Medycyna oparta na dowodach (EBM), czyli jak zrozumieć wyniki badań

Codziennie ktoś pyta nas przy pierwszym stole, czy witamina C „skróci przeziębienie „działa”, czy warto brać probiotyk do antybiotyku, czy „ten nowy suplement” z reklamy naprawdę działa. Żeby odpowiedzieć uczciwie, trzeba umieć czytać badania. Niekoniecznie liczyć samemu, tylko rozumieć, co autorzy policzyli i czy da się temu wierzyć. Właśnie o tym jest medycyna oparta na dowodach, po angielsku evidence-based medicine, w skrócie EBM. W tym poradniku zbieram to, co od lat wykładam i uważam, że jest niezbędnym minimum. Opracowałem też kalkulator (Kalkulator EBM), który pozwala też na zrozumienie, skąd biorą się te wszystkie miary takie jak OR, HR, NNT i inne.

Wprowadzenie, czyli po co farmaceucie EBM

Wyobraź sobie trzy sytuacje z jednej zmiany. Pacjentka pyta, czy witamina D ochroni ją przed infekcją (o skuteczności stosowania witaminy D w profilaktyce i leczeniu różnych chorób pisaliśmy w Wytyczne). Kolega z zespołu twierdzi, że „badania pokazały spadek ryzyka o 40 procent”. Przedstawiciel zostawia ulotkę, w której suplement „zmniejsza dolegliwości aż o połowę”. Każde z tych zdań brzmi konkretnie, a mimo to żadnego nie da się ocenić bez zajrzenia do liczb, które za nim stoją.

EBM daje właśnie ten zestaw pytań, które warto sobie zadać, zanim powtórzymy cudze twierdzenie pacjentowi.

Nie chodzi o to, żeby zostać statystykiem. Chodzi o to, żeby odróżnić wynik mocny od słabego, efekt duży od kosmetycznego i badanie wiarygodne od reklamy przebranej za naukę. To umiejętność zawodowa, tak samo jak znajomość interakcji czy dawkowania.

Czym jest EBM (i czym nie jest)

Klasyczna definicja mówi, że medycyna oparta na dowodach to sumienne, wyraźne i rozważne wykorzystanie aktualnie najlepszych dowodów przy podejmowaniu decyzji o opiece nad konkretnym pacjentem¹. Kluczowe są dwa słowa: „najlepszych” (lepiej to oddaje anglojęzyczne określenie best available evidence) i „konkretnym”. Dowody mają być najmocniejsze z dostępnych, a decyzja ma pasować do człowieka, który stoi przed nami.

EBM opiera się na trzech filarach, które trzeba złożyć razem. Pierwszy to te najlepsze dostępne dowody z badań. Drugi to wiedza i doświadczenie zawodowe, bo bez nich nie ocenimy, czy badanie w ogóle pasuje do sytuacji. Trzeci to wartości i preferencje pacjenta, jego choroby współistniejące, budżet, gotowość do przyjmowania kolejnej tabletki. Dopiero te trzy elementy naraz dają decyzję opartą na dowodach.

Te trzy filary najłatwiej wyobrazić sobie jako trzy zachodzące na siebie koła. Praktyka oparta na dowodach mieszka w ich części wspólnej: dobra decyzja zapada dopiero tam, gdzie spotykają się:

• najlepsze dowody z badań,
• doświadczenie kliniczne i
• wartości pacjenta¹.

Żaden pojedynczy filar nie wystarcza sam.

Warto od razu rozprawić się z częstym mitem. EBM to nie jest „ślepe trzymanie się badań” ani gotowanie z przepisu, w którym pacjent znika za tabelką. Autorzy definicji podkreślali to wprost już w 1996 roku: bez indywidualnego doświadczenia klinicznego praktyka staje się tyranią dowodów, które mogą nie pasować do danego chorego¹. Dowód jest wsadem do decyzji, a nie decyzją samą w sobie.

PICO, czyli jak zadać dobre pytanie

Zanim sięgniemy po badanie, musimy wiedzieć, czego właściwie szukamy. Niejasne pytanie „czy probiotyki są dobre” nie ma odpowiedzi, bo nie wiadomo, dla kogo, w porównaniu z czym i pod jakim względem. Dlatego w EBM pytanie kliniczne rozbija się na cztery elementy, których pierwsze litery po angielsku tworzą akronim PICO.

