Что такое доказательная медицина? (Продолжение)

Что такое доказательная медицина?

С.В.Недогода, В.И.Петров

Волгоградский государственный медицинский университет

Прежде всего необходимо понять, почему возникла доказательная медицина как альтернатива эмпирической медицине. Бурный прогресс медицинских наук в течение ХХ в. способствовал появлению среди врачей иллюзии о том, что для эффективного лечения болезни вполне достаточно иметь набор теоретических знаний по разным блокам медицинских дисциплин. В результате этого широкое распространение получили схемы лечения пациентов, базировавшиеся прежде всего на большем или меньшем личном опыте врача. В качестве последствий такого подхода можно привести широкое применение реальной клинической практики таких «брендов», как кокарбоксилаза, рибоксин, аденозинтрифосфорная кислота, антиоксиданты, нооторопы, LIV52 и многих других. Для их применения действительно имелись теоретические предпосылки, но на практике все они оказались бесполезными, а часто и вредными (например высокая частота нарушений пуринового обмена при использовании рибоксина). В этой связи медицинское сообщество ощутило насущную необходимость в формировании принципиально нового подхода по анализу эффективности лечебных вмешательств, который сводил к минимуму субъективизм врачей-исследователей.
Впервые концепция доказательной медицины появилась в Англии и Канаде в конце прошлого века. Основным ее положением стал постулат о том, что практические врачи не должны руководствоваться только собственным опытом, интуицией и данными медицинских дискуссий при принятии диагностических и лечебных решений. Они должны опираться на результаты качественных клинических исследований при совершении диагностических и лечебных процедур. Таким образом, должна произойти интеграция искусства врачевания с медицинской наукой (рис. 1).
Первым человеком, который попытался разработать алгоритм поиска и оценки качества научных публикаций, был английский врач-эпидемиолог Арчи Кокран (ArchyCochrane). Именно его знания в области неинфекционной эпидемиологии и стали основой для разработки им критериев достоверности исследований, идентификации основных причин ошибочных результатов и выводов. Фактически Кокран предложил широко использовать метаанализ – метод статистического обобщения результатов исследований по одной теме, выполненных разными исследователями в разное время.
Все это стало причиной появления нового направления в медицине – доказательной медицины, EvidenceBasedMedicine (доказательная медицина). Последователи Арчи Кокрана в 1992 г. организовали Кокрановское сотрудничество, филиал которого с 1999 г. существует и в России.
Основной причиной появления доказательной медицины стало то, что в ситуации нехватки средств и безудержного роста расходов на здравоохранение среди большого числа медицинских вмешательств возникла необходимость выбирать именно те из них, которые обладают наилучшей эффективностью, переносимостью и безопасностью. При этом стало очевидно, что новизна или высокая стоимость нового диагностического или лечебного метода не являются гарантией их высокой эффективности.
В настоящее время существует несколько определений понятия «доказательная медицина». В 1996 г. D.Sackett и соавт. в работе «Evidencebasedmedicine: whatitisandwhatitisn\'t» (BMJ 1996; 312: 71–2) предложили считать, что «доказательная медицина – это добросовестное, точное и осмысленное использование лучших результатов клинических исследований для выбора лечения конкретного больного» (рис. 2). Доказательная медицина может быть сопоставима с философией скептицизма (Bichat, Louis, Magendie) периода после Великой французской революции. Приведенное определение также позволяет достаточно определенно сказать о том, чем не является доказательная медицина (D.Weatherall:Theinhumanityofmedicine. BMJ 1994; 308: 1671–2).
Критики доказательной медицины часто гиперболизируют индивидуальные особенности пациента и принижают возможности практикующего врача. Так, их следующие аргументы не выдерживают проверки практикой:
• клиническое мышление осмыслить всех индивидуальных особенностей пациента;
• большая вариабельность нормативных показателей делает невозможной их качественную трактовку у конкретного пациента;
• неспособность клиницистов сориентироваться в потоке научной информации.
Практика доказательной медицины основывается на сочетании индивидуального клинического опыта с лучшими из доступных доказательств, по данным систематических обзоров. Грамотный клиницист всегда использует одновременно свой личный клинический опыт и наиболее современные и доказательные данные медицинской науки, и он никогда не использует их порознь:
• ориентация только на данные доказательной медицины, без учета личного опыта и особенностей конкретного пациента, может стать причиной ошибок в ведении больного;
• ориентация только на свой личный опыт приводит к тому, что пациент перестает получать наиболее современное и эффективное лечение, что также наносит вред его здоровью.
Современному врачу необходимо:
• научиться отличать доказательную информацию от информации описательной или просто скрытой рекламы;
• использовать в своей повседневной практике медицинские вмешательства, имеющие хорошую доказательную базу.
