Evidensbaseret medicin · K5-K6 · Udgave 1

Evidensvurdering med GRADE

Et præcist metaanalysetal er ikke nødvendigvis et troværdigt svar på dit kliniske spørgsmål.

GPT-6 Sol · Extra High 15-19 min

Detaljegrad

Kort fortalt

Evidensvurdering med GRADE

GRADE samler vurderingen af, hvor tæt et effektestimat sandsynligvis er på den sande effekt. Arbejd fra udfald og studiesammensætning gennem fem mulige nedgraderinger og sjældne opgraderinger, og hold tiltroen til resultatet adskilt fra en klinisk anbefaling.

Rammen

Vælg det rigtige niveau for vurderingen

Et studie, et review og ét samlet effektestimat er tre niveauer

Standard

Risiko for bias bedømmes i de enkelte studier; reviewets metode bedømmes særskilt.

GRADE handler om tiltroen til den samlede evidens for et bestemt udfald.

Stil tre forskellige spørgsmål

Kan de inkluderede studier give skæve estimater? Har reviewet fundet, udvalgt og analyseret studierne forsvarligt? Hvor stor tiltro har vi til det samlede estimat for eksempelvis 28-dages mortalitet ved behandling A mod B? Et lav-bias studie gør ikke automatisk et review godt, og et veludført review kan ende med evidens med meget lav tiltro.

Udfaldet er afgørende

Samme review kan have høj tiltro til effekten på ét udfald og lav tiltro til et andet. Forskellige studier, hændelsestal, opfølgningstider og risiko for selektiv rapportering kan ligge bag. Spørg derfor altid: tiltro til hvilket resultat, hos hvem og sammenlignet med hvad?

GRADE udtrykker tiltro på fire niveauer

Standard

Høj, moderat, lav og meget lav beskriver tillid til et effektestimat, ikke størrelsen af effekten.

En stor effekt kan være usikkert estimeret; en lille effekt kan være præcist estimeret.

Sådan læses ordene

Ved høj tiltro forventer man, at den sande effekt ligger tæt på estimatet. Moderat tiltro betyder, at en væsentlig forskel stadig er mulig. Lav tiltro betyder, at den sande effekt kan være væsentligt anderledes; ved meget lav tiltro er usikkerheden endnu større. Ordene skal knyttes til et konkret udfald og en tidsramme.

Startpunkt og justering

I den traditionelle GRADE-tilgang starter evidens fra randomiserede forsøg højt og observationelle interventionsstudier lavt. Domænerne kan sænke niveauet; særlige forhold kan øge det. Det er ikke en automatisk score, hvor designet alene afgør resultatet.

Evidenshierarkiet er et startpunkt, ikke en konklusion

Standard

Et review af randomiserede forsøg står ikke øverst, hvis studierne er svage eller ikke besvarer spørgsmålet.

Begrund alle op- og nedgraderinger med det konkrete resultat.

Hvad hierarkiet ikke fanger

Et traditionelt hierarki ordner studiedesign. Det siger mindre om risiko for bias, manglende studier, brede konfidensintervaller eller om forsøgsdeltagerne ligner de patienter, beslutningen gælder. GRADE bruger derfor designet som udgangspunkt og vurderer evidenskroppen på tværs af disse problemer.

Undgå pointautomat

En alvorlig svaghed kan retfærdiggøre ét niveau ned og en meget alvorlig svaghed to. Flere mindre bekymringer kan samlet også få betydning. Skriv hvilke forhold der kan flytte estimatet, i hvilken retning og hvor meget, frem for blot at tælle krydser i fem bokse.

Nedgradering

Undersøg skævhed, forskelle og afstand til spørgsmålet

Risiko for bias handler om systematisk skævhed i de bidragende studier

Standard

Se på de studier, der faktisk bærer resultatet for det valgte udfald.

Spørg om en plausibel fejl kan ændre effektestimatet væsentligt.

Fra studievurdering til evidenskrop

Mangelfuld randomisering, ikke-skjult tildeling, store frafald eller selektiv resultatrapportering kan gøre et effektmål skævt. I GRADE er spørgsmålet ikke blot, hvor mange studier der har problemer, men hvor stor en del af den relevante information de bidrager med, og om skævheden kan ændre konklusionen.

