Analiza medicinskih podataka zasnovanih na dokazima. Statistika kao alat za medicinu zasnovanu na dokazima

Postoji nekoliko definicija medicine zasnovane na dokazima:

• Ovo je nova tehnologija za prikupljanje, analizu, sintezu i korištenje medicinskih informacija koja vam omogućava donošenje optimalnih kliničkih odluka.
• To je svjesna, jasna i nepristrasna upotreba najboljih dostupnih dokaza za usmjeravanje odluka o skrbi za pojedinačne pacijente.
• To je unapređenje tradicionalnih vještina kliničara u dijagnostici, liječenju, prevenciji i drugim oblastima kroz sistematsko formulisanje pitanja i primjenu matematičkih procjena vjerovatnoće i rizika.

Odmah treba reći da izrazi "nedostatak dokaza", "nije dokazano" ili "nema dovoljno dokaza" nisu ekvivalentni izrazima "dokazano nema efekta" ili "dokazano nema koristi". Formulacija "nije dokazano" može ukazivati ​​na nedostatak znanja o problemu i izvodljivosti organiziranja većih studija ili korištenja drugih metoda prikupljanja informacija i provođenja statističke analize. Istovremeno, ne smijemo zaboraviti da obrnuta formulacija "dokazano" može ukazivati ​​na statističku manipulaciju u interesu proizvodnih firmi.

Medicina zasnovana na dokazima je zasnovana o istraživačkim metodama koje se koriste u epidemiologiji.

J.M. Na kraju, formuliranje moderne definicije epidemiologije, fokusira se na pojedinačne riječi u ovoj definiciji. Dakle, pod "proučavanjem" treba razumjeti izvođenje opservacijskih (opservacijskih) i eksperimentalnih studija, testiranje hipoteza i analizu rezultata.
„Širenje bolesti i faktora...“ obuhvata proučavanje učestalosti oboljevanja, smrti, faktora rizika, poštivanje preporuka lekara, organizaciju medicinske nege i njenu efikasnost.
"Cilna grupa" - grupa sa tačnim brojem ljudi i određenim starosnim, polnim, socijalnim i drugim karakteristikama.

Trenutno se savremeni koncept epidemiologije označava terminom "klinička epidemiologija". Ovaj termin dolazi od naziva dviju "matičnih" disciplina: kliničke medicine i epidemiologije.
"Klinički" jer nastoji odgovoriti na klinička pitanja i preporučiti kliničke odluke zasnovane na najpouzdanijim dokazima.
„Epidemiologija“ jer mnoge njene metode razvijaju epidemiolozi, a briga o određenom pacijentu se ovdje razmatra u kontekstu velike populacije kojoj pacijent pripada.

Klinička epidemiologija- nauka koja omogućava predviđanje za svakog pojedinačnog pacijenta na osnovu proučavanja kliničkog toka bolesti u sličnim slučajevima koristeći rigorozne naučne metode proučavanja grupa pacijenata kako bi se osigurala tačnost prognoza.

Svrha kliničke epidemiologije- razvoj i primjena takvih metoda kliničkog posmatranja, koje omogućavaju izvođenje pravednih zaključaka uz garantovanu procjenu uticaja sistematskih i slučajnih grešaka. Ovo je najvažniji pristup za dobijanje informacija koje su lekarima potrebne za donošenje ispravnih odluka.

Osnovna metoda u epidemiologiji je poređenje. Izvodi se matematičkim proračunima takvih veličina kao što su omjer šanse, omjer rizika razvoja događaja koji se proučavaju.

Međutim, prije nego što napravimo poređenje, potrebno je razumjeti s čime ćemo porediti (narandže s narandžama, a ne naranče s parobrodima), tj. formulirati zadatak (problem) koji prethodi početku bilo kojeg istraživanja. Najčešće se problem formulira u obliku pitanja na koje je potrebno pronaći odgovor.

Na primjer, hipotetički, nama (tj. praktičaru) je predstavljen lijek koji bi, prema riječima kemičara koji su ga sintetizirali, trebao liječiti petu. Farmakološka kompanija koja je pokrenula proizvodnju lijeka također u uputama uvjerava da se navedeni učinak zaista ostvaruje.

Šta praktičar može učiniti kada odlučuje da li će koristiti drogu?

Odgovor "vjerujte na riječ hemičarima/farmakolozima" isključen je kao trivijalan i pun posljedica. Naš zadatak- provjeriti tvrdnji učinak lijeka na petu sredstvima koja su dostupna praktičaru (potvrditi ili opovrgnuti, itd.). Naravno, lijek nećemo testirati na laboratorijskim miševima, volonterima itd. Pretpostavlja se da je prije "lansiranja u seriju" neko to već učinio manje-više savjesno.

Prema zadatku, započećemo formiranje niza podataka koji služe za njegovo rješavanje:

1. Potražimo prvo informacije.
2. Zatim isključujemo nebitne članke iz rezultirajućeg niza podataka (nebitni - neprikladni našim interesima).
3. Procijenit ćemo metodološki kvalitet pronađenih studija (koliko je ispravan način prikupljanja informacija u studiji, da li su primijenjene statističke metode analize adekvatne, itd.) i rangirati informacije u rezultirajućem nizu prema stepenu pouzdanosti dokaza zasnovanim o postojećim konvencijama medicinske statistike i kriterijumima pouzdanosti koje su predložili stručnjaci za medicinu zasnovanu na dokazima .

   Prema Švedskom savjetu za metodologiju zdravstvene evaluacije, pouzdanost dokaza iz različitih izvora nije ista i ovisi o vrsti provedene studije. Vrsta studije koja se izvodi, prema međunarodnom sporazumu Vancouver grupe biomedicinskih urednika (http://www.icmje.org/), mora biti pažljivo opisana; treba navesti i metode statističke obrade rezultata kliničkih ispitivanja, izjaviti sukob interesa, doprinos autora naučnom rezultatu i mogućnost traženja primarnih informacija od autora o rezultatima studije.

   Da bi se osigurala valjanost rezultata dobijenih u studijama, treba izabrati „na dokazima“, odnosno adekvatnu zadacima, metodologiju istraživanja (dizajn studije i metode statističke analize) (tabela 1), koju ćemo uzeti u obzir kada odabir informacija iz niza podataka.

   Tabela 1. Izbor metodologije istraživanja u zavisnosti od svrhe studije
   (za opis pojmova pogledajte Rečnik metodoloških pojmova)

   Ciljevi istraživanja	Dizajn studija	Metode statističke analize
   Procjena prevalencije bolesti	Simultano proučavanje cijele grupe (populacije) uz korištenje strogih kriterija za prepoznavanje bolesti	Procjena udjela, izračunavanje relativnih pokazatelja
   Procjena incidencije	kohortna studija	Procjena udjela, izračunavanje vremenskih serija, relativni pokazatelji
   Procjena faktora rizika za nastanak bolesti	kohortne studije. Studije kontrole slučaja	Korelacija, regresiona analiza, analiza preživljavanja, procjena rizika, omjer šansi
   Procjena uticaja faktora sredine na ljude, proučavanje uzročno-posledičnih veza u populaciji	Ekološke studije stanovništva	Korelacija, regresija, analiza preživljavanja, procjena rizika (dodatni rizik, relativni rizik, dodatni populacioni rizik, dodatni udio populacijskog rizika), omjer šansi
   Privlačenje pažnje na neobičan tok bolesti, rezultat liječenja	Opis slučaja, serija slučajeva	Ne
   Opis rezultata dosadašnje kliničke prakse	Opservacijski ("prije i poslije")	Srednja vrijednost, standardna devijacija, upareni Studentov t-test (kvantitativni podaci). McNimar test (kvalitativni podaci)
   Testiranje nove metode liječenja	I faza kliničkog ispitivanja ("prije i poslije")	Srednja vrijednost, standardna devijacija, upareni Studentov t-test. McNimar kriterij
   Poređenje dva tretmana u trenutnoj kliničkoj praksi	kontrolisana perspektiva. Nasumično (otvoreno, slijepo, dvostruko slijepo). Kontrolisana retrospektiva. Kontrolirana perspektiva + retrospektiva (mješoviti dizajn)	Studentov kriterijum (kvantitativni podaci). Kriterijum χ 2 ili z (kvalitativne karakteristike). Kaplan-Myersov kriterijum (opstanak)
   Poređenje novih i tradicionalnih metoda liječenja	Klinička ispitivanja II-IV faze (kontrolisana prospektivna ili randomizirana)	Studentov kriterijum. Kriterijum χ 2 . Kaplan-Myersov kriterij

   Svaki tip istraživanja karakterišu određena pravila za prikupljanje i analizu informacija. Ako se poštuju ova pravila, svaka vrsta istraživanja može se nazvati kvalitativnim, bez obzira da li potvrđuju ili opovrgavaju postavljenu hipotezu. Detaljnije statističke metode analize koje se koriste za dobijanje dokaza predstavljene su u knjigama Petri A., Sabin K. "Vizuelna statistika u medicini" (M., 2003), Glantz S. "Medicinska i biološka statistika" (M., 1999. ).

   Stepen "dokaza" informacija rangirani na sljedeći način (u opadajućem redoslijedu):

   1. Randomizirano kontrolirano kliničko ispitivanje;
   2. Nerandomizirano kliničko ispitivanje s istovremenom kontrolom;
   3. Nerandomizirano kliničko ispitivanje s povijesnom kontrolom;
   4. kohortna studija;
   5. "Kontrola slučaja";
   6. Unakrsno kliničko ispitivanje;
   7. Rezultati posmatranja.

   Rezultati studija sprovedenih pojednostavljenim metodama ili metodama koje ne odgovaraju ciljevima studije, uz pogrešno odabrane kriterijume evaluacije, mogu dovesti do pogrešnih zaključaka.

   Upotreba složenih metoda evaluacije smanjuje vjerovatnoću pogrešnog rezultata, ali dovodi do povećanja tzv. administrativnih troškova (prikupljanje podataka, kreiranje baze podataka, metode statističke analize).

   Tako, na primjer, u studiji E.N. Fufaeva (2003) je otkrila da je kod pacijenata koji su prije operacije imali grupu invaliditeta, očuvanje invaliditeta registrovano u svih 100%. Među pacijentima koji nisu imali invalidsku grupu prije kardiohirurgije, u 44% slučajeva nakon operacije određena je grupa invaliditeta. Na osnovu ovog rezultata mogu se izvesti lažni zaključci da kardiohirurgija pogoršava kvalitetu života pacijenata. Međutim, tokom ankete se pokazalo da je 70,5% pacijenata i 79,4% lekara koji su posmatrali ove pacijente zadovoljno rezultatima lečenja. Registracija grupe invaliditeta je zbog socijalnih razloga (povlastice za dobijanje lekova, plaćanje stanovanja i sl.).

   Značaj socijalne zaštite u pitanjima radne sposobnosti potvrđuju i rezultati studije sprovedene u Sjedinjenim Državama i nisu otkrili jasnu vezu između kliničkog stanja (somatske bolesti) pacijenta i radne sposobnosti.

   Da bi se uporedile stope zaposlenosti nakon PTBA i CABG, pregledano je 409 pacijenata (Hlatky M.A., 1998), njih 192 je podvrgnuto PTBA, a 217 CABG. Ustanovljeno je da se pacijenti koji su podvrgnuti PTBA vraćaju na posao šest sedmica brže od pacijenata koji su bili podvrgnuti CABG-u. Međutim, dugoročno se pokazalo da je utjecaj takvog faktora kao što je vrsta operacije beznačajan. Tokom naredne četiri godine, 157 pacijenata (82%) u TBA grupi i 177 pacijenata (82%) u CABG grupi vratilo se na posao. Najjači uticaj na dugoročnu stopu zaposlenosti imali su faktori kao što su starost pacijenta u trenutku početka istraživanja i stepen zdravstvenog osiguranja.

   Dakle, zdravstveni faktori su dugoročno imali manji uticaj na stopu zaposlenosti od demografskih i društvenih faktora. Rezultati do kojih su došli ruski i američki istraživači ukazuju da su neke od tradicionalnih i naizgled jednostavnih metoda za procjenu ishoda liječenja neprihvatljive za odabir prioriteta i donošenje odluka.

4. Nakon toga ćemo napraviti sistematski pregled - metaanaliza, procijenićemo nivo pouzdanosti rezultata dobijenih tokom studija i uporediti: da li postoje prednosti proučavanih metoda dijagnostike, liječenja, načina plaćanja usluga, ciljanih programa u odnosu na one koje su upoređivane ili korištene ranije.

   Ako uključimo informacije sa niskim stepenom sigurnosti, onda se o ovoj tački u našoj studiji mora raspravljati odvojeno.