Dopiero tak zbudowane pytanie da się przełożyć na wyszukiwanie w bazie i na ocenę znalezionego badania. Jeśli badanie testowało inną populację niż nasz pacjent albo mierzyło inny efekt, jego wynik może być prawdziwy i zupełnie do nas nieprzystający. To pierwsza rzecz do sprawdzenia, zanim przejmiemy się liczbami.

Zanim ocenisz jakikolwiek wynik badania, sprawdź jego PICO. Jeśli badano zdrowych młodych ochotników, a przed tobą stoi osoba starsza z wielochorobowością, nawet mocny wynik może jej nie dotyczyć.

Rodzaje badań, od opisu przypadku po metaanalizę

Nie każde badanie waży tyle samo. Różnią się tym, jak dobrze radzą sobie z przypadkiem i z tak zwanymi czynnikami zakłócającymi, czyli wszystkim, co poza badanym lekiem mogło wpłynąć na wynik. Od najsłabszych do najmocniejszych układają się mniej więcej tak.

1. Opis i seria przypadków. Ktoś opisuje jednego pacjenta albo grupę, którym coś podano i coś się wydarzyło. Bywają cenne jako pierwszy sygnał, ale nie mają grupy porównawczej, więc nie wiemy, co stałoby się bez interwencji.
2. Badanie kliniczno-kontrolne. Zaczyna od efektu i cofa się w czasie: bierze osoby z chorobą i bez niej, a potem sprawdza, kto był na coś narażony. Szybkie i tanie, ale podatne na błędy pamięci i doboru.
3. Badanie kohortowe. Obserwuje grupy narażone i nienarażone i czeka, u kogo pojawi się efekt. Lepsze, bo idzie w przód w czasie, ale nadal obserwacyjne, więc grupy mogą się różnić czymś jeszcze.
4. Badanie z randomizacją (RCT). Uczestników losowo przydziela się do leku albo do porównania. Losowanie sprawia, że grupy są średnio podobne pod każdym względem, także tym, o którym nie pomyśleliśmy. To najmocniejszy pojedynczy dowód skuteczności.
5. Przegląd systematyczny i metaanaliza. Zbiera wszystkie porządne badania na dany temat i, jeśli się da, liczy z nich jeden wspólny wynik. O tym za chwilę osobno.

Skrótowiec RCT wart jest rozwinięcia, bo pada najczęściej. Oznacza randomized controlled trial, czyli badanie z losowym przydziałem i grupą kontrolną. Trzy elementy decydują o jego sile.

Losowy przydział sprawia, że grupy startują z tego samego miejsca. Grupa kontrolna, najczęściej na placebo, pokazuje, co stałoby się bez leku, bo część ludzi zdrowieje sama. Zaślepienie, czyli utrzymanie w niewiedzy pacjenta i w miarę możliwości badacza, odcina wpływ oczekiwań na ocenę efektu. Gdy któregoś z tych elementów brakuje, wynik trzeba traktować ostrożniej.

Piramida wiarygodności dowodów

Tę hierarchię badań najłatwiej zapamiętać jako piramidę (poniższy model jest już mniej aktualny, ale o tym niżej). Im wyżej, tym mocniejszy dowód i tym mniejsza szansa, że wynik jest dziełem przypadku albo ukrytego błędu. Im niżej, tym bliżej do luźnej obserwacji i opinii.

Ta hierarchia nie jest sztywnym prawem, tylko punktem wyjścia. Dobrze zrobione badanie kohortowe bywa cenniejsze niż słaby, mały RCT. Ale jako pierwszy odruch działa świetnie. Kiedy słyszysz o „przełomie”, sprawdź, na którym piętrze piramidy stoi ten dowód. Bardzo często okazuje się, że u podstawy, przy badaniach na komórkach albo opiniach.

Zdanie „badania potwierdzają” nic nie znaczy, dopóki nie wiesz jakie. Test na hodowli komórkowej i metaanaliza badań z randomizacją to oba „badania”, a dzieli je cała wysokość piramidy.

Przegląd systematyczny i metaanaliza

Na szczycie piramidy stoją dwa pojęcia, które łatwo pomylić. Przegląd systematyczny to metoda zbierania dowodów. Metaanaliza to metoda ich liczenia. Często idą w parze, ale to nie to samo.

