Nicht alle wissenschaftlichen Erkenntnisse sind gleich belastbar. Wir zeigen Dir, welche Evidenz-Stufen es gibt – und warum das wichtig ist.
Höchste Evidenz-Stufe
Eine Meta-Studie fasst die Ergebnisse von vielen anderen Studien zusammen und analysiert sie statistisch. Das ist wie ein Überblick über alle bisherigen Erkenntnisse zu einem Thema.
Beispiel:
„Wir haben 47 Studien zum Katzen-Mikrobiom analysiert und folgende Muster gefunden..."
Warum so stark? Weil sie viele Daten kombiniert. Wenn 47 Studien zum gleichen Ergebnis kommen, ist das sehr zuverlässig.
Gold Standard der Forschung
Teilnehmer werden zufällig in zwei Gruppen eingeteilt: eine bekommt die Behandlung, die andere nicht (oder ein Placebo). So kann man sehen, ob die Behandlung wirklich wirkt.
Beispiel:
„100 Katzen bekamen Probiotika, 100 andere nicht. Nach 8 Wochen hatten die Probiotika-Katzen weniger Magen-Probleme."
Warum so stark? Weil die Zufallsverteilung Verzerrungen verhindert. Das ist der beste Weg, um Ursache und Wirkung zu beweisen.
Sehr zuverlässig, aber nicht randomisiert
Ähnlich wie RCT, aber die Gruppen werden nicht zufällig eingeteilt – sondern nach bestimmten Kriterien. Es gibt trotzdem eine Kontrollgruppe zum Vergleich.
Beispiel:
„Wir vergleichen 50 Katzen mit Diabetes mit 50 gesunden Katzen und schauen, welche Unterschiede es gibt."
Warum gut? Weil es eine Kontrollgruppe gibt. Aber ohne Zufallsverteilung können versteckte Unterschiede die Ergebnisse verfälschen.
Strukturierte Daten, aber subjektiv
Forscher stellen vielen Menschen strukturierte Fragen und analysieren die Antworten. Das ist systematischer als eine Befragung, aber die Antworten sind subjektiv.
Beispiel:
„Wir befragten 1.950 Menschen: Können Sie Stress bei Katzen erkennen? Die Antworten zeigen, dass die meisten es nicht können."
Warum gut, aber nicht perfekt? Weil die Antworten auf Erinnerung oder Selbsteinschätzung basieren. Menschen können sich irren oder lügen.
Schnell, aber weniger robust
Ähnlich wie Befragungsstudien, aber oft weniger strukturiert und mit weniger Qualitätskontrolle. Jeder kann teilnehmen, was zu Verzerrungen führen kann.
Beispiel:
„Wir posteten einen Link auf Facebook: Wie oft füttert Ihr Eure Katze? 5.000 Menschen antworteten."
Warum schwächer? Weil nur bestimmte Menschen antworten (z.B. Facebook-Nutzer), was zu Verzerrungen führt. Außerdem gibt es weniger Qualitätskontrolle.
Anekdotisch, aber manchmal wertvoll
Ein Forscher beobachtet eine einzelne Katze oder eine kleine Gruppe und dokumentiert, was passiert. Das ist keine Studie im klassischen Sinne, aber kann Hinweise geben.
Beispiel:
„Wir beobachteten eine Katze mit Arthritis über 6 Monate und dokumentierten, wie sie auf eine neue Diät reagierte."
Warum schwach? Weil es nur eine Katze ist. Was bei dieser Katze funktioniert, muss nicht bei anderen funktionieren. Aber es kann der erste Schritt zu einer größeren Studie sein.
Erfahrung, aber keine Daten
Ein Experte (z.B. Tierarzt, Verhaltensberater) teilt seine Erfahrung und Meinung. Das ist wertvoll, aber nicht dasselbe wie eine wissenschaftliche Studie.
Beispiel:
„Ein bekannter Katzenverhaltensberater sagt: In meinen 20 Jahren Erfahrung habe ich beobachtet, dass Katzen X bevorzugen."
Warum schwach? Weil es auf persönlicher Erfahrung basiert, nicht auf systematischen Daten. Zwei Experten können unterschiedliche Meinungen haben.
Aber: Auch eine Expertenmeinung kann wertvoll sein, wenn sie von einem erfahrenen Fachmann kommt. Und auch Meta-Studien können Fehler enthalten. Wissenschaft ist immer ein Prozess – keine Wahrheit in Stein gemeißelt.
Im Katzen-Report zeigen wir Dir die Evidenz-Stufe jeder Studie. So kannst Du selbst entscheiden, wie sehr Du ihr vertraust.