Ano ang Dapat Nating Isipin Kapag Medical Katibayan Hindi Sang-ayon?

Upang maunawaan kung ang isang bagong paggamot para sa isang sakit ay talagang mas mahusay kaysa sa mas lumang mga paggamot, mga doktor at mga mananaliksik tumingin sa ang pinakamahusay na magagamit na katibayan. Health propesyonal na gusto ng isang "huling salita" sa katibayan upang tumira mga katanungan tungkol sa kung ano ang pinakamahusay na mode ng paggamot ay.

Ngunit hindi lahat ng medikal na katibayan ay nilikha pantay. At mayroong isang malinaw na hierarchy ng katibayan: ang mga ekspertong opinyon at mga ulat ng kaso tungkol sa mga indibidwal na pangyayari ay nasa pinakamababang baitang, at mahusay na isinagawa ang mga random na kinokontrol na mga pagsubok ay malapit sa tuktok. Sa pinakadulo ng hierarchy na ito ay ang meta-analysis - pag-aaral na pagsamahin ang mga resulta mula sa maraming mga pag-aaral na nagtanong sa parehong tanong. At ang napaka, napaka Ang tuktok ng hierarchy na ito ay mga meta-analysis na isinagawa ng isang grupo na tinatawag na Cochrane Pakikipagtulungan.

Upang maging miyembro ng Cochrane Collaboration, ang mga indibidwal na mga mananaliksik o mga grupo ng pananaliksik ay kinakailangang sumunod sa mga mahigpit na alituntunin tungkol sa kung paano dapat iulat at isagawa ang meta-analysis. Iyon ang dahilan kung bakit ang mga review ng Cochrane ay karaniwang itinuturing na pinakamahusay na meta-analysis.

Gayunpaman, walang nagtanong kung ang mga resulta sa meta-analysis na isinagawa ng Cochrane Collaboration ay iba sa meta-analysis mula sa iba pang mga mapagkukunan. Sa teorya, kung inihambing mo ang isang Cochrane at non-Cocrhane meta-analysis, parehong nai-publish sa loob ng isang katulad na frame ng oras, gusto mong malamang na inaasahan na pinili nila ang parehong mga pag-aaral upang pag-aralan, at ang kanilang mga resulta at interpretasyon ay higit pa o mas mababa tumugma.

Nagpasya ang aming koponan sa School of Public Health ng Boston University na malaman. At kamangha-mangha, hindi iyan kung ano ang aming nakita.


innerself subscribe graphic


Ano ang isang meta-analysis, gayon pa man?

Isipin mo na mayroon kang limang maliliit na klinikal na pagsubok na lahat ay nakakuha ng pangkalahatang positibong benepisyo para sa, sabihin natin, ang pagkuha ng aspirin upang maiwasan ang mga atake sa puso. Ngunit dahil ang bawat isa sa mga pag-aaral ay nagkaroon lamang ng isang maliit na bilang ng mga paksa ng pag-aaral, walang isa ang maaaring tiwala na ang mga kapaki-pakinabang na mga epekto ay hindi lamang dahil sa pagkakataon. Sa istatistika-nagsasalita, ang mga naturang pag-aaral ay itinuturing na "underpowered."

Mayroong isang mahusay na paraan upang madagdagan ang statistical na kapangyarihan ng mga pag-aaral: pagsamahin ang mga limang mas maliit na pag-aaral sa isa. Iyon ang ginagawa ng isang meta-anaysis. Ang pagsasama-sama ng ilang mas maliliit na pag-aaral sa isang pagtatasa at ang pagkuha ng average ng mga pag-aaral ay maaaring minsan tip sa mga antas, at ipaalam sa mga medikal na komunidad na may kumpiyansa kung ang isang naibigay na interbensyon ay gumagana, o hindi.

Meta-analysis ay mahusay at mura dahil hindi sila nangangailangan ng pagpapatakbo ng mga bagong pagsubok. Sa halip, ito ay isang bagay ng paghahanap ng lahat ng mga kaugnay na pag-aaral na nai-publish, at ito ay maaaring maging nakakagulat na mahirap. Ang mga mananaliksik ay dapat na maging persistent at methodical sa kanilang paghahanap. Ang paghahanap ng mga pag-aaral at pagpapasya kung sila ay sapat na sapat upang magtiwala ay kung saan ang sining at error - ng agham na ito ay nagiging isang kritikal na isyu.

Iyan ay talagang isang pangunahing dahilan kung bakit itinatag ang Cochrane Collaboration. Si Archie Cochrane, isang researcher sa serbisyong pangkalusugan, ay nakilala ang kapangyarihan ng meta-analysis, ngunit din ang napakalaking kahalagahan ng paggawa ng mga ito ng tama. Ang meta-analysis ng Cochrane Collaboration ay dapat sumunod sa napakataas na pamantayan ng transparency at metodolohikal na kalakasan at reproducibility.

Sa kasamaang palad, ang ilang mga maaaring magkasala ang oras at pagsisikap na sumali sa Cochrane Collaboration, at na nangangahulugan na ang karamihan sa mga meta-pinag-aaralan ay hindi isinagawa ng Collaboration, at hindi nakasalalay sa sumunod sa kanilang mga watawat. Ngunit ang ibig talagang mahalaga?

