প্রমাণ সংশ্লেষণ ও মেটা-বিশ্লেষণ

এটি স্বাস্থ্য অর্থনীতিতে কেন গুরুত্বপূর্ণ

প্রতিটি অর্থনৈতিক মূল্যায়ন এমন ইনপুটের উপর নির্ভর করে যা কোথাও থেকে আসতে হয়েছিল: একটি চিকিৎসার আপেক্ষিক প্রভাব, একটি রোগ যে হারে অগ্রসর হয়, একটি স্বাস্থ্য অবস্থার জীবনের-মান ওজন, একটি প্রতিকূল ঘটনার সম্ভাবনা। এগুলি সেই সংখ্যা যা একটি ক্রমবর্ধমান সাশ্রয়ী-কার্যকারিতা অনুপাত চালায়, এবং তারা কোথা থেকে আসে তা সিদ্ধান্ত নেয় অনুপাত বিশ্বাসযোগ্য কিনা। একটি সিদ্ধান্ত মডেল (বিষয় ২.২ — মডেলিং দেখুন) কেবল ততটাই ভালো যতটা এতে দেওয়া প্যারামিটার, এবং সেই প্যারামিটারগুলি সংশ্লেষণের পণ্য — একটি সম্পূর্ণ সাহিত্যের ইচ্ছাকৃত পুলিং — কোনো একক ট্রায়ালের নয়। এই বিষয়টি "মডেলের সংখ্যাগুলি কোথা থেকে আসে" এর মালিকানাধীন।

একজন পরিচালকের জন্য, ঝুঁকি হল একটি সংশ্লেষণ অর্থনীতি এমনকি চালানোর আগেই নীরবে একটি অর্থায়ন প্রশ্ন সিদ্ধান্ত নিতে পারে। যদি একটি পর্যালোচনা অনুকূল ট্রায়াল বেছে নেয়, একটি শূন্য ফলাফল কবর দেয়, বা কখনো তুলনাযোগ্য ছিল না এমন অধ্যয়ন জুড়ে গড় করে, এটি উৎপাদন করা প্রভাব অনুমান একটি নির্দিষ্ট দিকে ভুল হবে, এবং প্রতিটি ডাউনস্ট্রিম গণনা কঠোরতার একটি আবরণ সহ সেই ত্রুটি উত্তরাধিকার সূত্রে পায়। বিশ্বব্যাপী স্বাস্থ্য প্রযুক্তি মূল্যায়ন (HTA) সংস্থাগুলি — ইংল্যান্ডের ন্যাশনাল ইনস্টিটিউট ফর হেলথ অ্যান্ড কেয়ার এক্সিলেন্স (NICE), জার্মানির IQWiG, বিশ্ব স্বাস্থ্য সংস্থার (WHO) নির্দেশিকা প্যানেল — সংশ্লেষণের উপর তাদের সুপারিশ তৈরি করে ঠিক কারণ একটি একক অধ্যয়ন একটি জাতীয় সিদ্ধান্তের ওজন বহন করার জন্য খুব ভঙ্গুর।

ঝুঁকি নৈতিকও এবং সরকারি বিশ্বাস সম্পর্কে। একটি ভালোভাবে-পরিচালিত পদ্ধতিগত পর্যালোচনা একটি সরকারি সংস্থার কাছে সবচেয়ে শক্তিশালী প্রতিরক্ষা যা কে সবচেয়ে স্মরণীয় ট্রায়াল চালিয়েছে বা সবচেয়ে জোরে চিৎকার করেছে তার দ্বারা দখল হওয়ার বিরুদ্ধে। এটি সম্পূর্ণ প্রমাণ ভিত্তিকে কথা বলতে দেওয়ার একটি স্বচ্ছ, পুনরুৎপাদনযোগ্য পদ্ধতি, অসুবিধাজনক অংশগুলি সহ। যখন একজন পেয়ার দেখাতে পারেন তার সিদ্ধান্ত একটি পূর্ব-নির্দিষ্ট, বিস্তৃত, সমালোচনামূলকভাবে-মূল্যায়িত সংশ্লেষণ থেকে অনুসরণ করেছে, তারা চিকিৎসক, রোগী, শিল্প, এবং আদালতের কাছে সেই সিদ্ধান্ত রক্ষা করতে পারেন। যখন এটি পারে না, সিদ্ধান্তটি স্বেচ্ছাচারী দেখায় — এবং স্বাস্থ্যে, কে চিকিৎসা পায় তা নিয়ে স্বেচ্ছাচারী সিদ্ধান্ত দ্রুত বিশ্বাস ক্ষয় করে।

মূল ধারণাসমূহ

একটি পদ্ধতিগত পর্যালোচনা একটি নির্দিষ্ট প্রশ্নে প্রযোজ্য সমস্ত অধ্যয়ন সনাক্ত, মূল্যায়ন, এবং সংক্ষিপ্ত করার একটি কাঠামোগত পদ্ধতি, একটি পূর্ব-নিবন্ধিত প্রোটোকল ব্যবহার করে যাতে প্রক্রিয়া পুনরুৎপাদনযোগ্য এবং পক্ষপাত-প্রতিরোধী হয়। এটি এর স্পষ্ট অনুসন্ধান কৌশল, এর বিবৃত অন্তর্ভুক্তি এবং বর্জন মানদণ্ড, এবং প্রতিটি অন্তর্ভুক্ত অধ্যয়নের সমালোচনামূলক মূল্যায়ন দ্বারা একটি প্রচলিত ভাষ্যমূলক পর্যালোচনা থেকে আলাদা। বেশিরভাগ পর্যালোচনা এখন যে প্রতিবেদন মান অনুসরণ করে তা হল PRISMA (পদ্ধতিগত পর্যালোচনা ও মেটা-বিশ্লেষণের জন্য পছন্দের প্রতিবেদন আইটেম), যা লেখকদের অনুসন্ধান থেকে সংশ্লেষণ পর্যন্ত প্রতিটি ধাপ নথিভুক্ত করতে বলে যাতে একজন পাঠক কী করা হয়েছিল তা পরীক্ষা করতে পারেন।

মেটা-বিশ্লেষণ সেই প্রক্রিয়ার পরিসংখ্যানগত অংশ: বেশ কয়েকটি অধ্যয়নের ফলাফল একটি একক সম্মিলিত অনুমানে পরিমাণগত পুলিং, সাধারণত একটি আপেক্ষিক ঝুঁকি, অডস অনুপাত, বা গড় পার্থক্যের মতো একটি প্রভাব আকারের। প্রতিটি পদ্ধতিগত পর্যালোচনায় একটি মেটা-বিশ্লেষণ থাকে না — পুলিং শুধুমাত্র ন্যায্য যখন অধ্যয়নগুলি একত্রিত করার জন্য যথেষ্ট অনুরূপ — কিন্তু যেখানে এটি উপযুক্ত, এটি নির্ভুলতা বাড়ায় এবং একটি প্রভাব প্রকাশ করতে পারে যা পৃথক কম-ক্ষমতাসম্পন্ন অধ্যয়ন মিস করেছে। এটি প্রদর্শনের প্রামাণিক উপায় হল ফরেস্ট প্লট: প্রতিটি অধ্যয়ন এর অনুমান এবং আত্মবিশ্বাস অন্তর্বর্তী দেখানো একটি অনুভূমিক রেখা, পুল করা ফলাফল নিচে একটি হীরা।

দুটি পরিসংখ্যানগত মডেল পুল করা অনুমানের পিছনে বসে। একটি নির্দিষ্ট-প্রভাব মডেল অনুমান করে প্রতিটি অধ্যয়ন একটি একক প্রকৃত প্রভাব অনুমান করছে, এবং তাদের মধ্যে পার্থক্য শুধুমাত্র নমুনা শব্দ। একটি র‍্যান্ডম-প্রভাব মডেল অনুমান করে প্রকৃত প্রভাব অধ্যয়ন জুড়ে প্রকৃতপক্ষে পরিবর্তিত হয় — কারণ জনসংখ্যা, ডোজ, এবং সেটিং ভিন্ন — এবং সেই বণ্টনের গড় অনুমান করে, ছোট অধ্যয়নগুলিকে বেশি ওজন এবং বিস্তৃত, আরও সৎ, অনিশ্চয়তা দেয়। তাদের মধ্যে পছন্দ প্রসাধনী নয়: এটি আত্মবিশ্বাস অন্তর্বর্তী এবং কখনো কখনো উপসংহার পরিবর্তন করে।