Значимость медицинского исследования определяется его научным обоснованием и возможностью практического применения. Сама же научная обоснованность медицинского исследования является мерой доверия к его результатам.
Поскольку доказательная медицина предполагает объединение индивидуального клинического опыта врача с наилучшими и независимыми клиническими доказательствами из систематизированных исследований, то необходимо внедрение в клиническую практику современных руководств и учебных материалов, основанных на использовании ее принципов. Именно такой путь является одним из самых важных и в то же время дешевых инструментов повышения качества медицинской помощи.
Недостатки клинических руководств хорошо известны:
• часто отсутствует связь между рекомендациями и данными последних научных исследований;
• могут отражать мнения заинтересованных экспертов в ущерб научным фактам и тем самым способствовать легализации сомнительной практики;
• как правило, отсутствует информация о процессе разработки, спонсорах и результатах внедрения руководства;
• практически никогда не представляется информация о соотношении затрат и предполагаемой пользы от рекомендуемых вмешательств;
• нередко приводят разноречивые рекомендации по одному вопросу, поэтому многие клинические руководства представляют собой скорее академические дискуссии, чем реальное подспорье врачу в его повседневной практике.
Для того чтобы составить объективное представление о качестве руководств, был предложен опросник по их экспертизе и аттестации – Международный опросник AGREE. Он позволяет оценить:
• открытость и прозрачность процесса разработки;
• согласованность интересов (и возможностей) потребителей, покупателей и производителей медицинских услуг;
• степень соответствия рекомендованных лечебно-диагностических и профилактических методов и технологий современному состоянию медицинской науки;
• объективность и надежность сведений;
• выбор наиболее эффективных затрат медицинских технологий.
В 2002 г. методологию разработки клинических руководств подготовила Всемирная организация здравоохранения. В этом же году была образована Международная сеть разработчиков клинических руководств – GuidelinesInternationalNetwork (GIN), в которую вошло 42 организации из 23 стран. Ее основная цель состоит в том, чтобы «повысить качество медицинской помощи посредством создания программ по разработке клинических руководств и их внедрения в практику на основе международного сотрудничества».
Свою практическую реализацию принципы доказательной медицины находят в клинических руководствах и протоколах. В чем различие между ними? Клинические руководства предназначены для практикующих врачей и позволяют трансформировать результаты научных исследований в рекомендации по наилучшей клинической практике и повысить ее качество. Протоколы адресованы прежде всего организаторам здравоохранения и на их основе разрабатываются требования (стандарты) к объему и качеству гарантированной медицинской помощи.
В настоящее время необходима организация региональных центров доказательной медицины. С этой целью наиболее целесообразно использовать существующие медицинские вузы или областные клинические больницы. Помимо их технического оснащения необходимы:
• определение приоритетов деятельности по повышению качества медицинской помощи;
• подготовка специалистов к работе по разработке клинических руководств, алгоритмов и протоколов лечения;
• подготовка и обновление «систематических обзоров» по приоритетным направлениям;
• подготовка, выпуск и внедрение клинических рекомендаций для практикующих врачей;
• разработка и проведение образовательных программ по доказательной медицине для практических врачей.
Сотрудники центров доказательной медицины должны пройти специальную подготовку в этой отрасли медицинских знаний.
Итак, доказательная медицина – это:
• прикладная методология, которая возникла в результате стремительного прогресса медицинской науки, разрастания объема знаний и информационного взрыва;
• органичный синтез индивидуального опыта практикующего врача с результатами лучших научных исследований по оценке эффективности медицинских вмешательств.
При этом доказательная медицина не заменяет собой искусство врачевания и клиническое мышление врача, а наоборот улучшает качество и эффективность врачебной практики. Она также способствует достижению реального успеха в лечебной и научной деятельности и обеспечивает рациональное использование ограниченных ресурсов здравоохранения за счет отказа от применения высокозатратных и неэффективных лечебно-диагностических технологий.
Доказательная медицина не является 100% гарантией от врачебных ошибок, но сложно себе представить, что происходило бы в современной медицине без нее. По образному выражению: «Современная медицина приближается к точным наукам, однако все равно никогда ею не станет. Поэтому индивидуальный опыт и личность врача всегда будут иметь важное значение. Клиницист, не использующий результатов рандомизированных клинических исследований, подобен капитану, плавающему без компаса и карты. Вместе с тем врач, слепо следующий стандартам и не использующий собственный клинический опыт, не учитывающий индивидуальные возможности больного, похож на человека, путешествующего по карте» (VanH.Brabandt., C.Camberlin, Y.Vrijensetal.EurHeart J 2006; 27 (22): 2649–54).

