Μια δημοσίευση σε έγκριτο περιοδικό, ένα εντυπωσιακό p-value ή μια μεγάλη σχετική μείωση κινδύνου δεν αρκούν από μόνα τους για να αλλάξουν την κλινική πρακτική. Η αξιολόγηση ιατρικής βιβλιογραφίας είναι η διαδικασία που μετατρέπει την επιστημονική πληροφορία σε απόφαση με κλινικό νόημα, μετρημένο όφελος και αποδεκτό κίνδυνο για τον συγκεκριμένο ασθενή, τη μονάδα υγείας ή τον πληθυσμό που εξυπηρετείται.
Για τους επαγγελματίες υγείας, η δεξιότητα αυτή δεν αφορά μόνο την ακαδημαϊκή έρευνα. Επηρεάζει τη συνταγογράφηση, την επιλογή διαγνωστικών εξετάσεων, την υιοθέτηση πρωτοκόλλων, τη νοσηλευτική φροντίδα, τις αποφάσεις προμηθειών και τη διοίκηση κλινικών υπηρεσιών. Σε ένα περιβάλλον όπου οι νέες μελέτες, τα preprints και οι εμπορικές ανακοινώσεις πολλαπλασιάζονται, η γρήγορη αλλά αυστηρή ανάγνωση των δεδομένων αποτελεί επαγγελματική προϋπόθεση.
Αξιολόγηση ιατρικής βιβλιογραφίας: από το ερώτημα στη χρήση
Η κριτική ανάγνωση δεν ξεκινά από το συμπέρασμα της μελέτης. Ξεκινά από ένα σαφές ερώτημα. Το πλαίσιο PICO παραμένει ιδιαίτερα χρήσιμο: ποιος είναι ο πληθυσμός, ποια είναι η παρέμβαση, με τι συγκρίνεται και ποιο αποτέλεσμα έχει σημασία; Η σαφήνεια σε αυτά τα τέσσερα σημεία αποτρέπει ένα συχνό λάθος: να θεωρείται χρήσιμη μια μελέτη επειδή εξετάζει μια γνωστή θεραπεία, ενώ στην πραγματικότητα αφορά διαφορετικούς ασθενείς ή διαφορετικό κλινικό στόχο.
Παράδειγμα: μια μελέτη μπορεί να δείχνει βελτίωση σε έναν βιοδείκτη, χωρίς να αποδεικνύει λιγότερες νοσηλείες, καλύτερη λειτουργικότητα ή χαμηλότερη θνητότητα. Ο βιοδείκτης ίσως είναι κατάλληλο υποκατάστατο τελικό σημείο, ίσως όμως όχι. Η διάκριση έχει άμεσο αντίκτυπο όταν μια ομάδα αποφασίζει αν θα εντάξει μια νέα πρακτική σε πρωτόκολλο ή αν θα διαθέσει πόρους για μια τεχνολογία.
Το επόμενο ερώτημα είναι αν ο σχεδιασμός ταιριάζει στο ζητούμενο. Οι τυχαιοποιημένες ελεγχόμενες μελέτες είναι συνήθως η καταλληλότερη επιλογή για την εκτίμηση της αποτελεσματικότητας μιας παρέμβασης, επειδή η τυχαιοποίηση περιορίζει τη συστηματική διαφορά μεταξύ των ομάδων. Για σπάνιες ανεπιθύμητες ενέργειες, μακροχρόνια αποτελέσματα ή ζητήματα πρόγνωσης, οι μελέτες παρατήρησης μπορεί να είναι πιο κατάλληλες και συχνά πιο ρεαλιστικές.
Η ιεράρχηση της τεκμηρίωσης βοηθά, αλλά δεν λειτουργεί ως αυτόματος μηχανισμός αξιοπιστίας. Μια συστηματική ανασκόπηση δεν είναι κατ’ ανάγκη ισχυρότερη από μια καλά σχεδιασμένη πρωτογενή μελέτη, αν ενσωματώνει ετερογενείς ή χαμηλής ποιότητας έρευνες. Αντίστοιχα, μια τυχαιοποιημένη μελέτη με ανεπαρκή μέγεθος δείγματος, υψηλές απώλειες παρακολούθησης ή ασαφή καταληκτικά σημεία δεν αποκτά αξιοπιστία μόνο λόγω του σχεδιασμού της.
Τι ελέγχεται πριν από τα αποτελέσματα
Η εσωτερική εγκυρότητα αφορά το κατά πόσο το παρατηρούμενο αποτέλεσμα οφείλεται πράγματι στην παρέμβαση και όχι σε σφάλμα, συγχυτικούς παράγοντες ή μεροληψία. Στην πράξη, ο αναγνώστης χρειάζεται να ελέγξει αν η διαδικασία τυχαιοποίησης περιγράφεται επαρκώς, αν η κατανομή ήταν συγκαλυμμένη και αν οι ομάδες ήταν συγκρίσιμες στην έναρξη.