Przegląd systematyczny różni się od zwykłego artykułu przeglądowego tym, że działa według ustalonego z góry protokołu. Autorzy zapisują, zanim zaczną, jakie pytanie zadają, jakie badania włączą, jak je znajdą i jak ocenią ich jakość. Dopiero potem przeczesują bazy tak, żeby nic istotnego nie przeoczyć, i uczciwie raportują, co znaleźli. Standard takiego raportowania, znany jako PRISMA, wymusza tę przejrzystość, żeby każdy mógł prześledzić drogę od tysięcy trafień do kilkunastu włączonych badań². Dzięki temu przegląd systematyczny jest odtwarzalny, a nie jest zbiorem ulubionych badań autora.

Metaanaliza idzie o krok dalej. Bierze wyniki poszczególnych badań i statystycznie łączy je w jedno oszacowanie, tak jakby powstało z jednej wielkiej próby. Zyskujemy precyzję, bo więcej uczestników to węższy przedział niepewności. Zasady, jak to robić poprawnie, opisuje między innymi podręcznik Cochrane, który jest praktycznym punktem odniesienia dla autorów takich prac³.

Wynik metaanalizy przedstawia się zwykle na wykresie zwanym forest plot. Każde badanie to jedna linia z kwadracikiem, który pokazuje jego wynik, i poziomą kreską, która pokazuje niepewność tego wyniku. Na dole widnieje romb, czyli wynik zbiorczy. Pionowa linia oznacza brak efektu.

Jedna rzecz jest tu ważna. Metaanaliza jest tak dobra, jak badania, które łączy. Jeśli wrzucimy do niej słabe badania, dostaniemy precyzyjnie policzony słaby wynik. Dlatego dobre przeglądy oceniają jakość włączonych prac i piszą o niej wprost.

Jak czytać wyniki, czyli miary efektu

Teraz najważniejsza część, ta, o którą najczęściej się potykamy. Wyniki badań podaje się w kilku miarach, a każda mówi coś innego. Przejdźmy przez nie po kolei, na przykładach z apteki.

Ryzyko bezwzględne kontra względne

To rozróżnienie ratuje przed najczęstszą manipulacją w marketingu. Weźmy prawdziwy przykład: przegląd probiotyków stosowanych razem z antybiotykiem. Biegunka związana z Clostridioides difficile wystąpiła u 1,5 procent osób biorących probiotyk i u 4,0 procent osób z grupy kontrolnej⁴. Te same liczby można opisać na dwa sposoby.

Redukcja względna brzmi imponująco. Ryzyko spadło z 4,0 do 1,5 procent, czyli o 60 procent. I to jest prawda. Redukcja bezwzględna jest znacznie skromniejsza. To zwykła różnica, 4,0 minus 1,5, czyli 2,5 punktu procentowego. Też prawda. Ta sama rzeczywistość, dwa bardzo różne wrażenia.

„Zmniejsza ryzyko o połowę” prawie zawsze opisuje redukcję względną i prawie nigdy nie mówi, od jakiego poziomu wyjściowego. Połowa z dużego ryzyka to dużo, połowa z jednego przypadku na tysiąc to prawie nic. Zawsze pytaj o liczby bezwzględne.

Ryzyko względne (RR)

Ryzyko względne, po angielsku risk ratio lub relative risk, to po prostu ryzyko w grupie leczonej podzielone przez ryzyko w grupie porównawczej. RR równe 1 oznacza brak różnicy. Poniżej 1 lek chroni, powyżej 1 szkodzi. Wartość 0,40 znaczy, że ryzyko spadło do 40 procent wyjściowego, czyli o 60 procent. Wartość 1,30 znaczy, że wzrosło o 30 procent.

Przykład z suplementu, który wielu pacjentów uważa za pewniak. Regularne przyjmowanie witaminy C w populacji ogólnej nie zmniejsza istotnie ryzyka złapania przeziębienia, ryzyko względne wyniosło 0,97 przy przedziale od 0,94 do 1,00⁵. Ale w wąskiej grupie osób poddanych skrajnemu wysiłkowi, jak maratończycy czy żołnierze na mrozie, ryzyko względne spadło do 0,48, czyli o około połowę⁵. Ten sam suplement, ta sama miara, dwa światy. To pokazuje, dlaczego populacja z pytania PICO jest tak ważna.

