In einer Metaanalyse aus dem Jahr 2022 veröffentlichten Marc B. Stone und seine Kolleg:innen eine überraschende Erkenntnis. Im Durchschnitt waren Antidepressiva kaum besser als Placebo-Pillen. Es schien jedoch eine kleine Untergruppe von Patient:innen zu geben – etwa 15 % –, die einen großen Nutzen daraus zogen. Diese Gruppe wurde laut Stone et al. durch eine andere Gruppe von Patient:innen ausgeglichen, die weniger Nutzen daraus zogen als aus einem Placebo, während die Mehrheit der Patient:innen etwa den gleichen Nutzen daraus zog wie aus einem Placebo.
Daher sollten Forscher:innen laut Stone et al. nach einer Möglichkeit suchen, die kleine Gruppe von Patient:innen zu identifizieren, die tatsächlich gut auf die Medikamente anspricht.
In einer Studie von August 2025 suchten Forscher:innen genau danach. Sie analysierten die Daten der bekanntesten Antidepressiva-Studie, STAR*D, erneut. Sie suchten nach der einzigartigen „trimodalen” Verteilung (drei verschiedene Personengruppen), die von Stone et al. identifiziert worden war.
Das Problem: Sie fanden sie nicht. Den Forscher:innen gelang es nicht, eine Gruppe von Patient:innen zu identifizieren, die überraschend gut auf Antidepressiva ansprachen. Stattdessen kommen sie zu dem Schluss, dass der geringe durchschnittliche Nutzen gegenüber Placebo – ein klinisch bedeutungsloser Unterschied, der höchstwahrscheinlich auf einen verstärkten Placebo-Effekt zurückzuführen ist – der beste Weg ist, um den Nutzen von Antidepressiva zu verstehen.
„Die von Stone et al. beschriebene trimodale Verteilung der Reaktion auf Antidepressiva konnte anhand der Daten aus der STAR*D-Studie, einer offenen, nicht von der Industrie gesponserten Studie zu Antidepressiva unter realen Bedingungen, nicht reproduziert werden”, schreiben die Forscher:innen. „Daher stützen unsere Ergebnisse nicht die Annahme, dass es eine Untergruppe von Patient:innen mit einer starken Reaktion gibt. Stattdessen stützen diese Ergebnisse die Annahme, dass die mutmaßlichen Untergruppen aus industriellen RCTs möglicherweise Artefakte sind, die durch methodische Verzerrungen verursacht werden.“
Die Autoren der Studie waren Colin Xu, Florian Naudet, Thomas T. Kim, Michael P. Hengartner, Mark A. Horowitz, Irving Kirsch, Joanna Moncrieff, Ed Pigott und Martin Plöderl, von denen viele ihre Arbeit im Mad in America-Podcast diskutiert haben.
STAR*D
STAR*D war eine vom NIMH (Anm. d. Redaktion: National Institute of Mental Health, USA) finanzierte Realweltstudie mit über 4.000 Menschen mit Depressionen, die im Laufe eines Jahres bis zu vier verschiedene Antidepressiva ausprobierten. Sie wird häufig von Befürworter:innen von Antidepressiva zitiert, da in den ersten Berichten angegeben wurde, dass am Ende der Studie zwei Drittel der Patient:innen eine Remission (keine Depression mehr) erreicht hatten.
Die Studie war wissenschaftlich gesehen sehr begrenzt. Sie war offen (nicht verblindet) und umfasste keine Kontrollgruppe. Daher könnten alle Ergebnisse auf einen verstärkten Placebo-Effekt zurückzuführen sein (da die Patient:innen und ihre Ärzt:innen wussten, dass sie tatsächlich Antidepressiva einnahmen), und es gibt keine Möglichkeit, diese Verzerrung zu berücksichtigen (da es keine Placebo-Gruppe zum Vergleich gab).
Dennoch stellte die Studie die vielleicht wichtigste Frage: Wie viele Menschen werden im wirklichen Leben durch die Einnahme von Antidepressiva gesund, insbesondere wenn ihre Ärztin bei Bedarf verschiedene Medikamente ausprobieren kann?
Bei der Berichterstattung über ihre Ergebnisse haben die Forscher:innen jedoch verschiedene Formen der Datenmanipulation vorgenommen, die viele als Betrug bezeichnen.
Bis 2010 hatten Forscher:innen unter der Leitung von Ed Pigott die von STAR*D angegebene Remissionsrate von 67 % bereits widerlegt. Wie in einem Medscape-Artikel über Pigotts Arbeit erwähnt, betrug die tatsächliche Anzahl der Patient:innen, die eine Remission erreichten, in Remission blieben und die Studie beendeten, 108 von 4.041 (2,7 %).
In den Jahren seitdem haben Forscher:innen weitere Möglichkeiten entdeckt, wie die STAR*D-Forscher:innen die Öffentlichkeit in die Irre geführt haben. So sollte beispielsweise die vorab registrierte Ergebnismessung für die Studie eine verblindete Anwendung der Hamilton Depression Rating Scale (HAM-D) sein, einer häufig verwendeten Ergebnismessung in der Depressionsforschung. Bei der Berichterstattung über die Studie wechselten die Forscher:innen jedoch zu ihrem neu entwickelten QIDS und wandten es in einer nicht-verblindeten Weise an.
