Unterbrochene Zeitserie

Kurzbeschriebung

Die Unterbrochene Zeitserie (ITS) ist ein quasi-experimentelles kausales Analyseverfahren, das den Effekt einer Intervention anhand langer Zeitreihen vor und nach einem klar definierten Eingriffszeitpunkt schätzt. Die zentrale Idee ist, den Trend (Steigung) und das Niveau (Intercept) der Zielgröße vor der Intervention zu modellieren und zu prüfen, ob es nach der Intervention zu einem sprunghaften Niveauwechsel und/oder einer Trendänderung kommt.

Formal wird ITS häufig als segmentierte Regression umgesetzt. Dabei werden Zeit, Interventionsindikator (0/1) und eine Interaktion (Zeit × Intervention) in ein Regressionsmodell aufgenommen. So lassen sich sofortige Effekte (Niveausprung) von allmählichen Effekten (Trendänderung) trennen. Wichtig ist die explizite Modellierung von Autokorrelation, Saisonalität und Nichtstationarität, z. B. mittels ARIMA-Komponenten oder Generalized Least Squares.

ITS benötigt keine externe Kontrollgruppe, stützt sich aber stark auf die Annahme, dass keine weiteren zeitgleich wirkenden Interventionen den Effekt verfälschen. Erweiterungen (Controlled ITS) fügen eine Vergleichszeitreihe hinzu, um zeitgleiche Störereignisse besser abzufangen.

Anwendbarkeit im Gesundheitssektor

ITS ist im Public Health weit verbreitet zur Evaluation von Politik-, Regulierungs- und Programmänderungen, z. B. Rauchverbote, Einführung von Impfprogrammen, Änderungen von Leitlinien, Zuzahlungsregeln oder Pandemie-Maßnahmen. Typische Outcomes sind Inzidenzen, Mortalität, Hospitalisierungen, Verordnungsraten oder Kosten.

Besonders geeignet ist ITS, wenn randomisierte Studien nicht möglich sind und hochaufgelöste Routinedaten (monatlich, wöchentlich) vorliegen. Die Methode erlaubt es, kurzfristige Schocks von langfristigen Trendänderungen zu unterscheiden und ist daher ein Standardwerkzeug in der Gesundheitsökonomie und Epidemiologie.

Sonstiges

Keine Kontrollgruppe erforderlich

Anfällig für gleichzeitige externe Schocks (z. B. zweite Reform, Saisonwechsel). Wenn möglich, ist Controlled ITS oder der Vergleich mit Synthetic Control / DiD empfehlenswert.

Semantik

Wikidata-Identifikator ist: Q56864035

Deutsche Wikipediaseite ist: wiki/Unterbrochene_Zeitreihe

Englische Wikipediaseite ist: Interrupted_time_series

Quelle: Bernal et al. (2017), BMC Medical Research Methodology

Behandlung von Unsicherheit in den Ergebnissen der Methode ist explizit

Für die Methode benötigte Datenmenge ist mittel

Zweck der Methode ist Kausale Analyse;Inferenz„Kausale Analyse;Inferenz“ befindet sich nicht in der Liste (Voraussage, Inferenz, Simulation, Kausale Analyse) zulässiger Werte für das Attribut „Zweck der Methode ist“.

Methode ist Mitglied der Methodenfamilie Statistisch;Kausale Inferenz;Simulation„Statistisch;Kausale Inferenz;Simulation“ befindet sich nicht in der Liste (Mechanistisch, Statistisch, Maschinenlernen, Tiefes Lernen, Hybrid, Kausale Inferenz, Simulation, Operationale Vorhersage, Beschreibende und erkundende Analyse, Praktisches Anwendungskonzept, ...) zulässiger Werte für das Attribut „Methode ist Mitglied der Methodenfamilie“.

Interpretierbarkeit der Ergebnisse der Methode ist gut

Webseite: https://epoc.cochrane.org/resources