Evidenssyntese og metaanalyse

Hvorfor det er vigtigt i sundhedsøkonomi

Enhver økonomisk evaluering hviler på input, der måtte komme et sted fra: en behandlings relative effekt, den hastighed, hvormed en sygdom skrider frem, livskvalitetsvægten for en helbredstilstand, sandsynligheden for en bivirkning. Det er de tal, der driver en inkrementel cost-effectiveness-ratio, og hvor de kommer fra, afgør, om ratioen er troværdig. En beslutningsmodel (se Emne 2.2 — Modellering) er kun så god som de parametre, der fødes ind i den, og disse parametre er produktet af syntese – den bevidste pooling af en hel litteratur – ikke af et enkelt forsøg. Dette er det emne, der ejer "hvor tallene i modellen kommer fra".

For en direktør er indsatsen, at en syntese i stilhed kan afgøre et finansieringsspørgsmål, før økonomien overhovedet er kørt. Hvis en oversigt udvælger gunstige forsøg, begraver et nulresultat eller gennemsnitter på tværs af undersøgelser, der aldrig var sammenlignelige, vil det effektestimat, den producerer, være forkert i en bestemt retning, og enhver nedstrøms beregning arver den fejl med et skær af stringens. Organer for medicinsk teknologivurdering (MTV, på engelsk HTA) verden over – Englands National Institute for Health and Care Excellence (NICE), Tysklands IQWiG, Verdenssundhedsorganisationens (WHO) retningslinjepaneler – bygger deres anbefalinger på synteser netop fordi en enkelt undersøgelse er for skrøbelig til at bære vægten af en national beslutning.

Indsatsen er også etisk og handler om offentlig tillid. En veludført systematisk oversigt er et offentligt organs stærkeste forsvar mod at blive fanget af den, der kørte det mest mindeværdige forsøg eller råbte højest. Den er en gennemsigtig, reproducerbar metode til at lade hele evidensgrundlaget tale, herunder de ubelejlige dele. Når en betaler kan vise, at dens beslutning fulgte af en forhåndsspecificeret, omfattende, kritisk vurderet syntese, kan den forsvare beslutningen over for klinikere, patienter, industri og domstole. Når den ikke kan, ser beslutningen vilkårlig ud – og inden for sundhed ætser vilkårlige beslutninger om, hvem der behandles, hurtigt tilliden.

Centrale begreber

En systematisk oversigt er en struktureret metode til at finde, vurdere og opsummere alle de undersøgelser, der har betydning for et specifikt spørgsmål, ved hjælp af en præregistreret protokol, så processen er reproducerbar og modstandsdygtig over for bias. Den adskiller sig fra en traditionel narrativ oversigt ved sin eksplicitte søgestrategi, sine angivne inklusions- og eksklusionskriterier og sin kritiske vurdering af hver inkluderet undersøgelse. Den rapporteringsstandard, de fleste oversigter nu følger, er PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), som beder forfattere dokumentere hvert trin fra søgning til syntese, så en læser kan kontrollere, hvad der blev gjort.

Metaanalyse er den statistiske del af den proces: den kvantitative pooling af resultater fra flere undersøgelser til ét samlet estimat, som regel af en effektstørrelse såsom en relativ risiko, odds ratio eller middelforskel. Ikke enhver systematisk oversigt indeholder en metaanalyse – pooling er kun legitim, når undersøgelserne er ens nok til at kombinere – men hvor den er passende, øger den præcisionen og kan afsløre en effekt, som individuelle underdimensionerede undersøgelser missede. Den kanoniske måde at vise den på er forest plot: hver undersøgelse en vandret linje, der viser dens estimat og konfidensinterval, og det poolede resultat en diamant i bunden.

To statistiske modeller ligger bag det poolede estimat. En fixed-effect-model antager, at hver undersøgelse estimerer én enkelt sand effekt, og at forskelle mellem dem kun er stikprøvestøj. En random-effects-model antager, at den sande effekt reelt varierer på tværs af undersøgelser – fordi populationer, doser og settings er forskellige – og estimerer gennemsnittet af den fordeling, hvilket giver mere vægt til mindre undersøgelser og bredere, mere ærlig usikkerhed. Valget mellem dem er ikke kosmetisk: det ændrer konfidensintervallet og undertiden konklusionen.