পছন্দ গুরুত্বপূর্ণ হওয়ার কারণ হল বিষমতা — অধ্যয়ন ফলাফল সুযোগ ব্যাখ্যা করার চেয়ে বেশি পরিমাণে ভিন্ন হওয়ার পরিমাণ। ক্লিনিকাল বিষমতা (ভিন্ন রোগী বা চিকিৎসা), পদ্ধতিগত বিষমতা (ভিন্ন অধ্যয়ন ডিজাইন বা মান), এবং পরিসংখ্যানগত বিষমতা (বিক্ষিপ্ত ফলাফল) সবই একটি পুল করা সংখ্যার অর্থ হুমকি দেয়। সত্যিকারের বিষম অধ্যয়ন একত্রিত করা একটি গড় উৎপাদন করে যা কোনো প্রকৃত জনসংখ্যা বর্ণনা করে না — এক পা বরফে এবং এক পা আগুনে থাকা একজন ব্যক্তি "গড়ে আরামদায়ক" থাকার পরিসংখ্যানগত সমতুল্য। বিষমতা গড় করে দূরে না করে তদন্ত করা প্রায়ই যেখানে প্রকৃত শেখা বাস করে।

সমস্ত প্রমাণ সমান নয়, এবং ক্ষেত্রটি এটিকে একটি প্রমাণের শ্রেণিবিন্যাসএ সংগঠিত করে: শীর্ষে র‍্যান্ডমাইজড ট্রায়ালের পদ্ধতিগত পর্যালোচনা, তারপর পৃথক র‍্যান্ডমাইজড নিয়ন্ত্রিত ট্রায়াল, তারপর পর্যবেক্ষণমূলক অধ্যয়ন, তারপর কেস সিরিজ এবং বিশেষজ্ঞ মতামত। শ্রেণিবিন্যাস একটি অধ্যয়ন ডিজাইন-এ পক্ষপাতের ঝুঁকি সম্পর্কে একটি থাম্ব নিয়ম, একটি গ্যারান্টি নয় — একটি খারাপভাবে-পরিচালিত ট্রায়াল একটি ভালো কোহর্ট অধ্যয়নের চেয়ে খারাপ হতে পারে। আধুনিক পরিমার্জন হল GRADE (সুপারিশ মূল্যায়ন, উন্নয়ন, এবং মূল্যায়নের গ্রেডিং), যা প্রতিটি ফলাফলের প্রমাণের নিশ্চিততা উচ্চ, মাঝারি, নিম্ন, বা খুব নিম্ন হিসাবে রেট করে, এবং পক্ষপাতের ঝুঁকি, অসামঞ্জস্য, অপ্রত্যক্ষতা, অনির্ভুলতা, এবং প্রকাশনা পক্ষপাতের জন্য এমনকি ট্রায়াল প্রমাণও অবনমিত করতে পারে — বা শক্তিশালী পর্যবেক্ষণমূলক প্রমাণ উন্নীত করতে পারে। GRADE এখন WHO, Cochrane, এবং বিশ্বব্যাপী নির্দেশিকা সংস্থা দ্বারা ব্যবহৃত হয় ঠিক কারণ এটি একটি নিশ্চিততা রেটিংয়ের পিছনের যুক্তিকে স্পষ্ট এবং নিরীক্ষাযোগ্য করে তোলে।

যেখানে মাথা-থেকে-মাথা ট্রায়াল বিদ্যমান নেই — B কখনো C এর বিরুদ্ধে ট্রায়াল করা হয়নি, শুধুমাত্র প্রতিটি প্লাসিবোর বিরুদ্ধে — নেটওয়ার্ক মেটা-বিশ্লেষণ (মিশ্র-চিকিৎসা বা পরোক্ষ-তুলনা মেটা-বিশ্লেষণও বলা হয়) চিকিৎসার একটি সংযুক্ত নেটওয়ার্ক জুড়ে প্রত্যক্ষ এবং পরোক্ষ প্রমাণ একত্রিত করে সমস্ত তুলনা অনুমান করে, যাদের কখনো সরাসরি অধ্যয়ন করা হয়নি সেগুলি সহ। HTA এর জন্য এটি অপরিহার্য, যেখানে একটি নতুন ওষুধকে একবারে বেশ কয়েকটি বিদ্যমান বিকল্পের সাথে তুলনা করতে হবে, কিন্তু এটি একটি শক্তিশালী অনুমানের উপর নির্ভর করে — যে ট্রায়ালগুলি পরোক্ষ তুলনার জন্য বৈধ হওয়ার জন্য যথেষ্ট অনুরূপ — যা পরীক্ষা করতে হবে, অনুমান করা যায় না।

দুটি আরও ধারণা আকার দেয় একটি সংশ্লেষণ বিশ্বাস করা যায় কিনা। প্রকাশনা পক্ষপাত হল ইতিবাচক, তাৎপর্যপূর্ণ ফলাফল সহ অধ্যয়নগুলি প্রকাশিত হওয়ার প্রবণতা, এবং নেতিবাচকগুলি একটি ড্রয়ারে বসে থাকে — তাই দৃশ্যমান সাহিত্য পদ্ধতিগতভাবে প্রভাব অতিরঞ্জিত করে। এটি প্রায়ই একটি ফানেল প্লট দিয়ে স্ক্রিন করা হয়, যার অসামঞ্জস্য অনুপস্থিত ছোট নেতিবাচক অধ্যয়ন সংকেত দিতে পারে, এবং এটি একটি কারণ কেন পর্যালোচকরা শুধু জার্নাল নয় বরং ট্রায়াল রেজিস্ট্রি এবং ধূসর সাহিত্য — থিসিস, প্রতিবেদন, অপ্রকাশিত ডেটা — অনুসন্ধান করেন। অবশেষে, কারণ প্রমাণ আসতে থাকে, একটি ক্রমবর্ধমান অনুশীলন হল জীবন্ত পর্যালোচনা: একটি সংশ্লেষণ যা ক্রমাগত আপডেট রাখা হয় নতুন অধ্যয়ন প্রকাশ পাওয়ার সাথে সাথে, যাতে নির্দেশিকা কখনো বিজ্ঞানের পিছনে বছরের পর বছর ধরে না থাকে। Cochrane সহযোগিতা (Cochrane) পদ্ধতিগত-পর্যালোচনা পদ্ধতির জন্য আন্তর্জাতিক রেফারেন্স পয়েন্ট রয়ে গেছে, এবং এর হ্যান্ডবুক ক্ষেত্রের প্রমিত ম্যানুয়াল।

সর্বোত্তম অনুশীলন

1. আপনি অনুসন্ধান করার আগে প্রোটোকল লিখুন এবং নিবন্ধন করুন। একটি পদ্ধতিগত পর্যালোচনার বিশ্বাসযোগ্যতা ফলাফল দেখার আগে প্রশ্ন, অন্তর্ভুক্তি মানদণ্ড, ফলাফল, এবং বিশ্লেষণ পরিকল্পনা সিদ্ধান্ত নেওয়া থেকে আসে, তারপর সেই প্রোটোকলকে সর্বজনীনভাবে নিবন্ধন করা (উদাহরণস্বরূপ PROSPERO তে)। এটি পর্যালোচককে অবচেতনভাবে পর্যালোচনাকে একটি পছন্দের উত্তরের দিকে আকার দেওয়ার বিরুদ্ধে একক সবচেয়ে শক্তিশালী রক্ষক। যখন আপনি একটি সংশ্লেষণ কমিশন করেন, একটি নিবন্ধিত প্রোটোকলের উপর জোর দিন এবং এর অনুপস্থিতিকে একটি সতর্কতা হিসাবে বিবেচনা করুন যে উপসংহারগুলি প্রথমে বেছে নেওয়া হয়েছিল।

2. ব্যাপকভাবে অনুসন্ধান করুন, যে অধ্যয়নগুলি কেউ প্রকাশ করেনি সেগুলি সহ। একটি কয়েকটি ডেটাবেস এবং ইংরেজি-ভাষার জার্নালে সীমাবদ্ধ একটি অনুসন্ধান ট্রায়াল মিস করবে এবং ইতিবাচক ফলাফলের দিকে বাঁকা হবে। বিস্তৃত সংশ্লেষণ একাধিক ডেটাবেস, ট্রায়াল রেজিস্ট্রি, সম্মেলন সারাংশ, নিয়ন্ত্রক ডসিয়ার, এবং ধূসর সাহিত্য অনুসন্ধান করে, এবং তদন্তকারী ও প্রস্তুতকারকদের কাছ থেকে অপ্রকাশিত ডেটা অনুসরণ করে। বিন্দুটি নিজের জন্য সম্পূর্ণতা নয় বরং উৎসে প্রকাশনা পক্ষপাত নিরপেক্ষ করা — অনুপস্থিত অধ্যয়নগুলি অসামঞ্জস্যপূর্ণভাবে নেতিবাচক।