Iloraz szans (OR)

Iloraz szans, po angielsku odds ratio, przypomina ryzyko względne, ale liczy się go z szans, a nie z ryzyka. Szansa to stosunek zdarzeń do „niezdarzeń”, coś jak w zakładach bukmacherskich. W praktyce interpretujemy OR podobnie jak RR: 1 to brak różnicy, poniżej 1 mniejsza szansa zdarzenia, powyżej 1 większa. Iloraz szans pojawia się często w metaanalizach i w badaniach kliniczno-kontrolnych.

Przykład z witaminy D. Duża metaanaliza danych poszczególnych uczestników (a nie tylko wyników zbiorczych z każdego badania) pokazała, że suplementacja witaminy D₃ zmniejszała ryzyko ostrej infekcji dróg oddechowych, z ilorazem szans 0,88 przy przedziale od 0,81 do 0,96⁶. OR 0,88 czytamy tak: szansa infekcji w grupie suplementowanej była o około 12 procent mniejsza. Co ważne, efekt zależał od schematu. Dawki codzienne lub tygodniowe działały, a pojedyncze duże dawki bolusowe już nie, tam iloraz szans wyniósł 0,97 przy przedziale od 0,86 do 1,10, czyli obejmował 1⁶. To ostatnie zdanie prowadzi nas prosto do przedziałów ufności.

Iloraz szans przy rzadkim zdarzeniu jest bliski ryzyku względnemu, ale przy częstym zdarzeniu potrafi je przeszacować. Gdy widzisz duży OR dla częstego efektu, sprawdź, czy autorzy nie podali też ryzyka względnego, bo ono jest wtedy uczciwszą miarą.

Hazard względny (HR)

Hazard względny, po angielsku hazard ratio, dochodzi tam, gdzie liczy się nie tylko czy, ale i kiedy. Używa się go w badaniach, które śledzą uczestników w czasie i pytają, jak szybko pojawia się dane zdarzenie. HR porównuje tempo zdarzeń w obu grupach. Interpretacja znów jest podobna: 1 to brak różnicy, poniżej 1 wolniej i rzadziej w grupie leczonej, powyżej 1 szybciej i częściej.

Modelowy przykład to badanie VITAL, w którym witaminę D₃ w dawce 2000 jednostek dziennie porównano z placebo u prawie 26 tysięcy osób przez ponad pięć lat. Suplementacja nie zmniejszyła ryzyka nowotworu, HR wyniósł 0,96 przy przedziale od 0,88 do 1,06, ani poważnych zdarzeń sercowo-naczyniowych, gdzie wyniósł 0,97 przy przedziale od 0,85 do 1,12⁷. Wartość bliska 1 mówi, że tempo zdarzeń w obu grupach było praktycznie takie samo. To dobry moment, żeby wyjaśnić, dlaczego mimo dużego i porządnego badania mówimy „brak efektu”.

Przedział ufności, czyli jak pewny jest wynik

Sam wynik, na przykład RR 0,40, to najlepsze pojedyncze oszacowanie. Ale badanie to próbka, nie cała ludzkość, więc prawdziwa wartość leży gdzieś w pobliżu. Przedział ufności, zwykle 95-procentowy, pokazuje ten zakres wiarygodnych wartości. Im węższy przedział, tym pewniejszy wynik. Im szerszy, tym więcej niepewności, najczęściej z powodu małej próby (małej liczby osób w badaniu).

Jest jedna reguła, którą warto znać na pamięć, bo rozstrzyga o „istotności” szybciej niż jakakolwiek wartość p (ang. p-value). Dla miar ilorazowych, czyli RR, OR i HR, punktem odniesienia jest 1, bo 1 oznacza brak efektu. Jeśli cały przedział ufności leży po jednej stronie liczby 1, wynik jest istotny statystycznie. Jeśli przedział przechodzi przez 1, wynik jest nieistotny, bo mieści się w nim także „brak różnicy”. Stąd nazwa linia braku efektu.

Wróćmy do witaminy D w badaniu VITAL. Przedział dla nowotworu, od 0,88 do 1,06, i dla zdarzeń sercowo-naczyniowych, od 0,85 do 1,12, w obu przypadkach obejmuje 1⁷. To dlatego mówimy, że suplementacja nie przyniosła korzyści. I jeszcze jedno rozróżnienie, które warto powtarzać pacjentom. Duże, dobrze zrobione badanie z wynikiem nieistotnym to nie jest badanie, które „się nie udało”. To mocna informacja, że w tej grupie efektu raczej nie ma.

