Periimplantitis-Praevalenz: Was die Zahlen wirklich sagen und wo die Falldefinition den Befund macht

Was bedeutet „Falldefinition" für mich als Patient?

Eine der häufigsten Fragen, die Patienten zu diesem Thema stellen, betrifft falldefinition. Die Antwort ist nicht so einfach, wie man vielleicht hofft — aber die Forschung gibt mittlerweile klare Hinweise.

Die gemeldete Prävalenz der Periimplantitis hängt entscheidend davon ab, welche diagnostischen Schwellenwerte eine Studie anlegt. Die Zusammenfassung mehrerer Studien von Rakic et al. (2018), die ausschließlich Studien einschloss, die der Falldefinition nach Sanz und Chapple (2012) folgten — also Knochenverlust von mindestens 2 mm, positive Sondierungsblutung und Sondierungstiefe von mindestens 5 mm —, ermittelte eine gepoolte Prävalenz von 18,5 % auf Patientenebene und 12,8 % auf Implantatebene. Bereits innerhalb dieses definierten Rahmens war die Heterogenität hoch (I² regelmäßig über 75 %), was bedeutet, dass selbst bei identischer Falldefinition die berichteten Zahlen weit streuen.

Diaz et al. (2022) erweiterten die Datenbasis auf 57 Studien und bestätigten die Größenordnung mit einer gewichteten Prävalenz von 19,53 % auf Patientenebene und 12,53 % auf Implantatebene. Entscheidend war ihr stratifizierter Vergleich: Studien, die die Sondierungstiefe als Diagnosekriterium einbezogen, berichteten eine Patientenprävalenz von 24,69 %, während Studien ohne Sondierungstiefe als Kriterium auf 17,56 % kamen. Obwohl der Unterschied die Signifikanzschwelle nicht überschritt (p = 0,27), zeigt die Richtung, wie ein einziger Parameter im Diagnosealgorithmus die resultierende Zahl um fast ein Drittel verschieben kann.

Dreyer et al. (2018) dokumentierten die extremste Spannbreite: Auf Implantatebene reichten die berichteten Prävalenzen von 1,1 % bis 85,0 %, je nachdem, welche Studie mit welcher Definition, welchem Kollektiv und welchem Nachsorgeprofil gemessen wurde. Der Median lag bei 9,0 % für Patienten in regelmäßiger Prophylaxe (nach Stichprobengewichtung 10,9 %) und stieg auf 18,8 % bei Patienten ohne regelmäßige Nachsorge. Allein die Frage, ob der Patient an einem strukturierten Recall-Programm teilnimmt, verschiebt die beobachtete Häufigkeit damit um den Faktor zwei.

Mahardawi et al. (2023) bestätigten in ihrer Analyse zum Einfluss keratinisierter Mukosa, dass die Prävalenz je nach Studie zwischen 6,68 % und 62,3 % auf Patientenebene lag — eine Schwankungsbreite, die ohne Kenntnis der jeweils zugrunde liegenden Falldefinition und des Schwellenwertes für marginalen Knochenverlust klinisch uninterpretierbar bleibt. Studien mit einem Schwellenwert von mehr als 3 mm Knochenverlust berichteten systematisch niedrigere Raten als solche mit einem Schwellenwert von 2 mm.

Die BOP-fokussierte Zusammenfassung mehrerer Studien , 2024) zeigte, dass selbst bei einem scheinbar einfachen klinischen Marker wie der Sondierungsblutung die diagnostische Zuordnung unsicher bleibt: Nur 26,5 % der BOP-positiven Implantate und 35,1 % der BOP-positiven Patienten hatten tatsächlich eine Periimplantitis. Die Prädiktionsintervalle — 5,2 % bis 56 % auf Implantatebene und 6,4 % bis 71,5 % auf Patientenebene — unterstreichen, dass der diagnostische Wert einzelner klinischer Parameter zwischen Studien enorm variiert.