Что такое доказательная медицина? (Продолжение)

С.В.Недогода, В.И.Петров

Кафедра терапии и семейной медицины ФУВ ВГМУ

Базовые статистические знания, необходимые для интерпретации данных по доказательной медицине
Неправильная оценка статистической достоверности полученной информации может приводить к игнорированию клинически важных сведений и использованию на практике клинически бесполезных данных. Классическим приемом искажения реальных тенденций является значительное увеличение числа наблюдений, что позволяет доказать наличие даже столь небольших различий, которые не имеют реального клинического значения (как это было, например, в исследовании ALLHAT в отношении повышения уровня глюкозы крови при терапии тиазидными диуретиками). Необходимо помнить о том, что статистическая достоверность не является синонимом клинической значимости результатов исследования.
В настоящее время существует много программ для статистической обработки полученных данных и еще больше руководств по медицинской статистике. В них приведены все необходимые формулы и даны подробные инструкции по статистической обработке результатов медицинских исследований, что сделало доступным проведение качественного статистического анализа практически любому врачу, имеющему навыки работы с персональным компьютером. Основы медицинской статистики преподаются в медицинских университетах. Поэтому целью настоящей статьи является не изложение сухих математических формул, а попытка дать тот минимум знаний, который необходим практическому врачу для анализа достаточно специфических данных по доказательной медицине. В самых общих чертах можно сказать, что для анализа полученных данных должны применяться адекватные статистические методы:
• для оценки выживаемости – методы, основанные на принципе построения таблиц доживания, кривые Каплана–Мейера, модель Кокса, формулы множественной пошаговой регрессии, показатели абсолютного и относительного риска (ОР);
• для выявления существенности различий между кривыми выживаемости – тест Вилкоксона–Гехана, обобщенный показатель кси-квадрат и критерий logrank.
При проведении клинических исследований наиболее часто используется две модели. Модель постоянных эффектов предполагает, что изучаемое вмешательство во всех исследованиях оказывает один и тот же эффект, а имеющиеся различия обусловлены только дисперсией внутри самих исследований. Модель случайных эффектов предполагает, что влияние вмешательства в разных исследованиях может быть разным. Она уже учитывает дисперсию не только внутри одного исследования, но и между разными исследованиями.
При количественной оценке результата возможны два вида ошибки – систематическая и случайная. Случайная ошибка – отклонение результата отдельного наблюдения или измерения от его истинного значения, обусловленное исключительно случайностью. Систематическая ошибка – систематическое (неслучайное) отклонение результатов от истинных значений. Чтобы понять природу случайной ошибки, представим себе, что мы подкидываем монетку и смотрим, что выпадет – «орел» или «решка». Оба исхода равновероятны, однако, если мы подкинем монетку 10 раз, вполне возможно, что «решка» выпадет 7 раз, а «орел» – только 3. Означает ли это, что «решка» всегда выпадает примерно в 2,5 раза чаще, чем «орел»? Конечно же, нет: чем больше будет число опытов, тем ближе частота выпадения «орла» или «решки» будет приближаться к 50%. Точно так же различия в опытной и контрольной группе пациентов могут быть обусловлены чистой случайностью (часть больных выздоровели благодаря лекарству, а часть просто выздоровели). Чтобы избежать случайных ошибок, эксперимент проводят на как можно большем числе испытуемых. Число больных, как правило, исчисляется десятками тысяч. Для получения надежных данных больные наблюдаются и обследуются много лет – от 4 до 10, а иногда и дольше. Нередко для большей достоверности исследование повторяют несколько раз, а также используют доверительные интервалы – ДИ (табл. 1).