Grunden til, at valget betyder noget, er heterogenitet – i hvilken grad undersøgelsesresultater adskiller sig mere, end tilfældighed ville forklare. Klinisk heterogenitet (forskellige patienter eller behandlinger), metodologisk heterogenitet (forskellige undersøgelsesdesigns eller kvalitet) og statistisk heterogenitet (spredte resultater) truer alle det poolede tals betydning. At kombinere reelt heterogene undersøgelser producerer et gennemsnit, der ikke beskriver nogen virkelig population – det statistiske ækvivalent til en person med den ene fod i is og den anden i ild, der "i gennemsnit" har det behageligt. At undersøge heterogenitet i stedet for at gennemsnitte den væk er ofte der, hvor den virkelige læring ligger.

Ikke al evidens er lige, og feltet organiserer den i et evidenshierarki: systematiske oversigter af randomiserede forsøg øverst, så individuelle randomiserede kontrollerede forsøg, så observationelle undersøgelser, så case-serier og ekspertudsagn. Hierarkiet er en tommelfingerregel om risikoen for bias i et undersøgelsesdesign, ikke en garanti – et dårligt udført forsøg kan være værre end en god kohorteundersøgelse. Den moderne forfining er GRADE (Grading of Recommendations Assessment, Development and Evaluation), som vurderer evidensens sikkerhed for hvert udfald som høj, moderat, lav eller meget lav og kan nedgradere selv forsøgsevidens for risiko for bias, inkonsistens, indirekthed, upræcision og publikationsbias – eller opgradere stærk observationel evidens. GRADE bruges nu af WHO, Cochrane og retningslinjeorganer verden over netop fordi den gør ræsonnementet bag en sikkerhedsvurdering eksplicit og reviderbart.

Hvor der ikke findes head-to-head-forsøg – B blev aldrig forsøgt mod C, kun hver mod placebo – kombinerer netværksmetaanalyse (også kaldet mixed-treatment- eller indirekte sammenligningsmetaanalyse) direkte og indirekte evidens på tværs af et forbundet netværk af behandlinger for at estimere alle sammenligningerne, også dem, der aldrig er undersøgt direkte. Den er uundværlig i MTV, hvor et nyt lægemiddel skal sammenlignes med flere eksisterende muligheder på én gang, men den hviler på en stærk antagelse – at forsøgene er ens nok til, at indirekte sammenligning er gyldig – som må kontrolleres, ikke antages.

To yderligere ideer former, om en syntese kan troes. Publikationsbias er tendensen til, at undersøgelser med positive, signifikante resultater offentliggøres, mens negative ligger i en skuffe – så den synlige litteratur systematisk overdriver effekter. Den screenes ofte for med et tragtplot (funnel plot), hvis asymmetri kan signalere manglende små negative undersøgelser, og det er en af grundene til, at gennemgangere søger i forsøgsregistre og grå litteratur – afhandlinger, rapporter, ikke-offentliggjorte data – ikke kun tidsskrifter. Endelig, fordi evidens bliver ved med at ankomme, er en voksende praksis den levende oversigt: en syntese, der holdes løbende ajour, efterhånden som nye undersøgelser dukker op, så vejledning aldrig driver år bagud i forhold til videnskaben. Cochrane-samarbejdet (Cochrane) er fortsat det internationale referencepunkt for metoder til systematiske oversigter, og dets Handbook er feltets standardmanual.

Bedste praksis

1. Skriv og registrér protokollen, før du søger. En systematisk oversigts troværdighed kommer af at beslutte spørgsmålet, inklusionskriterierne, udfaldene og analyseplanen før resultaterne ses og derefter registrere den protokol offentligt (for eksempel i PROSPERO). Det er det stærkeste enkeltværn mod, at gennemgangeren ubevidst former oversigten mod et foretrukket svar. Når du bestiller en syntese, så insistér på en registreret protokol, og behandl dens fravær som en advarsel om, at konklusionerne måske blev valgt først.

2. Søg omfattende, herunder de undersøgelser, ingen offentliggjorde. En søgning begrænset til et par databaser og til engelsksprogede tidsskrifter vil misse forsøg og skævvride mod positive resultater. Omfattende syntese søger i flere databaser, forsøgsregistre, konferenceabstracts, regulatoriske dossierer og grå litteratur og forfølger ikke-offentliggjorte data fra forskere og producenter. Pointen er ikke udtømmende fuldstændighed for dens egen skyld, men at neutralisere publikationsbias ved kilden – de manglende undersøgelser er uforholdsmæssigt ofte de negative.

