Reanalysemethoden

Reanalysemethoden bezeichnen wissenschaftliche Verfahren, mit denen vorhandene Daten, Materialien oder Ergebnisse erneut untersucht werden, um Gültigkeit, Robustheit oder neue Erkenntnisse zu prüfen. Sie zielen darauf ab, Befunde zu verifizieren, Fehlerquellen aufzudecken und gegebenenfalls zusätzliche Einsichten zu gewinnen, ohne neue Primärdaten zu erheben.

Typen der Reanalyse umfassen statistische Reanalysen, Daten- und Code-Reanalysen sowie Replikationsstudien. Statistische Reanalysen können Meta-Analysen, Sensitivitätsanalysen, Subgruppen- oder Subset-Analysen, Bootstrapping oder Bayesbasierte Ansätze einschließen. Daten- und Code-Reanalysen legen Wert auf Transparenz und Reproduzierbarkeit: Originaldatensätze, Analyse-Skripte und Softwareversionen werden erneut verwendet oder aktualisiert, um Ergebnisse unabhängig überprüfbar zu machen. Replikationsstudien prüfen, ob sich Befunde unter veränderten Rahmenbedingungen oder von anderen Forschenden reproduzieren lassen.

Anwendungsgebiete erstrecken sich über Medizin, Sozialwissenschaften, Umweltforschung, Geologie sowie Digital Humanities. In der Medizin dienen Reanalysen der Bewertung von klinischen Trials, während in den Sozialwissenschaften Replikationen die Robustheit sozialer Phänomene prüfen. Grundlegende Prinzipien sind Transparenz, Offenlegung von Methoden, Verfügbarkeit von Daten und Code sowie sorgfältige Dokumentation der Annahmen.

Herausforderungen umfassen eingeschränkten oder geänderten Datenzugang, Veränderungen in Messinstrumenten, Datenversionen sowie Verzerrungen durch ursprüngliche Analysen. Best Practices beinhalten preregistrierte Analysepläne, umfassende Dokumentation, Versionierung, Peer-Review von Reanalysen und klare Kennzeichnung etwaiger Limitierungen.