Evidensbaserad medicin: kritisk granskning av studier

Sammanfattning

Kritisk granskning innebär att bedöma om en studie besvarar en kliniskt relevant fråga, om resultatet kan vara systematiskt snedvridet, hur stor och precis effekten är samt om resultatet är tillämpligt på den aktuella patienten. Börja inte med slutsatsen eller p-värdet. Identifiera först frågeställning, studiedesign, population, intervention eller exponering, jämförelse, utfall och uppföljningstid. Granska därefter intern validitet, effektmått och precision, följt av extern validitet och samlad evidens.

För randomiserade studier är centrala frågor om randomiseringssekvensen var korrekt, om allokeringen var dold, om avvikelser från tilldelad behandling uppstod, hur bortfall hanterades, om utfallsmätningen var tillförlitlig och om rapporterade analyser var förutbestämda. För observationsstudier tillkommer framför allt selektionsbias, confounding, felklassificering och tidsrelaterade bias. Diagnostiska studier måste bedömas utifrån patienturval, index- och referenstest, blindning, tröskelvärden samt patientflöde. Systematiska översikter kräver en reproducerbar sökning, transparent studieurval, lämplig risk för bias-bedömning och en rimlig syntes.

Statistisk signifikans är inte detsamma som klinisk betydelse. Tolka alltid punktestimat tillsammans med konfidensintervall och absoluta effekter. Ett icke-signifikant resultat visar inte automatiskt likvärdighet. Ett stort material kan ge ett precist men snedvridet resultat, medan ett litet material kan ge ett osäkert resultat trots god studiedesign. Slutligen ska studiens resultat vägas samman med övrig evidens, patientens baslinjerisk, värderingar, behandlingsbörda, biverkningar, resurser och svensk vårdkontext.

Från klinisk fråga till granskningsplan

Formulera frågan innan artikeln bedöms

En användbar granskning börjar med en fråga som kan besvaras. För behandlingseffekter används vanligen PICO:

För diagnostik behöver frågan även ange indexdiagnostik, referensstandard, avsedd klinisk roll och var i vårdförloppet testet ska användas. För prognos anges population, prognostisk faktor eller modell, utfall och tidshorisont. För etiologi eller skada specificeras exponering, relevant jämförelse och tänkbara confounders.

Samma artikel kan vara relevant för en fråga men olämplig för en annan. En placebokontrollerad effektstudie kan visa att en behandling har biologisk effekt, men behöver inte visa om den är bättre än svensk standardbehandling. En studie av diagnostisk träffsäkerhet kan visa hur väl ett test klassificerar sjukdom, men inte om testet förbättrar patientutfall.

Identifiera studiedesign efter vad som faktiskt gjordes

Förlita dig inte enbart på författarnas etikett. Bedöm hur deltagarna valdes, hur jämförelsegrupperna skapades, när exponering och utfall mättes och hur uppföljningen genomfördes.

Rapporteringsriktlinjer hjälper läsaren att finna nödvändig information. CONSORT 2025 omfattar 30 rapporteringspunkter för randomiserade studier och betonar bland annat registrering, protokoll, statistisk analysplan, datahantering, bortfall och biverkningar [1]. STROBE omfattar kohort-, fallkontroll- och tvärsnittsstudier och understryker att population, datainsamling, variabler, möjliga bias och analys måste beskrivas tydligt [2]. STARD fyller motsvarande funktion för diagnostiska studier [3], medan PRISMA 2020 innehåller 27 rapporteringspunkter för systematiska översikter [4].

Dessa riktlinjer är inte kvalitetsinstrument. Fullständig rapportering gör en studie möjlig att granska, men garanterar inte att metoden är korrekt. Bristfällig rapportering innebär däremot att risk för bias ofta inte kan uteslutas.

flowchart TD
A["Formulera den kliniska frågan<br>och viktiga utfall"] --> B["Identifiera vad forskarna<br>faktiskt jämförde"]
B --> C["Bedöm intern validitet<br>och risk för bias"]
C --> D["Tolka effektstorlek<br>och precision"]
D --> E["Granska alternativa analyser<br>och rapporteringsselektion"]
E --> F["Bedöm tillämplighet<br>för patient och vårdkontext"]
F --> G["Väg samman med övrig evidens<br>nytta, skada och resurser"]

