<以下資料沒有任何證據等級,個人筆記+網路資料>

 

一.實證醫學(evidence-based medicine; EBM),到底什麼是EBM?

NEWS

臨床上,決定醫療決策的因素主要有四種:
- 一直以來都是這樣做
- 我的同儕都是這麼做
- 我認為這麼做會比較好
- 研究結果支持這樣做

最多的是第三種,基本上大都是根據信念 (belief)經驗 (experience),與推測 (speculation)...

Me :

所以傳統是醫生和周遭的經驗做決策,實證醫學是把全世界的經驗連結起來

,希望用這樣的資訊幫助我們更好的照顧病人。(?)

那眾人的經驗是怎麼變成證據的?自然要靠科學的方法,統計。

我們藉由大量的使用經驗(抽樣sample),推論出實證(母集合population),並希望這樣的母集合可以幫助我們解決未來面對的問題。

不過有抽樣就會有誤差,下面實際應用就會提到,如何用"評讀"的方式來去解決這樣的誤差。

 

 

 

 

二.實際操作實證醫學有哪些步驟?我們要如何利用那個母集合?

藥學雜誌:http://www.taiwan-pharma.org.tw/JTP/099/120-124.html

執行實證醫學的五大步驟(5A):

步驟一:形成一個可回答的臨床問題。步驟二:尋找最佳的實證文獻證據。步驟三:嚴格評讀文獻。

步驟四:臨床應用。步驟五:對過程進行稽核。

 

 

一、形成一個可回答的臨床問題

將個案的臨床資料形成一個可回答的臨床問題,需完整描述PICO四項目:

Patient or Problem(描述病患、疾病或病徵的型態等):

Intervention / Exposure(包括治療、檢驗、預後因子、曝露因子等):

Comparison對照組,可能有,也可能沒有):比較-該治療和什麼相比?

Outcome(有意義的臨床結果,對您的病患和您而言):您想要達成或避免什麼?

。茲針對步驟一之問題模式,舉一例子:P:65歲男性有中風及頸動脈狹窄的病史。I:服用阿斯匹靈(Aspirin)。C:服用安慰劑(Placebo)。O:中風再發的機率。

形成PICO問題最大的好處是將問題聚焦,容易找到關鍵字。依據PICO問題,設定關鍵字及搜尋策略,實際進行資料搜尋。

 

 

二、尋找最佳的實證文獻證據(如何找的又快又好?)

1.目前比較流行的實證資源有:(From NEWS)

- UpToDate 國內人氣最高的-4
- DynaMed 我最愛用的
- Clinical Evidence-4
- eMedicine
- EBM guideline

一篇系統性綜論刊登到被這些資源引用的平均速度如下:
- DynaMed 2個月
- EBM guideline 10個月
- 其他 (UpToDate,eMedicine,Clinical Evidence) 超過追蹤時間,所以沒辦法計算

2.醫學文獻的種類(From WIKI醫學快紀)

教科書、電子書、網路電子書
適合背景問題,查詢便利,連結相關資訊
UptodateeMedicine(網路免費)
醫學期刊、電子期刊、電子資料庫
適合前瞻問題
Review Article:綜合專家意見,入門首選
電子期刊及全文資料為首選:Medline, Medscape
實證醫學文獻資料庫(EBMR)
是secondary publication,社和解決爭議性問題
Cochrane Library,ACP journal club,Bandolier

3.臨床研究種類

  • Original Study
  • Review of literature
    Non-systemic Review
以作者的判斷引用文獻,通常沒有使用特殊的統計方法,以教育臨床醫師為目的
  • Systemic Review
引用各種資料庫,並說明查詢的關鍵字;通常會使用統計方法

   

 三、嚴格評讀文獻

醫學文獻評讀概念、方法與等級介紹 :

在文獻評讀方面最主要有三個主要步驟,即為VIP:V(Validity/Reliability)效度/信度、I(Importance/Impact)重要性、P(Practice/Applicability)臨床適用性。審視效度就是問” 我們能相信這篇文獻嗎?”。審視重要性就是問”我們相信它,但這個結論重要嗎?”。審視臨床適用性就是 問”如果我們相信它,這個結論可以應用在我們的病人嗎?”。這三個問題是在文獻評讀的時候,三個最核心的部份。

治療效果的文獻評讀

EBM-說明  

 未命名.png  

2.信賴區間(Confidence Intervals; CI)群體的正確數值會落在這個數值範圍內。95%CI表示有95%的信心確定群體的正確數值會落在這個數值範圍內。

3.需治人數 (number needed to treat; NNT) "預防或減少一件事件發生所需治療人數"   NNT= 1/ARR

4.P<0.05(實驗組與對照組屬於同一個母群體的機率) 連結 爭審相關論述 p 值的迷思

5.需要被傷害的病人數目(Number needed to harm,NNH):除了考慮治療的好處外,也要考慮治療帶來的壞處。當病患接受了實驗組的治療後,可能會有病人產生副作用,亦即對多少病人數目進行實驗 組療法,與對照組做比較後,會有多一個病人產生不良副作用。算法為絕對危險度增加百分比(absolute risk increase,ARI)的倒數:NNH=1/ARI 

 

6.森林圖 Forest plot,以方塊表示者為每個研究的勝算比    說明 http://blog.roodo.com/jaymyang/archives/16881391.html

①每一橫線代表一個試驗結果的可信區間(confidence interval ,CI),可信區間是真值可能存在的範圍,反映結果的準確性,橫線越長,說明樣本量越小,結果欠準確可靠;橫線越短,說明樣本量越大,準確性越高,結果越 可信。②橫線中央的正方形是點估計值,面積大小表示對Meta-分析的貢獻度,即研究權重(Weight)大小。一般來說,對於計數資料如本研究使用樣本 量作為權重的衡量依據,樣本量越大,權重越大;計量資料則採用標準差作為權重的衡量依據,標準差越小,權重越大。也有以納入研究的質量評分作為權重的衡量 依據。
③最下方的菱形代表多個RCT的綜合結果。
④垂直線(代表OR=1,RR=1或RD=0)將圖分為左右兩半,用於判斷結果差異有無 統計學意義:橫線/菱形與垂直線相交則表明該RCT中不同治療措施之間差異無統計學意義。若不相交則有統計學意義,對於不利結局如死亡、疾病進展、殘廢事 件等,橫線/菱形完全在垂直線左側表示治療組更有效,完全在右側表示對照組更有效;對於有利結局如治癒、緩解等則相反。

 

 

四、臨床應用

將獲得的最佳文獻證據,配合醫護人員的臨床工作經驗,並與患者的病況相互整合,做出最佳臨床決策4。文獻研究效果需要因應個別病人做調整。

 

 

五、對過程進行稽核

對上述實證醫學的執行步驟做評估,並自問:所遇到的臨床問題是可以回答的嗎?搜尋文獻及評讀證據的速度有多快?能將這些證據應用在適當的臨床病人嗎?稽核執行的成效與品質,並思考下次執行的改進方式。

 

 

名詞解釋-實證醫學指引平台

 

延伸閱讀:

實證醫學EBM-文獻搜尋

 

 

 

arrow
arrow
    全站熱搜

    IF 發表在 痞客邦 留言(2) 人氣()