Ein besonders instruktives Beispiel liefert der Vergleich zwischen der Sanz-Chapple-Definition (Knochenverlust mindestens 2 mm plus BOP plus Sondierungstiefe mindestens 5 mm) und dem Vorschlag des World Workshop 2017 (BOP und/oder Suppuration plus Knochenverlust mindestens 3 mm plus Sondierungstiefe mindestens 6 mm in Abwesenheit früherer Messungen). Allein die Anhebung des Knochenverlust-Schwellenwertes von 2 auf 3 mm und der Sondierungstiefe von 5 auf 6 mm selektiert ein schwereres Krankheitsspektrum und reduziert automatisch die Prävalenz, ohne dass sich an der biologischen Realität der Population etwas geändert hätte. Diaz et al. (2022) gruppierten ihre 57 Studien in vier Kategorien nach Diagnosekriterien und zeigten, dass Gruppe 1 (BOP plus Sondierungstiefe mindestens 6 mm plus Knochenverlust mindestens 3 mm) konsistent niedrigere Prävalenzen lieferte als Gruppe 2 (BOP plus Sondierungstiefe mindestens 6 mm plus Knochenverlust mindestens 2 mm). Die Zusammenfassung mehrerer Studien der Gruppe 2, die mit 31 Artikeln das größte spezifische Gewicht hatte (53,45 % der Gesamtdatenbasis), ergab eine Patientenprävalenz von 19,6 % im Fixed-Effects-Modell und 20,0 % im Random-Effects-Modell.

Bemerkenswert ist auch die Sensitivitätsanalyse von Diaz et al. (2022): Nach Ausschluss von fünf Studien mit extremen Effektgrößen (Gatti, Koldsland, Marrone, Romandini und Tey) sank die Patientenprävalenz im Random-Effects-Modell auf 18,1 % , und die Heterogenität fiel von I² = 87,2 % auf moderate 44,3 %. Das legt nahe, dass ein Kern von Studien mit ähnlichen Definitionen und Populationen durchaus konvergiert, die globale Heterogenität aber durch Ausreißerstudien mit abweichenden Definitionen oder Kollektiven getrieben wird. Der Egger-Test auf Publikationsbias war unauffällig (LFK-Index 0,30), was bedeutet, dass die Streuung nicht durch systematisch fehlende kleine Studien erklärt wird, sondern tatsächlich die Definitionsbreite widerspiegelt.

Rakic et al. (2018) untersuchten 29 Studien mit insgesamt mehr als 10.000 Implantaten und fanden, dass die Prävalenzrate auf Patientenebene stets höher war als auf Implantatebene — ein mathematisch erwartbarer Effekt, da ein Patient mit mehreren Implantaten nur einmal als Fall gezählt wird, aber jedes betroffene Implantat einzeln in den Nenner eingeht. Diese Ebene der Analyse — Patient versus Implantat — ist ein weiterer Definitionsparameter, der die berichtete Zahl substantiell verschiebt und in der Fachkommunikation häufig nicht explizit gemacht wird.

Der Studienkorpus zu diesem Cluster besteht aus vier wissenschaftliche Übersichtsarbeiten und Zusammenfassung mehrerer Studien sowie drei weiteren systematischen Übersichtsarbeiten, die zusammen mehrere hundert Primärstudien einschließen. Diese Dichte an sekundärer wissenschaftliche Belege verleiht dem Befund — dass Prävalenzzahlen definitionsabhängig sind — hohes Gewicht. Allerdings kann keine Zusammenfassung mehrerer Studien mehr Präzision liefern, als die zugrunde liegenden Primärstudien hergeben, und genau hier liegt das Problem: Die Primärstudien verwenden unterschiedliche Schwellenwerte, unterschiedliche radiologische Referenzpunkte und unterschiedliche Zeitpunkte für die Baseline-Messung.