   Centar za medicinu zasnovanu na dokazima u Oksfordu nudi sledeće kriterijume za pouzdanost medicinskih informacija:

   • Visoko samopouzdanje- informacije su zasnovane na rezultatima nekoliko nezavisnih kliničkih ispitivanja sa slaganjem između rezultata sažetih u sistematskim pregledima.
   • Umjerena sigurnost- informacije su zasnovane na rezultatima najmanje nekoliko nezavisnih, sličnih kliničkih ispitivanja.
   • Ograničena sigurnost– informacije zasnovane na rezultatima jednog kliničkog ispitivanja.
   • Ne postoje rigorozni naučni dokazi(klinička ispitivanja nisu sprovedena) - određena izjava je zasnovana na mišljenju stručnjaka.
5. I u zaključku, nakon procjene mogućnosti korištenja rezultata studije u stvarnoj praksi, objavit ćemo rezultat:

   Ovo je, naravno, šala, ali u svakoj šali ima istine.

   Obično se objavljuju studije koje su pokazale pozitivne rezultate, kao što je pokazivanje novog tretmana. Ako se radna hipoteza (zadatak, problem) ne potvrdi ili ne nađe pozitivno rješenje, tada istraživač po pravilu ne objavljuje podatke istraživanja. Ovo može biti opasno. Tako je 80-ih godina dvadesetog veka grupa autora istraživala antiaritmički lek. U grupi pacijenata koji su ga primili utvrđen je visok mortalitet. Autori su ovo smatrali nesrećom, a budući da je razvoj ovog antiaritmičkog lijeka prekinut, materijale nisu objavili. Kasnije je sličan antiaritmički lijek, flekainid, izazvao mnoge smrtne slučajeve 1-2.
   ________________________

   1. N Engl J Med. 1989 Aug 10;321(6):406-12, Preliminarni izvještaj: efekat enkainida i flekainida na mortalitet u randomiziranom ispitivanju supresije aritmije nakon infarkta miokarda. Istražitelji ispitivanja supresije srčane aritmije (CAST).

Gornji algoritam za pronalaženje i procjenu dokaza predložili su D.L. Sackett et al (1997). Može se koristiti u bilo kojoj studiji, čak i kada se procjenjuje utjecaj mjesečevih faza na rast telegrafskih stubova.

Trenutno je učešće statističara u planiranju i analizi rezultata kliničkih ispitivanja uobičajena i rasprostranjena praksa. Uloga analize podataka u raspravi o projektu u cjelini raste.

Što se tiče provođenja kliničkih ispitivanja, matematička statistika može pomoći u formulisanju cilja, razvoju dizajna, izboru metoda randomizacije, određivanju potrebnog broja pacijenata za dobijanje statistički značajnog zaključka, direktno pri analizi dobijenih rezultata i formiranju zaključka.

Savremene kompjuterske tehnologije čine statističke metode dostupne svakom lekaru. Program STATISTIKA sa korisničkim sučeljem implementiranim u obliku dijaloških okvira koji se uzastopno otvaraju, omogućit će vam i početno istraživanje vaših podataka i dubinsku analizu. Korišćenjem STATISTIKA Možete pripremiti analitički izvještaj, napisati članak, pripremiti prezentaciju i govor na konferenciji.

STATISTIKA omogućava vam da brzo i efikasno rešite probleme kao što su:

• Planiranje medicinskih istraživanja i priprema podataka
• Izračunavanje glavnih deskriptivnih karakteristika proučavanih veličina (srednja vrijednost, standardna devijacija, varijansa, intervali povjerenja, srednje greške, medijan, kvartili, itd.)
• Vizuelna prezentacija podataka: crtanje kvaliteta prezentacije (histogrami, dijagrami raspršenja, dijagrami kutija, dijagrami srednje greške, linijski dijagrami, itd.)
• Identifikacija statistički značajnih razlika između uzoraka
• Analiza zavisnosti između faktora
• Analiza preživljavanja (analiza životnog vijeka u jednoj ili više grupa, poređenje grupa po životnom vijeku, procjena uticaja faktora na životni vijek pacijenata)
• Proračun potrebne veličine uzorka, analiza snage kriterija
• Predviđanje ishoda liječenja
• i sl.

Više o glavnim zadacima medicine

Određivanje potrebne veličine uzorka

Prije početka studije važno je odrediti veličinu uzorka potrebnu za otkrivanje značajnog efekta.

Na primjer, koliko pacijenata bi trebalo biti uključeno u svaku grupu za liječenje da bi imali 90% moći detekcije 5% značajne razlike u smanjenju krvnog tlaka?

Analiza preživljavanja, poređenje preživljavanja u različitim grupama

Da li se razlikovalo vrijeme do smrti, recidiva ili slično? zavisno od vrste tretmana? Koji faktori su uticali na preživljavanje? Kako procijeniti vrijeme pravilnog rada proteze?

Možete izgraditi Kaplan-Meier krivulje, kao i testirati hipotezu jednakosti preživljavanja u grupama koristeći Gehan-Wilcoxon, Cox-Mentel, Cox F-test, log-rank test, itd., u modulu Survival Analysis.

Osim toga, kao dio industrijskog rješenja STATISTIKA može se izgraditi kako bi se dobio sistem prilagođen rješavanju problema Kupca. Sistem automatizuje i osnažuje STATISTIKA(na primjer, provođenjem meta-analize, itd.).

STATISTIKA- potpuno na ruskom!

STATISTIKA je priznati standard za analizu medicinskih podataka. Pomoću programa sprovedeno je na hiljade kandidatskih i doktorskih disertacija, mnoga istraživanja u medicini STATISTIKA.

STATISTIKA je moćan analitički sistem koji korisnicima pruža izuzetne mogućnosti u oblasti analize biomedicinskih podataka, koji sadrži ogroman broj analitičkih procedura, prikupljenih u odvojenim modulima i predstavljenih kao niz dijaloških okvira koji se otvaraju.

Upravljanje podacima, upiti baze podataka, grafika se rade u zgodno otvorenim dijaloškim okvirima sa dva klika mišem.
STATISTIKA Omogućuje vam rješavanje raznih zadataka koji se javljaju u analizi medicinskih podataka, u rasponu od preliminarne deskriptivne analize podataka do dubinskog razumijevanja uzroka proučavanih fenomena, testiranja hipoteza, procjene značaja efekata i izgradnje prediktivnih modela.

Statističke metode omogućavaju procjenu stepena utjecaja lijekova na tok bolesti, upoređivanje različitih lijekova, testiranje metoda liječenja, obradu rezultata kliničkih ispitivanja lijekova, razumijevanje etiologije bolesti, identifikaciju najznačajnijih markera, procjenu prediktivnog vrijednost dijagnostičkih testova i otkrivanje nuspojava.

STATISTIKA omogućava vam da efikasno vizualizujete podatke koristeći različite grafičke alate, sprovodite istraživačku grafičku analizu, upravljate podacima i razvijate sopstvene aplikacije, i pripremate automatske izveštaje o rezultatima studije.

Možete prilagoditi gotovo bilo koju vrstu analize za sebe STATISTIKA, uključujući procedure niskog nivoa i korisničkog interfejsa.

Rad sa bazama podataka, čišćenje, filtriranje podataka, uklanjanje odstupanja, monotone nekreativne procedure sada se obavljaju jednim klikom u praktičnom korisničkom interfejsu.

Za rješavanje medicinskih problema najčešće se koriste sljedeći proizvodi i alati STATISTIKA:

Zahvaljujući naporima StatSofta STATISTIKA u potpunosti preveden na ruski i podržan od strane StatSoft kurseva, kao i brojnih knjiga i tutorijala.

Također održavamo redovne besplatne seminare i webinare na kojima možete naučiti o najnovijim istraživanjima medicinskih podataka, našim metodama podučavanja i našim konsultantskim uslugama. Sa nekim slučajevima možete se upoznati u odjeljku Primjeri.

Prvi korak ka konsaltingu u StatSoftu su .

U sklopu obuke u Akademija za analizu podataka visokokvalifikovani StatSoft specijalisti drže predavanja, kako o osnovnim principima analize podataka, tako io dubljim statističkim metodama medicine zasnovane na dokazima.

Nakon završene obuke u StatSoftu, moći ćete da pređete na novi nivo u kliničkim ispitivanjima, da kritički sagledate članke, publikacije i dobijete odgovore na sva vaša pitanja o analizi podataka.

Pozivamo vas na kurseve Akademije za analizu podataka koji su dostupni u vrijeme koje vam odgovara.

Kursevi Akademije za analizu podataka StatSoft iz medicine/farmakologije:

Na našim kursevima ćemo vam detaljno objasniti kako da pripremite podatke, unesete ih STATISTIKA, uvoz iz drugih programa, obavljanje deskriptivne i vizuelne analize, pronalaženje odnosa između varijabli, građenje modela objašnjenja.

Detaljno, korak po korak, učimo vas kako da radite u programu STATISTIKA i objasnite koje metode istraživanja trebate koristiti da biste riješili svoj problem.

Za razumijevanje gradiva nije potrebno prethodno poznavanje metoda statističke analize i matematike. Tokom kursa dobijaju se sva potrebna znanja. Učenici uče da izračunavaju i tumače deskriptivnu statistiku, vizualiziraju podatke, prave unakrsne tabele, pronalaze odnose i uspostavljaju zajedničke obrasce.

Ukoliko želite da unapredite svoje veštine, sprovedete analitičku studiju, napišete disertaciju statističkim metodama, pozovite ili nam pišite.

Napominjemo da možete kreirati individualni program obuke odabirom tema koje vas zanimaju.

Kao dio konsultantski projekti, Akademija za analizu podataka StatSoft pruža pomoć u statističkoj analizi podataka, rješavajući probleme različitih razmjera:

Razvoj koncepta i planiranje statističke analize kliničkih ispitivanja

Analiza rezultata kliničkih i pretkliničkih studija

Izrada metoda i analitičkih izvještaja o istraživanjima

Individualne konsultacije doktora u sklopu izrade naučnih članaka i disertacija

Sveobuhvatna analiza biomedicinskih podataka uključuje studije bioekvivalencije, superiornosti, neinferiornosti, ekvivalencije, uporedivosti lijekova, razvoj i poređenje dijagnostičkih testova, validaciju metoda i rješavanje specifičnih problema u analizi biomedicinskih podataka.

Postmarketinško istraživanje se provodi korištenjem Data Mining tehnologija, koje omogućavaju otkrivanje nuspojava, nepoželjnih interakcija lijekova na velikim bazama podataka.

Vršimo izradu SAP (Statistical Analysis Plan), planiranje, praćenje i statističku analizu studija u skladu sa međunarodnim principima i standardima.

Principi statističkog istraživanja biomedicinskih podataka navedeni su u međunarodnim dokumentima GCP i ICH, oni su korporativni standard StatSoft-a (pogledajte materijale ICH - Međunarodne konferencije o harmonizaciji tehničkih zahtjeva za registraciju lijekova za ljudsku upotrebu http:/ /www.ich.org/home.html - E9 (Statistički principi za klinička ispitivanja), ICH E3 (Struktura i sadržaj izvještaja o kliničkim studijama), E6 (Dobra klinička praksa)).

Kliničke studije treba pažljivo planirati, potkrepiti, sveobuhvatno testirati, prethoditi im retrospektivna analiza, metaanaliza, detaljno opisati, prikazati jasnim dijagramima, grafikonima i tabelama, opravdana je upotreba statističkih metoda.

Samo pažljivo planirana klinička ispitivanja imaju efekta, a razvijeni lijek ili terapija zaista će služiti ljudima, a ne imati trenutni učinak.

Naši klijenti su najveći medicinski centri u Rusiji i svetu:

Univerzitetska klinika KFU
Saratovski regionalni centar za kardiohirurgiju
Centar za medicinsku biotehnologiju
FBUN Saratovski istraživački institut Rospotrebnadzora
Centar za farmakoekonomska istraživanja
Moskovski istraživački institut za psihijatriju Ministarstva zdravlja i socijalnog razvoja
Ruski nacionalni istraživački medicinski univerzitet. N.I. Pirogov
FSBI "Ruski kardiološki istraživačko-proizvodni kompleks" Ministarstva zdravlja i socijalnog razvoja Ruske Federacije
Ruski naučni centar za hirurgiju nazvan po V.I. B.V. Petrovsky RAMS
Istraživački institut za kardiologiju, Ministarstvo zdravlja Ruske Federacije
Federalno državno jedinstveno preduzeće "Antidoping centar"
Moskovski istraživački institut za onkologiju nazvan po V.I. P.A. Herzen
Istraživački institut za neurologiju RAMS
Moskovski istraživački institut za dijagnostiku i hirurgiju
Istraživački institut za neurohirurgiju. Burdenko
Naučni centar za akušerstvo, ginekologiju i perinatologiju IN AND. Kulakova
Naučni centar za neurologiju RAMS
Naučni centar za kardiovaskularnu hirurgiju. A.N. Bakuleva RAMS
Istraživački institut za očne bolesti
Istraživački institut za infoekologiju

i mnogi drugi.

