Andet til at øve Flashcards
(20 cards)
Hvad er de tre hjørnesten i evidensbaseret medicin?
Bedste tilgængelige evidens fra klinisk forskning.
Klinisk ekspertise hos behandleren.
Patientens værdier og præferencer.
Hvad er formålet med at bruge PICO-modellen i evidensbaseret medicin?
✅ Formålet med PICO-modellen er at strukturere et klinisk problem som et klart og fokuseret forskningsspørgsmål, hvilket gør det lettere at identificere relevant evidens i litteratursøgning. Modellen opdeler spørgsmålet i fire komponenter:
P: Patient eller problem
I: Intervention
C: Comparison (sammenligning, fx placebo eller anden behandling)
O: Outcome (udfald)
Hvordan defineres selektionsbias?
✅ Selektionsbias opstår, når der er en systematisk forskel mellem de personer, der inkluderes i et studie, og dem, der ikke inkluderes, hvilket kan føre til en skæv fordeling af karakteristika i studiedeltagerne. Det betyder, at resultaterne kan være ikke-repræsentative og dermed ikke gyldige for den population, man egentlig vil sige noget om.
Andre former for selektionsbias:
- Healthy worker bias
- Volunteer bias
- Loss to follow up bias
- Overmatching
Hvad er forskellen mellem intern og ekstern validitet?
✅ Intern validitet handler om, i hvilken grad studiets resultater er troværdige inden for studiets rammer, dvs. om de observerede effekter reelt skyldes interventionen og ikke bias, confounding eller tilfældigheder.
✅ Ekstern validitet (generaliserbarhed) handler om, i hvilken grad resultaterne fra studiet kan overføres til andre patienter, situationer eller kontekster – altså den kliniske relevans i praksis.
Nævn to metoder til at minimere bias på design-niveau i kliniske studier?
✅ Randomisering: Fordeler deltagerne tilfældigt i grupper, så kendte og ukendte konfoundere bliver jævnt fordelt – det styrker den interne validitet og minimerer selektionsbias.
✅ Blinding: Forhindrer deltagere, behandlere og/eller dataanalytikere i at vide, hvilken behandling der gives. Det reducerer risikoen for informationsbias og observer bias.
📌 Andre metoder kunne fx være brug af kontrolgrupper, placebo, eller objektive effektmål, men dine to svar er blandt de vigtigste og mest centrale.
Hvad betyder intention-to-treat-analyse, og hvorfor anvendes den?
✅ Intention-to-treat (ITT) betyder, at deltagerne analyseres i de grupper, de oprindeligt blev randomiseret til – uanset om de gennemførte behandlingen, skiftede gruppe eller faldt fra.
📌 Det bevarer den randomiserede fordeling og beskytter mod bias, især hvis fx de mest syge eller mindst motiverede deltagere dropper ud.
🎯 Formålet er at bevare fordelene ved randomisering og give et realistisk billede af behandlingens effekt i praksis – altså høj intern validitet og god generaliserbarhed.
📌 Det minimerer selektionsbias og attrition bias, som kan opstå hvis man kun analyserer dem, der fx har fulgt behandlingen helt korrekt.
🧪 Som du skriver, måler per-protokol-analyse effekten blandt dem, der har gennemført behandlingen som planlagt – den giver ofte et mere “ideelt” billede, men med større risiko for bias.
Forklar forskellen på randomiserede kontrollerede forsøg og case-kontrol-studier i forhold til risiko for bias?
✅ Randomiserede kontrollerede forsøg (RCT):
Design: Deltagere fordeles tilfældigt (randomiseres) til interventions- og kontrolgrupper.
Bias-risiko: Lav – fordi randomisering udligner kendte og ukendte konfoundere, og man kan blinde både patienter og behandlere.
Fordel: Høj intern validitet og god mulighed for at udtale sig om årsagssammenhænge.
✅ Case-kontrol-studier:
Design: Man starter med personer, der har en sygdom (cases), og sammenligner dem med personer uden sygdommen (kontroller) – og ser bagud i tid for at finde eksponering.
Bias-risiko: Højere – fx:
- Selektionsbias (hvordan cases og kontroller udvælges)
- Recall bias (deltagerne husker tidligere eksponering forskelligt)
- Confounding (man kan ikke sikre, at forskelle i eksponering ikke skyldes andre faktorer).
RCT’er har lavere risiko for bias pga. randomisering og kontrolleret design, mens case-kontrol-studier er mere sårbare over for bias – men er nyttige, når sygdommen er sjælden eller lang tid undervejs.
Hvordan påvirker lav prævalens de prædiktive værdier af en diagnostisk test?
✅ Lav prævalens (altså lav forekomst af sygdommen i den undersøgte population) fører typisk til:
Lav positiv prædiktiv værdi (PPV) – fordi en større andel af de positive tests vil være falsk positive.
Høj negativ prædiktiv værdi (NPV) – fordi det er mere sandsynligt, at en negativ test virkelig betyder, at man ikke har sygdommen.
Beskriv kort, hvad GRADE-systemet bruges til i evidensbaseret medicin.
GRADE (Grading of Recommendations, Assessment, Development and Evaluation) bruges til at vurdere, hvor stor tiltro man kan have til evidensen fra et sæt studier – typisk i systematiske oversigter eller kliniske retningslinjer.
