Evidensbaseret medicin · K5-K6 · Udgave 1

Systematiske oversigter II

En metaanalyse kan gøre et estimat præcist uden at gøre de inkluderede studier troværdige.

GPT-6 Sol · Extra High 18-26 min

Detaljegrad

Kort fortalt

Systematiske oversigter II

Kurset handler om det næste skridt efter søgning og sammenfatning: Vurdér risiko for bias i hvert relevant resultat, og lad vurderingen påvirke syntese og konklusion. Du lærer at læse RoB 2-domænerne, vælge værktøj efter studiedesign, skelne mellem synteser med og uden fælles estimat samt forstå rapid, scoping, living, IPD- og netværksoversigter. Til sidst vurderes selve oversigtens metode med AMSTAR 2.

Fortolkning

Find ud af, hvad der truer resultatet

Bias, tilfældig fejl og heterogenitet kræver forskellige svar

Standard

Bias kan forskyde et estimat systematisk; flere deltagere fjerner ikke nødvendigvis problemet.

Tilfældig fejl giver usikkerhed; heterogenitet kan betyde, at studierne ikke måler helt samme effekt.

Et smalt interval kan være misvisende

Når mange biased studier lægges sammen, kan konfidensintervallet blive snævert omkring et forkert gennemsnit. Et bredt interval er derimod tegn på statistisk upræcision. Forskelle i patienter, behandlinger eller effektmål kan skabe klinisk heterogenitet, selv hvis studierne hver for sig er veludførte.

Stil tre spørgsmål

Kan metoden forskyde resultatet? Hvor upræcist er estimatet? Besvarer alle studier samme kliniske spørgsmål? En metaanalyse kan mindske tilfældig fejl, men den kan ikke alene løse de to andre problemer.

Vurdér studieresultatet og oversigten på hvert sit niveau

Standard

RoB 2 vedrører et bestemt resultat fra et randomiseret forsøg.

AMSTAR 2 vedrører metoden i den systematiske oversigt.

Tre niveauer skal holdes adskilt

Et primærstudie kan have risiko for bias i fx målingen af smerte, mens måling af død er mere robust. Oversigten kan derudover have mangelfuld søgning eller ignorere studiernes bias. Endelig kan den samlede tiltro til et bestemt udfald påvirkes af bias, upræcision, inkonsistens og andre forhold.

Ingen samlet stjernescore

En numerisk “kvalitetsscore” for hvert studie kan skjule, hvilken mekanisme der truer hvilket udfald. Brug domænevurderinger med begrundelser, og følg dem videre til fortolkningen af det konkrete samlede resultat.

Primærstudier

Vurdér risiko for bias i de inkluderede resultater

Værktøjet skal passe til studiedesignet

Standard

RCT: RoB 2. Ikke-randomiseret intervention: ROBINS-I.

Diagnostisk akkuratesse: QUADAS-familien; slidesene nævner QUADAS-2.

Tre forskellige biasmekanismer

RoB 2 følger biasmekanismer i randomiserede forsøg. ROBINS-I tager blandt andet højde for konfounding og selektion i ikke-randomiserede interventionsstudier. Diagnostisk akkuratesse kræver vurdering af patientudvælgelse, indextest, referencestandard og forløb/timing; her hører QUADAS-værktøjerne hjemme.

Vær opmærksom på versionen

Forelæsningen bruger QUADAS-2 som eksempel. Udviklergruppen angiver nu QUADAS-3 som den anbefalede aktuelle version. Ved læsning af en ældre oversigt vurderer du den metode, den faktisk brugte; ved en ny vurdering bør du kontrollere den aktuelle vejledning.

RoB 2 spørger, hvor et RCT-resultat kan være blevet skævt

Standard

Fem domæner: randomisering, afvigelser, manglende data, måling og rapporteringsvalg.

Bedømmelsen gælder et konkret udfald og en specificeret effekt af tildeling eller efterlevelse.

Følg forsøgets tidslinje

Var tildelingen tilfældig og skjult indtil inklusion? Skete der afvigelser fra tildelt intervention? Mangler udfald, og hvorfor? Kunne viden om behandling påvirke målingen? Blev ét resultat udvalgt blandt flere mulige målinger eller analyser? RoB 2 samler disse mekanismer i fem domæner.

Begrund dommen med data

“Randomiseret” og “dobbeltblindet” er ikke i sig selv nok. Se protokol, registrering, deltagerflow og beskrivelse af hvem der kendte tildelingen. Vurder om en mulig fejl faktisk kan påvirke det udfald, oversigten trækker ud.