Η τυφλοποίηση, όπου είναι εφικτή, περιορίζει την επίδραση προσδοκιών ασθενών και ερευνητών. Ωστόσο, δεν είναι πάντα δυνατή, ιδίως σε χειρουργικές, οργανωτικές ή συμπεριφορικές παρεμβάσεις. Σε αυτές τις περιπτώσεις, αποκτούν μεγαλύτερη βαρύτητα τα αντικειμενικά τελικά σημεία, η ανεξάρτητη αξιολόγηση των αποτελεσμάτων και η διαφάνεια στην ανάλυση.
Ιδιαίτερη προσοχή χρειάζονται οι αποχωρήσεις από τη μελέτη. Αν πολλοί συμμετέχοντες εγκαταλείπουν ή αν οι απώλειες διαφέρουν ανά ομάδα, το τελικό αποτέλεσμα μπορεί να είναι παραπλανητικό. Η ανάλυση κατά πρόθεση θεραπείας συνήθως διατηρεί καλύτερα τα οφέλη της τυχαιοποίησης, αλλά δεν διορθώνει κάθε πρόβλημα. Χρειάζεται να εξετάζεται μαζί με τις αναλύσεις ευαισθησίας και τους λόγους διακοπής.
Στις παρατηρητικές μελέτες, το βασικό ερώτημα είναι αν οι ομάδες διέφεραν εξαρχής ως προς παράγοντες που επηρεάζουν την έκβαση. Η στατιστική προσαρμογή βοηθά, αλλά δεν εξαλείφει τον κίνδυνο μη μετρημένης συγχυτικής επίδρασης. Η διατύπωση «συσχετίστηκε με» δεν ισοδυναμεί με «προκάλεσε» και αυτή η διάκριση πρέπει να διατηρείται τόσο στην επιστημονική συζήτηση όσο και στην επικοινωνία προς το κοινό.
Η στατιστική σημαντικότητα δεν αρκεί
Ένα p-value κάτω από το προκαθορισμένο όριο δείχνει ότι τα δεδομένα είναι λιγότερο συμβατά με την υπόθεση μηδενικής διαφοράς. Δεν δείχνει πόσο μεγάλο, πόσο σημαντικό κλινικά ή πόσο βέβαιο είναι το όφελος. Για τον λόγο αυτό, η εκτίμηση πρέπει να περιλαμβάνει το μέγεθος της επίδρασης και το διάστημα εμπιστοσύνης.
Η σχετική μείωση κινδύνου μπορεί να ακούγεται εντυπωσιακή, αλλά η απόλυτη μείωση κινδύνου συχνά είναι πιο χρήσιμη για την καθημερινή απόφαση. Αν ένα συμβάν μειώνεται από 2% σε 1%, η σχετική μείωση είναι 50%, ενώ η απόλυτη είναι 1%. Από εκεί προκύπτει και ο αριθμός που χρειάζεται να θεραπευθεί, δηλαδή πόσοι ασθενείς πρέπει να λάβουν μια παρέμβαση ώστε να προληφθεί ένα επιπλέον συμβάν.
Τα διαστήματα εμπιστοσύνης δείχνουν την αβεβαιότητα της εκτίμησης. Ένα ευρύ διάστημα μπορεί να περιλαμβάνει τόσο ουσιαστικό όφελος όσο και αμελητέα ή δυσμενή επίδραση. Σε μια απόφαση με υψηλό κόστος, δυνητική βλάβη ή οργανωτικές επιπτώσεις, αυτή η αβεβαιότητα έχει συχνά μεγαλύτερη σημασία από έναν απλό χαρακτηρισμό «στατιστικά σημαντικό».
Η εξωτερική εγκυρότητα για την ελληνική κλινική πραγματικότητα
Μια άρτια μελέτη μπορεί να μην είναι άμεσα εφαρμόσιμη στη δική σας δομή. Η εξωτερική εγκυρότητα εξετάζει αν τα αποτελέσματα μπορούν να μεταφερθούν σε διαφορετικό πληθυσμό, επίπεδο φροντίδας και σύστημα υγείας. Ηλικία, συννοσηρότητες, πρόσβαση σε παρακολούθηση, διαθεσιμότητα εξειδικευμένου προσωπικού και οικονομικοί περιορισμοί μπορούν να αλλάξουν ουσιαστικά το ισοζύγιο οφέλους και κινδύνου.