Ein weiteres methodisches Problem ist die häufig fehlende Trennung zwischen Inzidenz und Prävalenz. Dreyer et al. (2018) wiesen darauf hin, dass nur wenige Studien tatsächlich Inzidenzraten berichteten, obwohl prospektive Designs dafür notwendig wären. Querschnittsstudien, die den Großteil der eingeschlossenen Literatur ausmachen, erfassen immer nur eine Momentaufnahme und können weder kausale Zusammenhänge noch Krankheitsverläufe abbilden. Das hat direkte Konsequenzen für die Übertragbarkeit der Zahlen auf die klinische Beratung.

Die Qualitätsbewertung der eingeschlossenen Studien zeigt ein heterogenes Bild. Während einzelne Cochrane-Reviews und grosse RCTs eine solide methodische Basis liefern, stützen sich andere Aussagen auf Beobachtungsstudien mit begrenzter Kontrolle für Störfaktoren. Für die klinische Entscheidung bedeutet das: Die Richtung der wissenschaftliche Belege ist belastbar, die exakte Effektgröße bleibt mit Unsicherheit behaftet.

Für die klinische Praxis bedeutet das: Eine Periimplantitis-Prävalenzzahl ist nur so informativ wie die Definition, die hinter ihr steht. Wer einem Patienten oder einem Zuweiser sagt, die Periimplantitis-Rate liege bei 20 %, ohne gleichzeitig die Falldefinition, das Kollektiv und den Nachsorgezustand zu benennen, kommuniziert eine Pseudopräzision.

Was daraus nicht folgt: Dass Periimplantitis selten oder irrelevant ist. Das Risikothema ist real und durch die gesamte eingeschlossene Literatur konsistent belegt. Aber die exakte Zahl ist kein fester Wert, sondern ein Definitionsprodukt. Kliniker sollten bei jeder Prävalenzangabe fragen: Welche Schwellenwerte wurden angelegt? Welche Population wurde untersucht? Wie war die Nachsorge organisiert?

In der klinischen Kommunikation verführen hohe Prävalenzzahlen dazu, das Problem entweder zu dramatisieren oder — paradoxerweise — als unvermeidlich abzutun. Beides ist fachlich unsauber. Die sauberste Haltung ist, die Bandbreite zu kommunizieren und den Definitionskontext mitzuliefern.

In der öffentlichen und auch in Teilen der fachlichen Debatte werden Periimplantitis-Zahlen häufig ohne Definitionskontext zitiert. Wenn eine Fachgesellschaft 22 % nennt und eine Klinik 8 %, scheinen die Zahlen widersprüchlich — tatsächlich messen sie aber verschiedene Dinge. Die Definition formt die Zahl, nicht umgekehrt. Wer diesen Zusammenhang nicht liest, versteht die Literatur falsch.

Bei falldefinition ist wichtig: Keine Methode ist perfekt. Entscheidend ist, wann sie sinnvoll eingesetzt wird und wie gut das Ergebnis zu Ihren Beschwerden und Befunden passt.

Für diese Einschätzung wurden 9 wissenschaftliche Arbeiten zusammengeführt. Besonders hilfreich sind Übersichtsarbeiten, weil sie nicht nur einzelne Ergebnisse, sondern die Gesamtrichtung der Forschung zusammenfassen.

Was bedeutet „Follow-up, Maintenance und Kollektiv" für mich als Patient?

Wenn es um follow-up, maintenance und kollektiv geht, ist die Forschungslage deutlicher, als viele denken. Hier erfahren Sie, was die aktuellen Studien wirklich zeigen.

Die beobachtete Periimplantitis-Prävalenz hängt nicht nur von der Falldefinition ab, sondern ebenso stark davon, wie lange Implantate in Funktion waren und wie gut die Patienten nachgesorgt wurden. Dreyer et al. (2018) zeigten, dass der Median der Implantat-Prävalenz bei einer Funktionszeit von mindestens fünf Jahren bei 26,0 % (stichprobengewichtet 28,8 %) lag und bei mindestens zehn Jahren auf 21,2 % (stichprobengewichtet 38,4 %) anstieg — ein Befund, der darauf hindeutet, dass mit längerer Beobachtung die kumulierte Last erwartungsgemäß wächst.