Man starter med et udgangspunkt baseret på studiedesign:
RCT’er starter som høj kvalitet
Observationsstudier starter som lav kvalitet
Derefter kan man nedgradere tiltroen baseret på 5 domæner: (RIIIP)
R =
Risiko for bias (f.eks. manglende blinding, selektionsbias)
I =
Inkonsekvens (forskelle i effekt mellem studier – heterogenitet)
I =
Indirekte evidens (f.eks. hvis population, intervention eller outcome ikke matcher præcist)
I =
Impræcision (f.eks. brede konfidensintervaller, små studiepopulationer)
P =
Publikationsbias
📈 Man kan også opgradere evidens fra observationsstudier i særlige tilfælde, fx ved:
Stor effekt
Dosis-respons sammenhæng
Fravær af plausible konfoundere
Diskutér kort, hvordan interessekonflikter kan påvirke resultaterne i klinisk forskning.
Du kommer omkring:
Både finansielle og personlige interessekonflikter
Finansieringskilder og deres potentielle indflydelse
Publikationsbias
Fokus på sekundære eller subgruppe-effekter
Spin i konklusionen
Interessekonflikter kan både være finansielle og ikke-finansielle og påvirker alle led af klinisk forskning – fra design til publicering. Hvis forskningen fx er finansieret af et firma med økonomiske interesser i udfaldet, kan det skabe risiko for bias, fx via selektiv rapportering, spin i konklusionen eller undladt publikation af negative resultater.
Det rejser spørgsmålet: Kan vi overhovedet stole på resultaterne? Samtidig er det vigtigt at understrege, at industrien spiller en stor rolle i udvikling af ny medicin – og at deklarering og gennemsigtighed (f.eks. via ICMJE-formularer og registrering af protokoller) er centrale redskaber til at håndtere problemet frem for at undgå samarbejde helt. Det er altså ikke selve interessekonflikten, men hvordan den håndteres, der er afgørende.
Hvad er selektionbias? RCT
Selektionsbias
Systematiske forskelle i de måder hvorpå patienterne accepteres eller afvises i et projekt eller
forskelle i måden interventionen tildeles deltagerne efter de er accepteret.
Løsning: Randomisering efter inklusion (allocation concealment)
Hvad er performancebias? RCT
Skyldes kendskab til den allokerede behandling blandt både patienter og personalegrupper
undervejs i studiet. F.eks. kan investigator systematisk ændre anden behandling
Løsning: blinding (af alle)
Hvad er detention bias? RCT
Detection bias
Skyldes kendskab til den allokerede intervention ved resultatvurdering, og kan bl.a. resultere i:
investigator bevidst påvirker målinger eller investigator systematisk udvælger særlige ”outcome” ved dataanalyse
Løsning: Blinding
Hvad er attrition bias? RCT
Skyldes ukomplette data og uhensigtsmæssig eller ikke-rapporteret håndtering heraf
Løsning:
- Protokollerede regler for bortfaldshåndtering og håndtering af ukomplette data
- Beskrivelse og rapportering af bortfald og årsager hertil
- Intention-to-treat analyse
- Sensitivitetsanalyse (worst case - best case)
Hvad er Reporting bias (publikations bias)
Skyldes selektiv rapportering. F.eks. kan forfattere systematisk vælge af særlige gunstige
”outcomes” ved publicering, eller multicenter-forsøg kan undlade rapportering af data fra
enkelte centre
Løsning:
- Angivelse af primære og sekundære effektmål i protokol
- Analyse og manuskript færdiggøres uden kendskab til allokeret intervention
Hvad er confounding?
Faktoren skal være en selvstændig årsag til outcome
Faktoren er associeret med den formodede risikofaktor
Faktoren er ikke et led i årsagskæden mellem exposure og outcome
Løsning: Burde være elimineret som følge af korrekt randomisering
Hvad er et effektmål? Nævn typer
Ét primært effektmål, der er klinisk relevant og statistisk følsomt.
Evt. et eller flere sekundære effektmål
Typer:
- Tilstedeværelseskriterier Binære (død/i live)
- Graderede Rangskala (f.eks. comagrad)
- Helhedsvurderinger Rangskala (f.eks. livskvalitet, lægens vurdering)
- Kontinuerte variable F.eks. BT eller HbA1c
- Hyppigheder Dødelighed
- Tid til event Overlevelse
Hvad er effektmål? Nævn anden opdeling end typer?
Ét primært effektmål, der er klinisk relevant og statistisk følsomt.
Evt. et eller flere sekundære effektmål.
- Hårde effektmål: Død, fraktur (enten ja eller nej)
- Bløde effektmål: Patients eller læges vurdering af smerte
- Surrogat-effektmål Kliniske / parakliniske fund, der afspejler sygdommen fx blodtryk, kolesterolmåling, peakflow, knogletæthed mm.
- Ofte lettere at måle, kræver færre patienter.
Composit effektmål:
Sammensatte af flere variable der afspejler tilstanden
= sammensatte effektmål fx MACE (major cardiovaskular events)
inkluderer AMI, apoplexi eller kardiovaskulær død
Risiko for at mindre betydende effekter bliver dominerende
Man bruger det for at få større statistisk kraft.
PRO
Hvad er PRO?
Patient related outcome (PRO) ->
De for patienten vigtigste effektmål → f.eks. smerter, befindende, livskvalitet
Det nytter ikke noget at en eller anden scores forbedres hvis patienten ikke kan mærke det.
Patientinddragelse ved planlægning