NNT, czyli ile osób trzeba leczyć

Najbardziej praktyczna miara ze wszystkich to NNT, czyli number needed to treat. Mówi, ilu pacjentów trzeba poddać interwencji, żeby uzyskać jeden dodatkowy dobry wynik. Liczy się ją prosto, jako odwrotność redukcji bezwzględnej. Im mniejsze NNT, tym lek praktyczniejszy. NNT równe 10 znaczy, że na dziesięciu leczonych jeden odnosi korzyść, a dziewięciu nie.

NNT ma swojego bliźniaka po stronie szkód: NNH, czyli number needed to harm. Mówi, ilu pacjentów trzeba poddać interwencji, żeby u jednego pojawiła się szkoda, na przykład działanie niepożądane. Dobry bilans widać dopiero, gdy zestawimy oba. Lek o NNT 10 i NNH 100 pomaga wielokrotnie częściej, niż szkodzi, ale ten sam NNT przy NNH 12 to już zupełnie inna rozmowa z pacjentem.

Wróćmy do probiotyków. Z różnicy 4,0 kontra 1,5 procent wychodzi redukcja bezwzględna 2,5 punktu procentowego, a jej odwrotność to około 40. Autorzy przeglądu podali NNT równe 42, czyli mniej więcej co czterdziesta druga leczona osoba unika biegunki związanej z Clostridioides difficile⁴. Teraz najciekawsze. W podgrupie pacjentów o wysokim wyjściowym ryzyku, powyżej 5 procent, biegunka wystąpiła u 3,1 kontra 11,6 procent, a NNT spadło do 12⁴. Ten sam probiotyk, ta sama „siła” działania, a korzyść praktyczna zupełnie inna, bo zależy od tego, jak zagrożony jest pacjent na starcie.

NNT to najlepsza miara do rozmowy z pacjentem, bo tłumaczy się sama. Zamiast mówić „redukcja o 60 procent”, powiedz „mniej więcej co czterdziesta osoba na tym skorzysta”. Od razu widać, czy warto.

Miara	Co mówi	Brak efektu przy	Przykład z tekstu
Ryzyko względne (RR)	ile razy zmienia się ryzyko	RR = 1	witamina C, RR 0,97 w populacji ogólnej
Iloraz szans (OR)	ile razy zmienia się szansa zdarzenia	OR = 1	witamina D, OR 0,88 dla infekcji dróg oddechowych
Hazard względny (HR)	jak zmienia się tempo zdarzeń w czasie	HR = 1	witamina D w badaniu VITAL, HR 0,96 dla nowotworu
Redukcja bezwzględna (ARR)	o ile punktów procentowych spada ryzyko	ARR = 0	probiotyki, 4,0 minus 1,5, czyli 2,5 punktu
Redukcja względna (RRR)	o jaki procent spada ryzyko	RRR = 0	probiotyki, spadek o 60 procent
NNT	ilu leczyć, by pomóc jednemu	NNT bardzo duże	probiotyki, NNT 42, a w grupie ryzyka 12

Wartość p i pułapka istotności

Wartość p to prawdopodobieństwo, że zaobserwowany efekt (albo większy) pojawiłby się przez sam przypadek, gdyby lek naprawdę nie działał. Umownie, gdy p jest mniejsze od 0,05, mówimy o istotności statystycznej. Brzmi jak wyrocznia, a jest tylko jednym z sygnałów, w dodatku łatwym do nadinterpretacji.

Istotność statystyczna to jednak nie to samo co istotność kliniczna. Przy bardzo dużej próbie nawet mikroskopijna, bez znaczenia dla pacjenta różnica potrafi wyjść „istotna”. I odwrotnie, realny efekt w małym badaniu bywa „nieistotny” tylko dlatego, że danych było za mało. Dlatego wolę patrzeć na przedział ufności niż na samo p. Przedział pokazuje i kierunek, i wielkość, i niepewność wyniku naraz, a wartość p redukuje to wszystko do jednej liczby.

Stopnie wiarygodności dowodów

Skoro dowody różnią się siłą, potrzebny jest język do ich oceniania. Farmaceuta spotka głównie trzy systemy i warto je rozróżniać.