3. প্রতিটি অন্তর্ভুক্ত অধ্যয়নে পক্ষপাতের ঝুঁকি মূল্যায়ন করুন, এবং এটি আপনি ফলাফলকে দেওয়া ওজন পরিবর্তন করতে দিন। অন্তর্ভুক্তি অনুমোদন নয়; প্রতিটি অধ্যয়ন এটি কীভাবে বিভ্রান্ত করতে পারে তার নির্দিষ্ট উপায়গুলির জন্য মূল্যায়ন করতে হবে — অপর্যাপ্ত র‍্যান্ডমাইজেশন, অ-অন্ধ ফলাফল মূল্যায়ন, নির্বাচনী প্রতিবেদন, ক্ষয়। একটি সংশ্লেষণ যা সমান ওজনে শক্তিশালী এবং দুর্বল অধ্যয়ন পুল করে তা দুর্বলগুলির পক্ষপাতকে একটি কর্তৃত্বপূর্ণ-দেখানো গড়ে ধুয়ে দেয়। একটি স্বীকৃত মূল্যায়ন সরঞ্জাম ব্যবহার করুন, রায়গুলি স্বচ্ছভাবে প্রতিবেদন করুন, এবং উচ্চ-ঝুঁকির অধ্যয়ন বাদ দিয়ে বিশ্লেষণ চালান দেখতে উপসংহার ধরে থাকে কিনা।

4. একটি পুল করা সংখ্যা গণনা করার আগে সিদ্ধান্ত নিন পুলিং মোটেও ন্যায্য কিনা। মেটা-বিশ্লেষণ শুধুমাত্র অর্থপূর্ণ যখন অধ্যয়নগুলি জনসংখ্যা, হস্তক্ষেপ, তুলনাকারী, এবং ফলাফলে একটি তুলনাযোগ্য প্রভাব অনুমান করার জন্য যথেষ্ট অনুরূপ। যদি তারা না হয়, সৎ আউটপুট একটি কাঠামোগত ভাষ্যমূলক সংশ্লেষণ, একটি ভুয়া একক সংখ্যা নয়। "সম্মিলিত অনুমান কী?" জিজ্ঞাসা করার আগে "এই অধ্যয়নগুলি কি একই প্রশ্নের উত্তর দিচ্ছে?" জিজ্ঞাসা করুন — অতুলনীয় জিনিসের একটি নির্ভুল গড় কোনো গড়ের চেয়ে খারাপ।

5. নির্দিষ্ট-প্রভাব বা র‍্যান্ডম-প্রভাব মডেল ইচ্ছাকৃতভাবে বেছে নিন, এবং এটি ন্যায্যতা দিন। একটি র‍্যান্ডম-প্রভাব মডেল সাধারণত স্বাস্থ্যে আরও সৎ ডিফল্ট, যেখানে অধ্যয়নগুলি প্রকৃতপক্ষে ভিন্ন, কারণ এটি প্রকৃত-বিশ্ব পরিবর্তন প্রতিফলিত করে এমন বিস্তৃত অন্তর্বর্তী উৎপাদন করে। কিন্তু এটি ছোট অধ্যয়নগুলিকে অসামঞ্জস্যপূর্ণ ওজন দেয়, তাই যেখানে প্রকাশনা পক্ষপাত সন্দেহ করা হয় এটি ঠিক সেই পক্ষপাত বাড়াতে পারে যা আপনি ভয় পান। আপনি কোন মডেল ব্যবহার করেছেন এবং কেন বলুন, এবং দেখান বিকল্পের অধীনে পুল করা অনুমান কীভাবে সরে যায়; দুটির মধ্যে যে উপসংহার উল্টে যায় তা দৃঢ় নয়।

6. বিষমতা গড় করে দূরে না করে তদন্ত করুন। যখন অধ্যয়ন ফলাফল সুযোগ ব্যাখ্যা করার চেয়ে বেশি বিচ্যুত হয়, সেই বিচ্যুতি তথ্য — এর অর্থ হতে পারে চিকিৎসা একটি উপগোষ্ঠীতে কাজ করে এবং অন্যটিতে না, বা মান আপাত প্রভাব চালায়। পূর্ব-নির্দিষ্ট উপগোষ্ঠী বিশ্লেষণ এবং মেটা-রিগ্রেশন দিয়ে এটি অন্বেষণ করুন, কিন্তু পোস্ট-হক উপগোষ্ঠীকে সন্দেহের সাথে বিবেচনা করুন কারণ তারা খুঁজে পাওয়া সহজ এবং বিশ্বাস করা কঠিন। কেন অধ্যয়নগুলি একমত নয় তার কোনো পরীক্ষা ছাড়া উপস্থাপিত একটি পুল করা অনুমান ডেটার সবচেয়ে দরকারী অংশ লুকিয়ে রাখছে।

7. প্রকাশনা এবং প্রতিবেদন পক্ষপাতের জন্য স্পষ্টভাবে স্ক্রিন করুন। চালানো কিন্তু কখনো প্রতিবেদিত হয়নি এমন অধ্যয়নগুলি খুঁজে পেতে প্রকাশিত সাহিত্যকে ট্রায়াল রেজিস্ট্রির সাথে তুলনা করুন, যথেষ্ট অধ্যয়ন বিদ্যমান থাকলে ফানেল-প্লট অসামঞ্জস্য পরিদর্শন করুন, এবং বিবেচনা করুন অধ্যয়নের আকার বাড়ার সাথে সাথে প্রভাব সংকুচিত হয় কিনা। এই পরীক্ষাগুলির কোনোটিই চূড়ান্ত নয়, কিন্তু তাদের অনুপস্থিতি একটি পরিপাটি ইতিবাচক ফলাফলে আপনার আত্মবিশ্বাস কমানো উচিত। প্রকাশনা পক্ষপাতের দিক প্রায় সবসময় একই — এটি আপাত সুবিধা স্ফীত করে — তাই একটি অ-স্ক্রিন করা সংশ্লেষণকে একটি ঊর্ধ্ব সীমা হিসাবে পড়া উচিত।

8. যখন সিদ্ধান্তে অনেক তুলনাকারী থাকে তখন নেটওয়ার্ক মেটা-বিশ্লেষণ ব্যবহার করুন, এবং এর মূল অনুমান পরীক্ষা করুন। প্রকৃত অর্থায়ন সিদ্ধান্ত খুব কমই একটি ওষুধকে প্লাসিবোর বিরুদ্ধে রাখে; তারা বেশ কয়েকটি সক্রিয় বিকল্পের মধ্যে বেছে নেয়, যার বেশিরভাগ কখনো মাথা-থেকে-মাথা ট্রায়াল করা হয়নি। নেটওয়ার্ক মেটা-বিশ্লেষণ সেই ব্যবধানগুলি পূরণ করে, কিন্তু শুধুমাত্র যদি ট্রায়ালগুলি পরোক্ষ তুলনার জন্য যথেষ্ট অনুরূপ হয় — "ট্রানজিটিভিটি" অনুমান — এবং যদি প্রত্যক্ষ এবং পরোক্ষ প্রমাণ উভয়ই বিদ্যমান সেখানে একমত হয়। বিশ্লেষককে নেটওয়ার্ক দেখাতে, সামঞ্জস্য পরীক্ষা করতে, এবং পাতলা পরোক্ষ চেইনের উপর নির্ভরশীল তুলনা সম্পর্কে খোলামেলা হতে দাবি করুন।

9. প্রভাবের আকার নয়, প্রমাণের নিশ্চিততা গ্রেড করুন। নিম্ন-নিশ্চিততা প্রমাণ থেকে একটি বড় প্রভাব উচ্চ-নিশ্চিততা প্রমাণ থেকে একটি মাঝারি প্রভাবের চেয়ে সরকারি অর্থ ব্যয় করার একটি দুর্বল ভিত্তি। GRADE এই প্রশ্নগুলিকে প্রতি-ফলাফল নিশ্চিততা রেট করে এবং কেন এটি অবনমিত বা উন্নীত হয়েছিল তা নথিভুক্ত করে আলাদা করে, "প্রমাণ শক্তিশালী"কে একটি দাবি থেকে একটি নিরীক্ষিত রায়ে পরিণত করে। জোর দিন যে একটি সিদ্ধান্ত খাওয়ানো একটি সংশ্লেষণ গুরুত্বপূর্ণ প্রতিটি ফলাফলের জন্য একটি স্পষ্ট নিশ্চিততা রেটিং বহন করে, একটি একক বৈশ্বিক রায় নয়।

10. সংশ্লেষণটি এমনভাবে প্রতিবেদন করুন যাতে একজন সন্দেহবাদী এটি পুনরুৎপাদন করতে পারেন। PRISMA এর মতো একটি স্বীকৃত প্রতিবেদন মান অনুসরণ করুন: সম্পূর্ণ অনুসন্ধান কৌশল, চিহ্নিত থেকে অন্তর্ভুক্ত পর্যন্ত অধ্যয়নের প্রবাহ, কারণ সহ বর্জিত অধ্যয়ন, পক্ষপাত-ঝুঁকি রায়, এবং প্রতিটি পুল করা অনুমানের পিছনের ডেটা দিন। স্বচ্ছতা সেই প্রক্রিয়া যার মাধ্যমে ত্রুটি এবং নির্বাচনী পছন্দগুলি বাজেট সরানোর আগে ধরা পড়ে। একটি সংশ্লেষণ যার অনুসন্ধান পুনরায় চালানো যায় না বা যার বর্জন অব্যাখ্যাত তা একটি সিদ্ধান্তকে নোঙর করা উচিত নয়, যতই আত্মবিশ্বাসী এর সারাংশ হোক না কেন।