3. Vurdér risikoen for bias i hver inkluderet undersøgelse, og lad den ændre den vægt, du giver resultatet. Inklusion er ikke tilslutning; hver undersøgelse må vurderes for de specifikke måder, den kunne vildlede på – utilstrækkelig randomisering, ublindet udfaldsvurdering, selektiv rapportering, frafald. En syntese, der poolede stærke og svage undersøgelser med lige vægt, hvidvasker de svages bias til et autoritativt udseende gennemsnit. Brug et anerkendt vurderingsværktøj, rapportér vurderingerne gennemsigtigt, og kør analysen med højrisikoundersøgelser udeladt for at se, om konklusionen holder.

4. Beslut, om pooling overhovedet er legitim, før du beregner et poolet tal. Metaanalyse er kun meningsfuld, når undersøgelserne er ens nok i population, indsats, sammenligningsgrundlag og udfald til at estimere en sammenlignelig effekt. Hvis de ikke er, er det ærlige output en struktureret narrativ syntese, ikke et falsk enkelt tal. Spørg "besvarer disse undersøgelser det samme spørgsmål?", før du spørger "hvad er det kombinerede estimat?" – et præcist gennemsnit af uensartede ting er værre end intet gennemsnit.

5. Vælg fixed-effect- eller random-effects-modellen bevidst, og begrund det. En random-effects-model er normalt den mere ærlige standard i sundhed, hvor undersøgelser reelt adskiller sig, fordi den producerer bredere intervaller, der afspejler variation i den virkelige verden. Men den giver små undersøgelser uforholdsmæssig vægt, så hvor publikationsbias mistænkes, kan den forstærke netop den bias, du frygter. Angiv, hvilken model du brugte og hvorfor, og vis, hvordan det poolede estimat flytter sig under alternativet; en konklusion, der vender mellem de to, er ikke robust.

6. Undersøg heterogenitet i stedet for at gennemsnitte den væk. Når undersøgelsesresultater divergerer mere, end tilfældighed forklarer, er divergensen information – den kan betyde, at behandlingen virker i en undergruppe og ikke i en anden, eller at kvalitet driver den tilsyneladende effekt. Udforsk den med forhåndsspecificerede undergruppeanalyser og metaregression, men behandl post hoc-undergrupper skeptisk, fordi de er lette at finde og svære at stole på. Et poolet estimat præsenteret uden nogen undersøgelse af, hvorfor undersøgelser er uenige, skjuler den mest nyttige del af dataene.

7. Screen eksplicit for publikations- og rapporteringsbias. Sammenlign den offentliggjorte litteratur med forsøgsregistre for at finde undersøgelser, der blev kørt, men aldrig rapporteret, inspicér tragtplot-asymmetri, hvor der er nok undersøgelser, og overvej, om effekten skrumper, når undersøgelsesstørrelsen vokser. Ingen af disse tests er afgørende, men deres fravær bør sænke din tillid til et pænt positivt resultat. Retningen af publikationsbias er næsten altid den samme – den oppuster den tilsyneladende gevinst – så en ikke-screenet syntese bør læses som en øvre grænse.

8. Brug netværksmetaanalyse, når beslutningen har mange sammenligningsgrundlag, og kontrollér dens kerneantagelse. Virkelige finansieringsbeslutninger stiller sjældent ét lægemiddel op mod placebo; de vælger blandt flere aktive muligheder, hvoraf de fleste aldrig blev forsøgt head-to-head. Netværksmetaanalyse udfylder disse huller, men kun hvis forsøgene er tilstrækkeligt ens til indirekte sammenligning – "transitivitets"-antagelsen – og hvis direkte og indirekte evidens stemmer overens, hvor begge findes. Kræv, at analytikeren viser netværket, tester konsistens og er åbenhjertig om sammenligninger, der hviler på tynde indirekte kæder.

9. Gradér evidensens sikkerhed, ikke kun effektens størrelse. En stor effekt fra evidens med lav sikkerhed er et svagere grundlag for at bruge offentlige penge end en beskeden effekt fra evidens med høj sikkerhed. GRADE adskiller disse spørgsmål ved at vurdere sikkerhed pr. udfald og dokumentere, hvorfor den blev nedgraderet eller opgraderet, og forvandler "evidensen er stærk" fra en påstand til en revideret dom. Insistér på, at en syntese, der fødes ind i en beslutning, bærer en eksplicit sikkerhedsvurdering for hvert udfald, der betyder noget, ikke en enkelt global dom.