Gleichzeitig zeigte dieselbe Übersichtsarbeit einen dramatischen Unterschied zwischen betreuten und unbetreuten Kollektiven: Der Median bei regelmäßiger Prophylaxeteilnahme betrug 9,0 % (stichprobengewichtet 10,9 %), bei fehlendem Recall dagegen 18,8 % (stichprobengewichtet 8,8 %, wobei die geringere gewichtete Zahl die kleine Stichprobe einer Einzelstudie widerspiegelt). Rauchen erhöhte das Risiko mit einer Effektzusammenfassung von OR 1,7 auf mittlerem bis hohem Evidenzniveau, Diabetes mellitus mit OR 2,5 ebenfalls auf mittlerem bis hohem Evidenzniveau.

Diaz et al. (2022) versuchten den Zeiteffekt zu quantifizieren und verglichen Studien mit fünf bis neun Jahren Funktionszeit gegen solche mit mehr als neun Jahren. Die Prävalenzen unterschieden sich weder auf Patientenebene (17,1 % vs. 18,63 %, p = 0,82) noch auf Implantatebene (10,98 % vs. 9,76 %, p = 0,8) signifikant. Das widerspricht auf den ersten Blick dem erwartbaren Zeiteffekt, lässt sich aber durch die massive Heterogenität der Studienpopulationen und Definitionen erklären: Der Zeiteffekt wird vom Definitionseffekt überlagert.

Die All-on-four-Literatur liefert ein Beispiel für den Selektionseffekt: In 24 eingeschlossenen Studien mit 11.743 Implantaten betrug die kumulative Verlustrate 1,5 % (175 von 11.743), wobei die meisten Verluste im ersten Jahr auftraten. Periimplantitis wurde als zweithäufigste biologische Komplikation nach dem Implantantverlust berichtet, allerdings ohne präzise Definitionen oder detaillierte Fallzahlen. Die hohe Überlebensrate von 99,8 % nach mehr als 24 Monaten spiegelt die die Frage, für wen etwas besonders sinnvoll ist wider — gut kontrollierte Kohorten in spezialisierten Zentren sind nicht repräsentativ für die Allgemeinversorgung.

Die Zusammenfassung mehrerer Studien zum diagnostischen Wert der Sondierungsblutung , 2024) unterstreicht den Kollektiveffekt aus einer anderen Perspektive: Über 30 Studien mit 5.826 Patienten und 17.198 Implantaten hinweg variierte die Periimplantitis-Prävalenz unter BOP-positiven Patienten von 6,4 % bis 71,5 %. Diese Spanne ist nicht durch diagnostische Ungenauigkeit allein erklärbar — sie entsteht maßgeblich durch Unterschiede in Studiendesign, Nachsorgeprotokoll und Patientenauswahl.

Dreyer et al. (2018) differenzierten die Risikofaktoren mit bemerkenswert granularer Systematik: Für 111 identifizierte putative Risikofaktoren und -indikatoren wurden Forest Plots für 12 ausgewählte Faktoren erstellt. Neben Rauchen und Diabetes erwies sich das Fehlen eines Prophylaxeprogramms und eine anamnestische Zahnfleischerkrankung (Parodontitis) als konsistenter Risikofaktor. Dagegen waren Alter (Effektzusammenfassung OR 1,0, 95 %-KI 0,87–1,16), Geschlecht und die Positionierung im Oberkiefer auf mittlerem bis hohem Evidenzniveau nicht mit Periimplantitis assoziiert. Die Bedeutung der Nachsorge wird zusätzlich dadurch unterstrichen, dass der Median der Prävalenz bei Patienten mit festsitzenden Teilprothesen bei 9,6 % (stichprobengewichtet 9,6 %) lag — ein Wert, der deutlich vom globalen Median abweicht und die Wechselwirkung zwischen Versorgungstyp und Krankheitshäufigkeit zeigt.