11. উচ্চ-বিপদের সংশ্লেষণকে জীবন্ত রাখুন যেখানে প্রমাণ দ্রুত সরছে। একটি দ্রুত-পরিবর্তনশীল ক্ষেত্রে — একটি নতুন ওষুধ শ্রেণী, একটি উদীয়মান রোগজীবাণু, একটি দ্রুত-ট্রায়ালকৃত প্রযুক্তি — একটি পর্যালোচনা প্রকাশিত হওয়ার মুহূর্তে পুরানো হয়ে যায়, এবং বাসি প্রমাণ নীরবে অর্থ এবং যত্ন ভুল দিকনির্দেশ করে। একটি জীবন্ত পর্যালোচনা নতুন অধ্যয়নের বিরুদ্ধে ক্রমাগত আপডেট করে, কখন একটি নতুন ট্রায়াল উপসংহার পরিবর্তন করে তার জন্য পূর্ব-সম্মত নিয়ম সহ। যথেষ্ট বড় এবং অস্থির সিদ্ধান্তের জন্য প্রচেষ্টা সংরক্ষণ করুন এটি ন্যায্যতা দিতে, এবং আপনি যে কোনো সংশ্লেষণের উপর নির্ভর করেন তার মুদ্রা তারিখ সম্পর্কে স্পষ্ট থাকুন।

12. সংশ্লেষণকে মডেলের প্রকৃতপক্ষে প্রয়োজন এমন প্যারামিটারের সাথে মেলান। একটি সিদ্ধান্ত মডেলের নির্দিষ্ট ইনপুট প্রয়োজন — বেস কেসের জন্য একটি আপেক্ষিক প্রভাব, স্থানীয় জনসংখ্যার জন্য একটি বেসলাইন ঝুঁকি, একটি উপযোগিতা ওজন — এবং প্রতিটির নিজস্ব অন্তর্ভুক্তি মানদণ্ড সহ নিজস্ব সংশ্লেষণের প্রয়োজন হতে পারে। র‍্যান্ডমাইজড ট্রায়াল থেকে একটি আপেক্ষিক প্রভাব কিন্তু একটি স্থানীয় রেজিস্ট্রি থেকে একটি বেসলাইন ঝুঁকি টানা ন্যায্য এবং সাধারণ; দুটি ভিন্ন প্রমাণ সংস্থা থেকে এসেছে তা লুকানো নয়। প্রতিটি সংশ্লেষিত ইনপুটকে এটি ডাউনস্ট্রিমে কীভাবে ব্যবহৃত হবে তার সাথে সারিবদ্ধ করুন, এবং এটি যে মূল্যায়ন খাওয়ায় তা ক্রস-রেফারেন্স করুন (বিষয় ২.১ — অর্থনৈতিক মূল্যায়ন দেখুন)।

আপনার দলের সাথে আলোচনা করার প্রশ্নসমূহ

1. যখন আমরা একটি প্রভাব অনুমান নিষ্পত্তিকৃত হিসাবে গ্রহণ করি, আমরা কি জানি এটি সম্পূর্ণ সাহিত্য থেকে এসেছে নাকি শুধুমাত্র এর দৃশ্যমান, চাটুকার অংশ থেকে? এই প্রশ্নটি প্রকাশনা পক্ষপাত এবং নির্বাচনী প্রতিবেদনকে লক্ষ্য করে, ব্যর্থতা যা একটি সংশ্লেষণকে একটি অনুমানযোগ্য দিকে ভুল করে তোলে। অস্বস্তিকর বাস্তবতা হল ইতিবাচক ট্রায়াল দ্রুত, বেশি প্রায়ই, এবং আরও বিশিষ্টভাবে প্রকাশিত হয় নেতিবাচকগুলির চেয়ে, তাই জার্নালে সীমাবদ্ধ একটি পর্যালোচনা সুবিধা অতিরঞ্জিত করার প্রবণতা রাখবে এমনকি যখন প্রতিটি অন্তর্ভুক্ত অধ্যয়ন সৎ। আলোচনাকে কংক্রিট উৎপত্তিতে ঠেলে দিন: চালানো কিন্তু কখনো প্রতিবেদিত হয়নি এমন অধ্যয়নগুলির জন্য ট্রায়াল রেজিস্ট্রি অনুসন্ধান করা হয়েছিল কিনা, প্রস্তুতকারকদের কাছ থেকে অপ্রকাশিত ডেটা চাওয়া হয়েছিল কিনা, একটি ফানেল প্লট বা তুলনামূলক চেক করা হয়েছিল কিনা। উত্তেজনা হল বিস্তৃত অনুসন্ধান ব্যয়বহুল এবং ধীর, এবং সবসময় একটি পরিষ্কার প্রকাশিত অনুমান গ্রহণ করে এগিয়ে যাওয়ার চাপ রয়েছে। একটি সৎ উত্তর দাবি করে না অনুসন্ধান নিখুঁত ছিল; এটি বলে পর্যালোচনা কতটা কঠিনভাবে অনুপস্থিত অধ্যয়নগুলির জন্য খুঁজেছিল এবং একটি অ-স্ক্রিন করা ইতিবাচক ফলাফলকে সত্যের পরিবর্তে একটি সম্ভাব্য ঊর্ধ্ব সীমা হিসাবে বিবেচনা করে।

2. আমরা যে অধ্যয়নগুলি পুল করছি তারা কি প্রকৃতপক্ষে একই প্রশ্নের উত্তর দিচ্ছে, নাকি আমরা একসাথে থাকে না এমন জিনিস থেকে একটি পরিপাটি গড় তৈরি করেছি? এটি বিষমতা প্রশ্ন, এবং এটি সিদ্ধান্ত নেয় একটি পুল করা সংখ্যা মোটেও কিছু বোঝায় কিনা। প্রকাশ করার যোগ্য কোণগুলি হল ক্লিনিকাল (ভিন্ন রোগী, ডোজ, বা তুলনাকারী), পদ্ধতিগত (দুর্বল পর্যবেক্ষণমূলক অধ্যয়নের সাথে মিশ্রিত ট্রায়াল), এবং পরিসংখ্যানগত (সুযোগের চেয়ে বেশি একমত না হওয়া ফলাফল)। প্রলুব্ধকর ব্যর্থতা হল সফটওয়্যার সবসময় একটি আত্মবিশ্বাসী-দেখানো আত্মবিশ্বাস অন্তর্বর্তী সহ একটি পুল করা অনুমান ফেরত দেবে, অন্তর্নিহিত অধ্যয়নগুলি তুলনাযোগ্য কিনা তা নির্বিশেষে — সংখ্যার নির্ভুলতা এর বৈধতা সম্পর্কে কিছু বলে না। আলোচনা করুন পর্যালোচনা কেন অধ্যয়নগুলি একমত নয় তা তদন্ত করেছে নাকি কেবল তাদের গড় করেছে, এবং কোনো উপগোষ্ঠী পার্থক্য পূর্ব-নির্দিষ্ট ছিল নাকি পরে মাছ ধরা হয়েছিল। একটি সৎ উত্তর এই উপসংহারে পৌঁছাতে ইচ্ছুক যে পুলিং অনুপযুক্ত ছিল এবং একটি কাঠামোগত ভাষ্যমূলক সংশ্লেষণ আরও সত্যবাদী আউটপুট হত।

3. এই প্রমাণ কতটা বর্তমান, এবং আমাদের সিদ্ধান্ত পরিবর্তন করতে একটি নতুন অধ্যয়নকে কী দেখাতে হবে? সংশ্লেষণের একটি শেলফ লাইফ রয়েছে, এবং বিপদ হল একটি পর্যালোচনার উপর কাজ করা যার অনুসন্ধান বছর আগে বন্ধ হয়েছিল যখন ক্ষেত্রটি এগিয়ে গেছে। স্পষ্টভাবে মুদ্রা তারিখের নাম দিন এবং জিজ্ঞাসা করুন তারপর থেকে কী প্রকাশিত হয়েছে, বিশেষত দ্রুত-পরিবর্তনশীল প্রযুক্তির জন্য যেখানে একটি একক বড় ট্রায়াল একটি পুল করা অনুমান উল্টে দিতে পারে। গভীর শৃঙ্খলা হল অগ্রিম সিদ্ধান্ত নেওয়া কোন আবিষ্কার আপনার মন পরিবর্তন করবে — একটি থ্রেশহোল্ড যা "সাহিত্য দেখতে থাকুন"কে একটি অস্পষ্ট উদ্দেশ্য থেকে একটি জীবন্ত আপডেটের জন্য একটি অপারেশনাল ট্রিগারে পরিণত করে। উত্তেজনা হল একটি সংশ্লেষণ জীবিত রাখার ব্যয় এবং বাসি প্রমাণে নীরবে চলমান একটি সিদ্ধান্তের ব্যয়ের মধ্যে; প্রতিটি প্রশ্ন একটি জীবন্ত পর্যালোচনা ন্যায্যতা দেয় না, কিন্তু প্রতিটি উচ্চ-বিপদ, অস্থির একটি করে। একটি সৎ উত্তর মুদ্রা তারিখ বলে, উপসংহার বিপরীত করবে এমন কিছুর নাম দেয়, এবং এটি আসার সময় লক্ষ্য করার দায়িত্ব বরাদ্দ করে।