10. Rapportér syntesen, så en skeptiker kunne reproducere den. Følg en anerkendt rapporteringsstandard som PRISMA: giv den fulde søgestrategi, flowet af undersøgelser fra identificerede til inkluderede, de ekskluderede undersøgelser med begrundelser, risiko-for-bias-vurderingerne og dataene bag hvert poolet estimat. Gennemsigtighed er mekanismen, hvormed fejl og selektive valg fanges, før de flytter et budget. En syntese, hvis søgning ikke kan køres igen, eller hvis eksklusioner er uforklarede, bør ikke forankre en beslutning, uanset hvor selvsikkert dens abstract lyder.

11. Hold højindsats-synteser levende, hvor evidensen bevæger sig hurtigt. På et hurtigt skiftende felt – en ny lægemiddelklasse, en fremkommende patogen, en hurtigt afprøvet teknologi – er en oversigt forældet i det øjeblik, den offentliggøres, og forældet evidens fejlstyrer i stilhed penge og pleje. En levende oversigt opdateres løbende mod nye undersøgelser med forhåndsaftalte regler for, hvornår et nyt forsøg ændrer konklusionen. Reservér indsatsen til beslutninger, der er store og volatile nok til at retfærdiggøre den, og vær eksplicit om aktualitetsdatoen for enhver syntese, du støtter dig til.

12. Afstem syntesen efter den parameter, modellen faktisk har brug for. En beslutningsmodel har brug for specifikke input – en relativ effekt til basiscasen, en baselinerisiko for den lokale population, en nytteværdi – og hver kan kræve sin egen syntese med egne inklusionskriterier. At hente en relativ effekt fra randomiserede forsøg, men en baselinerisiko fra et lokalt register er legitimt og almindeligt; at skjule, at de to kom fra forskellige evidensmasser, er det ikke. Afstem hvert syntetiseret input efter, hvordan det vil blive brugt nedstrøms, og henvis til den evaluering, det fødes ind i (se Emne 2.1 — Økonomisk evaluering).

Spørgsmål at drøfte med dit team

1. Når vi accepterer et effektestimat som afgjort, ved vi så, om det kom fra hele litteraturen eller kun fra den synlige, smigrende del af den? Dette spørgsmål rammer publikationsbias og selektiv rapportering, de svigt, der gør en syntese forkert i en forudsigelig retning. Den ubehagelige virkelighed er, at positive forsøg offentliggøres hurtigere, oftere og mere fremtrædende end negative, så en oversigt begrænset til tidsskrifter vil tendere til at overdrive gevinsten, selv når hver inkluderet undersøgelse er ærlig. Skub drøftelsen mod konkret proveniens: blev forsøgsregistre søgt for undersøgelser, der blev kørt, men aldrig rapporteret, blev ikke-offentliggjorte data søgt hos producenter, blev et tragtplot eller en tilsvarende kontrol udført? Spændingen er, at omfattende søgning er dyr og langsom, og at der altid er pres for at acceptere et rent offentliggjort estimat og komme videre. Et ærligt svar hævder ikke, at søgningen var perfekt; det angiver, hvor hårdt oversigten ledte efter de manglende undersøgelser, og behandler et ikke-screenet positivt resultat som en sandsynlig øvre grænse frem for sandheden.

2. Besvarer de undersøgelser, vi poolede, faktisk det samme spørgsmål, eller har vi fremstillet et pænt gennemsnit af ting, der ikke hører sammen? Dette er heterogenitetsspørgsmålet, og det afgør, om et poolet tal overhovedet betyder noget. De vinkler, der er værd at bringe frem, er kliniske (forskellige patienter, doser eller sammenligningsgrundlag), metodologiske (forsøg blandet med svage observationelle undersøgelser) og statistiske (resultater, der er uenige mere, end tilfældighed forklarer). Det forførende svigt er, at software altid vil returnere et poolet estimat med et selvsikkert udseende konfidensinterval, uanset om de underliggende undersøgelser er sammenlignelige – tallets præcision siger intet om dets validitet. Drøft, om oversigten undersøgte, hvorfor undersøgelser er uenige, eller blot gennemsnittede dem, og om eventuelle undergruppeforskelle var forhåndsspecificerede eller fisket frem bagefter. Et ærligt svar er villigt til at konkludere, at pooling var upassende, og at en struktureret narrativ syntese ville have været det mere sandfærdige output.