Pierwszy to poziomy dowodów według Oksford. Dla pytania o skuteczność leczenia układają się w pięć stopni, od najmocniejszego do najsłabszego⁸. Poziom 1 to przegląd systematyczny badań z randomizacją. Poziom 2 to pojedynczy dobry RCT. Poziom 3 to badanie kohortowe, poziom 4 to seria przypadków lub badanie kliniczno-kontrolne, a poziom 5 to rozumowanie oparte na mechanizmie. To w dużej mierze nasza piramida ubrana w numery, choć oba systemy różnią się w szczegółach – piramida wyżej ma sześć pięter, a poziomy oksfordzkie pięć i inaczej grupują badania obserwacyjne.

Drugi, dziś najczęstszy w wytycznych, to GRADE. Rozdziela on dwie rzeczy, które łatwo pomylić:

• jakość dowodów i
• siłę zalecenia⁹.

Jakość dowodów, czyli nasza pewność co do oszacowania efektu, ma cztery stopnie: wysoką, umiarkowaną, niską i bardzo niską¹⁰. Badania z randomizacją startują jako wysokie, ale mogą spaść, gdy mają wady, są niespójne albo wyniki są mało precyzyjne. Dla przykładu, omawiana metaanaliza witaminy D miała jakość dowodów ocenioną jako wysoka⁶, a przegląd probiotyków jako umiarkowana⁴.

Siła zalecenia to zupełnie inny wymiar niż jakość dowodów, choć oba pojęcia często się myli. Jakość dowodów mówi, jak pewni jesteśmy samego oszacowania efektu. Siła zalecenia mówi, jak stanowczo coś rekomendować, i zależy nie tylko od jakości dowodów, ale też od bilansu korzyści i ryzyka, od wartości pacjentów oraz od kosztów⁹.

W systemie GRADE stopnie są dwa. Zalecenie silne formułuje się słowem „zalecamy” i znaczy, że u większości pacjentów korzyści wyraźnie przeważają nad ryzykiem. Zalecenie warunkowe, inaczej słabe, formułuje się słowem „sugerujemy” i znaczy, że bilans jest bliski albo mocno zależy od preferencji chorego, więc wybór trzeba dopasować indywidualnie.

Wymiar	Stopnie	Co określa
Jakość (pewność) dowodów	wysoka, umiarkowana, niska, bardzo niska	jak pewne jest oszacowanie efektu
Siła zalecenia	silne („zalecamy”), warunkowe lub słabe („sugerujemy”)	jak stanowczo rekomendować, według bilansu korzyści, ryzyka, wartości pacjenta i kosztów

Trzeci system to klasy zaleceń i poziomy dowodów z wytycznych towarzystw naukowych. To ogólna konwencja, a dokładne progi i opisy definiuje każda wytyczna u siebie – najczęściej spotkasz ją w kardiologii. Klasa zalecenia mówi, jak mocno coś rekomendować, zwykle od I (rób to) przez IIa i IIb (rozsądne lub do rozważenia) po III (nie rób). Poziom dowodu, oznaczany zwykle literami A, B i C, mówi, na czym ta rekomendacja się opiera, od wielu badań z randomizacją po opinię ekspertów. Gdy czytasz wytyczną, sprawdzaj oba oznaczenia, bo silne zalecenie oparte na słabym dowodzie to co innego niż silne zalecenie poparte twardymi danymi.

Jakość dowodu i siła zalecenia to dwie różne rzeczy. Można mieć silne zalecenie oparte na dowodzie umiarkowanej jakości, gdy korzyść wyraźnie przeważa nad ryzykiem, i słabe zalecenie mimo dobrych danych, gdy bilans jest niepewny. Nie utożsamiaj jednego z drugim.

Gdzie szukać dowodów, czyli piramida 5S

Wiedza, który dowód jest mocniejszy, nie pomoże, jeśli nie da się go znaleźć w rozsądnym czasie. Straus i Haynes ułożyli źródła informacji w drugą piramidę, tym razem nie według siły dowodu, lecz według stopnia przetworzenia informacji. Nazwali ją modelem 5S, od pierwszych liter pięciu poziomów¹¹. Im wyżej, tym informacja bardziej wiarygodna, trafna i czytelna.

Przy pytaniu klinicznym zaczynaj od góry piramidy i schodź w dół. Gotowe, aktualizowane podsumowanie albo system wspomagania decyzji da odpowiedź w kilka sekund, a przeczesywanie pojedynczych badań w bazie zostaw na koniec, gdy wyżej nic nie ma¹¹.

Autorzy dorzucają prostą regułę doboru źródeł, tak zwane trzy R. Źródło ma być wiarygodne, trafne i czytelne, dokładnie w tej kolejności. Wiarygodność jest ważniejsza od trafności, a obie od czytelności¹¹.