Iz recenzija korisnika:

Istraživački institut za neurologiju RAMS

Upotreba statistike u medicinskim i biološkim istraživanjima nije ograničena na analizu podataka. Statističke metode treba koristiti i u fazi planiranja biološkog eksperimenta ili medicinske studije. Za analizu podataka u biološkom eksperimentu potrebno je koristiti statistiku, inače se zaključci ne mogu smatrati znanstveno utemeljenim.

Centar za medicinsku biotehnologiju

Odlični ste! Hvala na atmosferi intelektualnog komfora!

Lyashenko Alla Anatolievna,
generalni direktor, kandidat bioloških nauka
Iz osvrta na kurs „Dubinski kurs STATISTIKA za medicinske primjene »

FGOU VPO MGAVMiB nazvan po K.I. Skrjabin

Hvala vam puno - odličan početni kapital za rad sa verzijom 10 i za rad sa studentima, puno korisnih stvari u metodi. poštovanje.

Novikov Viktor Emanuilovič,
Vanredni profesor na Katedri za biofiziku i radiobiologiju

Serdiks, grupa kompanija Servier

Hvala na odličnoj organizaciji kurseva, zanimljivom i uzbudljivom izlaganju materijala.

Moskvin Dmitrij Nikolajevič,
DOO "Serdiks", proizvodno preduzeće grupe farmaceutskih kompanija Servier u Rusiji

Veoma sam zahvalan nastavniku na jasnom, razumljivom, vizuelnom, doslednom objašnjenju i odgovorima na pitanja koja se nameću. Teške teme su predstavljene na način da ih čak i neupućena osoba može savladati. Organizacija kursa je takođe veoma vredna.

Seleznjev Dmitrij Mihajlovič,
medicinski savjetnik

POGLAVLJE V ANALIZA MEDICINSKIH PUBLIKACIJA SA POZICIJE DOKAZNE MEDICINE

POGLAVLJE V ANALIZA MEDICINSKIH PUBLIKACIJA SA POZICIJE DOKAZNE MEDICINE

Naslov članka. Zanimljiv naslov privlači pažnju. Ako vas zanima, možete nastaviti s daljnjim radom na članku. Posebno su zanimljivi članci i recenzije čiji naslov sadrži informacije o principu „za“ i „protiv“, jer će pored moguće interesantne pozicije autora ovdje biti dati argumenti i kontraargumenti. Koristeći listu preporučene literature, lako ćete se upoznati sa primarnim izvorima i formirati vlastito mišljenje o problemu (npr.

Na primjer, dodatak sadrži članak “Diuretici: dokazani i nedokazani”).

Nakon naslova uvijek slijedi spisak autora i naziv institucije, u kojoj je posao obavljen. Susret sa poznatim i poznatim imenom i uglednom institucijom omogućava vam da unaprijed zamislite kvalitativni nivo istraživanja. Ako članak predstavlja rezultate RCT-a, preporučljivo je odvojiti vrijeme i pronaći informacije na web stranici Roszdrava o tome da li ova institucija ima dozvolu za provođenje istraživanja. Prisustvo licence, kao i iskustvo u sličnim poslovima, omogućavaju nam da se prema informacijama sadržanim u publikaciji odnosimo s velikim povjerenjem.

apstraktno omogućava vam da dobijete proširenu ideju o suštini studije, kontingentu njenih učesnika i zaključcima. Ako podaci ispunjavaju zadatak pronalaženja informacija, možete nastaviti s analizom članka. U nedostatku sažetka, trebali biste se odmah upoznati sa zaključcima studije, objavljenim na kraju članka.

Naslov, sažetak i zaključci trebali bi dati predstavu o mogućem znanstvenom i metodološkom nivou studije, kategoriji pacijenata i mogućnosti primjene njegovih rezultata u stvarnoj praksi (na primjer, dijagnostičke mogućnosti poliklinike i specijaliziranih centara). značajno razlikuju u korist potonjeg).

Metode istraživanja- jedan od ključnih dijelova publikacije, jer upravo on daje ideju o kvaliteti rezultata i zaključaka, jer loše planirana i izvedena studija nestandardnim metodama ne može biti osnova za donošenje odluka.

Trenutno su formirani metodološki zahtjevi za visokokvalitetna klinička ispitivanja:

Prisustvo kontrolne grupe (placebo, konvencionalna terapija, intervencija poređenja);

Kriterijumi za uključivanje i isključivanje pacijenata iz studije;

Dizajn studije (distribucija pacijenata uključenih u studiju prije i nakon randomizacije);

Opis metode randomizacije;

Opis principa upotrebe droga (otvoreno, slijepo, dvostruko slijepo, trostruko slijepo);

. „slijepo“ i neovisno ocjenjivanje rezultata liječenja, ne samo po krajnjim tačkama, već i uzimajući u obzir laboratorijske i instrumentalne pokazatelje;

Prezentacija rezultata (posebna pažnja posvećena je kliničkoj i demografskoj uporedivosti kontrolne i studijske grupe);

Informacije o komplikacijama i nuspojavama liječenja;

Informacije o broju pacijenata koji su odustali tokom studije;

Kvalitativna i adekvatna statistička analiza korištenjem licenciranih statističkih programa;

Predstavljanje rezultata u obliku koji se može unakrsno provjeriti (neprihvatljive su samo procentualne i delta promjene indikatora);

Indikacija sukoba interesa (sa kojim organizacijama autor sarađuje i ko je bio sponzor studije).

Nemali broj publikacija ispunjava sve navedene uslove, pa je prilikom analize članaka potrebno ne samo navesti postojeće nedostatke, već i procijeniti njihov uticaj na pouzdanost izvedenih zaključaka.

Većina stručnjaka iz oblasti medicine zasnovane na dokazima identifikuje najvažnije komponente kvalitetne medicinske publikacije.

Upotreba randomizacije pacijenata u studiji.

U međunarodnim recenziranim časopisima, randomizacija je prijavljena u 90% članaka o kliničkim ispitivanjima, ali samo 30% njih opisuje specifičnu metodu randomizacije. Danas je pominjanje koncepta „randomizacije“, posebno u domaćim radovima, postalo znak „dobrog“ tona. Međutim, metode koje se koriste često nisu takve i ne mogu osigurati homogenost upoređenih grupa. Ponekad razlika u broju pacijenata u uporednim grupama ukazuje da randomizacija uopšte nije sprovedena. Ne može se pripisati metodama randomizacije i "raspodjela pacijenata u grupe nasumično". Upotreba nekvalitetnih metoda randomizacije, očigledni nedostaci u ponašanju ili njegovo odsustvo čine dalje proučavanje publikacije beskorisnim i besmislenim, jer će nalazi biti nedokazani. Odsustvo kvalitetnih informacija o problemu od interesa bolji je od korištenja nekvalitetnih informacija u donošenju odluka. Nažalost, u stvarnoj praksi, lošije studije prevladavaju nad visokokvalitetnim studijama.

Glavni kriterijumi za procenu efikasnosti lečenja. Važno je da publikacija koristi opšte prihvaćene teške i surogatne krajnje tačke specifične za bolest. Ne možemo se složiti sa mišljenjem V.V. Vlasov „Nažalost, zamena „konačnih „rezultata (istinski kriterijumi evaluacije – klinički ishodi) „srednjim” (indirektni kriterijumi evaluacije kao što su snižavanje nivoa glukoze ili holesterola u krvi, krvni pritisak) je veoma česta. Danas za svaku nozologiju postoje striktno definirane zamjenske krajnje točke koje utječu na prognozu bolesti. U brojnim studijama postizanje "tvrdih" krajnjih tačaka je u principu nemoguće, pa je procjena efikasnosti intervencije po njenom uticaju na surogat krajnje tačke sasvim prihvatljiva. Druga stvar je da se moraju pravilno odabrati: na primjer, za arterijsku hipertenziju, ovo je razina krvnog tlaka, a ne stanje peroksidacije lipida. Općenito, rad na proučavanju sljedećeg izoenzima, po pravilu, nema klinički značaj iz dva razloga: prvo, niko drugi ih ne određuje osim autora, i drugo, veza sa krajnjim "tvrdim" točkama gotovo nikada nije dokazan.

Značaj rezultata istraživanja i njihova statistička značajnost. Samo ono što se dešava sa velikom vjerovatnoćom je statistički značajno, a vjerovatnoća se mora postaviti prije početka studije. Klinički je značajno da se može koristiti kod širokog spektra pacijenata. Po svojoj djelotvornosti značajno je superiorniji, a po sigurnosti ne inferioran u odnosu na već postojeće alternativne metode liječenja i dijagnostike.

Velika veličina uzorka (broj pacijenata) u velikim RCT-ovima omogućava statistički pouzdano otkrivanje čak i malih efekata upotrebe ispitivanih lijekova. Mala veličina uzorka karakteristična za većinu publikacija to ne dozvoljava, pa mali učinak u njima znači da će samo mali dio pacijenata (1-2%) dobiti pozitivan učinak od intervencije. Procjena sigurnosti intervencije kod malog broja pacijenata smatra se neetičkim. Odluke se ne mogu donositi na osnovu "izraženog trenda", one mogu biti predmet daljih naučnih istraživanja, ali ne i osnova za kliničko odlučivanje. Osim toga, podaci korelacijske i regresione analize ne mogu se koristiti kao osnova za klinički značajne zaključke, jer odražavaju smjer

intenzitet i ozbiljnost odnosa indikatora, a ne promjena kao rezultat intervencije.

U posljednje vrijeme javljaju se određeni problemi sa studijama velikih razmjera. Broj njihovih sudionika ponekad je toliko velik da čak i neznatno odstupanje neke osobine kao rezultat intervencije može postati statistički značajno. Na primjer, ispitivanje ALLHAT uključilo je 33.357 pacijenata, od kojih je 15.255 liječeno hloratalidonom, a ostali su liječeni amlodipinom ili lizinoprilom. Do kraja studije, grupa koja je primala hlortalidon pokazala je povećanje glukoze za 2,8 mg/dL (2,2%), au grupi koja je primala amlodipin smanjena je za 1,8 mg/dL (1,3%). Ove promjene, koje u stvarnoj kliničkoj praksi možda nisu dobile nikakav značaj, pokazale su se statistički značajnim.

Odsustvo značajnih razlika u efikasnosti upoređenih metoda istraživanja najčešće se povezuje sa malim brojem pacijenata u uzorku. Nedovoljna veličina uzorka čini negativan rezultat nedovoljnim za negativnu ocjenu liječenja, a ako se dobije pozitivan učinak, intervencija ne dozvoljava da se sa sigurnošću preporuči širokoj kliničkoj praksi.

Pored procene efikasnosti intervencije u odnosu na "tvrde" i "surogate" krajnje tačke, važno je znati i njen uticaj na kvalitet života (na primer, za pacijenta sa bolom, promena ovog indikatora je veća). važniji od uticaja na rizik od dekompenzacije hronične srčane insuficijencije kada se koriste NSAIL).

Dostupnost metode u stvarnoj kliničkoj praksi.

Liječnik mora odlučiti koliko je uporediva grupa pacijenata uključenih u studiju sa onim pacijentima na koje namjerava da je primjenjuje (demografske karakteristike, težina i trajanje bolesti, komorbiditeti, udio muškaraca i žena, postojeće kontraindikacije za dijagnostiku i/ili terapijske mjere itd.).

Gore predstavljene informacije uglavnom su se odnosile na studije koje procjenjuju efikasnost novih tretmana. Publikacije o dijagnostičkim problemima i fundamentalnim problemima etiologije i patogeneze bolesti imaju niz razlika kako u svojoj suštini tako iu atributivnim karakteristikama, što ih čini informativnim sa stanovišta medicine zasnovane na dokazima.

PUBLIKACIJE O DIJAGNOSTICI

Dijagnostičke procedure se mogu koristiti u različite svrhe:

Kao obavezni standard pregleda (npr. mjerenje krvnog tlaka, određivanje tjelesne težine, analiza krvi i urina i sl.) provodi se za sve osobe koje se nađu u zdravstvenoj ustanovi u vezi sa bilo kojom bolešću radi isključivanja prateće patologije (nalaz slučaja );

Kao sredstvo za skrining za identifikaciju pacijenata u zdravoj populaciji (npr. testiranje na fenilketonuriju u porodilištu ili mjerenje krvnog tlaka za identifikaciju osoba s hipertenzijom);

Za postavljanje i razjašnjavanje dijagnoze (na primjer, EKG i ezofagogastroendoskopija u prisustvu bolova u lijevoj strani grudnog koša);

Za dinamičko praćenje efikasnosti lečenja (na primer, dnevno praćenje krvnog pritiska tokom antihipertenzivne terapije).

S tim u vezi, potrebno je u članku imati jasne informacije o svrsi preduzete dijagnostičke intervencije.