Ein weiterer Aspekt der Kollektivselektion betrifft das Versorgungsmodell: Implantate in spezialisierten All-on-four-Protokollen werden typischerweise in Zentren mit hohem Volumen, standardisierten chirurgischen Protokollen und engem postoperativem Monitoring eingesetzt. In der systematischen Übersichtsarbeit waren 24 Studien mit 11.743 Implantaten eingeschlossen, von denen 175 verloren gingen (kumulative Verlustrate 1,5 %). Die niedrige Rate biologischer Komplikationen in diesem Kontext darf nicht als generelle Implantatsicherheit fehlinterpretiert werden — sie ist das Ergebnis einer hochselektierten Population und eines kontrollierten Umfelds. Die Zahnfleischerkrankung (Parodontitis) als Vorerkrankung wurde in diesen Studien teils explizit als Kontraindikation geführt, was den direkten Vergleich mit populationsbasierten Prävalenzdaten methodisch unzulässig macht.

Mahardawi et al. (2023) ergänzten eine weitere Dimension des Kollektiveffekts: In ihrer Subgruppenanalyse für Patienten unter regelmäßigem Implantat-Maintenance blieb das Fehlen keratinisierter Mukosa mit einer Odds Ratio von 2,08 ein signifikanter Risikofaktor für Periimplantitis. In Studien, die für andere Variablen adjustierten, stieg die Odds Ratio sogar auf 3,68 . Das bedeutet: Selbst innerhalb einer gut betreuten Population bleibt der Weichteilstatus ein unabhängiger Einflussfaktor, der die beobachtete Periimplantitis-Häufigkeit verschiebt — ein Befund, der die Notwendigkeit unterstreicht, Kollektivmerkmale in jede Prävalenzaussage einzubeziehen.

Die eingeschlossenen wissenschaftliche Übersichtsarbeiten und Zusammenfassung mehrerer Studien umfassen überwiegend retrospektive Langzeitbeobachtungsstudie und Querschnittserhebungen. Prospektive Designs mit kontrolliertem Follow-up und standardisierter Nachsorge sind die Ausnahme, nicht die Regel. Das bedeutet, dass der beobachtete Zusammenhang zwischen Maintenance und Prävalenz zwar konsistent und plausibel ist, aber formal nicht als kausal belegt gelten kann.

Ein weiteres Problem ist die Kollektion der Patienten: Universitätskliniken und Spezialistenpraxen haben andere Populationen als Allgemeinpraxen. Die meisten eingeschlossenen Studien stammen aus akademischen Settings, was die Übertragbarkeit auf die Routineversorgung begrenzt. Dreyer et al. (2018) wiesen explizit darauf hin, dass die Prävalenz in Kollektiven, die die Allgemeinbevölkerung repräsentieren sollen, bei nur 7,0 % (stichprobengewichtet 7,0 %) lag — deutlich niedriger als in den selektierten klinischen Stichproben.

Die Qualitätsbewertung der eingeschlossenen Studien zeigt ein heterogenes Bild. Während einzelne Cochrane-Reviews und grosse RCTs eine solide methodische Basis liefern, stützen sich andere Aussagen auf Beobachtungsstudien mit begrenzter Kontrolle für Störfaktoren. Für die klinische Entscheidung bedeutet das: Die Richtung der wissenschaftliche Belege ist belastbar, die exakte Effektgröße bleibt mit Unsicherheit behaftet.

Für die klinische Praxis ergibt sich daraus eine klare Handlungskonsequenz: Wer die Periimplantitis-Prävalenz in der eigenen Praxis einschätzen will, muss die Vergleichsbasis prüfen. Zahlen aus Universitätskohorten mit zehnjährigem Follow-up und Patienten mit Parodontitisvorgeschichte sind nicht auf junge, gesunde Patienten mit kurzer Funktionszeit übertragbar.