Blinding afhænger af udfald

Manglende blinding er særlig problematisk for subjektive udfald, hvor forventninger kan påvirke måling og rapportering. Ved et objektivt udfald kan den samme designsvaghed betyde mindre, men vurder stadig øvrige veje til bias. Bedøm derfor risiko for bias per udfald frem for at give studiet én samlet karakter.

Inkonsistens kræver mere end et højt I²-tal

Standard

Se om studiernes effekter peger forskelligt, og om forskellene er klinisk forklarlige.

I² kan hjælpe, men er ikke en automatisk nedgraderingsgrænse.

Læs forest plottet først

Sammenlign effekternes retning og størrelse, konfidensintervaller og forskelle i population, dosis, kontrol og opfølgning. Et gennemsnit kan skjule, at interventionen virker forskelligt i forskellige situationer. Hvis forskellene er forklaret og relevante undergrupper er troværdige, skal de beskrives frem for blot at få én fælles karakter.

Hvad I² ikke fortæller

I² angiver en statistisk andel af variationen, som ikke umiddelbart forklares af stikprøveusikkerhed. Den siger ikke i sig selv, hvor stor den kliniske forskel mellem studierne er, eller hvorfor den findes. Små eller få studier kan gøre vurderingen ustabil.

Evidensen er indirekte, når den ikke svarer tæt nok på PICO

Standard

Sammenlign population, intervention, kontrol og udfald med spørgsmålet, du faktisk vil besvare.

Et godt studie kan stadig være for langt fra den konkrete beslutning.

Fire mulige afstande

En oversigt spørger måske til alle voksne, men de inkluderede forsøg udelukker ældre; til en lav dosis, men undersøger kun høj dosis; til aktiv kontrol, men bruger placebo; eller til langtidsfunktion, men måler kun et kortvarigt surrogat. Hver afstand kan mindske tilliden til, at estimatet gælder reviewets spørgsmål.

Indirekte sammenligning

Hvis A og B hver især er sammenlignet med placebo, men aldrig direkte med hinanden, er en A-mod-B-konklusion baseret på en indirekte sammenligning. Den kan være informativ, men kræver særskilt vurdering af om forsøgsgrupper og sammenligninger er tilstrækkeligt udskiftelige.

Ned- og opgradering

Vurdér præcision og manglende evidens før du opgraderer

Upræcision handler om hvilke vigtige effekter intervallet tillader

Standard

Læs konfidensintervallet mod en klinisk vigtig grænse, ikke kun mod nul-effekt.

Få deltagere eller hændelser kan gøre et resultat upræcist, selv i en metaanalyse.

To mulige konklusioner i samme interval

Hvis intervallet både er foreneligt med en vigtig gevinst og med ingen eller væsentlig skade, er tiltroen til beslutningen begrænset. Definér derfor, hvilken forskel der ville være klinisk vigtig for udfaldet. At intervallet krydser RR=1 er et nyttigt signal, men ikke hele GRADE-vurderingen.

Informationsmængden tæller

Se på antal deltagere og især antal relevante hændelser. Sammenlign eventuelt med optimal information size, altså omtrent den mængde data et tilstrækkeligt dimensioneret enkeltforsøg ville kræve. Ti små studier er ikke nødvendigvis mere præcise end ét stort.

Manglende studier og udfald kan gøre den samlede effekt for positiv

Standard

Søg efter kendte forsøg uden offentliggjorte resultater for netop dette udfald.

Fravær af synlige mangler er ikke bevis for, at alt er rapporteret.

Hvad du undersøger

Sammenhold reviewets søgning med forsøgsregistre og protokoller. Er relevante forsøg afsluttet uden tilgængelige resultater? Er udfaldet målt, men udeladt fra artikler? Vurder om manglen plausibelt afhænger af effekternes størrelse eller retning, og om de manglende data kunne ændre konklusionen.

Funnel plot er ikke en dom

Asymmetri kan skyldes publikationsbias, men også små-studieeffekter af andre årsager. Få studier giver svag diagnostisk værdi. Brug plottet sammen med registreringer, studiesøgning og faglig vurdering frem for som automatisk ja eller nej til nedgradering.