4. প্রশ্ন, এবং এটির উত্তর দেবে এমন বিশ্লেষণ, কেউ ফলাফল দেখার আগে স্থির ছিল কিনা — নাকি পর্যালোচনাটি একটি পছন্দের উপসংহারের দিকে আকার দেওয়া যেতে পারত? এটি সম্পূর্ণ শৃঙ্খলায় একক সবচেয়ে শক্তিশালী রক্ষককে লক্ষ্য করে: একটি প্রোটোকল অগ্রিম নিবন্ধিত, অন্তর্ভুক্তি মানদণ্ড, ফলাফল, এবং পুলিং পরিকল্পনা ডেটা তাদের প্রভাবিত করতে পারার আগে নিষ্পত্তি। এটি যে ব্যর্থতার বিরুদ্ধে রক্ষা করে তা সূক্ষ্ম কারণ এটি খুব কমই ইচ্ছাকৃত — একজন পর্যালোচক যিনি প্রথমে ফলাফল দেখেন তিনি সরল বিশ্বাসে একটি অন্তর্ভুক্তি সীমানা সামঞ্জস্য করতে পারেন, একটি মাধ্যমিক ফলাফল প্রচার করতে পারেন, বা এমন উপায়ে একটি মডেল পছন্দ পরিবর্তন করতে পারেন যা সব ঘটনাক্রমে একটি নির্দিষ্ট উত্তরের পক্ষে। জিজ্ঞাসা করুন PROSPERO এর মতো একটি সরকারি রেজিস্ট্রিতে একটি প্রোটোকল বিদ্যমান কিনা, চূড়ান্ত পর্যালোচনা এর সাথে মেলে কিনা, এবং কোনো বিচ্যুতি নীরবে তৈরি করার পরিবর্তে ঘোষিত এবং ন্যায্যতাপ্রাপ্ত ছিল কিনা। উত্তেজনা হল পূর্ব-নিবন্ধন অসুবিধাজনক — এটি "আমরা যেতে যেতে শিখেছি" নমনীয়তা নিষিদ্ধ করে যা ভালো বিজ্ঞান মনে হয় — এবং এর অনুপস্থিতি ক্ষমা করা সহজ। একটি সৎ উত্তর নিবন্ধিত প্রোটোকলের দিকে নির্দেশ করতে পারে, পর্যালোচনা এটি থেকে কোথায় প্রস্থান করেছে এবং কেন তা দিয়ে হাঁটে, এবং একটি অনিবন্ধিত সংশ্লেষণকে একটি হিসাবে বিবেচনা করে যার উপসংহার প্রমাণ আসার আগে বেছে নেওয়া হতে পারত।

5. যখন সিদ্ধান্ত বেশ কয়েকটি চিকিৎসা জুড়ে বিস্তৃত যা একে অপরের বিরুদ্ধে কখনো ট্রায়াল করা হয়নি, আমরা কি তাদের একসাথে সেলাই করা পরোক্ষ তুলনা বিশ্বাস করি? প্রকৃত অর্থায়ন পছন্দ সাধারণত বেশ কয়েকটি সক্রিয় বিকল্পকে একে অপরের বিরুদ্ধে রাখে, বেশিরভাগ কখনো মাথা-থেকে-মাথা পরীক্ষা করা হয়নি, তাই সংশ্লেষণ একটি নেটওয়ার্ক মেটা-বিশ্লেষণের উপর নির্ভর করে যা ভাগ করা তুলনাকারীর মাধ্যমে শক্তি ধার করে। প্রকাশ করার কোণগুলি হল বিশ্লেষক প্রকৃতপক্ষে ট্রায়ালের নেটওয়ার্ক দেখিয়েছেন কিনা, "ট্রানজিটিভিটি" অনুমান ধরে থাকে কিনা — ট্রায়াল জনসংখ্যা এবং পটভূমি যত্ন একটি পরোক্ষ তুলনার অর্থবহ হওয়ার জন্য যথেষ্ট অনুরূপ — এবং প্রত্যক্ষ এবং পরোক্ষ প্রমাণ উভয়ই বিদ্যমান সেখানে একমত কিনা। প্রলুব্ধকর ব্যর্থতা হল সফটওয়্যার জোড়া অনুমানের একটি সম্পূর্ণ সেট ফেরত দেবে অন্তর্নিহিত চেইনগুলি যতই পাতলা বা অতুলনীয় হোক না কেন, একটি ভঙ্গুর পরোক্ষ ফলাফলকে একটি দৃঢ় প্রত্যক্ষের মতো একই কর্তৃত্ব দেয়। আলোচনা করুন কোন বৈসাদৃশ্যগুলি একটি একক দুর্বল পরোক্ষ লিঙ্কের উপর বিশ্রাম নেয় এবং সেগুলি সুপারিশ চালাচ্ছে এমন তুলনা কিনা। একটি সৎ উত্তর ভালো-সংযুক্ত, সামঞ্জস্য-পরীক্ষিত তুলনাগুলিকে পাতলাগুলি থেকে আলাদা করে, এবং পরিপাটি লিগ টেবিলে তাদের কবর দেওয়ার পরিবর্তে পরবর্তীগুলিকে নিম্ন নিশ্চিততা হিসাবে বহন করে।

6. আমরা কি একটি বড় প্রভাব এবং একটি নিশ্চিত প্রভাবকে একই জিনিস হিসাবে বিবেচনা করছি, যখন তারা নয়? এটি একটি অনুমানের আকারকে আমরা এর প্রতি যে আত্মবিশ্বাস রাখার অধিকারী তা থেকে আলাদা করে — পার্থক্যটি GRADE স্পষ্ট করার জন্য বিদ্যমান। উত্তেজনা হল একটি বড় বিন্দু অনুমান প্ররোচনামূলক এবং এতে অর্থ ব্যয় করা সহজ, যখন এর পিছনের নিশ্চিততা কম হতে পারে কারণ প্রমাণ অসামঞ্জস্যপূর্ণ, অনির্ভুল, পরোক্ষ, বা প্রকাশনা পক্ষপাত দ্বারা ছায়াযুক্ত। জিজ্ঞাসা করুন প্রতিটি গুরুত্বপূর্ণ ফলাফল তার নিজস্ব নিশ্চিততা রেটিং বহন করে কিনা, কেন এটি অবনমিত বা উন্নীত হয়েছিল, এবং সুপারিশটি প্রভাব আকার দ্বারা চালিত হচ্ছে নাকি প্রমাণ কতটা বহন করতে পারে তার একটি সৎ পাঠ দ্বারা। অস্বস্তিকর কেস হল একটি নাটকীয় কিন্তু নিম্ন-নিশ্চিততা সুবিধার বিরুদ্ধে প্রতিদ্বন্দ্বিতা করা একটি মাঝারি কিন্তু উচ্চ-নিশ্চিততা সুবিধা: শৃঙ্খলা হল চাটুকার সংখ্যার চেয়ে আপনি বিশ্বাস করতে পারেন এমন প্রমাণ পছন্দ করা। একটি সৎ উত্তর "বড়" এবং "নিশ্চিত"কে একটি একক রায়ে ভেঙে ফেলতে অস্বীকার করে, এবং নিশ্চিততা রেটিংকে, শুধু বিন্দু অনুমান নয়, সিদ্ধান্ত ফলাফলে কতটা ওজন দেয় তা শাসন করতে দেয়।

অনুশীলনে: একটি স্বাস্থ্য অর্থনীতি উদাহরণ

মারিদিয়ার জাতীয় ওষুধ ও স্বাস্থ্য প্রযুক্তি কমিটি — একটি কাল্পনিক নিম্ন-মধ্যম-আয়ের দেশ যা তার প্রয়োজনীয় ওষুধের তালিকা তৈরি করছে — সিদ্ধান্ত নিতে হবে প্রাথমিক যত্নে জটিলতা-মুক্ত উচ্চ রক্তচাপের জন্য প্রথম-লাইন হিসাবে কোন শ্রেণীর রক্তচাপ-হ্রাসকারী ওষুধ সুপারিশ করবে। চারটি শ্রেণী প্রার্থী, সবগুলি পেটেন্ট-মুক্ত এবং সাশ্রয়ী, কিন্তু ক্লিনিকাল প্রশ্ন হল প্রতি রোগী চিকিৎসায় কোনটি সবচেয়ে বেশি স্ট্রোক এবং হার্ট অ্যাটাক প্রতিরোধ করে। কমিটি তার নিজস্ব ট্রায়াল চালাতে পারে না; এটিকে বিশ্ব ইতিমধ্যে যা জানে তা সংশ্লেষণ করতে হবে, তারপর স্থানীয় ব্যয় এবং ঘটনার হারের সাথে একত্রিত করতে তার অর্থনীতি দলের কাছে একটি আপেক্ষিক-প্রভাব অনুমান হস্তান্তর করতে হবে।