Gemensam granskning av alla studier

Forskningsfråga, protokoll och förhandsregistrering

Kontrollera om hypotes, primärt utfall, uppföljningstid och analys definierades innan data analyserades. För randomiserade studier bör registreringen ha skett innan den första deltagaren inkluderades. Jämför publikationen med studieprotokoll, registerpost och statistisk analysplan. Undersök om:

• primärt utfall har bytts
• tidpunkten för primäranalysen har ändrats
• utfall har lagts till eller tagits bort
• subgrupper eller justeringsvariabler valts efter att resultaten blev kända
• studien avslutades tidigt utan tydligt förutbestämda regler
• analysen avviker från den planerade utan övertygande förklaring

En avvikelse behöver inte vara olämplig. Klinisk utveckling eller oväntade dataproblem kan motivera en ändring. Problemet är en odokumenterad, resultatstyrd ändring som ökar risken att ett slumpfynd framställs som bekräftande evidens.

Population och rekrytering

Beskriv källpopulationen innan du bedömer studiepopulationen. Fråga vilka patienter som kunde ha inkluderats, vilka som faktiskt bedömdes för deltagande och vilka som slutligen analyserades. Rekrytering från högspecialiserade centrum kan ge hög behandlingskvalitet men begränsad generaliserbarhet. Rekrytering via annonser eller frivilligt deltagande kan selektera särskilt motiverade och hälsomedvetna personer.

Kontrollera:

• inklusions- och exklusionskriterier
• rekryteringsland, vårdnivå och tidsperiod
• andelen tillfrågade som inkluderades
• samsjuklighet, ålder, könsfördelning och sjukdomens svårighetsgrad
• tidigare och samtidig behandling
• om äldre, sköra, gravida eller andra viktiga grupper uteslöts
• om diagnostiska kriterier motsvarar klinisk praxis

En behandling kan ha samma relativa effekt vid olika baslinjerisk men mycket olika absolut nytta. Därför är patientens baslinjerisk central för tillämpningen.

Intervention, jämförelse och sambehandling

Interventionen måste vara tillräckligt beskriven för att kunna reproduceras. För läkemedel behövs dos, administreringssätt, behandlingslängd, dosjustering och följsamhet. För kirurgi, fysioterapi eller komplexa vårdprogram behövs information om utförare, utbildning, komponenter och faktisk leverans. TIDieR utvecklades för att förbättra beskrivningen och reproducerbarheten av sådana interventioner [5].

Jämförelsebehandlingen är lika viktig som interventionen. Placebo kan vara rimligt när effektiv standardbehandling saknas, men är otillräckligt om frågan gäller val mellan etablerade behandlingar. En för låg dos eller felaktigt administrerad aktiv kontroll kan överdriva den nya behandlingens relativa nytta.

Bedöm också samtidig behandling. Om grupperna får olika räddningsbehandling, rehabilitering, uppföljning eller diagnostik kan skillnaden i utfall inte säkert tillskrivas den avsedda interventionen.

Utfall och uppföljningstid

Prioritera patientrelevanta utfall som överlevnad, symtom, funktion, livskvalitet, sjukhusinläggning och allvarliga komplikationer. Biomarkörer och radiologiska mått kan vara användbara, men ett surrogatutfall måste vara validerat för den aktuella sjukdomen, behandlingsmekanismen och patientpopulationen. En behandling kan förbättra ett laboratorievärde utan att förbättra patienternas hälsa.

Granska hur utfallet definierades och mättes:

• Var definitionen kliniskt meningsfull?
• Var mätmetoden validerad?
• Var utfallet självrapporterat eller bedömarberoende?
• Var bedömarna blindade?
• Mättes utfallet lika ofta och på samma sätt i grupperna?
• Var uppföljningen tillräckligt lång för nytta och skada?
• Ingick komponenter med mycket olika klinisk betydelse i ett sammansatt utfall?

Ett sammansatt utfall kan domineras av den vanligaste men minst allvarliga komponenten. Rapporten bör därför visa både det sammansatta utfallet och varje komponent separat.

