Slechts door resultaten te analyseren die een statistische methode gebruiken die verscheidene factoren meteen overweegt -- bijvoorbeeld, algemeen hartaanvalrisico, eerder dan enkel individuele risicofactoren zoals leeftijd -- zullen de onderzoekers echt kunnen zien hoe de risico's en de voordelen van een behandeling van patiënt aan patiënt variëren, suggereert de studie.
Dit soort analyse, genoemd multivariable of risico-gelaagde analyse, zou meer statistische bekwaamheid vereisen. Maar het kon het leven en geld besparen, en patiënten toestaan om de de ware risico's en voordelen van een behandeling aan hun gezondheid te wegen alvorens behandeling te beginnen.
De „Meeste studies benadrukken momenteel het gemiddelde risico en het gemiddelde die voordeel in de studie wordt gevonden, maar de gemiddelde proefdeelnemer zou veel minder voordeel kunnen krijgen dan gemiddeld, of zelfs worden berokkend,“ zegt hoofdauteur Rodney Hayward, M.D. „Als 9 mensen in een ruimte met Bill Gates zijn, zal de gemiddelde netto waarde van mensen in de ruimte verscheidene miljard dollars zijn zelfs als iedereen anders in de ruimte in ernstige schuld is.
„Zo Ook, in een klinische proef, als een kleine groep patiënten zeer een hoop van voordeel wordt, kan de behandeling gemiddeld voordeel hebben zelfs wanneer de meeste mensen in de proef geen voordeel ontvingen en wat worden berokkend,“ hij zegt. „Wij geloven onze studie aantoont duidelijk dat de huidige manier de medische behandelingen worden geëvalueerd ontoereikend is om dit probleem te ontdekken, dat dit probleem niet zeldzaam is, en dat het verplicht stellen van risico-gelaagde analyse het potentieel heeft om het risico te verminderen om verkwistende en onveilige behandelingen te bevorderen.“ Hayward leidt het Centrum VA voor het Beheer van de Praktijk en het Onderzoek van Resultaten en bedraagt een professor van geneeskunde en volksgezondheid u-m.
In het document, leggen hij en zijn collega's echte gegevens van klinische studies, en hypothetische simulatiemodellen voor. Zij melden ook wat zij in een overzicht van documenten in belangrijke medische dagboeken vonden, die aantoonden dat slechts 4 percent van klinische proeven risico-gelaagde analyse gebruikte.
Onder de behandelingen die met risico-gelaagde analyse zouden moeten bestudeerd te zijn, tonen zij, is de klonter-busting drug tPA. Een belangrijke studie van 1993 toonde aan dat de hartaanvalpatiënten die ontvingen het veel minder waarschijnlijk zouden sterven dan zij die een andere drug kregen.
Maar toen de collega van Hayward David M. Kent, M.D., M.Sc., nu bij de Universiteit van Bosjes, de gegevens van deze studie op een risico-gelaagde manier analyseerde, vond hij belangrijke verschillen in doeltreffendheid van tPA. In feite, toont zijn analyse aan dat 25 percent van de patiënten in de originele studie van meer dan 60 percent van al voordeel halen uit de volledige studie rekenschap gaf. Ondertussen, ontving de helft van de patiënten weinig of geen voordeel -- en wat hadden zulk een zeer riskant van hersenen het aftappen van tPA dat er netto kwaad was.
Een „risico-gelaagde analyse kan ook vinden dat wij de voordelen van een behandeling onderschatten,“ zegt Hayward. Bijvoorbeeld, toonde een belangrijke studie van tPA voor slagbehandeling geen voordeel onder om het even welke die groep patiënten tussen drie vijf uren na het begin van hun slag wordt behandeld. Maar Kent en anderen aangetoond door risico-gelaagde analyse dat vele patiënten die met lage risico's van hersenen die hadden inderdaad significant voordeel van tPA zelfs drie tot vijf uren na een slag ontvingen aftappen.
Deze real-world voorbeelden zijn onder die beschreven in het nieuwe document naast statistische simulaties die illustreren verder hoe de „gemiddelde“ proefresultaten misleidend kunnen zijn.
Een „behandeling die risico van slag door 25 percenten vermindert zal 100 keer meer absoluut voordeel voor iemand met een één in risico 10 hebben om een slag te hebben dan voor iemand met een één in 1.000 riskeert,“ neemt nota van Timoteegras Hofer, M.D., M.Sc., een verwante professor u-m en een wetenschappelijk onderzoeker VA die aan de statistische simulatiemodellen voor de studie werkten. „In feite, als die behandeling zelfs één in 1.000 mensen toe te schrijven aan ernstige op medicijn betrekking hebbende ongunstige gebeurtenissen ook berokkent, gevend die behandeling aan de persoon met lage risico's zult u vier mensen voor elke één persoon berokkenen het.“ helpt
De „gelaagdheid van het Risico van studieresultaten zal ook betere informatie verstrekken om artsenbespreking te bevorderen met hun patiënten over al dan niet een bepaalde behandeling voor hen juist is, zegt het overwegen van hun individuele omstandigheden,“ Hayward. Het kon gezondheidszorgdollars ook besparen door excessief gebruik van medische behandelingen te verminderen, die meer en meer duur zijn geworden. „Het is vrij mogelijk dat een wezenlijk deel kosten van de vluchtelingsgezondheidszorg met verdedigers die gemiddelde voordelen van behandelingen gebruiken verwant is om gebruik van deze behandelingen aan grote aantallen mensen te bevorderen die weinig voordeel van hen.“ ontvangen
Natuurlijk, om risico-gelaagde analyse mogelijk te maken, is het belangrijk om goede modellen, of statistische hulpmiddelen te hebben, die met de onderliggende factoren rekening houden die iemand min of meer aan bepaalde ziekten of gezondheidsincidenten kunnen naar voren gebogen maken. Bijvoorbeeld, te vertellen of een nieuwe drug het risico van hartaanval verhoogt, zouden de onderzoekers een model moeten gebruiken dat basislijnrisico van hartaanval beschouwend als veelvoudige risicofactoren, zoals leeftijd, het roken geschiedenis, cholesterol, familiegeschiedenis, bloeddruk, diabetes, voorbij op hart betrekking hebbende problemen, en andere factoren berekent.