3. Hvor aktuel er denne evidens, og hvad skulle en ny undersøgelse vise for at ændre vores beslutning? Synteser har en holdbarhed, og faren er at handle på en oversigt, hvis søgning lukkede for år siden, mens feltet bevægede sig videre. Nævn aktualitetsdatoen eksplicit, og spørg, hvad der er offentliggjort siden, især for hurtigt skiftende teknologier, hvor et enkelt stort forsøg kan vælte et poolet estimat. Den dybere disciplin er at beslutte på forhånd, hvilket fund der ville ændre din mening – en tærskel, der forvandler "bliv ved med at følge litteraturen" fra en vag intention til en operationel trigger for en levende opdatering. Spændingen er mellem omkostningen ved at holde en syntese i live og omkostningen ved en beslutning, der i stilhed kører på forældet evidens; ikke ethvert spørgsmål berettiger en levende oversigt, men hvert højindsats-, volatilt spørgsmål gør. Et ærligt svar angiver aktualitetsdatoen, nævner, hvad der ville omstøde konklusionen, og tildeler ansvar for at bemærke, når det sker.

4. Var spørgsmålet, og den analyse der ville besvare det, fastlagt, før nogen så resultaterne – eller kunne oversigten være formet mod en foretrukket konklusion? Dette rammer det stærkeste enkeltværn i hele disciplinen: en protokol registreret på forhånd, med inklusionskriterier, udfald og poolingsplan afgjort, før dataene kunne påvirke dem. Det svigt, den værner mod, er subtilt, fordi det sjældent er bevidst – en gennemgang, der ser resultaterne først, kan i god tro justere en inklusionsgrænse, fremhæve et sekundært udfald eller skifte et modelvalg på måder, der alle tilfældigvis favoriserer et bestemt svar. Spørg, om en protokol findes i et offentligt register som PROSPERO, om den endelige oversigt matcher den, og om eventuelle afvigelser blev erklæret og begrundet frem for i stilhed foretaget. Spændingen er, at præregistrering er besværlig – den forbyder den "vi lærte undervejs"-fleksibilitet, der føles som god videnskab – og dens fravær er let at undskylde. Et ærligt svar kan pege på den registrerede protokol, gennemgå, hvor oversigten afveg fra den og hvorfor, og behandle en uregistreret syntese som en, hvis konklusioner måske blev valgt, før evidensen var inde.

5. Når beslutningen spænder over flere behandlinger, der aldrig blev forsøgt mod hinanden, stoler vi så på den indirekte sammenligning, der syr dem sammen? Virkelige finansieringsvalg stiller som regel flere aktive muligheder op mod hinanden, de fleste aldrig testet head-to-head, så syntesen læner sig op ad en netværksmetaanalyse, der låner styrke gennem fælles sammenligningsgrundlag. De vinkler, der skal bringes frem, er, om analytikeren faktisk viste netværket af forsøg, om "transitivitets"-antagelsen holder – at forsøgspopulationerne og baggrundsplejen er ens nok til, at en indirekte sammenligning betyder noget – og om direkte og indirekte evidens stemmer overens, hvor begge findes. Det forførende svigt er, at softwaren vil returnere et fuldt sæt parvise estimater, uanset hvor tynde eller uensartede de underliggende kæder er, og dermed give et skrøbeligt indirekte resultat samme autoritet som et robust direkte. Drøft, hvilke kontraster der hviler på et enkelt svagt indirekte led, og om det er netop de sammenligninger, der driver anbefalingen. Et ærligt svar skelner mellem de velforbundne, konsistenstestede sammenligninger og de tynde og bærer de sidstnævnte som lav sikkerhed frem for at begrave dem i en pæn ligatabel.

6. Behandler vi en stor effekt og en sikker effekt som det samme, når de ikke er det? Dette adskiller et estimats størrelse fra den tillid, vi har ret til at have til det – det skel, GRADE findes for at gøre eksplicit. Spændingen er, at et stort punktestimat er overbevisende og let at bruge penge på, mens sikkerheden bag det kan være lav, fordi evidensen er inkonsistent, upræcis, indirekte eller skygget af publikationsbias. Spørg, om hvert udfald, der betyder noget, bærer sin egen sikkerhedsvurdering, hvorfor den blev nedgraderet eller opgraderet, og om anbefalingen drives af effektstørrelsen eller af en ærlig læsning af, hvor meget evidensen kan bære. Det ubehagelige tilfælde er en beskeden, men højsikker gevinst, der konkurrerer mod en dramatisk, men lavsikker – disciplinen er at foretrække den evidens, du kan stole på, frem for det tal, der smigrer. Et ærligt svar nægter at kollapse "stor" og "sikker" til én dom og lader sikkerhedsvurderingen, ikke blot punktestimatet, styre, hvor megen vægt beslutningen lægger på resultatet.