Randomiserade behandlingsstudier

Randomisering minskar i förväntan både känd och okänd confounding, men endast om sekvensen är genuint slumpmässig och allokeringen inte kan förutses. RoB 2 bedömer fem områden: randomiseringsprocessen, avvikelser från avsedda interventioner, saknade utfallsdata, utfallsmätning och selektion av rapporterat resultat [6].

Randomiseringsprocess och dold allokering

Kontrollera hur sekvensen skapades. Datorgenererade slumptal och central randomisering är vanligen lämpliga. Alternering, födelsedatum, journalnummer eller veckodag är förutsägbara och utgör inte säker randomisering.

Dold allokering betyder att den som inkluderar deltagaren inte kan känna till nästa tilldelning. Detta är skilt från blindning efter randomiseringen. Central webbaserad eller telefonbaserad tilldelning ger ofta bättre skydd än lokalt förvarade kuvert. Om allokeringen kunde förutses kan rekryteraren påverka vilka patienter som hamnar i respektive grupp.

Inspektera baslinjetabellen, men använd inte enbart signifikanstester för att bedöma randomiseringen. Slumpmässiga obalanser kan uppkomma. Stora eller osannolika skillnader i flera prognostiskt viktiga variabler kan däremot motivera närmare granskning av processen.

Blindning och avvikelser från behandling

Blindning minskar risken att förväntningar påverkar behandling, sambehandling, bortfall eller utfallsmätning. Betydelsen beror på utfallet. Totalmortalitet är mindre känsligt för bedömarpåverkan än smärta, funktionsskattning eller beslut om sjukhusinläggning.

Om blindning inte är möjlig, fråga om:

• grupperna fick olika omsorg eller samtidig behandling
• följsamheten påverkades av kännedom om behandling
• avvikelserna var balanserade
• utfallet bedömdes av en oberoende blindad kommitté
• analysen uppskattade effekten av tilldelning eller effekten av faktisk behandling

Intention-to-treat och per protokoll

En intention-to-treat-analys behåller deltagarna i den grupp de randomiserades till. Den bevarar randomiseringens jämförbarhet och uppskattar vanligen effekten av en behandlingsstrategi under studiens förhållanden. En analys efter faktisk behandling bryter randomiseringen och kan återinföra confounding.

Per protokoll-analys inkluderar endast deltagare som följde protokollet enligt förutbestämda kriterier. Den kan vara informativ men är känslig för selektion, eftersom följsamhet ofta hänger samman med prognos. I överlägsenhetsstudier är intention-to-treat vanligen primär. I non-inferiority-studier är både intention-to-treat och per protokoll viktiga, eftersom avvikelser och behandlingskorsning kan göra grupperna mer lika och därmed gynna slutsatsen om non-inferiority.

Non-inferiority och ekvivalens

Non-inferiority innebär att den nya behandlingen inte är oacceptabelt mycket sämre än kontrollen. Det är inte samma sak som att ingen statistiskt signifikant skillnad har påvisats. Kontrollera:

1. Att non-inferiority-marginalen definierades före studien.
2. Att marginalen har klinisk och empirisk motivering.
3. Att den aktiva kontrollen tidigare visats vara effektiv i liknande population.
4. Att behandling, följsamhet och utfallsmätning varit tillräckligt bra för att skillnader skulle kunna upptäckas.
5. Att konfidensintervallet i sin helhet ligger på rätt sida om marginalen.
6. Att både nytta och möjliga fördelar, exempelvis färre biverkningar eller enklare administration, bedöms.

Ekvivalens kräver att hela konfidensintervallet ligger inom två förutbestämda gränser. Frånvaro av signifikant skillnad räcker inte.

Bortfall och saknade data

Redovisa bortfall separat för varje grupp och för varje centralt utfall. Bedöm både andelen och orsakerna. Fem procent bortfall kan vara allvarligt om få händelser inträffat och bortfallet är relaterat till prognos. Ett större bortfall kan vara mindre snedvridande om orsakerna är oberoende av behandling och utfall.

Komplettfallsanalys är endast säkert under restriktiva antaganden. Moderna metoder innefattar bland annat multipel imputering, sannolikhetsbaserade modeller och viktning. Ingen metod återställer information som aldrig samlats in. Antagandena ska vara kliniskt rimliga och känslighetsanalyser bör visa hur slutsatsen påverkas om saknade utfall är sämre i den ena gruppen. En metodöversikt från 2024 fann att många prövningar fortfarande använder metoder som i praktiken kräver det starka antagandet att data saknas helt slumpmässigt [7].