Da bi se procijenila pouzdanost informacija o prednostima predložene dijagnostičke intervencije, potrebno je odgovoriti na niz pitanja:

Da li je predložena metoda upoređena sa postojećim "zlatnim standardom" za određenu patologiju (na primjer, ehokardiografija sa EKG-om kod koronarne arterijske bolesti, brzina pulsnog talasa uz ultrazvučno određivanje debljine intima-medijskog kompleksa);

Da li je odabrana metoda poređenja zaista "zlatni standard";

Da li su dijagnostičke intervencije upoređene sa zasljepljivanjem;

Da li su date granice moguće primene dijagnostičke metode (npr. prvi sati infarkta miokarda za troponine, nivo glikiranog hemoglobina itd.);

Da li je komorbiditet široko zastupljen, koji utiče na efikasnost dijagnostičke intervencije;

Koliko je ponovljiva dijagnostička metoda i da li zavisi od "operatora" (na primjer, morfometrija sa ehokardiografijom).

Lekari precenjuju reproduktivnost imidž studija (ultrazvuk, rendgenski, radioizotopski, elektrokardiografski i endoskopski);

Na osnovu kojih testova razlikuju se norma i patologija.

Koncept norme i tačke razdvajanja moraju biti jasno artikulisani. Tačka razdvajanja je vrijednost fiziološkog indikatora, koji služi kao granica koja razdvaja ljude na zdrave i bolesne. Dakle, vrijednosti 140/90 i 130/80 mm Hg mogu se uzeti kao normalan nivo krvnog pritiska. Naravno, ovisno o tome, mogu se dobiti značajne razlike, na primjer, u učestalosti hipertrofije lijeve klijetke upotrebom bilo koje evaluativne dijagnostičke tehnike. Tačka razdvajanja (x2) omogućava vam da procenite osetljivost, specifičnost i prediktivnu vrednost dijagnostičke intervencije. Povećanje vrijednosti split pointa smanjuje osjetljivost, ali povećava specifičnost i prediktivnu vrijednost pozitivne dijagnostičke intervencije. Shodno tome, sa smanjenjem vrijednosti tačke razdvajanja ulijevo (x1), povećava se osjetljivost i prediktivna vrijednost negativnog rezultata, ali se smanjuje specifičnost i prediktivna vrijednost pozitivnog rezultata dijagnostičkog testa. Za opis promjena u rezultatima studije, ovisno o izboru točke razdvajanja, koristi se takozvana ROC-analiza (analiza operativnih karakteristika prijemnika) koja vam omogućava da procijenite rizik od lažno pozitivnih rezultata.

Prilikom analize publikacija o dijagnostičkim intervencijama potrebno je procijeniti:

Koliko je uvjerljivo dokazano da upotreba novog dijagnostičkog testa u kombinaciji sa drugim testovima standardnim za ovu patologiju povećava efikasnost dijagnostike. Neefikasna dijagnostička intervencija neće poboljšati dijagnostičke performanse kada se doda postojećoj „bateriji za dijagnostičko testiranje“. Kriterij korisnosti dijagnostičkog testa je sposobnost da se uz njegovu pomoć pozitivno utječe na ishod bolesti (na primjer, zbog ranijeg ili pouzdanijeg otkrivanja patologije);

Da li je moguće koristiti novu dijagnostičku intervenciju u realnoj svakodnevnoj kliničkoj praksi;

Koliki je rizik od nove dijagnostičke intervencije (čak i rutinska dijagnostička intervencija ima svoj rizik od komplikacija, kao što je biciklergometrija, a još više koronarna angiografija kod IHD);

Kolika je cijena nove dijagnostičke intervencije u odnosu na postojeće, a posebno sa „zlatnim standardom“ (npr. cijena EKG-a i EchoCG-a za određivanje hipertrofije lijeve komore značajno se razlikuju, ali je potonja metoda mnogo preciznija) ;

Koliko je detaljan postupak izvođenja dijagnostičke intervencije (priprema pacijenta, tehnika izvođenja dijagnostičke intervencije, metode čuvanja primljenih informacija).

PUBLIKACIJE O TOKU BOLESTI

Najteže je analizirati publikacije koje se odnose na tok bolesti, jer od lekara zahtevaju znanje iz oblasti neinfektivne epidemiologije.

Važna pitanja na koja lekar mora da odgovori kada analizira kvalitet datih informacija su:

Koji princip je stavljen u formiranje studijske grupe pacijenata (ambulanta, opšta ili specijalizovana bolnica, poliklinika);

Da li postoje jasni dijagnostički kriterijumi za raspoređivanje pacijenata u studijsku grupu? Na primjer, u medicinskoj literaturi ne postoji jasna definicija pojma vegetovaskularne distonije. Dakle, potpuno različiti pacijenti mogu upasti u studijsku grupu;

Da li su kriterijumi za ishod bolesti jasno formulisani i da li odgovaraju onima koji su trenutno prihvaćeni. Očigledna je samo dokumentovana smrt, iako ovdje na uzrok smrti može ozbiljno utjecati mjesto gdje je konstatovana (kod kuće ili u bolnici, obavljena je obdukcija ili ne). Za sve ostale slučajeve treba razviti jasne kriterijume, poželjno je da krajnje tačke evaluira nezavisna komisija eksperata („streaming committee“);

Kako je organizovano prospektivno posmatranje toka bolesti (odlazak kod lekara, hospitalizacija, smrt).

Potpunost praćenja je ključna tačka kvalitativne studije toka bolesti. Ako tijekom promatranja više od 10% pacijenata odustane, tada se rezultati takve studije smatraju sumnjivim. S obzirom da više od 20% pacijenata odustaje, rezultati studije ne predstavljaju nikakvu naučnu vrijednost, jer se u grupama s visokim rizikom od komplikacija i mortaliteta jednostavno ne mogu pratiti. Posebna nezavisna komisija treba da razmotri razloge za odustajanje od svakog pacijenta:

Ko i kako (na slijepo ili ne) procjenjuje ishod bolesti;

Da li je uzet u obzir uticaj komorbiditeta na krajnje tačke. Ako ne, onda su dostupni rezultati značajno iskrivljeni kliničkim i demografskim karakteristikama studijske grupe;

Kako i sa kojom tačnošću je izračunata prediktivna vrijednost simptoma i događaja. Vjerovatnoća razvoja proučavanih događaja (smrtnost, preživljavanje, razvoj komplikacija) je glavni rezultat. Može se predstaviti kao vjerovatnoća ili učestalost u dijelovima jedan (0,35), u procentima (35%), ppm (35?), omjer šansi (3,5:6,5). Obavezno navedite interval pouzdanosti, koji će vam omogućiti da ispravno ekstrapolirate rezultate na stvarni kontingent pacijenata. Istovremeno, gotovo uvijek je potrebno standardizirati podatke dobijene prema spolu, starosti i drugim kliničkim i demografskim pokazateljima;

Da li dobijeni rezultati o toku bolesti utiču na izbor dijagnostičke i terapijske intervencije;

Da li karakteristike učesnika studije odgovaraju kontingentu pacijenata sa kojima se doktor susreće u stvarnoj kliničkoj praksi.

Gore navedeni kriteriji za procjenu studija toka bolesti primjenjuju se samo na prospektivno praćenje. Retrospektivna zapažanja gotovo nikada ne podnose kritiku sa stanovišta neinfektivne epidemiologije i medicine zasnovane na dokazima. Iz tog razloga rezultati ovakvih studija (posebno domaćih) rađenih 1970-ih i 1980-ih nemaju nikakvu vrijednost.

MEDICINSKA ISTRAŽIVANJA O PROUČAVANJU ETIOLOGIJE I PATOGENEZE BOLESTI

Ovakva istraživanja spadaju u polje fundamentalnih medicinskih znanja. Zasnovani su na analizi uzročno-posledičnih veza i većina grešaka u njima povezana je sa ignorisanjem dobro poznatog principa „pojava nečega nakon događaja ne znači da se ono dogodilo kao rezultat ovog događaja“. . Klasičan primjer uzročno-posledičnih veza je identifikacija efekata ovisnih o dozi. Svaki odnos zasnovan na dokazima treba da bude razumljiv i objašnjiv sa stanovišta epidemiologije i opšteg medicinskog znanja.

Za razliku od eksperimentalnih studija, kliničke studije imaju jedinu mogućnost da se podaci o etiologiji i patogenezi bolesti dobiju kroz epidemiološke (prospektivne i slučaj-kontrole) studije. Ključnu ulogu u njihovoj interpretaciji i procjeni pouzdanosti rezultata igra sistematska greška zbog potcjenjivanja pristrasnosti odabira pacijenata. Namjerno isključivanje određene grupe pacijenata može dovesti do potpuno neobjašnjivih rezultata sa stanovišta logike. Ako se to dogodi, potrebno je ponovno analizirati kliničke i demografske karakteristike ispitivane populacije.

Među epidemiološkim studijama, prospektivne studije su najpouzdanije, bez mnogih mogućih grešaka. Međutim, oni su izuzetno skupi i rijetko se izvode. Mnogo češće se geneza bolesti proučava u studijama slučaj-kontrola (CSC). U tabeli su prikazani glavni zahtjevi za istraživanje etiologije i patogeneze bolesti. Glavni standardi za izvođenje takvih studija su dobro poznati (Horwitz R.I., Feinstein A.R. Metodološki standardi i kontradiktorni rezultati u istraživanju kontrole slučaja. Am J Med 1979;

. unaprijed određeni metod odabira subjekata utvrđeno prije početka studije sa jasnim naznakom kriterija za uključivanje i isključivanje pacijenata iz studije;

. dobro definisan uzročni faktor koji se proučava i metod za njegovo otkrivanje;

. neiskrivljeno prikupljanje podataka. Pojedinci koji prikupljaju informacije o pacijentima ne bi trebali biti svjesni svrhe u koju ih prikupljaju. Classic

primjer posljedica ciljanog prikupljanja informacija je skoro 5 puta povećanje broja pacijenata sa kašljem dok su uzimali ACE inhibitore u poređenju sa grupom pacijenata koji su sami prijavili njegovu pojavu;

. nema razlika u prikupljanju anamneze u uporednim grupama. Treba koristiti formalizovane i, ako je potrebno, validirane upitnike. Ako se koristi upitnik za prevođenje, potrebno je potvrditi tačnost prijevoda zadnjim prijevodom;

. nema nepotrebnih ograničenja u formiranju uporednih grupa;

. nema razlika u dijagnostičkom pregledu uporednih grupa. Za kontrolnu grupu je zagarantovano da nema patologije koja se proučava. Stoga treba razviti skup visoko informativnih dijagnostičkih testova za svaku patologiju;

. nema razlika u učestalosti i prirodi pregleda u prehospitalnoj fazi uporednih grupa;

. nema razlika u demografskim karakteristikama grupa za poređenje;

. nema razlika u ostalim faktorima rizika, osim proučavanog, u grupama poređenja.

U idealnom slučaju, za rješavanje postavljenih zadataka neophodna je prospektivna studija. Međutim, za to će trebati godine i decenije, pogotovo ako je riječ o rijetkoj patologiji. Dakle, ako se bolest razvije za 10 godina u 2 od 1000, onda da biste identificirali 10 slučajeva, morate pratiti najmanje 5000 ljudi tijekom 10 godina. U takvim slučajevima se koriste studije organizovane po principu „kontrola slučaja“ (CSC). Oni upoređuju učestalost faktora (na primjer, gojaznost) kod pacijenata sa patologijom od interesa i drugim bolestima. Da bi se razjasnila uloga faktora rizika, mogu se porediti populacije u različitim regionima sa različitom ozbiljnošću prisustva ovog faktora. Najmanje pouzdani izvori za identifikaciju uzročno-posledičnih veza su studije slučaja ili opisi grupa pacijenata.

Prilikom utvrđivanja nedostataka u publikaciji, potrebno je pokušati razumjeti što ih je uzrokovalo: nepoznavanje osnova planiranja istraživanja i matematičke statistike, namjerno pogrešna interpretacija podataka, entuzijazam autora („ako se činjenice miješaju u teoriju, onda mogu se odbaciti”) ili interes sponzora istraživanja.