কমিটির প্রমাণ ইউনিট একটি নিবন্ধিত প্রোটোকল দিয়ে শুরু হয়: প্রশ্ন, চারটি তুলনাকারী, ফলাফল (কার্ডিওভাসকুলার ঘটনা এবং সমস্ত-কারণ মৃত্যুহার), অন্তর্ভুক্তি মানদণ্ড, এবং বিশ্লেষণ পরিকল্পনা, সবই অনুসন্ধানের আগে স্থির। অনুসন্ধান বেশ কয়েকটি ডেটাবেস, দুটি ট্রায়াল রেজিস্ট্রি, এবং মারিদিয়ার নিজস্বের মতো সেটিং থেকে ট্রায়াল সূচিত করে এমন WHO আঞ্চলিক সাহিত্য কভার করে, কারণ শুধুমাত্র উচ্চ-আয়ের-দেশের জার্নালের উপর নির্ভর করা এমন একটি জনসংখ্যা আমদানি করবে যা মেলে না। প্রবাহটি PRISMA-শৈলীতে নথিভুক্ত: কয়েক হাজার রেকর্ড চিহ্নিত, বেশিরভাগ শিরোনামে বাদ, কয়েক ডজন র‍্যান্ডমাইজড ট্রায়াল অন্তর্ভুক্ত, প্রতিটি পক্ষপাতের ঝুঁকির জন্য মূল্যায়িত। তিনটি বড় শিল্প-অর্থায়িত ট্রায়াল নির্বাচনীভাবে প্রতিবেদন করেছে বলে পাওয়া যায়; ইউনিট তাদের চিহ্নিত করে এবং তাদের ছাড়া একটি সংবেদনশীলতা বিশ্লেষণ পরিকল্পনা করে।

মূল অসুবিধা হল প্রায় কোনো ট্রায়াল চারটি শ্রেণীকে মাথা-থেকে-মাথা তুলনা করেনি — বেশিরভাগ একটি ওষুধকে প্লাসিবোর বিরুদ্ধে বা একটি একক বিকল্পের বিরুদ্ধে পরীক্ষা করেছে। একটি সরল জোড়া মেটা-বিশ্লেষণ শুধুমাত্র কমিটি প্রকৃতপক্ষে মুখোমুখি হওয়া তুলনার একটি ভগ্নাংশের উত্তর দিতে পারে। তাই ইউনিট একটি নেটওয়ার্ক মেটা-বিশ্লেষণ তৈরি করে, তাদের ভাগ করা তুলনাকারীর মাধ্যমে শ্রেণীগুলিকে সংযুক্ত করে, এবং একবারে সমস্ত ছয়টি জোড়া বৈসাদৃশ্য অনুমান করে। এটি বিশ্বাস করার আগে, তারা নেটওয়ার্কের ট্রানজিটিভিটি পরীক্ষা করে — ট্রায়াল জনসংখ্যা এবং পটভূমি যত্ন কি পরোক্ষ তুলনার জন্য যথেষ্ট অনুরূপ? — এবং পরীক্ষা করে প্রত্যক্ষ এবং পরোক্ষ প্রমাণ উভয়ই বিদ্যমান সেখানে একমত কিনা। তারা করে, বেশিরভাগ; একটি বৈসাদৃশ্য একটি পাতলা পরোক্ষ চেইনের উপর বিশ্রাম নেয়, যা ইউনিট নিম্ন নিশ্চিততা হিসাবে চিহ্নিত করে।

বিষমতা প্রকৃত এবং তথ্যপূর্ণ। বয়স্ক, উচ্চ-ঝুঁকির জনসংখ্যায় ট্রায়াল তরুণ কোহর্টের ট্রায়ালের চেয়ে বড় পরম সুবিধা দেখায়, যা গুরুত্বপূর্ণ কারণ মারিদিয়ার চিকিৎসিত জনসংখ্যা ট্রায়াল গড়ের চেয়ে তরুণের দিকে বাঁকা হবে। অন্ধভাবে পুল করার পরিবর্তে, ইউনিট পূর্ব-নির্দিষ্ট উপগোষ্ঠী এবং মেটা-রিগ্রেশন বিশ্লেষণ চালায় এবং বেসলাইন ঝুঁকির শর্তে প্রভাব প্রতিবেদন করে। বৃহত্তম তুলনায় একটি ফানেল প্লট হালকা অসামঞ্জস্য দেখায়, কয়েকটি অনুপস্থিত ছোট নেতিবাচক অধ্যয়নের সাথে সামঞ্জস্যপূর্ণ; নির্বাচনী-প্রতিবেদন ট্রায়ালের সাথে মিলিত, এটি তাদের সবচেয়ে অনুকূল শ্রেণীর প্রান্তকে সতর্কতার সাথে বিবেচনা করতে পরিচালিত করে। একটি র‍্যান্ডম-প্রভাব মডেলের অধীনে চারটি শ্রেণীর মধ্যে তিনটির মধ্যে পার্থক্য ছোট এবং তাদের আত্মবিশ্বাস অন্তর্বর্তী ব্যাপকভাবে ওভারল্যাপ করে।

ইউনিট GRADE দিয়ে প্রতিটি ফলাফল গ্রেড করে। প্রমাণ যে চারটি শ্রেণী কোনো চিকিৎসাকে হারায় তা উচ্চ নিশ্চিততা; প্রমাণ যে কোনো একটি শ্রেণী অন্যদের চেয়ে স্পষ্টভাবে উচ্চতর তা শুধুমাত্র নিম্ন-থেকে-মাঝারি, অসামঞ্জস্য, অনির্ভুলতা, এবং সন্দেহভাজন প্রকাশনা পক্ষপাতের জন্য অবনমিত। সেই পার্থক্যই সিদ্ধান্ত। কমিটি উপসংহারে আসে যে, কারণ শ্রেণীগুলি ক্লিনিক্যালি কাছাকাছি এবং সবগুলি সস্তা, অর্থনীতি ক্লিনিকাল শ্রেষ্ঠত্বের একটি ভঙ্গুর দাবির পরিবর্তে মূল্য, সহনশীলতা, এবং সরবরাহ নিরাপত্তা দ্বারা চালিত হওয়া উচিত — একটি উপসংহার যা শুধুমাত্র দৃশ্যমান হয়েছিল কারণ সংশ্লেষণ প্রভাব আকারকে নিশ্চিততা থেকে আলাদা করেছিল। এটি অর্থনীতি দলকে স্পষ্ট অনিশ্চয়তা সহ একটি আপেক্ষিক-প্রভাব অনুমান হস্তান্তর করে, একটি ব্যয়-প্রতি-ঘটনা-এড়ানোতে পরিণত করতে (বিষয় ২.১ — অর্থনৈতিক মূল্যায়ন দেখুন), এবং একটি জীবন্ত আপডেট কমিশন করে: যদি দুই বছরের মধ্যে প্রত্যাশিত একটি বড় বাস্তবসম্মত ট্রায়াল একটি নির্দিষ্ট বৈসাদৃশ্যকে একটি পূর্ব-সম্মত মার্জিনের বাইরে সরায়, সুপারিশ পুনরায় খোলা হয়। প্রতিটি ট্রায়ালের ভিতরের একক-অধ্যয়ন কার্যকারণ যুক্তি — এর নিজস্ব প্রভাব অনুমান বিশ্বাসযোগ্য কিনা — বিষয় ২.৩ — স্বাস্থ্য অর্থমিতির অন্তর্গত; এই কমিটির কাজ ছিল তাদের ভালোভাবে পুল করা।

