Attrition (Teilnehmerschwund) tritt auf, wenn Teilnehmende oder Untersuchungseinheiten während einer Studie verloren gehen. Jemand hört vielleicht auf, ein Tagebuch auszufüllen, verpasst ein Follow-up oder scheidet aus, bevor ein Ergebnis erfasst werden kann. Die Quote beschreibt das Ausmaß des Verlusts; die Gründe und das Muster bestimmen, wie stark dies die Ergebnisse infrage stellt.
Wenn 20 von 100 registrierten Teilnehmenden bei einem festgelegten Follow-up nicht mehr erreichbar sind, liegt die Attrition-Rate zu diesem Zeitpunkt bei 20 %. Nenne stets die Ausgangsgruppe und den Zeitpunkt, da eine Rate bezogen auf die vorherige Welle eine andere Frage beantwortet als der kumulierte Verlust seit Beginn.
Genau hinsehen: Wer fehlt?
In einer beispielhaften Studie zu einem neuen Setup-Prozess brechen Teilnehmende, die ihn besonders schwierig fanden, die Follow-up-Befragung möglicherweise eher ab. Wer nur die verbleibenden Antworten auswertet, zeichnet schnell ein übertrieben positives Bild.
Der Leitfaden von J-PAL zum Monitoring von Umsetzungen nennt Attrition eine Gefahr für valide Auswertungen. In einem Experiment sollte man den Verlust über verschiedene Bedingungen hinweg vergleichen und prüfen, welche Merkmale damit zusammenhängen. Gleiche Ausfallquoten belegen noch lange nicht, dass in jeder Gruppe dieselbe Art von Personen fehlt.
Eine kleinere Stichprobe mindert zudem die Präzision, selbst wenn der Ausfall keine systematische Verzerrung erzeugt. Zusätzliches Recruiting zu Beginn stabilisiert zwar die Fallzahlen, löst aber das Problem selektiver Ausfälle für sich allein nicht.
Vermeidbare Verluste reduzieren – ohne Druck auszuüben
Stelle realistische Anforderungen, verschicke klare Erinnerungen, teste die Technologie und sorge für verlässliche Incentives sowie klare Absprachen zur Kontaktaufnahme. Eine Längsschnittstudie braucht solche Maßnahmen über den gesamten Zeitraum hinweg, nicht nur bei der Registrierung.
Teilnehmende müssen jederzeit aussteigen können. Kläre praktische Hürden und biete passende Unterstützung an, ohne dass die weitere Teilnahme verpflichtend wirkt. Halte Gründe fest, wenn Personen sie freiwillig nennen, aber werte einen unbekannten Grund nicht als Beleg für eine bestimmte Haltung.
Annahmen der Analyse transparent machen
Mache den Fluss der Teilnehmenden und die Datenverfügbarkeit für jedes Ergebnis transparent. Ziehe passende Methoden für fehlende Daten oder Sensitivitätsanalysen mit methodischer Unterstützung heran. Jeder Ansatz beruht auf Annahmen – und das Schließen von Lücken ersetzt keine Beobachtungen, die nie erfasst wurden.
Trenne Attrition klar von Customer Churn. Jemand kann das Produkt kündigen und trotzdem weiter an der Untersuchung teilnehmen – oder Kund*in bleiben, aber aus der Studie aussteigen. Diese Unterscheidung hilft dem Team zu verstehen, was die fehlenden Daten für die anstehende Entscheidung bedeuten.