Длятогочтобыучестьвлияниеслучайностииузнать, насколькорезультатдостоверен, применяютметодыстатистическойобработкиданных. Однакоостаютсяещесистематическиеошибки, избежатькоторыегораздосложнее.
Систематические ошибки могут быть обусловлены:
• эффектом плацебо;
• нарушением правил отбора пациентов;
• неудачно выбранным методом оценки результатов (субъективная оценка всегда дает завышенный результат по сравнению с данными прибора);
• неправильно проведенным статистическим анализом.
В настоящее время предложены разные методы для снижения вероятности систематической ошибки (табл. 2). Главным из них является рандомизированное исследование (англ. random – случайный, произвольный), при котором группы испытуемых подбираются случайным образом. Для того чтобы максимально уменьшить влияние на результаты человеческого фактора, применяют двойной или тройной слепой метод. В этом случае ни пациенты, ни врачи не знают, какая группа получает плацебо, а какая – исследуемый препарат. Для этого на упаковки с препаратом и плацебо наносится маркировка, смысл которой раскрывается только в конце исследования или при появлении тяжелых осложнений, связанных с приемом препарата. Врачи-исследователи узнают о том, чем лечился пациент (плацебо или испытуемый препарат), только после того как все результаты получены, собраны и проанализированы.
Одной из наиболее частых является систематическая ошибка при отборе больных. Она также называется смещением. Причины ее возникновения:
• Центростремительное смещение (centripetalbias). В его основе лежит концентрация больных в специализированных центрах при оказании квалифицированной помощи. Это приводит к тому, что в них собираются самые сложные и тяжелые больные, используются наиболее современные и эффективные методы диагностики и лечения, а также работают наиболее квалифицированные специалисты. Следовательно, результаты, полученные в таком центре, не в полной мере будут соответствовать реальной клинической практике.
• Смещение вследствие популярности (popularitybias). В специализированных центрах в связи с их более мощными диагностическими возможностями и другими субъективными факторами (например, престижность госпитализации в это высокотехнологичное учреждение) часто наблюдаются непрофильные пациенты, которым проводится лечение, не соответствующее принятому в реальной клинической практике, так как у специалистов центра меньше опыта в лечении «атипичной» патологии, что также сказывается на результатах лечения.
• Смещение вследствие фильтрации (referralfilterbias). По мере движения пациентов от поликлиники к специализированным центрам происходит фильтрация больных по ряду особенностей: тяжести течения заболевания, демографическим характеристикам, финансовым возможностям. Очевидно, что пациенты, наблюдаемые в специализированных центрах, по качеству обследования и проводимому лечению будут существенно отличаться от контингента сельских участковых больниц и амбулаторий.
• Смещение вследствие доступности диагностики (diagnosticaccessbias). По сути является частным вариантом приведенного выше смещения вследствие фильтрации.
Поскольку именно в специализированных центрах проводится большинство качественных клинических исследований, то полученные в них данные нельзя игнорировать, но необходимо учитывать приведенные особенности в отборе пациентов при экстраполяции результатов исследования на реальную клиническую практику.