Tipične greške u istraživanju su:

Odsustvo „eksperimentalnog“ (sa analiziranom intervencijom) i „kontrole“ (primanje placeba ili „tradicionalnog“, „standardnog“ tretmana). U nedostatku kontrolne grupe, članak je beskoristan (ponekad čak i štetan) i ne treba ga čitati. Trenutno možemo govoriti o sljedećoj pravilnosti: korištenjem lijekova kao što su homeopatija, akupunktura, liposukcija, dijetetski suplementi, autori postižu impresivne rezultate, ali je kvalitet studije nizak;

Odsustvo kriterijuma za isključenje ne pruža punu priliku da se uporedi homogenost eksperimentalne i kontrolne grupe;

Broj i razlozi za odustajanje od pacijenata tokom studije nisu navedeni. Članci sa odustajanjem od više od 20% pacijenata ne smiju se čitati;

Nedostatak "zasljepljivanja" studije;

Nedostatak detalja statičke analize. Donošenje samo opšteprihvaćenih indikatora (srednja vrednost, standardna devijacija, procenat, delta) je nedovoljno, posebno za male grupe. Za procjenu dovoljnosti broja pacijenata za negativan rezultat studije, možete koristiti posebne tablice. Ćelija koja odgovara učestalosti događaja u tretiranoj grupi i u kontrolnoj grupi predstavlja broj pacijenata u svakoj grupi koji je potreban da se otkrije smanjenje učestalosti od 5%, 10%, 25%, 50% itd. Ako je broj pacijenata u materijalu koji se razmatra manji, onda se efekat ne bi mogao detektovati samo zbog malog broja pacijenata;

Potcjenjivanje zbunjujućih faktora, kao što su spol, godine, pušenje, konzumacija alkohola, itd. Dobro je poznato da je efikasnost nekih β-blokatora, kao što je atenolol, smanjena kod pušača, dok drugih (bisoprolol) nije. Statističke analize treba prilagoditi takvim faktorima koji potencijalno utiču na parametar koji se procjenjuje. Ovaj postupak se naziva standardizacija jednog ili više indikatora.

Prilikom donošenja konačne odluke o mogućnosti korištenja objavljenih podataka, doktor mora uporediti koliko zaključci studije odgovaraju postojećim idejama. Izbor u korist nove metode ili pristupa u liječenju i dijagnostici

ke treba da se zasniva ne na želji lekara da zadovolji svoj profesionalni interes (u ovom slučaju, nauštrb zdravlja pacijenta), već na koherentnom i neospornom sistemu dokaza njegove koristi i bezbednosti.

Kritički pristup naučnim podacima osnova je moći napretka u bilo kojoj oblasti znanja, uključujući i medicinu.

Književnost

1. Kako čitati kliničke časopise: 1. Zašto ih čitati i kako započeti

Čitajući ih kritički. Can Med Ass J 1981; 124:555-558.

2. Currie B.F. Kontinuirana edukacija iz medicinske periodike. J Med Educ

3. Statističke metode u istraživanju raka: Dio 2. Dizajn i analiza kohortnih studija. IARC Sci Publ. N.82. Lyon: WHO, IARC, 1987: 1-406.

4. Bailar J.C., Louis T.A., Lavori P.W., Polansky M. Klasifikacija za

izvještaji o biomedicinskim istraživanjima. N Engl J Med 1984; 311:23:1482-1487.

5. Brown G.W., Baca G.M. Klasifikacija originalnih članaka. Am J Dis Child 1986; 140:641-645.

6. Kako čitati kliničke časopise: 2. Naučiti o dijagnostičkom testu. Can Med Ass J 1981; 124:703-710.

7. Der Simonian R., Charette L.J., McPeck B., Mosteller F. Izvještavanje o metodama kliničkih ispitivanja. N Engl J Med 1982; 306:1332-7.

8. Detsky A.S., Sackett D.L. Kada je "negativno" kliničko ispitivanje bilo dovoljno veliko? Koliko pacijenata vam treba zavisi od toga šta ste pronašli. Arch Int

Med 1985; 145:709-12.

9. CONSORT Group. Poboljšanje kvaliteta izvještavanja randomiziranih

kontrolisana ispitivanja: izjava CONSORT. JAMA 1996; 276:637-9.

10. Feinstein A.R. Meta-analiza: Statistička alhemija za 21. vek. J

Clin Epidemiol 1995; 48:71-9.

11. Korisnički vodiči za medicinsku literaturu: II. Kako koristiti članak o terapiji ili prevenciji. A. Da li su rezultati studije validni? JAMA 1993; 270: 2598-601.

12. Guyatt G.H., Sackett D.L., Cook D.J. Korisnički vodiči za medicinsku literaturu: II. Kako koristiti članak o terapiji ili prevenciji. B. Kakvi su bili rezultati i hoće li mi pomoći u zbrinjavanju pacijenata. JAMA 1994; 271: 59-63.

13. Rosenbaum P.R. Rasprava o skrivenim pristrasnostima u opservacijskim studijama. Ann

Int Med 1991; 115:901-5.

14. Schultz K.F., Chalmers I., Altman D.G., Grimes D.A., Dore C.J. Metodološki kvalitet randomizacije procijenjen iz izvještaja o ispitivanjima u specijalističkim i općim medicinskim časopisima. Online J Clin Trails, 1995. (dok N 197).

Problemi zdravlja i ekologije

diobiologije, prof. E. B. Burlakova. Ovi podaci formiraju nove ideje o biološkoj djelotvornosti kronične izloženosti zračenju na ljude i nedvosmisleno ukazuju na nesposobnost ekstrapolacije djelovanja visokih doza jonizujućeg zračenja na područje niskih doza.

Razvoj novih koncepata važan je za formiranje uravnoteženih planova razvoja nuklearne energije i pravedne socijalne politike u odnosu na likvidatore černobilske katastrofe i stanovnike područja kontaminiranih radionuklidima.

Prilikom procjene uticaja zračenja na zdravlje ljudi, treba imati na umu da je jonizujuće zračenje kosmogeni faktor u životnoj sredini. Poznato je da je prirodna radijaciona pozadina neophodna za rast, razvoj i postojanje različitih živih bića, uključujući i sisare. Razumijevanje radiobioloških obrazaca povezano je sa uvidom u suštinu fenomena života, vezu između živih bića i kosmosa. Postoje mnoge misterije u djelovanju jonizujućeg zračenja, uključujući pozitivan ili negativan učinak ozračenih bioloških objekata na neozračene. Nesumnjivo je zanimljiva ideja koju je A. M. Kuzin iznio u svojoj posljednjoj poruci osoblju: „Život, živo tijelo, je metabolički sistem struktura na molekularnom nivou koje čine jedinstvenu cjelinu zahvaljujući informacijama koje kontinuirano dostavljaju sekundarne, biogene zračenje koje nastaje pod uticajem atomskog zračenja prirodne radioaktivne pozadine kosmičkog i zemaljskog porekla.

REFERENCE

1. Yu. B. Kudryashov, Radiation Biophysics. Jonizujuće zračenje / Yu. B. Kudryashov.- M.: ed. Moskva un-ta, 2004. - 580 str.

2. Yarmonenko, S. P. Radiobiologija čovjeka i životinja / S. P. Yarmolenko, A. A. Vainson. - M.: Više. škola, 2004. - 550 str.

3. Mothersill, C. Učinci niske doze zračenja: Eksperimentalna hematologija i paradigma koja se mijenja / C. Mothersill, C. Seymour // Eksperimentalna hematologija. - 2003. - br. 31. - S. 437-445.

4. Lee, D.E. Utjecaj zračenja na žive ćelije / D. E. Lee. - M.: Gosatomizdat, 1966. - 288 str.

5. Timofeev-Resovsky, N. V. Primena principa pogotka u radiobiologiji / N. V. Timofeev-Resovsky, V. I. Ivanov, V. I. Korogodin. - M.: Atomizdat, 1968. - 228 str.

6. Gončarenko, E. N. Hemijska zaštita od radijacije / E. N. Gončarenko. - M.: ur. Moskva un-ta, 1985. - 248 str.

7. Nacionalni izvještaj „20 godina nakon černobilske katastrofe: posljedice u Republici Bjelorusiji i njihovo prevazilaženje” / Komitet za probleme posljedica katastrofe u nuklearnoj elektrani Černobil pri Savjetu ministara Republike Bjelorusije; ed. V. E. Shevchuk, V. L. Guravsky. - 2006. - 112 str.

8. Vozianov, A. Zdravstveno podizanje u slučaju nesreće u Černobilju, Eds / A Vozianov, V. Bebeshko, D. Bayka. - Kijev.: "DIA", 2003. - 508 str.

9. Kuzin, A. M. Strukturno-metabolička hipoteza u radiobiologiji / A. M. Kuzin. - M.: Nauka, 1970. - 170 str.

10. Kuzin, A. M. Strukturna i metabolička teorija u radiobiologiji / A. M. Kuzin. - M.: Nauka, 1986. - 20 str.

11. Knjaževa, E. N. Osnove sinergije / E. N. Knjaževa, S. P. Kurdimov. - Sankt Peterburg: Izdavačka kuća Aleteyya, 2002. - 31 str.

12. Stepanova, S. I. Bioritmološki aspekti problema adaptacije / S. I. Stepanova. - M.: Nauka, 1986. - 244 str.

13. Nemonotoničnost metaboličkog odgovora ćelija i tkiva sisara na dejstvo jonizujućeg zračenja / I. K. Kolomiytsev [et al.] // Biofizika. - 2002. - T. 47, br. 6. - S. 1106-1115.

14. Kolomiytseva, I. K. Nemonotone promjene metaboličkih parametara tkiva i ćelija pod djelovanjem jonizujućeg zračenja na životinje / I. K. Kolomiytseva, T. R. Markevich, L. N. Potekhina // J. Biol. fizika. - 1999. - br. 25. - S. 325-338.

15. E. B. Burlakova, E. B. Burlakova, A. N. Goloshchapov, G. P. Zhizhina i A. A. Konradov, Novi aspekti pravilnosti djelovanja zračenja niskog intenziteta u malim dozama, Zračenje. biologija. Radioekologija. - 1999. - T. 39. - S. 26-34.

Primljeno 18.04.2008

UPOTREBA PODATAKA O MEDICINI ZASNOVANI NA DOKAZIMA U KLINIČKOJ PRAKSI (pregled literature)

A. L. Kalinjin1, A. A. Litvin2, N. M. Trizna1

1Gomeljski državni medicinski univerzitet 2Gomeljska regionalna klinička bolnica

Dat je kratak pregled principa medicine zasnovane na dokazima i meta-analize. Važan aspekt medicine zasnovane na dokazima je određivanje stepena pouzdanosti informacija.

Kvantitativno objedinjavanje podataka iz različitih kliničkih studija korištenjem metaanalize daje rezultate koji se ne mogu dobiti iz pojedinačnih kliničkih studija. Čitanje i proučavanje sistematskih recenzija i metaanaliza omogućava vam da se efikasnije krećete u velikom broju objavljenih članaka.

Ključne riječi: medicina zasnovana na dokazima, meta-analiza.

Problemi zdravlja i ekologije

UPOTREBA PODATAKA MEDICINE ZASNOVANE NA DOKAZIMA U KLINIČKOJ PRAKSI

(pregled literature)

A. L. Kalinjin1, A. A. Litvin2, N. M. Trizna1

1Gomeljski državni medicinski univerzitet 2Gomeljska regionalna klinička bolnica

Svrha članka je pregled principa medicine zasnovane na dokazima i meta-analiza. Istaknuti aspekt medicine zasnovane na dokazima je definicija stepena pouzdanosti informacija.

Kvantitativno povezivanje datih različitih kliničkih istraživanja putem meta-analize omogućava da se dobiju rezultati koji se ne mogu dobiti iz zasebnih kliničkih istraživanja. Čitanje i proučavanje sistematskih pregleda i rezultata meta-analize omogućava da se efikasnije vodite u značajnoj količini objavljenih članaka.

Ključne riječi: medicina zasnovana na dokazima, meta-analiza.

Nijedan praktičar nema dovoljno iskustva da se slobodno kreće u svim različitim kliničkim situacijama. Moguće je osloniti se na mišljenja stručnjaka, autoritativne vodiče i priručnike, ali to nije uvijek pouzdano zbog takozvanog efekta kašnjenja: obećavajuće medicinske metode uvode se u praksu nakon dosta vremena nakon što se pribave dokazi o njihovoj djelotvornosti. S druge strane, informacije u udžbenicima, priručnicima i priručnicima često su zastarjele i prije objavljivanja, a starost iskusnog ljekara koji vodi tretman je u negativnoj korelaciji sa djelotvornošću liječenja.

Poluživot književnosti odražava intenzitet napretka. Za medicinsku literaturu ovaj period je 3,5 godine. Samo 1015% informacija objavljenih danas u medicinskoj štampi imaće naučnu vrednost u budućnosti. Uostalom, ako pretpostavimo da barem 1% od 4 miliona članaka objavljenih godišnje ima veze sa medicinskom praksom jednog doktora, on bi morao da pročita oko 100 članaka svaki dan. Poznato je da je samo 10-20% svih medicinskih intervencija koje se trenutno koriste zasnovano na čvrstim naučnim dokazima.