Tilfældig sekvens og skjult allokering er to forskellige krav

Standard

Sekvensgenerering afgør rækkefølgen af A og B.

Allokeringsskjul hindrer, at næste tildeling er kendt før inklusion.

Hvorfor er begge nødvendige?

En computer kan skabe en tilfældig sekvens, men hvis rekruttereren kan se den næste tildeling, kan vedkommende påvirke hvem der inkluderes. Central tildeling eller korrekt håndterede, uigennemsigtige, nummererede beholdere kan beskytte rækkefølgen, indtil patienten er uigenkaldeligt inkluderet.

Dato er ikke lodtrækning

Fordeling efter lige og ulige indlæggelsesdato er forudsigelig. Stratificering og blokke kan forbedre balance i små grupper, men ophæver ikke kravet om, at den næste tildeling skal være skjult. Se også baselineforskelle som mulige signaler, ikke som et alene-afgørende bevis.

Spørg hvem der var blindet, og for hvilket udfald

Standard

“Dobbeltblind” navngiver ikke de personer, der faktisk var uvidende.

Subjektive udfald kan være særligt følsomme for forventning hos bedømmeren.

Patient, behandler og bedømmer har forskellige roller

Manglende blinding kan ændre adfærd, samtidig behandling, rapportering af symptomer eller bedømmelse af udfald. Det er derfor mere oplysende at vide præcist, hvem der var blindet, end at læse en upræcis “enkelt-” eller “dobbeltblind”-etiket.

Betydningen afhænger af målingen

Tolkning af røntgen, klinisk bedring og patientrapporteret smerte giver rum for vurdering. Et dødsfald registreret fuldstændigt og ens i begge grupper kan være mindre følsomt for ublindet bedømmelse. Risikoen skal knyttes til det konkrete udfald og ikke sættes automatisk højt eller lavt.

Manglende udfald skal undersøges, ikke blot tælles

Standard

Se hvor mange udfald der mangler i hver gruppe, og hvorfor.

At beholde en patient i ITT-gruppen genskaber ikke et ukendt udfald.

Procenten alene er ikke facit

Hvis fravær af data hænger sammen med det sande udfald, kan estimatet blive skævt. Symmetrisk frafald kan også være problematisk, og forskellig frafaldsprocent er et faresignal snarere end en fuld forklaring. Spørg, om de manglende udfald plausibelt kunne ændre konklusionen.

Følg randomiserede deltagere videre

En patient kan stoppe behandlingen og alligevel levere slutmåling. Derfor bør et forsøg forsøge at indsamle udfald uanset adherence. Ved manglende data skal metoden og følsomhedsanalyserne gøre antagelserne synlige.

Selektiv rapportering kan opstå efter data er set

Standard

Sammenhold rapportens udfald og analyser med protokol eller register.

Et flot resultat er mindre overbevisende, hvis andre planlagte resultater er væk.

Mange mulige tal, ét fremhævet resultat

Samme effektmål kan måles på flere tidspunkter, med flere skalaer eller analysepopulationer. Hvis valget foretages efter resultaterne er kendt, kan oversigten trække et selekteret estimat ind. Find den forudbestemte plan og begrundede ændringer.

Studieniveau og oversigtsniveau

Selektivt rapporterede udfald i primærstudier er ikke helt det samme som manglende studier i oversigtens søgning. Begge dele kan ændre den evidens, der ender i en metaanalyse, og kræver hver deres kontrol.

Syntese

Lad vurderingen ændre måden, resultaterne samles på

Vis, om de mindre troværdige studier styrer den samlede effekt

Standard

En vurdering af bias har værdi, når den påvirker fortolkning eller analyse.

Sammenlign relevante resultater efter biasrisiko uden at fiske efter en ønsket konklusion.

Læs stratificeringen

Et forestplot opdelt efter risiko for bias kan vise, om studier med højere risiko trækker estimatet i en bestemt retning. En planlagt følsomhedsanalyse med studier med lavere risiko kan undersøge robustheden. Sammenlign dog også population, intervention og præcision; forskelle mellem lag skyldes ikke nødvendigvis kun bias.

Metoden skal være bestemt før resultatet

Oversigten bør forklare, hvordan biasvurderinger bruges: ved inklusion, hovedanalyse, undergrupper, følsomhedsanalyser og konklusion. Det er utilstrækkeligt blot at vise en farvet tabel og derefter citere det samlede tal uden forbehold.