Dowód, mocny czy słaby, nigdy nie wystarcza sam do decyzji klinicznej. Trzeba go zważyć z wartościami i preferencjami pacjenta, bo dopiero to daje dobrą, wspólnie podjętą decyzję¹¹.

Przy okienku najszybciej pomoże dobre, aktualizowane źródło typu podsumowanie oparte na dowodach, a nie pierwszy lepszy wynik z wyszukiwarki. Zacznij od góry piramidy 5S i schodź niżej tylko wtedy, gdy trzeba.

Jak ocenić, czy źródło jest naprawdę oparte na dowodach

Sam napis „oparte na dowodach” w tytule niczego nie gwarantuje. Jeden z wydawców przyznał wprost, że dodanie słów „evidence-based” do tytułu książki podnosi sprzedaż¹¹. Straus i Haynes podają praktyczny zestaw pytań do oceny każdego źródła informacji medycznej, w dwóch wymiarach: metody i jakość informacji oraz przydatność kliniczna. Przetłumaczyłem je ponizej:

Metody i jakość informacji

Zacznij od trzech pytań o to, skąd pochodzi treść źródła:

• Jak powstało źródło?
• Czy opisano jawne kryteria wyszukiwania i oceny dowodów i czy ich przestrzegano?
• Jak źródło jest aktualizowane?

Skala oceny metod i jakości informacji, od 0 do 5, prezentuje się tak:

• 0 – brak cytowanych dowodów.
• 1 – dowody cytowane, ale bez jawnych kryteriów doboru ani oceny treści, a dobór treści wskazuje na brak spójnych standardów dowodowych.
• 2 – dowody cytowane i są jawne kryteria doboru lub oceny (albo obu), ale dobór treści wskazuje na nieprzestrzeganie tych standardów.
• 3 – dowody cytowane bez jawnych kryteriów doboru ani oceny, a dobór treści wskazuje na przestrzeganie niektórych standardów.
• 4 – dowody cytowane i są jawne kryteria doboru lub oceny (albo obu), a dobór treści wskazuje na częściowe przestrzeganie standardów.
• 5 – dowody cytowane i są jawne kryteria zarówno doboru, jak i oceny treści, a dobór treści wskazuje na przestrzeganie standardów przez większość czasu.

Przydatność kliniczna

Potem sprawdź, czy źródło realnie pomaga przy pacjencie:

• Czy źródło dało klinicznie przydatne odpowiedzi?
• Jak z niego korzystałeś i czy było łatwe w użyciu?
• Czy odpowiedzi były łatwo dostępne i czytelne w ciągu kilku minut?
• Czy będziesz z niego korzystać, a jeśli tak, kiedy i jak?

Skala oceny przydatności klinicznej, od 0 do 5, wygląda tak:

• 0 – nieprzydatne klinicznie.
• 1 – przydatne odpowiedzi rzadko dostępne oraz trudno dostępne lub nieczytelne w kilka minut.
• 2 – odpowiedzi dostępne czasami, ale trudno dostępne lub nieczytelne w kilka minut.
• 3 – odpowiedzi dostępne czasami oraz łatwo dostępne i czytelne w kilka minut.
• 4 – odpowiedzi dostępne przez większość czasu, ale trudno dostępne lub nieczytelne w kilka minut.
• 5 – odpowiedzi dostępne przez większość czasu oraz łatwo dostępne i czytelne w kilka minut.

Minimalna lista kontrolna dla źródeł i podręczników

Dla podręczników i baz opartych na dowodach autorzy proponują krótką listę minimum.

• Czy źródło jasno podaje, na jakim typie dowodów opierają się twierdzenia lub zalecenia, i czy autorzy tego przestrzegali? Na przykład twierdzenie o skuteczności powinno mieć podany poziom dowodu (zdefiniowany gdzieś w tekście) albo dokładny typ dowodu, jak „przeprowadzono 3 badania z randomizacją”.
• Czy przeprowadzono jawne i adekwatne wyszukiwanie dowodów? Na przykład zaczynając od dobrych przeglądów systematycznych, a potem przeszukując Cochrane Central Register of Controlled Trials.
• Czy wyniki są skwantyfikowane? Na przykład twierdzenia o dokładności diagnostycznej powinny podawać czułość i swoistość.

