نوع مطالعه همه‌ی ماجرا نیست

در این سری انواع مطالعه را یکی‌یکی دیدیم. در قسمت قبل همه را در نردبان شواهد کنار هم گذاشتیم: مرور سیستماتیک و RCT در بالا، case series و نظر متخصصان در پایین. آخر همان قسمت گفتیم که نردبان فقط نوع مطالعه را رتبه‌بندی می‌کند و نمی‌گوید آن مطالعه چقدر خوب انجام شده است. در این قسمت آخر می‌بینیم این حرف یعنی چه، و وقتی مقاله‌ای می‌خوانیم، به جز نوع مطالعه به چه چیزهای دیگری باید نگاه کنیم.

نردبان کجا کم می‌آورد

با نردبان، فقط از روی نوع مطالعه می‌گوییم چقدر می‌شود به آن اعتماد کرد. این روش ساده است و خیلی وقت‌ها درست جواب می‌دهد. ولی دو مطالعه‌ی هم‌نوع لزوماً به یک اندازه خوب نیستند. ممکن است یک RCT بد اجرا شده باشد، و یک مطالعه‌ی مشاهده‌ای نتیجه‌ای داشته باشد که تقریباً هیچ شکی در آن نیست.

برای همین روشی ساخته شده که به آن GRADE می‌گویند (Grading of Recommendations Assessment, Development and Evaluation). GRADE می‌سنجد چقدر می‌شود به شواهد موجود درباره‌ی یک سوال اطمینان کرد. در این روش نوع مطالعه فقط نقطه‌ی شروع است. بعد چند چیز دیگر بررسی می‌شود که می‌توانند این اطمینان را کم یا زیاد کنند. نتیجه در چهار سطح گزارش می‌شود: اطمینان بالا (high)، متوسط (moderate)، پایین (low) و خیلی پایین (very low). اگر در یک مرور سیستماتیک یا گایدلاین به کلمه‌ی GRADE یا یکی از این چهار سطح برخوردید، منظور همین است.

چه چیزهایی اطمینان را کم می‌کند

اجرای ضعیف. در قسمت RCT دیدیم که رندومیزیشن و بلایندینگ باید درست انجام شوند. اگر نشده باشند، RCT بودن مطالعه به تنهایی کافی نیست.

نتیجه‌ی نادقیق (imprecision). هیچ مطالعه‌ای اثر یک درمان را دقیق و با یک عدد قطعی نمی‌گوید. چیزی که مطالعه به ما می‌دهد یک محدوده است، یعنی می‌گوید اثر واقعی درمان به احتمال زیاد جایی بین این دو عدد است. به این محدوده فاصله‌ی اطمینان (confidence interval) می‌گویند.

فرض کنید مطالعه‌ای با تعداد کمی بیمار نشان داده یک دهان‌شویه التهاب لثه را کم می‌کند، ولی محدوده‌اش می‌گوید اثر واقعی ممکن است چیزی بین «التهاب را خیلی کم می‌کند» تا «التهاب را کمی زیاد می‌کند» باشد (مثال فرضی). این مطالعه در واقع به ما نمی‌گوید دهان‌شویه مفید است یا نه، چون هر دو حالت داخل محدوده‌اش جا می‌شود. حالا فرض کنید مطالعه‌ی دیگری با بیماران خیلی زیاد می‌گوید اثر واقعی بین «التهاب را کمی کم می‌کند» تا «التهاب را متوسط کم می‌کند» است (مثال فرضی). این نتیجه دقیق است، چون محدوده‌اش باریک است و هر جای آن را که بگیریم، دهان‌شویه مفید است.

پس قاعده ساده است: هرچه این محدوده پهن‌تر باشد، نتیجه کمتر قابل اتکاست. اگر هم محدوده آن‌قدر پهن باشد که هم فایده و هم ضرر داخلش باشد، مطالعه عملاً جوابی به سوال ما نداده است.