I praksis: et sundhedsøkonomisk eksempel

Det nationale lægemiddel- og sundhedsteknologiudvalg i Maridia – et fiktivt lavere-mellemindkomstland, der er ved at opbygge sin liste over essentielle lægemidler – skal beslutte, hvilken klasse af blodtrykssænkende lægemiddel der skal anbefales som førstevalg til ukompliceret forhøjet blodtryk i primærsektoren. Fire klasser er kandidater, alle uden patent og overkommelige, men det kliniske spørgsmål er, hvilken der forebygger flest slagtilfælde og hjerteanfald pr. behandlet patient. Udvalget kan ikke køre sine egne forsøg; det må syntetisere, hvad verden allerede ved, og derefter overdrage et relativt effektestimat til sit økonomiteam til kombination med lokale omkostninger og hændelsesrater.

Udvalgets evidensenhed begynder med en registreret protokol: spørgsmålet, de fire sammenligningsgrundlag, udfaldene (kardiovaskulære hændelser og totaldødelighed), inklusionskriterierne og analyseplanen, alt fastlagt før søgningen. Søgningen dækker flere databaser, to forsøgsregistre og WHO's regionale litteratur, der indekserer forsøg fra settings som Maridias egen, fordi alene at støtte sig til tidsskrifter fra højindkomstlande ville importere en population, der måske ikke matcher. Flowet dokumenteres i PRISMA-stil: flere tusinde poster identificeret, de fleste ekskluderet på titel, et par dusin randomiserede forsøg inkluderet, hver vurderet for risiko for bias. Tre store industrifinansierede forsøg viser sig at have rapporteret selektivt; enheden markerer dem og planlægger en følsomhedsanalyse uden dem.

Den centrale vanskelighed er, at næsten ingen forsøg sammenlignede de fire klasser head-to-head – de fleste testede ét lægemiddel mod placebo eller mod et enkelt alternativ. En simpel parvis metaanalyse kan kun besvare en brøkdel af de sammenligninger, udvalget faktisk står over for. Så enheden bygger en netværksmetaanalyse, der forbinder klasserne gennem deres fælles sammenligningsgrundlag, og estimerer alle seks parvise kontraster på én gang. Før de stoler på den, kontrollerer de netværkets transitivitet – er forsøgspopulationerne og baggrundsplejen ens nok til indirekte sammenligning? – og tester, om direkte og indirekte evidens stemmer overens, hvor begge findes. Det gør de for det meste; én kontrast hviler på en tynd indirekte kæde, som enheden markerer som lav sikkerhed.

Heterogenitet er reel og informativ. Forsøg i ældre, højere-risiko-populationer viser større absolutte gevinster end forsøg i yngre kohorter, hvilket betyder noget, fordi Maridias behandlede population vil hælde yngre end forsøgsgennemsnittet. I stedet for at poole blindt kører enheden forhåndsspecificerede undergruppe- og metaregressionsanalyser og rapporterer effekten betinget af baselinerisiko. Et tragtplot på den største sammenligning viser mild asymmetri, i overensstemmelse med nogle få manglende små negative undersøgelser; kombineret med de selektivt rapporterende forsøg får det dem til at behandle den mest gunstige klasses forspring forsigtigt. Under en random-effects-model er forskellene mellem tre af de fire klasser små, og deres konfidensintervaller overlapper kraftigt.

Enheden graderer hvert udfald med GRADE. Evidensen for, at alle fire klasser slår ingen behandling, har høj sikkerhed; evidensen for, at en enkelt klasse er klart overlegen i forhold til de andre, er kun lav til moderat, nedgraderet for inkonsistens, upræcision og mistænkt publikationsbias. Den skelnen er beslutningen. Udvalget konkluderer, at fordi klasserne er klinisk tætte og alle billige, bør økonomien drives af pris, tolerabilitet og forsyningssikkerhed frem for af en skrøbelig påstand om klinisk overlegenhed – en konklusion, der kun blev synlig, fordi syntesen adskilte effektstørrelse fra sikkerhed. Den overdrager økonomiteamet et relativt effektestimat med eksplicit usikkerhed, der skal omsættes til en omkostning pr. undgået hændelse (se Emne 2.1 — Økonomisk evaluering), og bestiller en levende opdatering: hvis et stort pragmatisk forsøg, der forventes om to år, flytter en specificeret kontrast ud over en forhåndsaftalt margin, genåbnes anbefalingen. Det enkeltstående kausale ræsonnement inde i hvert forsøg – om dets eget effektestimat er troværdigt – hører til Emne 2.3 — Sundhedsøkonometri; dette udvalgs opgave var at poole dem godt.

