener SchutzmaĂnahmen zitiert. Der zweite Review betrifft die Wirksamkeit kohlenhydratarmer DiĂ€ten, der unter anderem die Empfehlungen der Deutschen Gesellschaft fĂŒr ErnĂ€hrung beeinflusste. Beide Fallbeispiele zeigen, wie selbst bei Ăbersichtsarbeiten, die als hochwertig gelten und mehrfaches Peer-Review durchlaufen haben, subjektive Entscheidungen der Autor:innen die Ergebnisse beeinflussen können â was in der komplexen Methodik jedoch vielfach untergeht.
In dem Vortrag werden exemplarisch Werkzeuge vorgestellt, mit denen verlĂ€sslichere von weniger verlĂ€sslichen Studien unterschieden werden können â ganz ohne Statistikkenntnisse. AbschlieĂend gehe ich auf das gröĂere Problem ein: Unser Vertrauen in die Wissenschaft als verlĂ€ssliche Methode hĂ€ngt unweigerlich vom Vertrauen in die IntegritĂ€t der Wissenschaftler:innen und wissenschaftlicher Institutionen ab. Doch wissenschaftlicher Aktivismus â egal wie erhaben die Ziele sind, die er verfolgt â kann das Fundament dieses Vertrauens erodieren und dazu fĂŒhren, dass selbst die beste Synthese von Erkenntnissen kein Vertrauen mehr gewinnt.