Paano naiiba ang dalawang meta-analysis?

Upang malaman, namin na nagsimula sa pamamagitan ng pagkilala 40 pares ng meta-pinag-aaralan, isa mula Cochrane at isa hindi, na sakop ang parehong interbensyon (eg, aspirin) at kinalabasan (eg, atake sa puso), at pagkatapos ay inihambing at contrasted ang mga ito.

Una, nalaman namin na ang halos 40 na porsiyento ng Cochrane at non-Cochrane meta-analyses ay hindi sumang-ayon sa kanilang mga statistical na mga bottom-line na sagot. Ang ibig sabihin nito ay ang mga tipikal na mambabasa, doktor o mga tagabigay ng polisiya sa kalusugan, halimbawa, ay magkaroon ng isang iba't ibang mga interpretasyon kung ang interbensyon ay epektibo o hindi, depende sa kung aling mga meta-anlyses ang nangyari sa kanila na basahin.

Pangalawa, ang mga pagkakaibang ito ay lumitaw na maging sistematiko. Ang mga di-Cochrane review, sa karaniwan, tended upang magmungkahi na ang mga pamamagitan nila ay pagsubok ay mas makapangyarihan, mas malamang na gamutin ang kondisyon o ilayo ilang mga medikal na komplikasyon kaysa sa Cochrane review iminungkahing. Kasabay nito, ang di-Cochrane review ay mas tiyak sa kanilang katumpakan, ibig sabihin na nagkaroon ng isang mas mataas na pagkakataon na ang mga natuklasan ay lamang dahil sa pagkakataon.

Ang isang meta-analysis ay hindi lamang isang magarbong average na timbang ng mga pag-aaral ng bahagi nito. Kami ay nagulat na malaman na humigit-kumulang 63 porsyento ng mga pag-aaral na kasama ay natatangi sa isa o sa iba pang hanay ng mga meta-analysis. Sa ibang salita, sa kabila ng katotohanan na ang dalawang set ng meta-analysis ay maaaring magmukhang naghahanap ng parehong mga papel, gamit ang mga katulad na pamantayan sa paghahanap, sa isang katulad na tagal ng panahon at mula sa katulad na mga database, halos isang-katlo lamang ng mga papel ang dalawang hanay ay kasama ang pareho.

Tila malamang na ang karamihan o lahat ng mga pagkakaibang ito ay bumaba sa katunayan na ang Cochrane ay nagpipilit sa mas mahigpit na pamantayan. Ang isang meta-analysis ay kasing ganda lamang ng pag-aaral na kinabibilangan nito, at ang pagkuha ng average ng mahihirap na pananaliksik ay maaaring humantong sa isang mahinang resulta. Tulad ng sinasabi nito, "basura, basura."

Nang kawili-wili, ang mga pinag-aaralan na iniulat mas mataas sukat epekto tended upang makakuha ng nabanggit muli sa iba pang mga papeles sa isang mas mataas na rate kaysa sa mga pinag-aaralan pag-uulat ng mas mababang laki ng epekto. Ito ay isang statistical sagisag ng lumang mga periyodista kasabihan "Kung ito bleeds, ito ay humantong." Big at naka-bold epekto makakuha ng mas maraming atensyon kaysa sa mga resulta na nagpapakita marginal o hindi maliwanag ang kahulugan kinalabasan. Ang mga medikal na komunidad ay, pagkatapos ng lahat, lamang ng tao.

Bakit ang bagay na ito?

Sa pinakasimpleng antas nito, ipinakikita nito na ganap na tama si Archie Cochrane. Mahalaga ang paraan ng pagiging pare-pareho at hirap at transparency. Kung wala iyon, may panganib na tapusin na ang isang bagay ay gumagana kapag hindi ito, o kahit na lamang overhyping benepisyo.

Ngunit sa isang mas mataas na antas na ito ay nagpapakita sa amin, gayon pa man muli, kung gaano napakahirap ito ay upang bumuo ng isang pinag-isang interpretasyon ng mga medikal na literatura. Ang meta-analysis ay kadalasang ginagamit bilang pangwakas na salita sa isang naibigay na paksa, bilang ang mga arbitero ng kalabuan.

Malinaw papel na ay hinamon sa pamamagitan ng ang katunayan na ang dalawang meta-pinag-aaralan, para baga sa parehong paksa, maaari maabot ang iba't ibang mga konklusyon. Kung titingnan natin ang meta-analysis bilang ang "gintong standard" sa ating kasalukuyang panahon ng "katibayan-based na gamot," kung paano ay ang average doktor o policymaker o kahit pasyente upang umepekto kapag ang dalawang mga pamantayan ginto sumalungat sa isa't isa? Caveat emptor.

Tungkol sa Ang May-akdaAng pag-uusap

Christopher J. Gill, Associate Professor, Dept of Global Health; Nakakahawang Sakit na Dalubhasa, Boston University.

Ang artikulong ito ay orihinal na na-publish sa Ang pag-uusap. Basahin ang ang orihinal na artikulo.


Mga Kaugnay Book:

at InnerSelf Market at Amazon