Was daraus nicht folgt: Dass die Nachsorge keinen Unterschied macht. Im Gegenteil — die Datenlage stützt konsistent, dass strukturiertes Maintenance die beobachtete Periimplantitis-Last mindestens halbiert. Der klinische Fehler liegt nicht darin, das Risiko zu sehen, sondern darin, es ohne Kontext zu kommunizieren.

In der Patientenkommunikation heißt das: Die Aussage, jedes fünfte Implantat bekomme eine Periimplantitis, ist ohne Kontext irreführend. Der gleiche Patient in einem strukturierten Recall-Programm hat ein deutlich anderes Risikoprofil als ein Patient ohne Nachsorge.

Bei follow-up, maintenance und kollektiv ist wichtig: Keine Methode ist perfekt. Entscheidend ist, wann sie sinnvoll eingesetzt wird und wie gut das Ergebnis zu Ihren Beschwerden und Befunden passt.

Die Richtung ergibt sich hier nicht aus einer einzelnen Studie. Ausschlaggebend ist, dass mehrere Untersuchungen trotz unterschiedlicher Methoden auf ähnliche Kernpunkte hinauslaufen.

Worauf kommt es bei Diagnostiksignal und Krisennarrativ an?

Gerade bei diesem Thema ist eine Frage zentral: Worauf kommt es bei Diagnostiksignal und Krisennarrativ an? Die Studienlage ist dazu heute klarer als noch vor einigen Jahren.

Die Sondierungsblutung (Bleeding on Probing, BOP) gilt als zentraler klinischer Marker für periimplantäre Entzündung und ist in nahezu allen Falldefinitionen der Periimplantitis als notwendiges Kriterium verankert. Die systematische Übersichtsarbeit mit Zusammenfassung mehrerer Studien zum langfristigen prädiktiven Wert des BOP , 2024) untersuchte diese Annahme über 30 Studien mit mindestens fünf Jahren Nachbeobachtung. Das Ergebnis: Nur etwa ein Viertel der BOP-positiven Implantate (26,5 %, 95 %-KI 21,2–32,1) und etwa ein Drittel der BOP-positiven Patienten (35,1 %, 95 %-KI 27,4–43,1) hatten tatsächlich eine Periimplantitis.

Die Prädiktionsintervalle waren außerordentlich breit: 5,2 % bis 56 % auf Implantatebene und 6,4 % bis 71,5 % auf Patientenebene. Diese Breite entsteht nicht durch statistische Schwäche einer einzelnen Studie, sondern durch die systematische Heterogenität in Falldefinitionen, Populationen und Nachsorgeprotokollen. Die substanzielle Heterogenität (I² hoch in allen Subgruppenanalysen) bestätigt, dass BOP als singulärer Marker für Periimplantitis eine relevante Falsch-positiv-Rate hat.

Rakic et al. (2018) argumentierten bereits, dass die Identifikation adjuvanter diagnostischer Marker notwendig sei, um die Krankheitsklassifikation zu präzisieren. Ihre Metaregressionsanalyse zeigte, dass weder Studiendesign noch Funktionszeit die Prävalenzrate signifikant beeinflussten, wohl aber die Implantatoberflächencharakteristik: Moderat raue Oberflächen waren mit einer signifikant niedrigeren Prävalenz assoziiert (p = 0,011). Das deutet darauf hin, dass lokale Faktoren am Implantat selbst das Diagnostiksignal überlagern können.

Mahardawi et al. (2023) ergänzten das Bild um den Einfluss der keratinisierten Mukosa: In der Gesamtanalyse erhöhte das Fehlen keratinisierter Mukosa das Periimplantitis-Risiko mit einer Odds Ratio von 2,78 . In der Subgruppe mit einheitlicher Falldefinition (Knochenverlust mindestens 2 mm) blieb der Effekt signifikant (OR 1,96, 95 %-KI 1,41–2,73, p < 0,0001), war aber deutlich abgeschwächt. Das zeigt, dass der scheinbar klare Risikofaktor teilweise ein Artefakt unterschiedlicher Definitionen ist.