Fire sektorperspektiver

Startup

En digital sundheds- eller udstyrs-startup bestiller sjældent en fuld systematisk oversigt, men møder syntese fra den anden side – som den part, hvis ene lovende undersøgelse skal overleve et MTV-organs syntese af det bredere felt. Fristelsen er at læne sig op ad ét smigrende forsøg og en narrativ oversigt af håndplukkede støttende artikler, som en seriøs vurderer straks vil gennemskue. Det klogere træk er at kortlægge det eksisterende evidensgrundlag ærligt og tidligt, så startuppen ved, hvor dens produkt sidder i hierarkiet, og hvilken sammenligning en betaler vil kræve. En lille virksomhed, der præsenterer sin evidens i konteksten af en retfærdig syntese og er åbenhjertig om sikkerheden i sine egne data, opnår mere troværdighed end en, der oversælger et isoleret resultat.

Lille virksomhed

En lille, men etableret udbyder – en gruppepraksis, en enkelt specialistklinik, en beskeden udstyrs- eller diagnostikleverandør – har hverken volumen i en startups investorstøttede evidenspush eller en virksomheds synteseteam, men skal alligevel læse synteser godt nok til at træffe beslutninger i den stabile drift. Dens realistiske opgave er forbrug, ikke produktion: at læse sikkerhedsvurderingen på en retningslinje, kontrollere om en oversigts population ligner de patienter, den faktisk behandler, og bemærke, når evidensen bag en indkøbs- eller henvisningsvane i stilhed er blevet forældet. Fælden er at overlade alt til en leverandørs håndplukkede evidenspakke eller til ét mindeværdigt forsøg, fordi praksissen mangler tid til at vurdere det bredere felt. Det proportionale træk er at læne sig op ad de synteser, som betroede organer – Cochrane, nationale MTV-agenturer, faglige selskabers retningslinjer – allerede vedligeholder, behandle deres GRADE-sikkerhedsvurderinger som overskriften og stille ét disciplineret spørgsmål til enhver leverandørpåstand: hvor sidder dette i forhold til den systematiske oversigt, og hvor aktuelt er det?

Virksomhed

En stor producent, udbyder eller forsikrer driver syntese som en industriel kapabilitet: dedikerede teams for evidenssyntese og sundhedsøkonomi og udfaldsforskning, der producerer systematiske oversigter og netværksmetaanalyser til at støtte indsendelser på tværs af mange jurisdiktioner. Styrken er metodologisk dybde og evnen til at bygge en netværksmetaanalyse, der spænder over alle relevante sammenligningsgrundlag; risikoen er, at den samme kapabilitet kan vendes til at producere en oversigt konstrueret til at favorisere sponsorens produkt – gennem en snæver søgning, et belejligt modelvalg eller stille eksklusioner. Virksomhedens troværdighed afhænger af at registrere protokoller, følge PRISMA, indsende reproducerbare analyser og invitere den uafhængige replikation, som MTV-organer i stigende grad kræver. Den modne virksomhed behandler en gennemsigtig syntese, der viser ægte usikkerhed, som mere holdbar end en poleret, en gennemgang kan skille ad.

Offentlig sektor

Et ministerium, en national betaler eller et MTV-organ er den primære forbruger og dommer af synteser, og dets disciplin er at kræve og udføre dem efter en offentliggjort standard. Organer som NICE, IQWiG og WHO's retningslinjepaneler bygger anbefalinger på systematiske oversigter og graderer evidensens sikkerhed med GRADE netop for at gøre beslutninger forsvarlige og reproducerbare frem for fanget af den mest overbevisende indsendelse. Staten bærer også ansvar, som de andre sektorer ikke gør: at vedligeholde den infrastruktur – forsøgsregistre, oversigtssamarbejder, metodevejledning – der gør ærlig syntese mulig, og at holde højindsats-oversigter levende, så national vejledning ikke driver bagud i forhold til videnskaben. Ansvaret for, hvad en syntese udelader, og for de patienter, der berøres af et forkert poolet estimat, hviler i sidste ende her.

Almindelige fejlmønstre

• Den narrative oversigt klædt ud som evidens. En håndplukket, usystematisk læsning af litteraturen præsenteret med en synteses autoritet. Løsning: kræv en registreret protokol, en eksplicit søgestrategi og PRISMA-stil rapportering, før du stoler på nogen "oversigt".

• At poole uensartede undersøgelser. At beregne et præcist gennemsnit på tværs af forsøg med forskellige populationer, doser eller designs og producere et tal, der beskriver ingen virkelig patient. Løsning: vurdér klinisk og metodologisk heterogenitet først, og brug en struktureret narrativ syntese, når pooling ikke er berettiget.