غیرمستقیم بودن (indirectness). هر مطالعه برای جواب دادن به یک سوال مشخص طراحی شده است: روی چه بیمارانی، با چه درمانی، در مقایسه با چه چیزی، و برای سنجیدن چه نتیجه‌ای. وقتی مقاله‌ای می‌خوانیم، اول باید بفهمیم سوال خود آن مطالعه دقیقاً چه بوده، و بعد ببینیم آن سوال با سوال ما یکی است یا نه. مثلاً اگر مطالعه اثر یک وارنیش فلوراید را روی پوسیدگی در کودکان سنجیده باشد و ما درباره‌ی بیماران بزرگسال تصمیم بگیریم، مطالعه به سوال ما فقط به شکل غیرمستقیم جواب می‌دهد (مثال فرضی). برای استفاده از نتیجه‌اش باید فرض کنیم در بزرگسالان هم همین‌طور است، و هرچه این فاصله بیشتر باشد، اطمینان ما به آن نتیجه برای بیمار خودمان کمتر است.

یک مثال واقعی: در یک مرور سیستماتیک، پنج RCT بررسی کرده بودند که آیا کنترل خیلی سخت‌گیرانه‌ی قند خون در بیماران بستری مرگ‌ومیر را کم می‌کند یا نه. نتیجه کمی به نفع کنترل سخت‌گیرانه بود. ولی در بیشتر این مطالعات رندومیزیشن و بلایندینگ درست انجام نشده بود. محدوده‌ی نتیجه هم آن‌قدر پهن بود که هم ممکن بود این روش مرگ‌ومیر را به شکل قابل توجهی کم کند و هم ممکن بود آن را زیاد کند. پس با این‌که این شواهد از پنج RCT آمده بود، نمی‌شود زیاد به آن اعتماد کرد.

چه چیزی اطمینان را زیاد می‌کند

گاهی برعکس است. مثلاً می‌دانیم تعویض مفصل ران برای بیماری که آرتروز شدید مفصل ران دارد و راه رفتن برایش سخت شده، فایده دارد. این درمان هیچ‌وقت با RCT آزموده نشده و شواهدش از مطالعات مشاهده‌ای است. ولی درباره‌ی فایده‌اش اطمینان زیادی داریم. پس پایین‌تر بودن در نردبان همیشه به معنی اعتماد کمتر نیست.

برای نشان دادن همین موضوع، در نسخه‌ی جدیدی از هرم شواهد (همان نردبان که به شکل مثلث کشیده شده)، خط‌هایی که طبقه‌ها را از هم جدا می‌کنند صاف نیستند و موج دارند. یعنی یک مطالعه، بسته به کیفیتش، ممکن است بالاتر یا پایین‌تر از جای معمول نوعش قرار بگیرد.

مرور سیستماتیک هم شرط دارد

در قسمت هشتم دیدیم که مرور سیستماتیک در بالای نردبان است. ولی مرور سیستماتیک از کنار هم گذاشتن مطالعات دیگر ساخته می‌شود. پس اگر مطالعاتی که داخلش هستند ضعیف باشند، نتیجه‌ی مرور هم ضعیف است.

برای سنجیدن یک مرور سیستماتیک دو چیز را نگاه می‌کنیم. اول این‌که خود مرور درست انجام شده باشد، یعنی همه‌ی مطالعات مربوط را پیدا کرده و با دقت انتخاب کرده باشد. دوم این‌که مطالعاتی که داخلش هستند از چه نوعی‌اند و چقدر خوب اجرا شده‌اند.

در مرور سیستماتیک یک چیز دیگر هم مهم است: هم‌خوانی (consistency)، یعنی این‌که مطالعاتی که داخل مرور کنار هم گذاشته شده‌اند نتیجه‌های نزدیک به هم گرفته‌اند یا نه. اگر یکی اثر زیادی دیده و دیگری هیچ اثری ندیده، به نتیجه‌ی جمع‌بندی‌شده‌ی آن‌ها کمتر می‌شود اعتماد کرد.

یک مثال واقعی: متاآنالیزی تعداد زیادی case series را درباره‌ی یک آسیب شدید آئورت کنار هم گذاشته بود و نتیجه گرفته بود یک روش جراحی مرگ‌ومیر کمتری از روش‌های دیگر دارد. ولی همه‌ی مطالعات داخل آن case series بودند، یعنی هیچ‌کدام گروه مقایسه‌ی درست نداشتند. چنین متاآنالیزی با متاآنالیز چند RCT خوب هم‌ارز نیست، هرچند هر دو متاآنالیزند.