Minimum to spełnienie pierwszego punktu, a lepsze źródła realizują też dwa pozostałe. Meta-źródła, czyli wykazy i wyszukiwarki innych źródeł, powinny dodatkowo jawnie podawać kryteria włączenia¹¹.

Najczęstsze pułapki i mity

Na koniec kilka błędów (a czasem manipulacji!). Znajomość ich chroni przed powtarzaniem cudzych nadużyć:

• Korelacja to nie przyczyna. To, że osoby biorące suplement rzadziej chorują, nie znaczy, że to jego zasługa. Często zdrowsi ludzie po prostu częściej sięgają po suplementy. Rozstrzyga dopiero badanie z randomizacją.
• Redukcja względna bez punktu wyjścia. „O połowę mniej” brzmi tak samo przy ryzyku 20 procent i przy ryzyku 1 na 10 tysięcy, a to przepaść. Zawsze szukaj liczb bezwzględnych i NNT.
• Mała próba i szeroki przedział. Efektowny wynik z badania na kilkudziesięciu osobach z ogromnym przedziałem ufności to zapowiedź, nie dowód.
• Istotne nie znaczy ważne. Statystyczna istotność mówi „to raczej nie przypadek”, a nie „to ma znaczenie dla pacjenta”. To dwie różne sprawy.
• Efekt zastępczy zamiast tego, co się liczy. Suplement może poprawiać wynik badania laboratoryjnego, nie zmieniając niczego w samopoczuciu ani w twardych punktach końcowych. Pytaj, co właściwie mierzono.
• Błąd publikacji. Badania z wynikiem pozytywnym trafiają do druku częściej niż te bez efektu, więc sama literatura bywa przechylona na korzyść leku. Brak opublikowanych badań to nie to samo co dowód skuteczności.
• Kto płacił i kto liczył. Konflikt interesów nie przekreśla badania, ale każe czytać je uważniej, zwłaszcza gdy jest jedyne i entuzjastyczne.

EBM przy pierwszym stole

Jak spiąć to wszystko w kilka sekund rozmowy? Nie trzeba liczyć na kalkulatorze. Wystarczy przełożyć twarde dane na jedno uczciwe zdanie. Zamiast „badania potwierdzają skuteczność” lepiej powiedzieć, dla kogo, o ile i jak pewnie.

Przy witaminie C i przeziębieniu brzmi to tak, że u przeciętnej osoby regularne branie raczej nie chroni przed infekcją, a jeśli już, to co najwyżej minimalnie skraca jej czas⁵. Przy probiotyku do antybiotyku najuczciwsza odpowiedź zależy od pacjenta, bo im wyższe jego ryzyko powikłań, tym większa realna korzyść⁴. To jest EBM w praktyce. Nie recytowanie liczb, tylko dopasowanie dobrego dowodu do konkretnego człowieka.

Wnioski dla praktyki aptecznej

Co warto wdrożyć do praktyki

• Zanim powtórzysz twierdzenie o skuteczności, ustal jego PICO, czyli dla kogo, w porównaniu z czym i pod jakim względem.
• Sprawdzaj, na którym piętrze piramidy stoi dowód. Metaanaliza badań z randomizacją waży inaczej niż opinia czy test na hodowli komórkowej.
• Zamieniaj redukcję względną na bezwzględną i na NNT, bo to one mówią pacjentowi coś realnego.
• Przy RR, OR i HR patrz, czy przedział ufności obejmuje 1. To najszybszy test istotności.

Czego unikać

• Nie powtarzaj „zmniejsza ryzyko o połowę” bez pytania, od jakiego poziomu wyjściowego.
• Nie myl istotności statystycznej z istotnością kliniczną i nie traktuj wartości p jak wyroczni.
• Nie traktuj wyniku nieistotnego z dużego, dobrego badania jako „badanie się nie udało”, bo to mocna informacja o braku efektu.

Na co zwrócić szczególną uwagę w aptece

• Pojedyncze, entuzjastyczne badanie sponsorowane przez producenta, zwłaszcza gdy jest jedyne.
• Bardzo szeroki przedział ufności, który zdradza małą próbę i słabą precyzję.
• Efekty zastępcze, czyli poprawa wyniku laboratoryjnego bez zmiany tego, co czuje pacjent.
• Wynik z wąskiej podgrupy przedstawiany tak, jakby dotyczył wszystkich, tak jak witamina C u sportowców kontra populacja ogólna.