• At ignorere de undersøgelser, der aldrig blev offentliggjort. At søge kun i et par databaser og kun tidsskrifter, så de manglende negative undersøgelser oppuster effekten. Løsning: søg i registre, hos tilsynsmyndigheder og i grå litteratur, søg ikke-offentliggjorte data, og screen eksplicit for publikationsbias.

• At gennemsnitte heterogenitet væk. At rapportere et enkelt poolet estimat, mens man undertrykker, at undersøgelser er stærkt uenige. Løsning: undersøg divergens med forhåndsspecificeret undergruppeanalyse og metaregression, og rapportér variationen, ikke kun middelværdien.

• At behandle inklusion som tilslutning. At veje svage og stærke undersøgelser ens og hvidvaske bias til et autoritativt gennemsnit. Løsning: vurdér risikoen for bias i hver undersøgelse, og kør analysen med højrisikoundersøgelserne udeladt.

• At forveksle effektstørrelse med sikkerhed. At handle på en stor effekt fra evidens med lav sikkerhed, som var den afgjort. Løsning: gradér sikkerhed pr. udfald med GRADE, og lad den, ikke blot punktestimatet, styre beslutningen.

• Ukontrolleret indirekte sammenligning. At bygge en netværksmetaanalyse uden at teste transitivitet eller konsistens, så et indirekte resultat hviler på uensartede forsøg. Løsning: vis netværket, test antagelserne, og markér tynde indirekte kæder som lav sikkerhed.

• Den forældede syntese. At forankre en beslutning i en oversigt, hvis søgning lukkede for år siden på et felt, der er gået videre. Løsning: angiv aktualitetsdatoen, tjek hvad der er kommet siden, og hold volatile højindsats-oversigter levende.

Modenhedsmodel

Tjekliste

• Bekræft, at en protokol blev registreret før søgningen, med forhåndsspecificeret spørgsmål, udfald og analyseplan.
• Tjek, at søgningen dækkede flere databaser, forsøgsregistre og grå litteratur – ikke kun tidsskrifter.
• Verificér, at hver inkluderet undersøgelse blev vurderet for risiko for bias, og at højrisikoundersøgelser blev testet i en følsomhedsanalyse.
• Fastslå, at undersøgelserne er ens nok til at poole; hvis ikke, forvent en struktureret narrativ syntese frem for et enkelt tal.
• Notér, om en fixed-effect- eller random-effects-model blev brugt og hvorfor, og om konklusionen overlever alternativet.
• Spørg, hvordan heterogenitet blev undersøgt, og om undergruppeanalyser var forhåndsspecificerede eller post hoc.
• Led efter en eksplicit publikationsbiaskontrol (registersammenligning, tragtplot), og læs et positivt resultat som en øvre grænse.
• For beslutninger med flere sammenligningsgrundlag: bekræft, at enhver netværksmetaanalyse viste sit netværk og testede transitivitet og konsistens.
• Kræv en GRADE-sikkerhedsvurdering (eller tilsvarende) for hvert udfald, der betyder noget, adskilt fra effektstørrelsen.
• Bekræft, at syntesen er rapporteret reproducerbart (PRISMA), med søgning, eksklusioner og poolede data tilgængelige.
• Registrér aktualitetsdatoen og hvilket nyt fund der ville genåbne beslutningen.
• Afstem hvert syntetiseret input med den model og evaluering, det fødes ind i, og dokumentér, hvor forskellige input kom fra forskellig evidens.

Centrale kilder

• Cochrane, Cochrane Handbook for Systematic Reviews of Interventions (red. Higgins, Thomas et al.) – den internationale standardmanual for metoder til systematiske oversigter og metaanalyse.
• PRISMA Statement (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) – rapporteringsstandarden for systematiske oversigter og metaanalyser – https://www.prisma-statement.org
• GRADE Working Group – rammen for vurdering af evidensens sikkerhed og anbefalingers styrke – https://www.gradeworkinggroup.org
• NICE Decision Support Unit Technical Support Documents om evidenssyntese og netværksmetaanalyse – metodevejledning brugt i medicinsk teknologivurdering – https://www.sheffield.ac.uk/nice-dsu
• WHO Handbook for Guideline Development – hvordan Verdenssundhedsorganisationen bruger systematisk oversigt og GRADE i globale retningslinjer – https://www.who.int
• Cochrane og de internationale levende-evidens-samarbejder – referencepraksis for at holde højindsats-synteser aktuelle.

Referencer

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