Selektiv rapportering och subgrupper

Ett primärt utfall bör vara förutbestämt. Många sekundära utfall, tidpunkter, subgrupper och modellvarianter ökar sannolikheten för slumpmässigt positiva resultat.

En trovärdig subgruppseffekt bör helst:

• vara förutbestämd och begränsad till få hypoteser
• ha biologisk eller klinisk rimlighet
• visas med ett formellt interaktionstest
• vara konsekvent inom och mellan studier
• bygga på tillräckligt många deltagare och händelser
• inte enbart baseras på signifikans i en grupp och icke-signifikans i en annan

Skillnaden mellan ett signifikant och ett icke-signifikant resultat är inte nödvändigtvis signifikant. I en analys av 928 Cochraneöversikter planerades åldersrelaterade subgruppsanalyser i 20,4 procent, men genomfördes endast i en liten minoritet. Flera analyser saknade formellt interaktionstest och de observerade interaktionerna hade svagt stöd [8].

Skador och biverkningar

Effektstudier har ofta otillräcklig statistisk styrka och för kort uppföljning för sällsynta eller sena skador. Granska hur biverkningar efterfrågades, definierades, kodades och attribuerades. Aktiv, systematisk övervakning fångar fler händelser än spontana uppgifter.

Rapporten bör ange antal deltagare med minst en händelse, antal händelser, svårighetsgrad, behandlingsavbrott, allvarliga händelser och dödsfall i varje grupp. CONSORT Harms rekommenderar en integrerad och förutbestämd rapportering av nytta och skada [9]. I en systematisk granskning av 61 randomiserade vaccinprövningar rapporterade samtliga dödsfall och allvarliga biverkningar, men endast sex beskrev hur återkommande biverkningar hanterades [10].

Observationsstudier

Observationsstudier är nödvändiga för många frågor om prognos, etiologi, sällsynta skador och behandling i klinisk rutin. De kan vara mycket stora och precisa, men precision eliminerar inte systematiska fel.

Selektion och jämförbarhet

I en kohortstudie ska exponerade och oexponerade representera jämförbara personer vid en tydligt definierad startpunkt. I en fallkontrollstudie ska kontrollerna representera den population som fallen uppstod ur. I tvärsnittsstudier är tidsordningen mellan exponering och sjukdom ofta oklar.

Granska om inklusion, behandling eller fortsatt uppföljning beror på prognos. Exempel är selektion av personer som överlevt till studieinklusion, exklusion av svårt sjuka patienter eller informativ förlust till uppföljning.

Confounding

En confounder är associerad både med exponeringen och utfallet utan att vara en följd av exponeringen. Confounding by indication är särskilt viktig när sjukare patienter oftare får en viss behandling. En statistiskt justerad observationsstudie är inte automatiskt kausal. Justering kan endast hantera variabler som mätts tillräckligt väl och modellerats korrekt.

Kontrollera:

• om viktiga confounders identifierades med klinisk kunskap
• när och hur de mättes
• om variabler efter behandlingsstart felaktigt justerades bort
• om grupperna hade överlappande sannolikhet att få behandling
• om balans efter matchning eller viktning redovisades
• om känslighetsanalyser för okänd confounding gjordes

En kartläggande översikt av 117 metodartiklar om sekundära vårddatabaser identifierade confounding, selektion och mätfel som de vanligaste problemområdena. Confounding by indication, residual confounding, felklassificering av utfall och immortal time bias var särskilt framträdande [11].

Propensity score kan användas för matchning, stratifiering, viktning eller justering men gör inte okända confounders jämförbara. I en översikt av 127 jämförelser mellan propensity score-analyser och randomiserade studier var skillnaden mellan designerna stor i 54 procent av jämförelserna [12].

Mätfel och felklassificering

Diagnoser, läkemedelsexponeringar och utfall i administrativa register har ofta skapats för vård eller ersättning, inte forskning. Kontrollera kodernas positiva och negativa prediktiva värde i relevant miljö. Recept betyder inte att läkemedlet hämtats ut, och expediering betyder inte att det tagits.