Die Literatur zur adjunktiven antimikrobiellen photodynamischen Therapie bei Diabetikern mit Periimplantitis liefert einen weiteren Mosaikstein: In dieser spezifischen Risikopopulation wurde Periimplantitis als Einschlusskriterium definiert, aber die zugrunde liegende Diagnostik variierte zwischen den Studien. Damit wird selbst in einer scheinbar homogenen Interventionsstudie die Definitionsproblematik zum methodischen Störfaktor.

Die klinische Relevanz der Oberflächencharakteristik als diagnostischer Konfounder verdient besondere Aufmerksamkeit. Rakic et al. (2018) klassifizierten die in ihren 29 eingeschlossenen Studien verwendeten Implantatsysteme nach Oberflächenrauigkeit in drei Kategorien (minimal, moderat und rau) und führten eine Metaregressionsanalyse durch. Das Ergebnis war eindeutig: Moderat raue Oberflächen waren signifikant mit einer niedrigeren Periimplantitis-Prävalenz assoziiert (p = 0,011), während weder Studiendesign noch Funktionszeit einen signifikanten Einfluss zeigten. Dieser Befund hat diagnostische Implikationen: Wenn die Implantatoberfläche das Periimplantitis-Risiko beeinflusst, dann misst eine Studie, die überwiegend Implantate mit moderat rauen Oberflächen einschließt, eine andere biologische Realität als eine Studie mit überwiegend rauen oder glatten Oberflächen — auch wenn die klinische Falldefinition identisch ist.

Diaz et al. (2022) führten zusätzlich eine Analyse nach geographischem Scope durch und stellten fest, dass die berichteten Prävalenzen auch zwischen europäischen, asiatischen und nordamerikanischen Studien variierten, ohne dass ein klarer systematischer Trend erkennbar war. Allerdings zeigten ihre Sensitivitätsanalysen, dass nach Entfernung einzelner einflussreicher Studien die gepoolten Schätzungen nur moderat schwankten (zwischen 16,2 % und 19,9 % auf Patientenebene), was darauf hindeutet, dass der Kernbefund — eine Periimplantitis-Prävalenz von grob 15–20 % auf Patientenebene bei Verwendung der Sanz-Chapple-ähnlichen Kriterien — robust ist, auch wenn die Einzelstudien erheblich streuen. Die Zusammenfassung mehrerer Studien für das Implantatlevel zeigte ähnliche Robustheit: Die Prävalenz lag bei 12,3 % im Fixed-Effects-Modell und 11,5 % im Random-Effects-Modell, wobei die Heterogenität extrem hoch war (I² = 97,21 %).

Die Subgruppenanalysen von Mahardawi et al. (2023) zum Einfluss der keratinisierten Mukosa bei verschiedenen Prothesentypen liefern ein weiteres instruktives Beispiel für die Wechselwirkung zwischen diagnostischem Rahmen und klinischem Kontext: Bei Patienten mit ausschließlich festsitzenden Prothesen betrug die Odds Ratio für Periimplantitis bei fehlender keratinisierter Mukosa 2,82 . Dieser Effekt war stärker als in der Gesamtanalyse, was darauf hindeutet, dass der Versorgungstyp den diagnostischen Zusammenhang moduliert. Für Studien mit gemischten Prothesenkollektiven (fest und herausnehmbar) war der Effekt ebenfalls signifikant, aber breiter gestreut. Insgesamt zeigte sich in 16 metaanalytisch eingeschlossenen Querschnittsstudien eine hohe Heterogenität (I² = 65 %), die aber nicht durch eine einzelne Studie getrieben war — ein Muster, das die genuinen biologischen Unterschiede zwischen Populationen und Settings widerspiegelt.