Еще одна частая причина возникновения систематической ошибки – эффект плацебо, который может завышать эффективность лекарства на 30–40%. Поэтому при применении лекарств с доказанной эффективностью число положительных эффектов должно существенно и достоверно превышать их частоту при приеме плацебо.
Исключительно важную роль играет плацебо при оценке безопасности испытуемого препарата. Если новый препарат безопасен, то число побочных, нежелательных и серьезных явлений должно быть одинаковым в группах лечения и плацебо.
При завершении исследования важно не только статистически грамотно доказать достоверность полученных результатов (т.е. насколько эти результаты справедливы для данной группы испытуемых), но и корректно определить клинико-демографические пределы эффективности нового вмешательства, т.е. ответить на вопрос о том, будет ли препарат действовать аналогичным образом на любого пациента с исследуемой патологией. Это очень сложная задача.
Достоверность и обобщаемость, или что делать с ошибками исследования, проводятся на большей или меньшей выборке (части популяции). Даже самая большая выборка всегда будет меньше популяции. Для того чтобы повысить обобщаемость результатов исследования, его проводят в разных исследовательских центрах и клиниках (многоцентровое исследование), на разных по своим демографическим характеристикам выборках.
Важнейшим понятием в клинических исследованиях является исход – клинически значимое явление, изменение лабораторного показателя или признака у лиц опытной и контрольной групп. Исходы являются основными критериями оценки эффективности диагностического, лечебного или профилактического вмешательства (табл. 3).
ЧИЛ – частота исходов в группе лечения A/(A+B).
ЧИК – частота исходов в контрольной группе C/(C+D).
На основании исходов вмешательства строят таблицу сопряженности, с помощью которой рассчитываются другие важные показатели:
1. ОР=(ЧИЛ/ЧИК).
2. Шанс = А/В или С/D.
3. ОШ (отношения шансов)=(А/В)/(С/D).
Большинство результатов клинических исследований выражается в терминах, которые не всегда легко применить для принятия клинического решения или они не очень понятны практическому врачу.
Одним из наиболее часто используемых понятий, описывающих полученные результаты, является термин «риск», который отражает частоту определенного исхода (под риском понимают вероятность какого-либо события, которая может изменяться в диапазоне от 0 до 1.При вероятности, равной 0, событие никогда не произойдет, а при вероятности, равной 1, – происходит всегда).
В качестве примера можно рассмотреть виртуальное исследование, где сравнивается частота госпитализаций пациентов с хронической сердечной недостаточностью в контрольной группе больных, получающих плацебо, и в группе больных, получающих новый препарат Х, способный снижать число сердечных сокращений. Допустим, что в конце исследования госпитализации в стационар наблюдались у 50% больных в контрольной группе (риск госпитализации равнялся 0,5) и только у 10% больных, получавших препарат Х (риск госпитализации равнялся 0,1). Исходя из того, что ОР (т.е. риск в группе лечения, сравниваемый с риском в контрольной группе) – простое ОР в двух группах и является частным от деления риска в группе лечения на риск в контрольной группе, следовательно, в разбираемом примере он составляет 0,10:0,50=0,20. Эти сравнительные данные можно также представить в виде снижения ОР – отношение между снижением риска в группе лечения и риском в контрольной группе или рассчитать как 1 – ОР.