Observationel evidens kan opgraderes, men sjældent mekanisk

Standard

Stor effekt, dosis-respons og confounding, der ville svække den observerede effekt, kan øge tiltroen.

Først skal de sædvanlige risiko-for-bias-problemer vurderes.

Tre grunde til at overveje det

En meget stor og konsistent effekt kan være vanskelig at forklare væk med residual confounding. En troværdig dosis-respons-sammenhæng kan styrke en kausal tolkning. Hvis alle plausible, uobserverede confoundere ville trække effekten mod nul, kan den observerede effekt være et konservativt estimat.

Hvorfor det ikke er gratis

Dosis-respons kan også skyldes confounding, og en stor association kan opstå ved selektion eller målefejl. Opgrader ikke, før du har undersøgt sådanne forklaringer og eventuelle grunde til at nedgradere. Angiv den konkrete begrundelse frem for at stemple alle kohortestudier som moderate.

Anvendelse

Læs resultatet og begrund din konklusion

Et statistisk positivt metaanalyseresultat kan stadig have lav tiltro

Standard

Flere forsøg med høj risiko for bias, uforklaret heterogenitet og manglende studier trækker hver i tiltroen.

Kvalificér effekten, også når konfidensintervallet netop udelukker nul.

Forelæsningens regneøvelse

Tænk på en oversigt med otte randomiserede forsøg, hvor fem har høj risiko for bias, effekterne varierer, og tre kendte forsøg ikke er publiceret. Et samlet relativt estimat lige på den gunstige side af nul-effekt gør ikke problemerne væk. Start højt på grund af designet, og begrund derefter de domæner, der faktisk kan flytte estimatet.

Hold vurderingen konsekvent

Hvor meget bidrager de bias-udsatte forsøg? Er variationen klinisk forklarlig? Ville de manglende forsøg sandsynligvis ændre svaret? Er intervallet foreneligt med triviel såvel som vigtig effekt? Uden de oplysninger bør du ikke påstå, at ét bestemt GRADE-niveau følger automatisk af de fire tal.

Tiltro til ét udfald er ikke en behandlingsanbefaling

Standard

Et review vurderer hvor sikkert et bestemt effektestimat er.

En retningslinje må også veje gavn, skade, værdier, ressourcer og praktisk gennemførlighed.

To forskellige beslutninger

Et review kan have høj tiltro til færre symptomer, men lav tiltro til alvorlige bivirkninger. En anbefaling kræver en samlet vurdering af patientvigtige udfald, absolutte effekter, patienters præferencer, omkostninger, adgang og lighed. Derfor giver høj tiltro til ét resultat ikke automatisk en stærk anbefaling.

GRADE kan bruges i begge trin

I en systematisk oversigt bruges GRADE til at beskrive tiltroen til evidensen per udfald. I retningslinjearbejde kan et Evidence-to-Decision-forløb gøre den videre afvejning synlig og begrunde anbefalingens retning og styrke. Hold de to produkter adskilt, selv om de deler metodeord.

Seks spørgsmål gør en GRADE-vurdering efterprøvbar

Standard

Find PICO og udfald, læs estimatet og intervallet, og gennemgå de fem nedgraderingsdomæner.

Kontrollér til sidst om begrundelsen og eventuel opgradering faktisk følger af data.

En kort arbejdsrækkefølge

1. Hvilken population, intervention, sammenligning, tidshorisont og hvilket udfald? 2. Hvad er relativ og absolut effekt med usikkerhed? 3. Kan de inkluderede studier være skæve? 4. Er effekterne konsistente og direkte relevante? 5. Er resultatet tilstrækkeligt præcist, og mangler der studier eller udfald? 6. Er hver ned- eller opgradering forklaret?

Læs en Summary of Findings-tabel aktivt

Se hvor mange deltagere og studier der bidrager til hvert vigtigt udfald, og læs fodnoterne til tiltroen. Hvis der kun står “lav evidens” uden en tydelig årsag, mangler du den vigtigste del af vurderingen. Et andet review med samme spørgsmål kan også lande anderledes; sammenlign begrundelserne.

Afventer faglig gennemgang.