Postavlja se pitanje: zašto doktori ne primjenjuju dobre dokaze u praksi? Ispada da 75% doktora ne razume statistiku, 70% ne zna kako da kritički procenjuje objavljene članke i studije. Trenutno, da bi praktikovao podatke zasnovane na dokazima, lekar mora imati znanja neophodna za procenu pouzdanosti rezultata kliničkih ispitivanja, imati brz pristup različitim izvorima informacija (prvenstveno međunarodnim časopisima), imati pristup elektronskim bazama podataka (Medline ), te da tečno govori engleski.

Svrha ovog članka je kratak pregled principa medicine zasnovane na dokazima i njene komponente - meta-analize, koja vam omogućava da se brže krećete u toku medicinskih informacija.

Termin "medicina zasnovana na dokazima" prvi put je predložila grupa kanadskih naučnika sa Univerziteta McMaster u Torontu 1990. godine. Termin se brzo ukorijenio u naučnoj literaturi na engleskom jeziku, ali u to vrijeme nije postojala jasna definicija. Trenutno je najčešća sljedeća definicija: „Medicina zasnovana na dokazima je grana medicine zasnovana na dokazima, koja uključuje pretragu, poređenje, generalizaciju i široko širenje dokaza dobijenih za korištenje u interesu pacijenata“.

Danas je medicina zasnovana na dokazima (EBM) novi pristup, pravac ili tehnologija za prikupljanje, analizu, sumiranje i tumačenje naučnih informacija. Medicina zasnovana na dokazima podrazumeva savesnu, objašnjivu i zdravorazumsku upotrebu najboljih savremenih dostignuća za lečenje svakog pacijenta. Osnovni cilj uvođenja principa medicine zasnovane na dokazima u zdravstvenu praksu je optimizacija kvaliteta medicinske zaštite u smislu sigurnosti, efikasnosti, troškova i drugih značajnih faktora.

Važan aspekt medicine zasnovane na dokazima je određivanje stepena pouzdanosti informacija: rezultati studija koji se uzimaju kao osnova za sastavljanje sistematskih pregleda. Centar za medicinu zasnovanu na dokazima u Oksfordu razvio je sledeće definicije stepena pouzdanosti datih informacija:

A. Visoka sigurnost – informacije zasnovane na rezultatima nekoliko nezavisnih kliničkih ispitivanja (CT) sa slaganjem između rezultata sažetih u sistematskim pregledima.

Problemi zdravlja i ekologije

B. Umjerena pouzdanost – Informacije su zasnovane na rezultatima najmanje nekoliko nezavisnih ispitivanja koja su slične po svrsi.

C. Ograničena pouzdanost – Informacije su zasnovane na rezultatima jednog CT-a.

D. Ne postoje rigorozni naučni dokazi (CT nisu urađeni) – neke izjave su zasnovane na mišljenju stručnjaka.

Prema savremenim procjenama, pouzdanost dokaza iz različitih izvora nije ista i opada sljedećim redoslijedom:

1) randomizirana kontrolisana CT;

2) nerandomizovana CT sa istovremenom kontrolom;

3) nerandomizirani CT sa istorijskom kontrolom;

4) kohortna studija;

5) studija slučaj-kontrola;

6) ukrštanje CI;

7) rezultate posmatranja;

8) opis pojedinačnih slučajeva.

Tri „stuba“ pouzdanosti u kliničkoj medicini su: slučajni slijepi odabir ispitanika u uporednim grupama (slijepa randomizacija); dovoljna veličina uzorka; kontrola sjenila (idealno - trostruka). Posebno se mora naglasiti da je netačan, ali široko korišten termin „statistička pouzdanost“ sa svojim ozloglašenim p<... не имеет к вышеизложенному определению достоверности никакого отношения . Достоверные исследования свободны от так называемых систематических ошибок (возникающих от неправильной организации исследования), тогда как статистика (р <...) позволяет учесть лишь случайные ошибки .

U kliničkoj medicini, randomizirana kontrolirana ispitivanja (RCT) postala su „zlatni standard“ za testiranje efikasnosti intervencija i procedura. Proces „zasljepljivanja“ učesnika testa je osmišljen tako da se eliminiše sistematska greška subjektivne procjene rezultata, jer je prirodno da čovjek vidi ono što želi, a ne da vidi ono što ne želi. Randomizacija bi trebala riješiti problem raznolikosti subjekata, osiguravajući genetsku kompletnost "apstraktnog predstavnika opšte populacije", na koju se onda može prenijeti rezultat. Posebno sprovedene studije su pokazale da nedostatak randomizacije ili njeno netačno postupanje dovodi do precjenjivanja efekta do 150%, odnosno do njegovog potcjenjivanja za 90%.

Izuzetno je važno naglasiti da RCT tehnologija omogućava da dobijete četiri odgovora o učinku intervencije bez ikakvih

poznavanje njegovog mehanizma. Omogućava nam da sa stanovišta medicine zasnovane na dokazima razumno tvrdimo da je intervencija 1) efikasna; 2) beskorisno; 3) štetan; ili, u najgorem slučaju, da 4) do danas se ništa ne može reći o efikasnosti ove vrste intervencije. Potonje se dešava kada nam intervencija koja nas zanima, zbog malog broja učesnika u eksperimentu, nije omogućila da dobijemo statistički značajan rezultat u RCT-u.

Tako DM odgovara na već pomenuta pitanja: radi (štetno ili korisno) / ne radi (beskorisno) / nepoznato; ali ne odgovara na pitanja "kako i zašto funkcioniše". Na njih mogu odgovoriti samo fundamentalna istraživanja. Drugim riječima, DM za svoje potrebe može bez fundamentalnih istraživanja, dok fundamentalna istraživanja ne mogu bez procedure testiranja učinka prema standardima DM kako bi se rezultati implementirali u svakodnevnu medicinsku praksu.

Za optimizaciju analize informacija zasnovanih na dokazima koriste se posebne metode rada sa informacijama, kao što su sistematski pregled i metaanaliza. Metaanaliza (metaanaliza) - upotreba statističkih metoda u kreiranju sistematskog pregleda u cilju sumiranja rezultata uključenih u pregled studija. Sistematski pregledi se ponekad nazivaju metaanalizama ako je ova metoda korištena u pregledu. Metaanaliza se provodi kako bi se sažele dostupne informacije i proširile na način koji je razumljiv čitaocima. Uključuje definisanje glavnog cilja analize, izbor metoda za evaluaciju rezultata, sistematsko traženje informacija, generalizaciju kvantitativnih informacija, njihovu analizu statističkim metodama i interpretaciju rezultata.

Postoji nekoliko varijanti meta-analize. Kumulativna meta-analiza vam omogućava da izgradite kumulativnu krivu akumulacije procjena kako novi podaci postanu dostupni. Prospektivna meta-analiza je pokušaj da se razvije meta-analiza planiranih ispitivanja. Takav pristup može biti prihvatljiv u oblastima medicine u kojima već postoji uspostavljena mreža razmjene informacija i kolaborativnih programa, kao što je Oratel elektronski informacioni sistem koji je razvio SZO za praćenje kvaliteta stomatološke zaštite stanovništva. U praksi se umjesto prospektivne meta-analize često koristi prospektivno-retrospektivna meta-analiza, koja kombinuje nove rezultate sa ranije objavljenim. Metaanaliza pojedinačnih podataka zasniva se na proučavanju rezultata liječenja pojedinih pacijenata,

Problemi zdravlja i ekologije

zahtijeva saradnju mnogih istraživača i striktno pridržavanje protokola. U bliskoj budućnosti, meta-analiza pojedinačnih podataka će vjerovatno biti ograničena na proučavanje glavnih bolesti, čije liječenje zahtijeva velike centralizirane investicije.

Glavni uslov za informativnu metaanalizu je da ima adekvatan sistematski pregled koji ispituje rezultate brojnih studija o određenom problemu prema algoritmu:

Odabir kriterija za uključivanje originalnih studija u metaanalizu;

Procjena heterogenosti (statističke heterogenosti) originalnih studija;

Zapravo meta-analiza (generalizovana procjena veličine efekta);

Analiza osjetljivosti zaključaka.

Rezultati meta-analize se obično predstavljaju kao grafikon u obliku bodovnih procjena s naznakom intervala povjerenja i omjera šanse (^dds ratio), sumarnog indikatora koji odražava ozbiljnost efekta (Slika 1) . Ovo vam omogućava da pokažete doprinos rezultata pojedinačnih studija, stepen heterogenosti ovih rezultata i generalizovanu procenu veličine efekta. Rezultati metaregresione analize mogu se prikazati u obliku grafikona, duž čije su apscisne ose ucrtane vrijednosti analiziranog indikatora, a duž ordinatne ose - veličina terapijskog učinka. Osim toga, treba izvesti rezultate analize osjetljivosti za ključne parametre (uključujući poređenje rezultata primjene modela fiksnih i slučajnih efekata, ako se ti rezultati ne poklapaju).

Slika 1 – Dijagram toka za identifikaciju pristrasnosti povezane s pretežno objavljivanjem pozitivnih rezultata studije

Grafikon prikazuje podatke meta-analize o procjeni efikasnosti jednog od tretmana. Relativni rizik (RR) u svakoj studiji se poredi sa veličinom uzorka (težinom studije). Tačke na grafikonu su grupisane oko ponderisanog prosjeka OR (prikazano strelicom) u obliku simetričnog trougla (lijevka), unutar kojeg su smješteni podaci većine studija. Čini se da objavljeni podaci iz malih studija precjenjuju učinak liječenja u odnosu na veće studije. Iskrivljena distribucija bodova znači da su neke male studije sa negativnim rezultatima i značajne

varijanse nisu objavljene, odnosno moguća je sistematska greška povezana sa pretežnom objavom pozitivnih rezultata. Grafikon pokazuje da postoji značajno manje malih (10-100 učesnika) studija sa RR većim od 0,8 od sličnih studija sa RR manjim od 0,8, a podaci iz srednjih i velikih studija raspoređeni su gotovo simetrično. Stoga neke male studije sa negativnim rezultatima vjerovatno nisu objavljene. Pored toga, grafikon olakšava identifikaciju studija čiji se rezultati značajno razlikuju od opšteg trenda.

Problemi zdravlja i ekologije

U većini slučajeva, prilikom provođenja meta-analize, koriste se generalizirani podaci o upoređenim grupama pacijenata u obliku u kojem su dati u člancima. Ali ponekad istraživači nastoje detaljnije procijeniti ishode i faktore rizika kod pojedinačnih pacijenata. Ovi podaci mogu biti korisni u analizi

opstanak i multivarijantna analiza. Meta-analiza podataka o pojedinačnim pacijentima je skuplja i dugotrajnija od meta-analize grupnih podataka; zahtijeva saradnju mnogih istraživača i striktno pridržavanje protokola (slika 2).

A. Grafički prikaz rezultata standardne meta-analize. Relativni rizik progresije u svakoj studiji i njena objedinjena procjena su predstavljeni kao tačke, a intervali povjerenja (CI; tipično 95% CI) su prikazani kao horizontalne linije. Studije su prikazane prema datumu objavljivanja. Relativni rizik<1 означает снижение числа исходов в группе лечения по сравнению с группой контроля. Тонкие линии представляют совокупные индивидуальные результаты, нижняя линия - объединенные результаты.

B. Rezultati kumulativne meta-analize podataka iz istih studija. Tačke i linije predstavljaju, respektivno, relativne vrijednosti rizika i 95% CI objedinjene podatke nakon što je svaka dodatna studija uključena u analizu. Ako interval pouzdanosti prelazi liniju OR = 1, tada uočeni efekat nije statistički značajan na izabranom nivou značajnosti od 0,05 (95%). Ako nema značajne heterogenosti podataka, CI se sužava kada se doda dodatna studija.

N je broj pacijenata u studiji; N je ukupan broj pacijenata.

Slika 2 – Rezultati standardne i kumulativne meta-analize podataka iz istih studija

U većini tabela sa sažetkom metaanalize, sažeci svih ispitivanja su predstavljeni kao romb (donja horizontalna linija sa tačkom). Lokacija dijamanta u odnosu na vertikalnu liniju bez efekta je fundamentalna za razumijevanje efikasnosti testa. Ako dijamant prijeđe granicu bez efekta, može se reći da nema razlike između dva tretmana u utjecaju na stopu primarnog ishoda.

Važan koncept za ispravno tumačenje rezultata meta-analize je definicija homogenosti ispitivanja. U jeziku metaanalize, homogenost znači da se rezultati svakog pojedinačnog ispitivanja kombinuju sa rezultatima drugih. Homogenost može

procijenite na prvi pogled prema lokaciji horizontalnih linija (slika 2). Ako se horizontalne linije preklapaju, za ove studije se može reći da su homogene.

Za procjenu heterogenosti ispitivanja, koristi se numerička vrijednost kriterija %2 (u većini formata metaanalize naziva se "Hi-kvadrat homogenosti"). %2 statistika za heterogenost grupe objašnjava se sledećim pravilom: x2 kriterijum ima, u proseku, vrednost jednaku broju stepeni slobode (broj pokušaja u metaanalizi minus jedan). Stoga, vrijednost X2 od 9,0 za set od 10 ispitivanja ne ukazuje na dokaze o statističkoj heterogenosti.

