Genetische und umweltbedingte Einflüsse auf Datenlücken in der entwicklungsbezogenen kognitiven Neurowissenschaft

Warum es wichtig ist, wenn bei Säuglingen Daten fehlen

Wenn Wissenschaftler untersuchen, wie sich Gehirn und Verhalten von Babys entwickeln, gehen überraschend viele Daten verloren: Ein Baby schaut weg, wird quengelig oder ein Gerät streikt. Meist werden diese verlorenen Informationen als zufälliges Rauschen behandelt und einfach verworfen. Aber was, wenn gerade das Fehlen von Daten etwas Echtes über das Kind oder seine Umgebung aussagt? Diese Studie fragt, ob genetische Faktoren und familiäre Umstände erklären können, welche Säuglinge bei gängigen Labortests zur frühen Gehirn‑ und Sehfunktion unvollständige Daten liefern.

Den Datenverlust betrachten, nicht nur die Ergebnisse

Die Forschenden nutzten ein großes Zwillingsprojekt in Schweden, das fast 600 fünf Monate alte Babys begleitete. Alle waren gleichgeschlechtliche Zwillinge, was dem Team erlaubte, eineiige Paare, die im Wesentlichen alle Gene teilen, mit zweieiigen Paaren zu vergleichen, die etwa die Hälfte teilen. An einem einzigen Testtag nahm jedes Kind an drei Standardlaborexperimenten der entwicklungsbezogenen Hirnforschung teil: einem EEG‑Test mit Kappe beim Anschauen sich bewegender Muster auf einem Bildschirm; einer Blickverfolgungsaufgabe, die maß, ob Babys mehr auf die Augen oder den Mund einer Person blickten; und einer Pupillometrieaufgabe, die verfolgte, wie die Pupillen auf kurze Lichtblitze reagierten.

Zwei Wege, wie Daten verschwinden können

Statt sich darauf zu konzentrieren, was die Gehirne oder Augen der Babys taten, richteten die Forschenden den Blick auf das, was fehlte. Auf der „Experimentebene“ fragten sie, ob ein Kind von einem ganzen Experiment ausgeschlossen werden musste, weil keine verwertbaren Daten vorlagen. Auf der „Trial‑Ebene“ zählten sie innerhalb jedes Experiments, wie viele einzelne Durchgänge nach strengen Qualitätskontrollen gültige Messwerte lieferten. Entscheidend war, dass sie fehlende Daten selbst als Merkmal behandelten und Zwillingsmethoden einsetzten, um zu ermitteln, wie viel der Variation in der Datenlücke auf Gene, familienweit geteilte Einflüsse oder individuelle Erfahrungen zurückgeführt werden konnte.

Gene, Familie und das Schicksal eines Datenpunkts

Insgesamt fehlten bei etwa 40 % der Säuglinge Daten in mindestens einem der drei Experimente, während 60 % in allen Experimenten verwertbare Daten beitrugen. Für dieses breite Ja‑oder‑Nein‑Maß der Teilnahme ließen sich Unterschiede zwischen den Säuglingen am besten durch Umweltfaktoren erklären. Innerhalb der Familie geteilte Einflüsse, etwa allgemeine Routinen, elterliches Verhalten oder Merkmale des Testtages, die beide Zwillinge betrafen, erklärten einen erheblichen Anteil daran, wer von fehlenden Experimenten betroffen war. Einflüsse, die nur ein Kind betrafen – wie eine einmalige Ablenkung oder ein kleiner technischer Aussetzer – machten den Rest aus. Betrachteten die Forschenden einzelne Experimente genauer, zeigte sich, dass der Ausschluss aus der EEG‑Aufgabe einen moderaten genetischen Anteil aufwies, während der Ausschluss aus den beiden Blickverfolgungsaufgaben hauptsächlich durch geteilte Umweltfaktoren geprägt war.

Verborgene Erblichkeit in der Datenqualität

Das Bild änderte sich, als die Forschenden die Datenqualität auf Trial‑Ebene untersuchten. Hier traten genetische Einflüsse in allen drei Experimenten zutage. Bei der Blickverfolgung und dem EEG erklärten Gene einen moderaten Anteil der Unterschiede darin, wie viele Durchgänge verwertbar waren. Für die Pupillometrieaufgabe ließ sich mehr als die Hälfte der Variation in der Trial‑bezogenen Datenqualität auf genetische Faktoren zurückführen, der Rest auf individuelle Erfahrungen. Im Gegensatz dazu spielte die geteilte Familienumwelt für diese Trial‑Maße keine signifikante Rolle. Interessanterweise gab es nur sehr wenig Überschneidung in der Datenqualität über die drei Experimente hinweg: Ein Baby, das in einer Aufgabe viele gute Durchgänge produzierte, war nicht zwangsläufig auch in den anderen Aufgaben erfolgreicher, obwohl alle Tests am selben Tag und oft mit demselben Versuchsleiter durchgeführt wurden.

Was fehlende Daten uns wirklich sagen

Um bekannte Verzerrungsquellen zu prüfen, testeten die Autorinnen und Autoren außerdem, ob das Fehlen von Daten mit Faktoren wie elterlicher Bildung, Einkommen, Säuglings‑Temperament oder genetischer Wahrscheinlichkeit für Autismus und später autismusähnliche Merkmale zusammenhing. Nach strenger Korrektur für multiple Tests fanden sie in dieser Stichprobe aus der Allgemeinbevölkerung keine starken Belege für solche Verknüpfungen, weisen jedoch darauf hin, dass kleine Effekte unentdeckt geblieben sein könnten. Insgesamt zeigen die Ergebnisse, dass fehlende Daten in Studien zu Gehirn und Verhalten von Säuglingen nicht einfach zufälliges Rauschen sind: Sie spiegeln eine Mischung aus genetischen Einflüssen und Umwelterfahrungen wider, und diese Einflüsse unterscheiden sich je nach Methode und Analyseebene.

Warum Forschende die Lücken beachten sollten

Für Nicht‑Spezialisten lautet die Botschaft: Wenn bei Säuglingsdaten Lücken auftreten, geschieht das oft aus systematischen Gründen, die mit dem Kind oder seinem Kontext zusammenhängen, und nicht nur durch Pech. Das bedeutet, dass gängige Analyseentscheidungen, die davon ausgehen, dass Daten vollständig zufällig fehlen – etwa das simple Weglassen unvollständiger Fälle – Studienergebnisse stillschweigend verzerren und die Generalisierbarkeit einschränken können. Die Autorinnen und Autoren plädieren dafür, fehlende Daten selbst als sinnvolles Signal zu behandeln, fortgeschrittenere statistische Methoden zu verwenden, die nicht‑zufälligen Datenverlust explizit berücksichtigen, und Testverfahren zu verfeinern, um vermeidbare Datenlücken zu verringern. Kurz: Zu verstehen, warum Informationen fehlen, ist ein wesentlicher Teil des Verständnisses, wie sich Gehirn und Verhalten von Kindern tatsächlich entwickeln.

Zitation: Bussu, G., Portugal, A.M., Viktorsson, C. et al. Genetic and environmental influences on data missingness in developmental cognitive neuroscience. Commun Psychol 4, 70 (2026). https://doi.org/10.1038/s44271-026-00457-0

Schlüsselwörter: fehlende Daten, Entwicklung des Säuglingsgehirns, Zwillingsstudie, Blickverfolgung, Pupillometrie