চারটি ক্ষেত্র দৃষ্টিভঙ্গি

স্টার্টআপ

একটি ডিজিটাল-স্বাস্থ্য বা ডিভাইস স্টার্টআপ খুব কমই একটি সম্পূর্ণ পদ্ধতিগত পর্যালোচনা কমিশন করে, কিন্তু এটি অন্য দিক থেকে সংশ্লেষণের সাথে দেখা করে — সেই পক্ষ হিসাবে যার একক প্রতিশ্রুতিশীল অধ্যয়নকে একটি HTA সংস্থার বিস্তৃত ক্ষেত্রের সংশ্লেষণ বেঁচে থাকতে হবে। প্রলোভন হল একটি চাটুকার ট্রায়াল এবং হাতে-বাছাই করা সমর্থক কাগজপত্রের একটি ভাষ্যমূলক পর্যালোচনার উপর নির্ভর করা, যা একজন গুরুতর মূল্যায়নকারী অবিলম্বে দেখতে পাবেন। বিজ্ঞতর পদক্ষেপ হল বিদ্যমান প্রমাণ ভিত্তি সততার সাথে এবং প্রাথমিকভাবে ম্যাপ করা, যাতে স্টার্টআপ জানে এর পণ্য শ্রেণিবিন্যাসে কোথায় বসে এবং একজন পেয়ার কোন তুলনা দাবি করবেন। একটি ছোট সংস্থা যা একটি ন্যায্য সংশ্লেষণের প্রেক্ষাপটে তার প্রমাণ উপস্থাপন করে, এবং তার নিজস্ব ডেটার নিশ্চিততা সম্পর্কে খোলামেলা, একটি বিচ্ছিন্ন ফলাফল অতি-বিক্রয়কারীর চেয়ে বেশি বিশ্বাসযোগ্যতা অর্জন করে।

ছোট ব্যবসা

একটি ছোট কিন্তু প্রতিষ্ঠিত প্রদানকারী — একটি গ্রুপ প্র্যাক্টিস, একটি একক বিশেষজ্ঞ ক্লিনিক, একটি মাঝারি ডিভাইস বা রোগ নির্ণয় সরবরাহকারী — এর না একটি স্টার্টআপের বিনিয়োগকারী-সমর্থিত প্রমাণ ধাক্কার আয়তন আছে না একটি উদ্যোগের সংশ্লেষণ দল, তবুও এটিকে এখনো স্থির-অবস্থা সিদ্ধান্ত নিতে যথেষ্ট ভালোভাবে সংশ্লেষণ পড়তে হবে। এর বাস্তবসম্মত কাজ ব্যবহার, উৎপাদন নয়: একটি নির্দেশিকার উপর নিশ্চিততা রেটিং পড়া, একটি পর্যালোচনার জনসংখ্যা এটি প্রকৃতপক্ষে চিকিৎসা করা রোগীদের সাথে মিলে কিনা পরীক্ষা করা, এবং একটি ক্রয় বা রেফারেল অভ্যাসের পিছনের প্রমাণ নীরবে বাসি হয়ে গেছে কখন তা লক্ষ্য করা। ফাঁদটি হল একটি বিক্রেতার হাতে-বাছাই করা প্রমাণ প্যাক বা একটি একক স্মরণীয় ট্রায়ালের কাছে সম্পূর্ণভাবে স্থগিত হওয়া, কারণ প্র্যাক্টিসের বিস্তৃত ক্ষেত্র মূল্যায়নের সময় নেই। আনুপাতিক পদক্ষেপ হল বিশ্বস্ত সংস্থাগুলি — Cochrane, জাতীয় HTA সংস্থা, পেশাদার-সোসাইটি নির্দেশিকা — ইতিমধ্যে বজায় রাখা সংশ্লেষণের উপর নির্ভর করা, তাদের GRADE নিশ্চিততা রেটিংকে শিরোনাম হিসাবে বিবেচনা করা, এবং যেকোনো সরবরাহকারী দাবির একটি শৃঙ্খলাবদ্ধ প্রশ্ন জিজ্ঞাসা করা: এটি পদ্ধতিগত পর্যালোচনার বিরুদ্ধে কোথায় বসে, এবং এটি কতটা বর্তমান?

উদ্যোগ

একটি বড় প্রস্তুতকারক, প্রদানকারী গ্রুপ, বা বীমাকারী সংশ্লেষণকে একটি শিল্প ক্ষমতা হিসাবে চালায়: নিবেদিত প্রমাণ-সংশ্লেষণ এবং স্বাস্থ্য-অর্থনীতি-ও-ফলাফল-গবেষণা দল অনেক এখতিয়ার জুড়ে জমা সমর্থন করতে পদ্ধতিগত পর্যালোচনা এবং নেটওয়ার্ক মেটা-বিশ্লেষণ উৎপাদন করে। শক্তি পদ্ধতিগত গভীরতা এবং প্রতিটি প্রাসঙ্গিক তুলনাকারী বিস্তৃত একটি নেটওয়ার্ক মেটা-বিশ্লেষণ তৈরি করার ক্ষমতা; ঝুঁকি হল একই ক্ষমতা স্পনসরের পণ্যকে অনুকূল করার জন্য ইঞ্জিনিয়ার করা একটি পর্যালোচনা উৎপাদনে পরিণত হতে পারে — একটি সংকীর্ণ অনুসন্ধান, একটি সুবিধাজনক মডেল পছন্দ, বা নীরব বর্জনের মাধ্যমে। উদ্যোগের বিশ্বাসযোগ্যতা নির্ভর করে প্রোটোকল নিবন্ধন করার উপর, PRISMA অনুসরণ করার উপর, পুনরুৎপাদনযোগ্য বিশ্লেষণ জমা দেওয়ার উপর, এবং HTA সংস্থাগুলি ক্রমবর্ধমানভাবে দাবি করা স্বাধীন প্রতিলিপি আমন্ত্রণ জানানোর উপর। পরিপক্ক উদ্যোগ একটি স্বচ্ছ সংশ্লেষণ যা প্রকৃত অনিশ্চয়তা দেখায় তাকে একটি পালিশ করা একটির চেয়ে বেশি স্থায়ী বিবেচনা করে যা একজন পর্যালোচক ভেঙে ফেলতে পারেন।

সরকার

একটি মন্ত্রণালয়, জাতীয় পেয়ার, বা HTA সংস্থা সংশ্লেষণের প্রধান ভোক্তা এবং বিচারক, এবং এর শৃঙ্খলা হল তাদের একটি প্রকাশিত মান অনুযায়ী দাবি করা এবং পরিচালনা করা। NICE, IQWiG, এবং WHO নির্দেশিকা প্যানেলের মতো সংস্থাগুলি পদ্ধতিগত পর্যালোচনার উপর সুপারিশ তৈরি করে এবং GRADE দিয়ে প্রমাণের নিশ্চিততা গ্রেড করে ঠিক যাতে সিদ্ধান্তগুলি সবচেয়ে প্ররোচনামূলক জমা দ্বারা দখল হওয়ার পরিবর্তে প্রতিরক্ষাযোগ্য এবং পুনরুৎপাদনযোগ্য হয়। সরকার এমন দায়িত্বও বহন করে যা অন্যান্য খাত করে না: অবকাঠামো বজায় রাখা — ট্রায়াল রেজিস্ট্রি, পর্যালোচনা সহযোগিতা, পদ্ধতি নির্দেশিকা — যা সৎ সংশ্লেষণকে সম্ভব করে, এবং উচ্চ-বিপদের পর্যালোচনাগুলিকে জীবন্ত রাখা যাতে জাতীয় নির্দেশিকা বিজ্ঞানের পিছনে না থাকে। একটি সংশ্লেষণ যা বাদ দেয় তার জন্য জবাবদিহিতা, এবং একটি ভুল পুল করা অনুমান দ্বারা প্রভাবিত রোগীদের জন্য, শেষ পর্যন্ত এখানে থাকে।

সাধারণ ব্যর্থতার ধরন

• প্রমাণ হিসাবে সজ্জিত ভাষ্যমূলক পর্যালোচনা। একটি হাতে-বাছাই করা, অ-পদ্ধতিগত সাহিত্য পাঠ একটি সংশ্লেষণের কর্তৃত্ব সহ উপস্থাপিত। সমাধান: যেকোনো "পর্যালোচনা" বিশ্বাস করার আগে একটি নিবন্ধিত প্রোটোকল, একটি স্পষ্ট অনুসন্ধান কৌশল, এবং PRISMA-শৈলী প্রতিবেদন দাবি করুন।

• অতুলনীয় অধ্যয়ন পুল করা। ভিন্ন জনসংখ্যা, ডোজ, বা ডিজাইন সহ ট্রায়াল জুড়ে একটি নির্ভুল গড় গণনা করা, একটি সংখ্যা উৎপাদন করে যা কোনো প্রকৃত রোগী বর্ণনা করে না। সমাধান: প্রথমে ক্লিনিকাল এবং পদ্ধতিগত বিষমতা মূল্যায়ন করুন, এবং যখন পুলিং ন্যায্য নয় তখন একটি কাঠামোগত ভাষ্যমূলক সংশ্লেষণ ব্যবহার করুন।

• কখনো প্রকাশিত হয়নি এমন অধ্যয়ন উপেক্ষা করা। শুধুমাত্র কয়েকটি ডেটাবেস এবং শুধুমাত্র জার্নাল অনুসন্ধান করা, তাই অনুপস্থিত নেতিবাচক অধ্যয়ন প্রভাব স্ফীত করে। সমাধান: রেজিস্ট্রি, নিয়ন্ত্রক, এবং ধূসর সাহিত্য অনুসন্ধান করুন, অপ্রকাশিত ডেটা খুঁজুন, এবং স্পষ্টভাবে প্রকাশনা পক্ষপাতের জন্য স্ক্রিন করুন।

