Milloin tutkimus on kliinisesti merkittävä – GRADE-menetelmä Helena Liira LT, Dosentti, Kliininen opettaja Sidonnaisuudet: Palkkasuhteessa HY, HUS, Mehiläinen, tuottanut koulutusta: Pfizer, Abbott, palkkioita Kustannus Oy Duodecim

Grades of Recommendation Assessment, Development and Evaluation

GRADE: taustaa Alkoi epävirallisena työryhmänä vuonna 2000 Jäseninä tutkijoita ja hoitosuositusten laatijoita Tavoite: luoda yhteinen järjestelmä hoitosuositusten näytönasteen ja suositusten vahvuuden määrittämiseen Kokoontumisia n. 2/ vuosi Työ arviointia ja luokituksen kehittämistä* Linkit Cochrane-yhteistyöhön *Grade Working Group. CMAJ 2003, BMJ 2004, BMC 2004, BMC 2005

Miksi GRADE? Laaja taustatyö ja hoitosuositusyhteisön tuki Erottaa selvästi näytön vahvuuden ja suositusten vahvuuden Auttaa ratkomaan erimielisyyksiä Helpottaa kriittistä arviointia Edistää tiedon vaihtoa Yhä useammat hoitosuositukset hyödyntävät GRADE- pohjaista luokittelua

simple, intuitive, clear, Our guidance must be, as far as possible, simple, intuitive, clear, and transparent to our audience. Gordon Guyatt

Näytön vahvuus Varmuus siitä, että vaikutuksen tai assosiaation estimaatti on oikea. Näytön vahvuuteen vaikuttaa: Tutkimuksen asetelma (esim. RCT, kohorttitutkimus) Tutkimuksen laatu/rajoitteet (harhan mahdollisuudet, esim. satunnaistaminen, seuranta) Tulosten yhdenmukaisuus Näytön ‘suoruus’ (directness), esim. Tutkittava aineisto (kiinnostuksen kohteena oleva vai muu; esim. vanhempi, sairaampi, enemmän liitännäissairauksia) Interventiot (sama vai samantapainen, esim. tietyn ryhmän lääke) Tulosmuuttujat (keskeiset vs. surrogaatti) Vertailu (A - C versus A - B & C - B)

Mikä pudottaa näytön astetta? Näytön vahvuus (tai luottamuksemme siihen) voi HEIKETÄ, jos Tutkimuksissa eivät ole kelvollisia (Study limitations) Tulokset ovat epäyhtenäisiä (Inconsistency of results) Tulokset ovat ‘epäsuoria’ (Indirectness of evidence) Aineisto on niukka tai epätarkka (Imprecision) Esiintyy raportointiharhaa (Reporting bias)

Näytön laatu: interventiotutkimus RCT Satunnaistettu koe Vahva (A) A B Havainnoiva tutkimus Esim. kohortti Heikko (C) C D

Mikä nostaa näytön astetta? Havainnoivat tutkimukset (kohortit, tapaus-verrokki) ovat lähtökohtaisesti ‘low quality’ eli C-luokkaa Näytön vahvuus (tai luottamuksemme siihen) voi VAHVISTUA, jos todetaan Vahva assosiaatio (esim. lonkan protetisointi vaikeassa nivelrikossa) Annos-vastesuhde Kaikki sekoittavat tekijät olisivat heikentäneet assosiaatiota

Näytön laatu: havainnoiva tutkimus RCT Satunnaistettu koe Vahva (A) A B Havainnoiva tutkimus Heikko (C) C D

Näytönaste GRADEn mukaan Lähtökohtana PICO P = patient I = intervention C = comparator O = outcome Huomio keskeisiin outcomeihin (critical outcomes) Potilaan kannalta keskeiset outcomit

Grade: perusteita Erotetaan selvästi kaksi asiaa: Näytön vahvuus: vahva (A), kohtalainen (B), heikko (C), hyvin heikko (D) Tutkimuksen menetelmien kelvollisuus Harhan mahdollisuus Suosituksen vahvuus: heikko vai vahva? Hyötyjen ja haittojen punnitseminen Potilaan arvot ja valinnat *www.GradeWorking-Group.org GRADE Working Group. BMJ. 2004;328:1490-9.

Miksi suositusten vahvuus? Selkeä systeemi Voi suojata virheiltä ja erimielisyyksiltä Auttaa tutkimustiedon käyttöönotossa Vahva suositus Harvoin aihetta poiketa, kliinisesti merkittävä asia Heikko suositus Mieti tarkkaan, ota huomioon potilaan tilanne, hänen arvonsa ja odotuksensa GRADE Working Group. BMJ. 2004;328:1490-9.

Näytön vahvuus High: Further research is very unlikely to change our confidence in the estimate of effect. Moderate: Further research is likely to have an important impact on our confidence in the estimate of effect and may change the estimate. Low: Further research is very likely to have an important impact on our confidence in the estimate of effect and is likely to change the estimate. Very low: Any estimate of effect is very uncertain.

Vahvat ja heikot suositukset Vahvat suositukset Laadukkaat menetelmät ja tutkimuksessa selkeä, tarkka estimaatti tuloksesta Hyödyt selvästi suuremmat kuin haitat tai haitat selvästi suuremmat kuin hyödyt Selkeä suositus: näin kannattaa toimia Heikot suositukset Tutkimusten laadussa puutteita, pieni aineisto ja estimaatin luottamusväli laaja Hyödyt eivät välttämättä selvästi haittoja suuremmat Potilaan arvot ja odotukset hyvin merkittäviä Saattaa olla apua – saattaa olla niukasti hyötyä