Главным недостатком показателя ОР является то, что его значение (например, 0,2) одинаково вне зависимости от того, снижается ли он с 0,5 до 0,1 или с 0,05 до 0,01. В этой связи большее значение имеет снижение абсолютного риска при вычитании риска в одной группе из риска в другой – риск в группе лечения вычитается из риска в группе плацебо. В нашем примере снижение абсолютного риска будет равно 0,5–0,1=0,4, или 40%. В то же время при снижении риска с 0,05 до 0,01 снижение абсолютного риска составит 0,05–0,01=0,04, или 4%, т.е. будет существенно меньшим.
Таким образом, показатели ОР и снижения ОР количественно отражают результаты вмешательства в относительных величинах, но они не дают информации о размере влияния в абсолютном выражении. Абсолютный риск в меньшей степени отражает относительную эффективность вмешательства, но наглядно показывает, будет ли эффект от вмешательства клинически значимым.
Абсолютный риск является основой для расчета другого, значительно более понятного для практического врача показателя – числа больных, которых необходимо лечить определенным методом в течение определенного времени, чтобы достичь определенного эффекта или предотвратить неблагоприятный исход у одного больного (ЧБНЛ).
В тех случаях, когда исследуемое вмешательство снижает вероятность развития неблагоприятного исхода, используются следующие показатели:
• СОР (снижение ОР) – относительное уменьшение частоты неблагоприятных исходов в группе лечения по сравнению с контрольной группой, рассчитываемое как (ЧИЛ–ЧИК)/ЧИК; приводится вместе с 95% ДИ.
• САР (снижение абсолютного риска) – абсолютная арифметическая разница в частоте неблагоприятных исходов между группами лечения и контроля. Рассчитывается как (ЧИЛ–ЧИК).
• ЧБНЛ – число больных, которых необходимо лечить определенным методом в течение определенного времени, чтобы предотвратить неблагоприятный исход у одного больного. Рассчитывается как 1/САР и приводится вместе с 95% ДИ. Низкое значение ЧБНЛ (приближающееся к 1) означает, что благоприятный исход наблюдается почти у каждого больного, получающего лечение.
В случаях, когда исследуемое вмешательство повышает вероятность развития благоприятного исхода, используют следующие показатели:
• ПОП (повышение относительной пользы) – относительное увеличение частоты благоприятных исходов в группе лечения по сравнению с контрольной группой, рассчитываемое как (ЧИЛ–ЧИК)/ЧИК; приводится с 95% ДИ.
• ПАП (повышение абсолютной пользы) – абсолютная арифметическая разница в частоте благоприятных исходов между группами лечения и контроля. Рассчитывается как (ЧИЛ–ЧИК).
• ЧБНЛ – число больных, которых необходимо лечить определенным методом в течение определенного времени, чтобы достичь определенного благоприятного эффекта у одного больного. Рассчитывается как 1/ПАП и приводится вместе с 95% ДИ.
В случаях, когда исследуемое вмешательство повышает вероятность развития неблагоприятного исхода, используются следующие показатели:
• ПОР (повышение ОР) – относительное увеличение частоты неблагоприятных исходов в группе лечения по сравнению с контрольной группой. Рассчитывается как (ЧИЛ–ЧИК)/ЧИК; приводится вместе с 95% ДИ. (ПОР также используется для оценки влияния факторов риска на развитие заболевания.)
• ПАР (повышение абсолютного риска) – абсолютная арифметическая разница в частоте неблагоприятных исходов между группами вмешательства и контроля. Рассчитывается как (ЧИЛ–ЧИК). ПАР также используется для оценки влияния факторов риска на развитие заболевания.
• ИПВ (индекс потенциального вреда) – число больных, которые должны получить экспериментальное лечение, чтобы у одного дополнительного больного развился неблагоприятный исход по сравнению с больными из контрольной группы. Рассчитывается как 1/ПАР и приводится вместе с 95% ДИ.

Дата добавления: 2021-01-20; просмотров: 53; Мы поможем в написании вашей работы!

Поделиться с друзьями:

Мы поможем в написании ваших работ!