Problemi zdravlja i ekologije

Uz značajnu heterogenost u rezultatima studija, preporučljivo je koristiti regresionu meta-analizu, koja vam omogućava da uzmete u obzir nekoliko karakteristika koje utiču na rezultate proučavanih studija. Na primjer, detaljna procjena ishoda i faktora rizika kod pojedinačnih pacijenata neophodna je u analizi preživljavanja i multivarijantnoj analizi. Rezultati regresione meta-analize prikazani su kao faktor nagiba s intervalom povjerenja.

Softver je dostupan na Internetu za kompjutersku meta-analizu.

Besplatni programi:

RevMan (Review Manager) se nalazi na: http://www.cc-ims.net/RevMan;

Meta-analiza verzija 5.3: http://www.statistics. com/content/freesoft/mno/metaana53.htm/;

EPIMETA: http://ftp.cdc.gov/pub/Software/epimeta/.

Plaćeni programi:

Sveobuhvatna meta-analiza: http://www. meta-analysis.com/;

MetaWin: http://www.metawinsoft.com/;

WEasyma: http://www.weasyma.com/.

Statistički softverski paketi koji pružaju mogućnost sprovođenja meta-analize:

SAS: http://www.sas.com/;

STATA: http://www.stata. com/;

SPSS: http://www.spss.com/.

Dakle, kvantitativna kombinacija podataka iz različitih kliničkih studija pomoću meta-analize omogućava vam da dobijete rezultate koji se ne mogu izdvojiti iz pojedinačnih kliničkih studija. Čitanje i proučavanje sistematskih recenzija i metaanaliza omogućava vam da se brže krećete u lavini objavljenih članaka i, sa stanovišta medicine zasnovane na dokazima, među njima odaberete onih nekoliko koji zaista zaslužuju naše vrijeme i pažnju. Istovremeno, potrebno je shvatiti da metaanaliza nije čarobni štapić koji rješava problem naučnih dokaza, te da se ne smije koristiti kao zamjena za kliničko rasuđivanje.

REFERENCE

1. Sistematski pregledi i meta-analiza za hirurga znanstvenika / S. S. Mahidl // Br. J. Surg. - 2006. - Vol. 93. - P. 1315-1324.

2. Usporedba rezultata meta-analiza randomiziranih kontrolnih ispitivanja i preporuka kliničkih stručnjaka / E. T. Antman // JAMA. - 1992. - Vol. 268, br. 2. - P. 240-248.

3. Medicina zasnovana na dokazima: šta jeste, a šta nije / D. L. Sack-ett // BMJ. - 1996. - Vol. 312. - P. 71-72.

4. Egger, M. Meta-analiza: potencijali i obećanja / M. Egger,

S. G. Davey // BMJ. - 1997. - Vol. 315. - P. 1371-1374.

5. Yuriev, K.L. Medicina zasnovana na dokazima. Cochrane Collaboration / K. L. Yuryev, K. N. Loganovsky // Ukr. med. cha-sopis. - 2000. - br. 6. - S. 20-25.

6. Cochrane baza podataka sistematskih pregleda. - London: BMJ Publishing Group and Update Software, 1995. - 260 str.

7. Davies, H. Šta je meta-analiza? / H. Davies, I. Crombie // Klinička farmakologija i farmakoterapija. - 1999. - br. 8. - C. 10-16.

8. Egger, M. Meta-analiza: principi i postupci / M. Egger, S. G. Davey, A. N. Phillips // BMJ. - 1997. - Vol. 315. - P. 1533-1537.

9. Lewis, S. Šumske parcele: pokušavamo vidjeti šumu i drveće / S. Lewis, M. Clarke // BMJ. - 2001. - Vol. 322. - P. 1479-1480.

10. Bero, L. Cochrane Collaboration. Priprema, održavanje i širenje sistematskih pregleda efekata zdravstvene zaštite / L. Bero, D. Rennie // JAMA. - 1995. - Vol. 274. - P. 1935-1938.

11. Da li uključivanje sive literature utiče na procjenu efikasnosti intervencije prijavljene u meta-analizama? / L.Mc. Auley // Lancet. - 2000. - Vol. 356. - P. 1228-1231.

12. Fleiss, J. L. Statistička osnova meta-analize / J. L. Fleiss // Stat. Metode Med. Res. - 1993. - Vol. 2. - P. 121-145.

13. Grenland, S. Pozvani komentar: kritički pogled na neke popularne metaanalitičke metode / S. Grenland // Am. J. epidemiol. -

1994. - Vol. 140. - P. 290-296.

14. Smjernice za meta-analize koje evaluiraju dijagnostičke testove / L. Irwig // Ann. Intern. Med. - 1994. - Vol. 120. - P. 667-676.

15. Stewart, L. A. Praktična metodologija meta-analiza (pregledi) koristeći ažurirane podatke o pojedinačnim pacijentima. Cochrane radna grupa / L. A. Stewart, M. J. Clarke // Stat. Med. - 1995. - Vol. 14. - P. 2057-2579.

16. Grinkhalkh T. Osnove medicine zasnovane na dokazima / T. Grinkhalkh; per. sa engleskog. - M.: GEOTAR - Mediji, 2006. - 240 str.

17. Olkin, I. Statistička i teorijska razmatranja u metaanalizi / I. Olkin // J. Clin. epidemiol. - 1995. - Vol. 48. - P. 133-146.

18. Villar, J. Prediktivna sposobnost meta-analiza randomiziranih kontroliranih ispitivanja / J. Villar, G. Carroli, J. M. Belizan // Lancet. -

1995. - Vol. 345. - P. 772-776.

19. Deeks, J.J. Sistematski pregledi u zdravstvu: Sistematski pregledi evaluacija dijagnostičkih i skrining testova / J. J. Deeks // BMJ. - 2001. - Vol. 323.-P.157-162.

Primljeno 01.02.2008

UDK 616.12-005.8-0.53.8-08

STRUKTURA AKUTNOG INFARKTA MIOKARDA, STAROSNE I POLNE KARAKTERISTIKE TOKA I SMRTNOST U BOLNIČKOM FADU LEČENJA

N. V. Vasilevich

Gomel State Medical University

Praćena je struktura, dinamika razvoja akutnog infarkta miokarda u zavisnosti od pola, starosti, uslova prijema u bolnicu, težine oštećenja miokarda u bolničkoj fazi lečenja.

Ključne reči: akutni infarkt miokarda, pol, starost, mortalitet.

Vrlo često se rezultati studija koje procjenjuju učinkovitost iste terapijske ili profilaktičke intervencije ili dijagnostičke metode za istu bolest razlikuju. S tim u vezi, postoji potreba za relativnom procenom rezultata različitih studija i integracijom njihovih rezultata kako bi se dobio generalizujući zaključak.Jedna od najpopularnijih i najbrže razvijajućih metoda za sistemsku integraciju rezultata pojedinačnih naučnih Današnje studije su tehnika meta-analize.

Meta-analiza je kvantitativna analiza kombinovanih rezultata ekoloških i epidemioloških studija koje procenjuju uticaj istog faktora životne sredine. On daje kvantitativnu procjenu stepena slaganja ili neslaganja između rezultata dobijenih u različitim studijama.

Uvod

U skladu sa konceptom medicine zasnovane na dokazima, rezultati samo onih kliničkih studija koje se provode na osnovu principa kliničke epidemiologije, koji omogućavaju minimiziranje kako sistematskih grešaka tako i slučajnih grešaka (uz pomoć ispravne statističke analize podaci dobijeni u studiji), priznaju se kao zasnovani na dokazima.

Međunarodna epidemiološka asocijacija ovu vrstu istraživanja karakteriše kao tehniku ​​„kombinovanja rezultata različitih naučnih radova, koji se sastoje od kvalitativne komponente (na primer, korišćenje unapred određenih kriterijuma za uključivanje u analizu, kao što su potpunost podataka, odsustvo evidentni nedostaci u organizaciji studije itd.) i kvantitativna komponenta (statistička obrada dostupnih podataka)” – tehnika meta-analize.

Prvu metaanalizu u nauci izveo je Karl Pearson 1904. Objedinjavanjem studija odlučio je da prevaziđe problem smanjenja snage studije na malim uzorcima. Analizirajući rezultate ovih studija, zaključio je da meta-analiza može pomoći da se dobiju precizniji podaci o studiji.

Unatoč činjenici da je meta-analiza sada sveprisutna u području epidemiologije i medicinskih istraživanja. Radovi koji su koristili metaanalizu pojavili su se tek 1955. godine. Sedamdesetih godina prošlog vijeka, sofisticiranije analitičke metode uvedene su u akademska istraživanja radom Glassa, Schmidta i Huntera (Gene V. Glass, Frank L. Schmidt i John E. Hunter .

Oksfordski rečnik engleskog jezika jasno pokazuje da je Glass prvi put upotrebio termin 1976. godine. Osnovu ove metode razvili su naučnici kao što su: Nambury S. Raju, Larry V. Hedges, Harris Cooper, Ingram Olkin, John E. Hunter, Jacob Cohen, Thomas C. Chalmers i Frank L. Schmidt).

Metaanaliza: kvantitativni pristup istraživanju

Svrha meta-analize je da identifikuje, prouči i objasni razlike (zbog prisustva statističke heterogenosti, odnosno heterogenosti) u rezultatima studija.

Nesumnjive prednosti meta-analize uključuju mogućnost povećanja statističke snage studije, a samim tim i tačnosti procjene učinka analizirane intervencije. To omogućava, preciznije nego u analizi svake pojedinačne male kliničke studije, da se odrede kategorije pacijenata za koje su dobijeni rezultati primenljivi.

Dobro izvedena meta-analiza uključuje testiranje naučne hipoteze, detaljan i jasan prikaz statističkih metoda korištenih u metaanalizi, dovoljno detaljan prikaz i raspravu o rezultatima analize, kao i zaključcima koji iz nje proizlaze. . Takav pristup smanjuje vjerovatnoću slučajnih i sistematskih grešaka, te nam omogućava da govorimo o objektivnosti dobijenih rezultata.

Pristupi izvođenju meta-analize

Postoje dva glavna pristupa izvođenju meta-analize.

Prvi je statistička ponovna analiza pojedinačnih studija prikupljanjem primarnih podataka o zapažanjima uključenim u originalne studije. Očigledno, ova operacija nije uvijek moguća.

Drugi (i glavni) pristup je sumiranje objavljenih rezultata istraživanja o jednom pitanju. Ovakva metaanaliza se obično provodi u nekoliko faza, među kojima su najvažnije:

razvoj kriterijuma za uključivanje originalnih studija u metaanalizu

procjena heterogenosti (statističke heterogenosti) rezultata originalnih studija

provođenje stvarne meta-analize (dobivanje generalizirane procjene veličine efekta)

analiza osjetljivosti zaključka

Treba napomenuti da faza određivanja opsega studija uključenih u metaanalizu često postaje izvor sistematskih grešaka u metaanalizi. Kvaliteta meta-analize uvelike ovisi o kvaliteti originalnih studija i članaka uključenih u nju.

Glavni problemi u uključivanju studija u metaanalizu uključuju razlike između studija u pogledu kriterijuma uključivanja i isključenja, dizajna studije i kontrole kvaliteta.

Postoji i pristrasnost povezana s dominantnim objavljivanjem pozitivnih rezultata studija (studije koje imaju statistički značajne rezultate vjerovatnije će biti objavljene od onih koje nemaju).

Kako se meta-analiza zasniva prvenstveno na objavljenim podacima, posebnu pažnju treba obratiti na podzastupljenost negativnih rezultata u literaturi. Značajan problem predstavlja i uključivanje neobjavljenih rezultata u metaanalizu, jer je njihov kvalitet nepoznat zbog činjenice da nisu recenzirani.

Osnovne metode

Izbor metode analize određen je vrstom podataka koji se analiziraju (binarni ili kontinuirani) i tipom modela (fiksni efekti, slučajni efekti).

Binarni podaci se obično analiziraju izračunavanjem omjera šansi (OR), relativnog rizika (RR) ili razlike u rizicima između podudarnih uzoraka. Svi ovi pokazatelji karakterišu efekat intervencija. Predstavljanje binarnih podataka kao OR pogodno je za korištenje u statističkoj analizi, ali je ovaj indikator prilično teško klinički interpretirati. Kontinuirani podaci su obično rasponi vrijednosti proučavanih karakteristika ili nestandardizirane razlike ponderiranih srednjih vrijednosti u grupama za poređenje, ako su ishodi u svim studijama procijenjeni na isti način. Ako su ishodi različito procijenjeni (na primjer, na različitim skalama), tada se koristi standardizirana razlika u srednjim vrijednostima (tzv. veličina efekta) u upoređenim grupama.