Syntese kan være systematisk uden et samlet tal

Standard

Metaanalyse kræver et meningsfuldt fælles spørgsmål og sammenlignelige effektmål.

Uden pooling skal gruppering og fremstilling stadig være planlagt og gennemsigtig.

Kvalitativ og kvantitativ syntese

En systematisk oversigt kan gruppere og beskrive resultater uden at beregne ét fælles estimat. Metaanalyse er en statistisk sammenfatning, når data og klinisk spørgsmål tillader det. Begge kræver klare kriterier for hvilke studier og udfald der bidrager.

“Narrativ” er ikke en metodebeskrivelse

Hvis studierne ikke kan lægges sammen, bør forfatterne forklare hvordan de grupperes, sammenlignes og vises. Et studie-for-studie-referat kan fremhæve det mest slående fund og skjule helheden. Tabeller, effektretninger og usikkerhed kan stadig præsenteres systematisk.

Vælg oversigtsform efter det spørgsmål, der skal besvares

Standard

Rapid prioriterer tid; scoping kortlægger et felt; living opdateres løbende.

Umbrella sammenfatter systematiske oversigter frem for primærstudier direkte.

Fire forskellige leverancer

En rapid review forkorter udvalgte trin for at svare hurtigere; afvigelser fra en fuld metode skal beskrives. En scoping review kortlægger begreber, typer af evidens og huller, ofte uden ét samlet effektsvar. En living review vedligeholder sin søgning og konklusion efter en fast opdateringsplan. En umbrella review vurderer og sammenholder eksisterende oversigter.

Pas på overlappende evidens

To oversigter i en umbrella review kan indeholde mange af de samme primærstudier. De bliver ikke to uafhængige bekræftelser af et fund. Vurdér både overlap og hver oversigts metode, før konklusioner tælles sammen.

Særlige metoder

Genkend andre analyser og vurder selve oversigten

IPD-metaanalyse går tilbage til deltagerniveauet

Standard

Individuelle deltagerdata kan harmonisere analyser på tværs af studier.

Adgang til data og ensartet kvalitet er stadig afgørende.

Mere end artiklernes tabeller

Med data for hver deltager kan forskere definere udfald og undergrupper ensartet, kontrollere datakvalitet og analysere tidsforløb eller interaktioner mere direkte. Det kan løse nogle begrænsninger ved publicerede aggregater, men ikke ophæve bias i de oprindelige studier.

Spørg hvilke studier der faktisk leverede data

Hvis kun nogle forskergrupper deler datasæt, kan IPD-delen blive selekteret. Oversigten skal vise, hvilke studier der blev fundet, hvilke der leverede data, og om tilgængelige og utilgængelige studier adskiller sig.

Netværksmetaanalyse forbinder både direkte og indirekte sammenligninger

Standard

A mod C og B mod C kan bidrage til et indirekte svar om A mod B.

Det kræver sammenlignelige studier og kontrol af uenighed i netværket.

Den fælles komparator er broen

Når A og B ikke er sammenlignet direkte, kan forsøg af A mod C og B mod C give en indirekte sammenligning. Det er kun rimeligt, hvis patienter, effektmodifikatorer, doser og udfald på tværs af sammenligningerne er tilstrækkeligt beslægtede. Dette kaldes transitivitet.

Direkte og indirekte data bør stemme

Findes både direkte og indirekte estimater for A mod B, kan de sammenholdes for inkonsistens i netværket. Manglende påvist inkonsistens beviser dog ikke, at transitivitet holder; vurder de kliniske forskelle først.

AMSTAR 2 vurderer arbejdet bag oversigten

Standard

Se efter protokol, søgning, udvælgelse, biasvurdering og brugen af den i konklusionen.

AMSTAR 2 er ikke RoB 2 og ikke en numerisk pointscore.

Fra plan til troværdig syntese

AMSTAR 2 er udviklet til kritisk vurdering af systematiske oversigter over sundhedsinterventioner med randomiserede eller ikke-randomiserede studier. Undersøg blandt andet om metoderne var planlagt, søgningen tilstrækkelig, udelukkelser forklaret, primærstudiernes bias vurderet og resultatet fortolket i lyset af den.

Kritiske svagheder vejer mere end antal krydser

Værktøjets samlede vurdering bygger på bestemte kritiske domæner, ikke på summen af opfyldte punkter. En flot rapporteret oversigt kan stadig være svag, hvis fx søgning eller håndtering af bias er utilstrækkelig.

Afventer faglig gennemgang.