• বিষমতা গড় করে দূরে করা। অধ্যয়নগুলি দৃঢ়ভাবে একমত নয় এই সত্য দমন করে একটি একক পুল করা অনুমান প্রতিবেদন করা। সমাধান: পূর্ব-নির্দিষ্ট উপগোষ্ঠী বিশ্লেষণ এবং মেটা-রিগ্রেশন দিয়ে বিচ্যুতি তদন্ত করুন, এবং শুধু গড় নয়, পরিবর্তন প্রতিবেদন করুন।

• অন্তর্ভুক্তিকে অনুমোদন হিসাবে বিবেচনা করা। সমান ওজনে দুর্বল এবং শক্তিশালী অধ্যয়ন ওজন করা, পক্ষপাতকে একটি কর্তৃত্বপূর্ণ গড়ে ধুয়ে দেওয়া। সমাধান: প্রতিটি অধ্যয়নে পক্ষপাতের ঝুঁকি মূল্যায়ন করুন এবং উচ্চ-ঝুঁকিরগুলি বাদ দিয়ে বিশ্লেষণ চালান।

• প্রভাব আকারকে নিশ্চিততার সাথে বিভ্রান্ত করা। নিম্ন-নিশ্চিততা প্রমাণ থেকে একটি বড় প্রভাবে এমনভাবে কাজ করা যেন এটি নিষ্পত্তিকৃত। সমাধান: GRADE দিয়ে প্রতি-ফলাফল নিশ্চিততা গ্রেড করুন এবং এটিকে, শুধু বিন্দু অনুমান নয়, সিদ্ধান্ত শাসন করতে দিন।

• অপরীক্ষিত পরোক্ষ তুলনা। ট্রানজিটিভিটি বা সামঞ্জস্য পরীক্ষা না করে একটি নেটওয়ার্ক মেটা-বিশ্লেষণ তৈরি করা, তাই একটি পরোক্ষ ফলাফল অতুলনীয় ট্রায়ালের উপর বিশ্রাম নেয়। সমাধান: নেটওয়ার্ক দেখান, অনুমান পরীক্ষা করুন, এবং পাতলা পরোক্ষ চেইনগুলিকে নিম্ন নিশ্চিততা হিসাবে চিহ্নিত করুন।

• বাসি সংশ্লেষণ। একটি এমন ক্ষেত্রে বছর আগে বন্ধ হওয়া অনুসন্ধান সহ একটি পর্যালোচনায় একটি সিদ্ধান্ত নোঙর করা যা এগিয়ে গেছে। সমাধান: মুদ্রা তারিখ বলুন, তারপর থেকে কী প্রকাশিত হয়েছে তা পরীক্ষা করুন, এবং অস্থির উচ্চ-বিপদের পর্যালোচনাগুলি জীবন্ত রাখুন।

পরিপক্বতা মডেল

চেকলিস্ট

• নিশ্চিত করুন অনুসন্ধানের আগে একটি প্রোটোকল নিবন্ধিত হয়েছিল, পূর্ব-নির্দিষ্ট প্রশ্ন, ফলাফল, এবং বিশ্লেষণ পরিকল্পনা সহ।
• পরীক্ষা করুন অনুসন্ধান একাধিক ডেটাবেস, ট্রায়াল রেজিস্ট্রি, এবং ধূসর সাহিত্য কভার করেছে — শুধু জার্নাল নয়।
• যাচাই করুন প্রতিটি অন্তর্ভুক্ত অধ্যয়ন পক্ষপাতের ঝুঁকির জন্য মূল্যায়িত হয়েছিল, এবং উচ্চ-ঝুঁকির অধ্যয়ন একটি সংবেদনশীলতা বিশ্লেষণে পরীক্ষিত হয়েছিল।
• প্রতিষ্ঠা করুন অধ্যয়নগুলি পুল করার জন্য যথেষ্ট অনুরূপ; যদি না হয়, একটি একক সংখ্যার পরিবর্তে একটি কাঠামোগত ভাষ্যমূলক সংশ্লেষণ প্রত্যাশা করুন।
• লক্ষ্য করুন একটি নির্দিষ্ট-প্রভাব বা র‍্যান্ডম-প্রভাব মডেল ব্যবহৃত হয়েছিল কিনা এবং কেন, এবং উপসংহার বিকল্পের অধীনে বেঁচে থাকে কিনা।
• জিজ্ঞাসা করুন বিষমতা কীভাবে তদন্ত করা হয়েছিল, এবং উপগোষ্ঠী বিশ্লেষণ পূর্ব-নির্দিষ্ট বা পোস্ট-হক ছিল কিনা।
• একটি স্পষ্ট প্রকাশনা-পক্ষপাত পরীক্ষা খুঁজুন (রেজিস্ট্রি তুলনা, ফানেল প্লট) এবং একটি ইতিবাচক ফলাফলকে একটি ঊর্ধ্ব সীমা হিসাবে পড়ুন।
• বহু-তুলনাকারী সিদ্ধান্তের জন্য, নিশ্চিত করুন যেকোনো নেটওয়ার্ক মেটা-বিশ্লেষণ এর নেটওয়ার্ক দেখিয়েছে এবং ট্রানজিটিভিটি ও সামঞ্জস্য পরীক্ষা করেছে।
• প্রতিটি গুরুত্বপূর্ণ ফলাফলের জন্য একটি GRADE (বা সমতুল্য) নিশ্চিততা রেটিং দাবি করুন, প্রভাব আকার থেকে পৃথক।
• নিশ্চিত করুন সংশ্লেষণটি পুনরুৎপাদনযোগ্যভাবে প্রতিবেদিত (PRISMA), অনুসন্ধান, বর্জন, এবং পুল করা ডেটা উপলব্ধ সহ।
• মুদ্রা তারিখ এবং কোন নতুন আবিষ্কার সিদ্ধান্ত পুনরায় খুলবে তা রেকর্ড করুন।
• প্রতিটি সংশ্লেষিত ইনপুটকে এটি খাওয়ানো মডেল এবং মূল্যায়নের সাথে সারিবদ্ধ করুন, বিভিন্ন ইনপুট বিভিন্ন প্রমাণ থেকে কোথা থেকে এসেছে তা নথিভুক্ত করে।

Key sources

• Cochrane, Cochrane Handbook for Systematic Reviews of Interventions (eds. Higgins, Thomas et al.) — the international standard manual for systematic-review and meta-analysis methods.
• PRISMA Statement (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) — the reporting standard for systematic reviews and meta-analyses — https://www.prisma-statement.org
• GRADE Working Group — the framework for rating certainty of evidence and strength of recommendations — https://www.gradeworkinggroup.org
• NICE Decision Support Unit Technical Support Documents on evidence synthesis and network meta-analysis — methods guidance used in health technology assessment — https://www.sheffield.ac.uk/nice-dsu
• WHO Handbook for Guideline Development — how the World Health Organization uses systematic review and GRADE in global guidelines — https://www.who.int
• Cochrane and the international living-evidence collaborations — reference practice for keeping high-stakes syntheses current.

References

1. Systematic review — Wikipedia — https://en.wikipedia.org/wiki/Systematic_review
2. Meta-analysis — Wikipedia — https://en.wikipedia.org/wiki/Meta-analysis
3. Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) — Wikipedia — https://en.wikipedia.org/wiki/Preferred_Reporting_Items_for_Systematic_Reviews_and_Meta-Analyses
4. Forest plot — Wikipedia — https://en.wikipedia.org/wiki/Forest_plot
5. Random effects model — Wikipedia — https://en.wikipedia.org/wiki/Random_effects_model
6. Heterogeneity (statistics) — Wikipedia — https://en.wikipedia.org/wiki/Heterogeneity_(statistics)
7. Hierarchy of evidence — Wikipedia — https://en.wikipedia.org/wiki/Hierarchy_of_evidence
8. GRADE approach — Wikipedia — https://en.wikipedia.org/wiki/GRADE_approach
9. Network meta-analysis — Wikipedia — https://en.wikipedia.org/wiki/Network_meta-analysis
10. Publication bias — Wikipedia — https://en.wikipedia.org/wiki/Publication_bias
11. Grey literature — Wikipedia — https://en.wikipedia.org/wiki/Grey_literature
12. Cochrane (organisation) — Wikipedia — https://en.wikipedia.org/wiki/Cochrane_(organisation)
13. Cochrane Handbook for Systematic Reviews of Interventions — Cochrane — https://training.cochrane.org/handbook
14. PRISMA Statement — PRISMA — https://www.prisma-statement.org
15. GRADE Working Group — https://www.gradeworkinggroup.org