Die Analyse von Überlebensdaten in onkologischen Studien basiert traditionell auf Cox-Regressionsmodellen und Hazard Ratios. Eine neue methodische Arbeit zeigt, dass **Win Statistics** eine wertvolle Alternative darstellen—insbesondere bei komplexen composite Endpunkten[1].
Das Problem mit Hazard Ratios
Hazard Ratios (HR) setzen die **Proportional Hazards Annahme** voraus: Das Risikoverhältnis zwischen Behandlungsgruppen muss über die Zeit konstant bleiben. In der onkologischen Realität ist dies oft nicht der Fall—die Therapiewirkung kann zeitabhängig sein, und unterschiedliche Endpunkte haben unterschiedliche klinische Relevanz.
Composite Endpunkte, die mehrere Ereignisse kombinieren (z.B. Gesamtüberleben + progressionsfreies Überleben), verschärfen dieses Problem: Ein Todesfall und ein Krankheitsprogression werden mathematisch gleich gewichtet, obwohl ihre klinische Bedeutung stark differiert.
Win Statistics: Der Ansatz
Das Win Ratio wurde 2012 von Pocock et al. eingeführt und ermöglicht eine **hierarchische Gewichtung** von composite Endpunkten[1]:
**Klinische Priorisierung**: Ereignisse werden nach Wichtigkeit geordnet (Tod > schweres Ereignis > leichtes Ereignis)**Paarweiser Vergleich**: Jeder Patient der Behandlungsgruppe wird mit jedem Patienten der Kontrollgruppe verglichen**Gewinn-Definition**: Ein «Gewinn» für die Treatment-Gruppe entsteht, wenn der Patient ein besseres Outcome erzielt (z.B. länger überlebt, späteres Ereignis)Die **Win Odds** erweitern diesen Ansatz, indem sie auch **Unentschieden (Ties)** in die Berechnung einbeziehen[1].
Ergebnisse der Studie
Die Re-Analyse von fünf registry-based randomisierten kontrollierten Studien (TASTE, iFR-SWEDEHEART, DETO2X-AMI, VALIDATE, IAMI) zeigte:
Gute Übereinstimmung zwischen Win Odds und Hazard Ratios bei konventionellen StudienTASTE-Trial: HR 0.86 (0.67–1.10) vs. Win Odds 1.02 (0.99–1.04)—beide neutralIAMI-Trial: Beide Methoden zeigten klaren Vorteil der InterventionKlinische Relevanz
Für die onkologische Forschung bedeutet das:
Bessere Interpretierbarkeit: Win Ratios sind intuitiv verständlich als «Wie oft gewinnt die Treatment-Gruppe?»Hierarchische Endpunkte: Tod kann prioritisiert werden vor Progression oder HospitalisierungKeine Proportional Hazards Annahme: Flexiblere statistische AnalysePotenzielle Anwendung: Besonders wertvoll bei selteneren Indikationen mit kleinen Patientenpopulationen---
Key Findings
Traditional survival analysis in oncology relies on Cox regression and hazard ratios, requiring the proportional hazards assumption. A new study published in **Trials** demonstrates that **Win Statistics**—including win ratio, win odds, and net benefit—offer a compelling alternative for composite endpoints[1].
How Win Statistics Work
The methodology orders outcomes **hierarchically by clinical importance**:
All-cause death ranked highest, followed by severe clinical eventsEach patient in the treatment arm is compared with each patient in the control armTotal wins are summed and divided to calculate the win ratioWin odds extend this by incorporating ties into the calculationStudy Validation
The research team re-analyzed five registry-based randomized controlled trials:
TASTE-Trial: HR 0.86 (95% CI: 0.67–1.10) vs. Win Odds 1.02 (95% CI: 0.99–1.04)—both neutraliFR-SWEDEHEART, DETO2X-AMI, VALIDATE: Similar correspondence between methodsIAMI-Trial: Both approaches showed clear intervention benefitClinical Implications
For oncology trials, Win Statistics offer:
**Intuitive Interpretation**—win ratio answers: "How many times does treatment win?"**Hierarchical Prioritization**—death outranks progression in composite endpoints**No Proportional Hazards Assumption**—more flexible analysis**Rare Disease Applications**—particularly valuable for smaller patient populationsComplementary Methods
The FDA recently published draft guidance on **Bayesian methods for clinical trials**, emphasizing their utility for rare or pediatric indications[2]. Combined with Win Statistics, these approaches expand the statistical toolbox for challenging trial designs.
---
References
Win statistics applied to registry-based randomized clinical trials. *Trials*. 2026;27(9598). https://doi.org/10.1186/s13063-026-09598-3U.S. Food and Drug Administration. Use of Bayesian Methodology in Clinical Trials of Drugs and Biological Products: Draft Guidance. March 2026. https://www.fda.gov/regulatory-information/search-fda-guidance-documents/use-bayesian-methodology-clinical-trials-drug-and-biological-productsPocock SJ, Ariti CA, Collier TJ, Wang D. The win ratio: a new approach to the analysis of composite endpoints in clinical trials based on clinical priorities. *Eur Heart J*. 2012;33(2):176–82. https://doi.org/10.1093/eurheartj/ehr352Gregson J, Taylor D, Owen R, Collier T, Pocock S. Hierarchical composite outcomes and win ratio methods in cardiovascular trials: a review and consequent guidance. *Circulation*. 2025;151(22):1606-19.