به همین دلیل در هرم جدید، مرور سیستماتیک را از بالای هرم برداشته‌اند و به شکل ذره‌بین کشیده‌اند. یعنی مرور سیستماتیک یک پله‌ی نردبان نیست، بلکه ابزاری است که با آن بقیه‌ی مطالعات را نگاه می‌کنیم. ذره‌بین هر چقدر هم خوب باشد، چیزی که از پشتش می‌بینیم همان مطالعاتی است که زیرش گذاشته‌ایم.

ارزیابی شواهد دنت‌کست (DES)

اگر بعضی از مقاله‌های دنت‌کست را نگاه کنید، بالای آن‌ها یک حرف می‌بینید، از A تا E، و پایینشان توضیح داده شده که این رده از کجا آمده. به این ارزیابی DES (DentCast Evidence Score) می‌گوییم. منطقش همان چیزی است که در این قسمت دیدیم: نوع مطالعه نقطه‌ی شروع است و کیفیت اجرا آن را بالا یا پایین می‌برد.

این ارزیابی در سه قدم انجام می‌شود. اول، مطالعه بر اساس نوعش یک امتیاز پایه می‌گیرد، یعنی جایش در نردبان. این نردبان برای هر نوع سوال جداست، چون طراحی مناسب برای سوال درمان با طراحی مناسب برای سوال تشخیصی فرق دارد.

دوم، بررسی می‌شود مطالعه چقدر خوب اجرا شده است، مثلاً در یک RCT این‌که رندومیزیشن و بلایندینگ درست انجام شده یا نه. هرچه ایراد بیشتری پیدا شود، امتیاز بیشتر کم می‌شود. پس یک RCT با چند ایراد جدی ممکن است رده‌ای پایین‌تر از یک کوهورت خوب بگیرد. مرور سیستماتیکی هم که کیفیت مطالعات داخلش را نسنجیده باشد، رده‌ی پایینی می‌گیرد.

سوم، اگر مقاله چیزهایی را که باید شفاف می‌گفته نگفته باشد، مثلاً این‌که چه کسی هزینه‌ی مطالعه را داده، باز هم امتیاز کم می‌شود.

در نهایت مقاله در یکی از پنج رده قرار می‌گیرد، از A (شواهد قوی) تا E (در حد نظر). اسم مجله و شهرت نویسنده‌ها در این رده اثری ندارد. اگر فقط ابسترکت مقاله در دسترس بوده باشد، رده موقت حساب می‌شود.

وقتی مقاله‌ای جلوی ماست

با همه‌ی آنچه در این سری دیدیم، وقتی مقاله‌ای می‌خوانیم این چند سوال را می‌پرسیم:

• این مطالعه از چه نوعی است و جایش در نردبان کجاست؟
• خوب اجرا شده است؟ اگر RCT است، رندومیزیشن و بلایندینگ درست انجام شده‌اند؟
• محدوده‌ی نتیجه‌اش باریک است، یا آن‌قدر پهن است که هم فایده و هم ضرر را شامل می‌شود؟
• سوالی که مطالعه جواب داده، همان سوال ماست؟ روی بیمارانی شبیه بیماران ما انجام شده است؟
• اگر مرور سیستماتیک یا متاآنالیز است، مطالعات داخلش از چه نوعی‌اند و نتایجشان با هم جور است؟

جمع‌بندی

نوع مطالعه و جایش در نردبان نقطه‌ی شروع است، نه پایان کار. اجرای ضعیف و نتیجه‌ی نادقیق می‌توانند حتی شواهد RCT را ضعیف کنند، و اگر مطالعه به سوالی متفاوت از سوال ما جواب داده باشد، نتیجه‌اش را با اطمینان کمتری می‌شود به بیمار خودمان رساند. در مقابل، گاهی شواهدی از پله‌های پایین‌تر اطمینان زیادی می‌دهند. مرور سیستماتیک و متاآنالیز هم فقط به اندازه‌ی مطالعاتی که داخلشان است قابل اعتمادند. ارزیابی DES در دنت‌کست هم با همین منطق ساخته شده است.