Die STAR*D-Forscher:innen schlossen außerdem 607 Patient:innen in die Studie ein, die die Kriterien für eine Depression nicht erfüllten. Diese Patient:innen wurden als von einer Depression genesen gezählt, obwohl sie gar nie daran gelitten hatten. Und noch ein weiteres Problem: Die STAR*D-Forscher:innen zählten diejenigen, die die Studie abgebrochen hatten, als geheilt – also als Erfolgsfälle und nicht als Misserfolge.
Laut Pigott und anderen Forscher:innen hätten die STAR*D-Forscher:innen, wenn sie sich an ihr Protokoll gehalten hätten, 35 % der Patient:innen als Erfolge gezählt statt 67 %. Und wenn sie nur diejenigen gezählt hätten, die in Remission blieben und in der Studie verblieben, hätten sie nur 2,7 % als Erfolge gezählt.
Die aktuelle Studie
In der aktuellen Studie untersuchten die Forscher:innen die HAM-D-Daten aus STAR*D, um festzustellen, ob sie die einzigartige trimodale (drei Gruppen umfassende) Verteilung finden konnten, die Stone et al. in ihrer Metaanalyse von 2022 festgestellt hatten. Sie analysierten die Ergebnisse der ersten Stufe von STAR*D (der ersten Antidepressiva-Studie) und verglichen sie mit den Ergebnissen von Stone et al. unter Verwendung verschiedener statistischer Verfahren. Wenn sich die Ergebnisse mit denen von Stone et al. überschnitten hätten, hätte dies die Existenz einer Gruppe bestätigt, bei der die Medikamente wirksam waren.
Als die Forscher:innen ihr statistisches Modell auf die STAR*D-Daten anwendeten, stellten sie fest, dass eine bimodale Verteilung das wahrscheinlichste Ergebnis war, was bedeutet, dass diese dritte Gruppe nicht gefunden wurde. Ein bestimmter statistischer Test führte zwar zu einem trimodalen Ergebnis – die Forscher:innen kamen jedoch zu dem Schluss, dass dieses Ergebnis ein methodischer Artefakt war, da es keines ihrer Kriterien für eine Replikation erfüllte.
Andere Tests – beispielsweise solche, die sich auf die Selbstauskünfte der Patient:innen zu ihren Symptomen konzentrierten – ergaben eine unimodale Verteilung, was darauf hindeutet, dass es offenbar überhaupt keine identifizierbaren Untergruppen von Patient:innen gab.
„Daher“, so schreiben die Forscher:innen, „stimmte keines der Ergebnisse unserer Analyse der STAR*D-Daten mit den Ergebnissen von Stone et al. überein.“
„Die trimodale Verteilungsstruktur scheint kein robustes Ergebnis zu sein und könnte anfällig für Verzerrungen sein“, schreiben die Forscher:innen. Daher „ist es verfrüht, die durchschnittliche Wirkung als beste Schätzung der Wirksamkeit von Antidepressiva abzulehnen.“
Das heißt, der beste Weg, die Wirksamkeit von Antidepressiva zu verstehen, besteht darin, die durchschnittliche Wirkung gegenüber Placebo zu betrachten. Und die Medikamente zeigen bei dieser Messgröße eine schlechte Wirksamkeit: Sie schlagen Placebo nur in der Hälfte der klinischen Studien und selbst dann mit einem so geringen Vorsprung, dass dies als klinisch unbedeutend angesehen wird.
Was ist die Schlussfolgerung?
Selbst klinische Studien, die zeigen, dass Antidepressiva Placebo nur knapp schlagen, übertreiben die Wirksamkeit im Vergleich zu Studien aus dem realen Leben. In einer großen Studie aus der Praxis, in der eine aggressive Behandlungsstrategie mit mehreren Medikamenten sowie Therapie und Krankenhausaufenthalt zum Einsatz kam, sprach weniger als ein Viertel der Patient:innen auf die Behandlung an.
Die gute Nachricht ist jedoch, dass eine kürzlich durchgeführte groß angelegte Metaanalyse ergab, dass Bewegung – einschließlich Gehen und Joggen – sowohl die kognitive Verhaltenstherapie als auch Antidepressiva bei der Behandlung von Depressionen übertrifft. Dies galt sogar für Menschen mit schweren Depressionen.
Und die beste Nachricht ist, dass 85 % der Menschen mit Depressionen ohne Behandlung innerhalb eines Jahres genesen, wobei die Depression im Durchschnitt etwa drei Monate andauert.
****
Xu, C., Naudet, F., Kim, T. T., Hengartner, M. P., Horowitz, M. A., Kirsch, I., . . . & Plöderl, M. (2025). Large responses to antidepressants or methodological artifacts? A secondary analysis of STAR*D, a single-arm, open-label, non-industry antidepressant trial. Journal of Clinical Epidemiology. doi: https://doi.org/10.1016/j.jclinepi.2025.111943 (Full text)