Jedan od prvih koraka u meta-analizi je procjena heterogenosti (statističke heterogenosti) rezultata intervencijskog efekta kroz studije.

Za procjenu heterogenosti, χ2 testovi se često koriste sa nultom hipotezom jednakog efekta u svim studijama i sa nivoom značajnosti od 0,1 kako bi se povećala statistička snaga (osjetljivost) testa.

Smatra se da su izvori heterogenosti u rezultatima različitih studija varijanse unutar studije (zbog slučajnih odstupanja rezultata različitih studija od jedne prave fiksne vrijednosti efekta), kao i varijansa među studijama (zbog razlika između proučavani uzorci u karakteristikama pacijenata, bolesti, intervencija, što dovodi do neznatno drugačijih vrijednosti efekta) - slučajni efekti).

Ako se pretpostavi da je varijansa između studija blizu nule, tada se svakoj od studija dodjeljuje ponder čija je vrijednost obrnuto proporcionalna varijansi rezultata ovog istraživanja.

Varijanca unutar studije je zauzvrat definisana kao

gdje μ - prosjek unutar studija Uz nultu varijaciju između studija, može se koristiti model fiksnih (konstantnih) efekata. U ovom slučaju, pretpostavlja se da intervencija koja se proučava ima istu efikasnost u svim studijama, a uočene razlike između studija nastaju samo zbog varijanse unutar studije. U ovom modelu se koristi Mantel-Hansel metoda.

Mantel-Hansel metoda

Tabela prikazuje proporcije pacijenata u New Yorku i Londonu kojima je dijagnosticirana šizofrenija.

je ponderisani prosjek individualnih omjera šansi u grupama. Mantel-Hanselov hi-kvadrat test za značajnost ukupne mjere povezanosti zasniva se na ponderiranom prosjeku g razlika između proporcija.

Mantel-Hansel hi-kvadrat statistika je data sa

sa 1 stepenom slobode.

Da bi statistika imala hi-kvadrat distribuciju sa 1 stepenom slobode, svaka od četiri sume očekivanih frekvencija

mora se razlikovati za najmanje 5 i od svog minimuma i od maksimuma.

To znači da za pouzdano korištenje hi-kvadrat distribucije sa 1 stepenom slobode za statistiku, uopće nije potrebno imati velike marginalne frekvencije. Broj zapažanja u tabeli može biti čak dva, kao u slučaju povezanih parova. Jedino što je potrebno je dovoljno veliki broj tabela da svaki zbir očekivanih frekvencija bude velik.

Drugi pristupi izvođenju meta-analize

Model slučajnih efekata sugeriše da efikasnost intervencije koja se proučava može varirati od studije do studije.

Ovaj model uzima u obzir varijansu ne samo unutar jedne studije, već i između različitih studija. U ovom slučaju, varijanse unutar studija i međustudijske varijanse se zbrajaju. Cilj meta-analize kontinuiranih podataka je obično predstavljanje tačaka i intervalnih (95% CI) procjena generaliziranog efekta intervencije.

Postoji i niz drugih pristupa izvođenju metaanalize: Bayesova meta-analiza, kumulativna meta-analiza, multivarijantna meta-analiza, meta-analiza preživljavanja.

Bayesova meta-analiza omogućava vam da izračunate prethodne vjerovatnoće efikasnosti intervencije, uzimajući u obzir indirektne podatke. Ovaj pristup je posebno efikasan kada je broj analiziranih studija mali. Pruža precizniju procjenu efikasnosti intervencije u modelu slučajnih efekata objašnjavajući varijance između različitih studija.

Kumulativna meta-analiza- poseban slučaj Bayesove metaanalize - postupak korak po korak za uključivanje rezultata istraživanja u metaanalizu jednog po jednog u skladu s nekim principom (hronološkim redoslijedom, kako metodološki kvalitet studije opada, itd.). ). Omogućava da se izračunaju iterativne prethodne i posteriorne vjerovatnoće kako su studije uključene u analizu.

Regresiona meta-analiza(logistička regresija, ponderisana regresija najmanjih kvadrata, Cox model, itd.) se koristi kada postoji značajna heterogenost rezultata istraživanja. Omogućava uticaj nekoliko karakteristika studije (npr. veličina uzorka, doza lijeka, način primjene, karakteristike pacijenata, itd.) na rezultate intervencijskih ispitivanja. Rezultati regresione meta-analize se obično predstavljaju kao koeficijent nagiba sa indikacijom CI.

Treba napomenuti da se meta-analiza može izvesti kako bi se sumirali rezultati ne samo kontrolisanih ispitivanja medicinskih intervencija, već i kohortnih studija (npr. studije faktora rizika). Međutim, treba uzeti u obzir veliku vjerovatnoću sistematskih grešaka.

Posebna vrsta meta-analize je generalizacija procjena informativnosti dijagnostičkih metoda dobijene u različitim studijama. Svrha ovakve meta-analize je da se konstruiše karakteristična krivulja međusobne zavisnosti osetljivosti i specifičnosti testova (ROC-kriva) korišćenjem ponderisane linearne regresije.

Održivost. Nakon dobivanja generalizirane procjene veličine efekta, postaje neophodno odrediti njegovu stabilnost. Za to se vrši takozvana analiza osjetljivosti.

U zavisnosti od konkretne situacije, može se izvesti na osnovu nekoliko različitih metoda, na primer:

Uključivanje i isključivanje iz meta-analize studija sprovedenih na niskom metodološkom nivou

· Promjena parametara podataka odabranih iz svake analizirane studije, na primjer, ako bilo koja studija izvještava o kliničkim ishodima u prve 2 sedmice. bolesti, au drugim studijama - o kliničkim ishodima u prve 3-4 sedmice. bolesti, prihvatljivo je porediti kliničke ishode ne samo za svaki od ovih perioda posmatranja, već i za ukupan period posmatranja do 4 nedelje.

Isključenje iz meta-analize najvećih studija. Ako se veličina efekta određene intervencije koja se analizira ne mijenja značajno u analizi osjetljivosti, onda postoji razlog za vjerovanje da su zaključci primarne meta-analize dobro utemeljeni.

Da bi se kvalitativno procijenilo prisustvo takve pristranosti meta-analize, obično se pribjegava konstruiranju dijagrama raspršenja u obliku lijevka rezultata pojedinačnih studija u koordinatama (veličina efekta, veličina uzorka). Kada su studije u potpunosti identificirane, ovaj dijagram bi trebao biti simetričan. Istovremeno, postoje i formalne metode za procjenu postojeće asimetrije.

Rezultati meta-analize se obično prikazuju grafički (tačkaste i intervalne procjene veličine efekta svake od studija uključenih u meta-analizu; primjer na slici 1) i u obliku tabela sa odgovarajućom statistikom.

Zaključak

Trenutno je metaanaliza dinamičan, višedimenzionalni sistem metoda koji vam omogućava da kombinujete podatke iz različitih naučnih studija na teorijski i metodološki uvjerljiv način.

Metaanaliza, u poređenju sa primarnom studijom, zahteva relativno malo resursa, što omogućava lekarima koji ne studiraju da dobiju klinički dokazane informacije.

Glavni uslov za korišćenje metaanalize je dostupnost potrebnih informacija o statističkim kriterijumima koji se koriste u pregledanim studijama. Bez objavljivanja u publikacijama tačnih vrijednosti potrebnih informacija, izgledi za korištenje meta-analize bit će vrlo ograničeni. Sa povećanjem dostupnosti takvih informacija nastavit će se prava ekspanzija metaanalitičkih studija i unapređenje njihove metodologije.

Stoga, pažljivo obavljena meta-analiza može otkriti područja koja zahtijevaju daljnja istraživanja.

Spisak korišćene literature:

1. Fletcher R., Fletcher S., Wagner E. Clinical epidemiology.- M.: MediaSphere, 1998.- 350p.
2. Chalmers TC, Lau J. Metaanalitički stimulans za promjene u kliničkim ispitivanjima. Stat Methods Med Res. 1993 ; 2: 161 -172.
3. Grenland S. Kvantitativne metode u pregledu epidemiološke literature. Epidemiol Rev. 1987 ; 9: 1 -30.
4. Stephen B. Thacker, MD, MSc. metaanaliza. Kvantitativni pristup integraciji istraživanja. JAMA. 1988;259(11):1685-1689.
5. Peipert JF, Phipps MG. opservacijske studije. Clin Obstet Gynecol. 1998 ; 41: 235 -244.
6. Petitty D. Meta-analiza, analiza odlučivanja i analiza isplativosti. New York, NY: Oxford University Press; 1994.
7. Sipe TA, Curlette WL. Metasinteza faktora vezanih za obrazovni uspjeh. Int J Educ Res. 1997 ; 25: 583 -598.
8. Shapiro S. Meta-analiza/shmeta-analiza. Am J Epidemiol. 1994;140:771-778.
9. Schmidt LM, Gotzsche PC. O grinjama i muškarcima: referentna pristranost u narativnim preglednim člancima: sistematski pregled. J Fam Pract. 2005;54(4):334–338.
10. Lu G, Ades A.E. Kombinacija direktnih i indirektnih dokaza u mješovitim poređenjima tretmana. Statistik Med 2004;23:3105-24.
11. Lumley T. Meta-analiza mreže za indirektna poređenja tretmana. Statistik Med 2002;21:2313-24.
12. Hedges LK, Olkin I. Statističke metode za meta-analizu. San Diego, CA: Academic Press; 1986.
13. Berry S.M. Razumijevanje i testiranje heterogenosti u 2x2 tablicama: primjena na meta-analizu. Statistik Med 1998;17:2353-69.
14. Higgins JPT, Thompson SG. Kvantifikacija heterogenosti u meta-analizi. Stat Med. 2002;21(11):1539–5.
15. Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Mjerenje nedosljednosti u metaanalizama. BMJ. 2003;327:557–560.
16. Mantel N, Haenszel W. Statistički aspekti analize podataka iz retrospektivnih studija bolesti. J Natl Cancer Inst. 1959;22(4):719–748.
17. Cochran W.G. Kombinacija procjena iz različitih eksperimenata. biometrija. 1954;10(1):101–129.
18. Efron B. Empirijske Bayesove metode za kombinovanje vjerovatnoća. JASA 1996;91:538-50.
19. Morris C.N. Parametarski empirijski Bayesov zaključak: teorija i primjene. JASA 1983;78:47-55.
20. Thompson SG, Higgins JP. Kako treba izvršiti i tumačiti metaregresijske analize? Stat Med. 2002;21(11):1559–1573.
21. Hum reprodukcija. 1997 ; 12: 1851 -1863.
22. Fleis J. Statističke metode za proučavanje tablica proporcija i proporcija, Finance and Statistics, 1989.
23. Schlesselman JJ. Rizik od raka endometrijuma u vezi sa upotrebom kombinovanih oralnih kontraceptiva. Hum reprodukcija. 1997 ; 12: 1851 -1863.
24. Hopewell S, McDonald S, Clarke M, Egger M. Grey literatura u meta-analizama randomiziranih ispitivanja intervencija zdravstvene zaštite. Cochrane Database Syst Rev. 2007.

Taldau mete bul delel darígerliktín aspaby

Turdalieva B.S., Rakhmatullaeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.

Asfendiyarov S.Zh. atyndagy Kazmu

Ortaligija Daleldi medicine

Almati, Kazahstan

Tuin Bir aura boyinsha bagalangan zertteu nətizheleri ylgi bir emdik, aldyn alu nemese diagnosticslyқ adistin tiimdiligi zhii zhetkilikti ozgeshelenedi.

ɘrtүrli zertteulerdin nətizhelerinin salystyrmalaly bagasy zhane olardyn zhalpylauysh қorytyndyn nətizheleri osygan baylanysty payda bolatyn қazhettilik kiriguin maқsaty.

En eygili zhane zheke gylymi zertteulerdin nətizhelerinin zhүyelik kiriguinin zhyldam damityn adistemelerininin birine bugin meta - taldau adisteme zhatady.

Meta - taldau - bul ecologtin epidemiologylyk zertteuler birikken natizhelerinin sandyk taldauy - korshagan ortanyn ylgi bir factorinyn əserininң baғasy. Ol kelisushiliktin dərezhesi nemese artүrli zertteu algan nətizhelerdin aiyrmashylygynyn sandyk baғasyn eskeredi.

Meta-analizakao alat za medicinu zasnovanu na dokazima

Turdalieva B.S., Rakhmatullayeva N.U., Ten V.B., Raushanova A.M.,

Musaeva B.A., Omarova D.B.
KazNMU S.D. Asfendijarova, Almati, Kazahstan
AbstractČesto su rezultati studija koje procjenjuju učinkovitost iste terapijske ili preventivne intervencije ili dijagnostičke metode za istu bolest različiti.