Die methodische Qualität der wissenschaftliche Belege zu diesem Cluster ist als moderat einzustufen. Alle sieben eingeschlossenen Quellen sind wissenschaftliche Übersichtsarbeiten oder Zusammenfassung mehrerer Studien mit hohem Evidenzgewicht, aber die zugrunde liegenden Primärstudien sind überwiegend querschnittlich und damit anfällig für Selektionsbias. Insbesondere die BOP-Zusammenfassung mehrerer Studien verzeichnete als Verzerrung-Signal explizit hohe Heterogenität, was die Pooling-Schätzungen zwar nicht ungültig macht, aber die Präzision der Einzelzahl deutlich relativiert.

Ein zentrales Übertragbarkeit-Problem besteht darin, dass die meisten Studien klinische Marker an populationsbasierten Stichproben validiert haben, während der einzelne Kliniker vor einem individuellen Patienten steht. Die populationsbasierte Falsch-positiv-Rate des BOP übersetzt sich nicht direkt in den prädiktiven Wert bei einem Einzelpatienten mit bekannter Anamnese. Das bedeutet nicht, dass BOP klinisch irrelevant ist — es bedeutet, dass BOP allein keine Diagnose stellt.

Die Qualitätsbewertung der eingeschlossenen Studien zeigt ein heterogenes Bild. Während einzelne Cochrane-Reviews und grosse RCTs eine solide methodische Basis liefern, stützen sich andere Aussagen auf Beobachtungsstudien mit begrenzter Kontrolle für Störfaktoren. Für die klinische Entscheidung bedeutet das: Die Richtung der wissenschaftliche Belege ist belastbar, die exakte Effektgröße bleibt mit Unsicherheit behaftet.

Für die klinische Praxis bedeutet das: BOP bleibt ein unverzichtbarer Screeningmarker, aber kein diagnostisches Alleinstellungsmerkmal. Ein positiver BOP-Befund sollte immer mit einer radiologischen Evaluation und der klinischen Anamnese zusammengelesen werden, bevor die Diagnose Periimplantitis gestellt wird.

Was daraus nicht folgt: Dass BOP überflüssig oder unzuverlässig ist. Die Falsch-positiv-Rate liegt bei etwa zwei Dritteln — das heißt umgekehrt, dass ein negativer BOP-Befund einen relevanten Ausschlusswert hat. Der klinische Fehler wäre es, BOP allein als Diagnosekriterium zu verwenden und bei positivem Befund sofort von einer Periimplantitis auszugehen.

In der öffentlichen und auch in der Fachdebatte werden hohe Periimplantitis-Zahlen oft als Alarmsignal instrumentalisiert — nach dem Muster: Implantate sind gefährlicher als gedacht. Die wissenschaftliche Belege zeigt aber, dass ein erheblicher Teil dieser Zahlen durch den diagnostischen Rahmen erzeugt wird, nicht allein durch die Krankheitsrealität. Das ist kein Grund zur Entwarnung, aber ein Grund für diagnostische Sorgfalt statt Zahlendramatik.

In der öffentlichen Debatte und auch in manchen Fachpublikationen werden hohe Prävalenzzahlen wie 20 % oder 22 % als feststehende Fakten kommuniziert, obwohl sie Ergebnisse spezifischer Definitionen und Kollektive sind. Das erzeugt ein Krisennarrativ, das weder falsch noch richtig, aber unsauber ist. Die klinische Antwort auf hohe Zahlen ist nicht Panik und nicht Abwiegelung, sondern die Frage nach der Messgrundlage.

Bei diagnostiksignal und krisennarrativ ist wichtig: Keine Methode ist perfekt. Entscheidend ist, wann sie sinnvoll eingesetzt wird und wie gut das Ergebnis zu Ihren Beschwerden und Befunden passt.

In diesem Themenfeld stützt sich die Einordnung auf 1 besonders aussagekräftige und 6 weitere solide Quellen. Das macht die Einordnung belastbarer, auch wenn nicht jede Detailfrage schon abschließend beantwortet ist.