Για μια δημόσια νοσοκομειακή μονάδα, για παράδειγμα, ένα πρωτόκολλο που προϋποθέτει καθημερινή εργαστηριακή παρακολούθηση ή υψηλή στελέχωση ίσως δεν εφαρμόζεται όπως σε ένα ερευνητικό κέντρο. Αυτό δεν ακυρώνει το εύρημα. Υποδεικνύει ότι η υιοθέτηση χρειάζεται προσαρμογή, εκτίμηση πόρων και σαφείς δείκτες παρακολούθησης.
Η κλινική εφαρμογή απαιτεί επίσης να συνυπολογιστούν οι προτιμήσεις του ασθενούς. Δύο θεραπείες με παρόμοια αποτελεσματικότητα μπορεί να διαφέρουν ως προς τη συχνότητα χορήγησης, τις ανεπιθύμητες ενέργειες, το κόστος ή την επίδραση στην καθημερινότητα. Η τεκμηριωμένη ιατρική δεν αντικαθιστά την κλινική κρίση. Τη στηρίζει με καλύτερα δεδομένα.
Η αξιολόγηση ιατρικής βιβλιογραφίας στις συστηματικές ανασκοπήσεις
Οι συστηματικές ανασκοπήσεις και οι μετα-αναλύσεις είναι ιδιαίτερα χρήσιμες όταν υπάρχει μεγάλος όγκος μελετών, αρκεί να διαβάζονται με την ίδια αυστηρότητα. Χρειάζεται να ελέγχεται αν το πρωτόκολλο ήταν προκαθορισμένο, αν η αναζήτηση ήταν επαρκής, με ποια κριτήρια επιλέχθηκαν οι μελέτες και πώς αξιολογήθηκε ο κίνδυνος μεροληψίας.
Η ετερογένεια είναι κρίσιμο σημείο. Αν οι μελέτες διαφέρουν σημαντικά ως προς ασθενείς, δόσεις, συγκριτικές παρεμβάσεις ή τρόπους μέτρησης, ένα ενιαίο συνολικό αποτέλεσμα μπορεί να απλοποιεί υπερβολικά την πραγματικότητα. Η στατιστική ετερογένεια δίνει ένα σήμα, αλλά η κλινική ετερογένεια είναι εξίσου ουσιαστική.
Χρήσιμο πλαίσιο για τη συνολική βεβαιότητα των δεδομένων προσφέρει η προσέγγιση GRADE, η οποία λαμβάνει υπόψη τον κίνδυνο μεροληψίας, την ασυνέπεια, την έμμεση εφαρμοσιμότητα, την ανακρίβεια και την πιθανότητα δημοσιευτικής μεροληψίας. Έτσι, μια σύσταση μπορεί να είναι ισχυρή ή υπό όρους όχι μόνο λόγω του μεγέθους του αποτελέσματος, αλλά και λόγω της βεβαιότητας ότι το αποτέλεσμα είναι πραγματικό.
Διαφάνεια, συγκρούσεις συμφερόντων και νέα εργαλεία
Η χρηματοδότηση μιας μελέτης από τη βιομηχανία δεν την καθιστά αυτομάτως αναξιόπιστη. Απαιτεί όμως αυξημένη προσοχή στον σχεδιασμό, στην επιλογή συγκριτικής θεραπείας, στα καταληκτικά σημεία και στον τρόπο παρουσίασης των αποτελεσμάτων. Οι δηλώσεις σύγκρουσης συμφερόντων, η προεγγραφή του πρωτοκόλλου και η πρόσβαση σε δεδομένα ή αναλυτικό σχέδιο είναι στοιχεία που ενισχύουν τη διαφάνεια.
Τα εργαλεία τεχνητής νοημοσύνης μπορούν να επιταχύνουν την αναζήτηση, την περίληψη και την αρχική χαρτογράφηση της βιβλιογραφίας. Δεν μπορούν όμως να υποκαταστήσουν την κρίση για την ποιότητα της μελέτης, τη συνάφεια με τον ασθενή και την εφαρμοσιμότητα σε μια πραγματική κλινική διαδρομή. Η χρήση τους χρειάζεται έλεγχο πηγών, επιβεβαίωση αριθμητικών στοιχείων και σαφή γνώση των περιορισμών τους.
Η ουσιαστική αξία της επιστημονικής ενημέρωσης δεν βρίσκεται στο να γνωρίζει κανείς περισσότερους τίτλους μελετών. Βρίσκεται στο να μπορεί να εξηγήσει, με ακρίβεια και επαγγελματική ευθύνη, ποια δεδομένα αξίζουν να επηρεάσουν μια απόφαση και ποια χρειάζονται ακόμη χρόνο, επιβεβαίωση και κριτική σκέψη.