Icke-differentiell felklassificering leder inte alltid mot noll, särskilt inte vid flera kategorier, beroende mätfel eller justerade modeller. Differentiell felklassificering kan snedvrida resultatet åt vilket håll som helst.

Tidsrelaterade bias

Starten för exponering, jämförelse och uppföljning måste ligga på en gemensam, kliniskt meningsfull tidpunkt. Vid immortal time bias klassificeras en period då utfallet inte kunde inträffa som exponerad tid, vilket ofta ger en skenbar skyddseffekt.

En robust läkemedelsstudie använder ofta:

• nya användare i stället för personer som redan tolererat behandlingen
• en aktiv jämförelsebehandling med liknande indikation
• samma definition av indexdatum i grupperna
• tidsberoende exponeringsmodell när exponeringen förändras
• tydlig hantering av behandlingsbyten, avbrott och konkurrerande händelser

Diagnostiska studier

Diagnostisk träffsäkerhet är inte en oföränderlig egenskap hos ett test. Den varierar med sjukdomsspektrum, prevalens, vårdnivå, tidigare testning och hur testet utförs [3]. QUADAS-2 bedömer patienturval, indexdiagnostik, referensstandard samt patientflöde och tid. De tre första områdena bedöms också avseende tillämplighet [13].

Patienturval och klinisk roll

Studien bör helst inkludera en konsekutiv eller slumpmässig serie patienter där testet faktiskt skulle användas. Jämförelse mellan tydligt sjuka fall och friska kontroller ger ofta överdriven träffsäkerhet. Ange om testet ska användas för screening, triage, diagnostisk bekräftelse, ersättning av ett befintligt test eller som tilläggstest.

Indexdiagnostik och referensstandard

Indexdiagnostiken och referensstandarden ska beskrivas så att de kan reproduceras. Referensstandarden måste klassificera mål­tillståndet tillräckligt korrekt. Om referenstestets bedömare känner till indexresultatet kan överensstämmelsen bli artificiellt hög.

Tröskelvärden bör vara förutbestämda. Ett gränsvärde som väljs efter att alla resultat analyserats tenderar att prestera för optimistiskt och behöver extern validering.

Alla deltagare bör i princip genomgå samma referensstandard inom ett kliniskt rimligt tidsintervall. Om bara indexpositiva patienter får definitiv diagnostik uppstår partiell verifikationsbias.

Effektmått

Sensitivitet och specificitet ska rapporteras med konfidensintervall. Ett enda AUC-värde kan dölja kliniskt viktiga skillnader vid det gränsvärde som faktiskt ska användas. Den avgörande frågan är ofta om testresultatet förändrar sannolikheten tillräckligt mycket för att ändra behandling, vidare utredning eller behov av uppföljning.

Systematiska översikter och metaanalyser

En systematisk översikt är en studie av studier. Den kan inte kompensera för allvarlig bias i primärstudierna. PRISMA ger stöd för transparent rapportering [4], medan AMSTAR 2 är ett granskningsinstrument för översikter av randomiserade och icke-randomiserade interventionsstudier [14].

Sökning och studieurval

Kontrollera att frågan och inklusionskriterierna definierades i ett protokoll före sökning och analys. Sökningen bör omfatta flera relevanta databaser, studieregister, referenslistor och vid behov opublicerade eller regulatoriska källor. Fullständiga sökstrategier och sista sökdatum ska redovisas.

Studieurval och dataextraktion bör genomföras av minst två personer eller kontrolleras oberoende. En lista över studier som exkluderats efter fulltextgranskning, med orsaker, gör det möjligt att upptäcka selektiv exklusion.

Risk för bias och sammanvägning

Författarna ska använda ett designanpassat instrument och integrera bedömningen i syntesen. Att enbart presentera en poängsumma är olämpligt, eftersom en enda kritisk brist kan vara viktigare än flera mindre brister. AMSTAR 2 avråder uttryckligen från att summera dess 16 punkter till ett enda kvalitetspoäng [14].

Metaanalys är endast rimlig när studierna är tillräckligt jämförbara avseende population, intervention, kontroll, utfall och tid. Ett random effects-förfarande löser inte klinisk inkompatibilitet. När randomiserade och observationsbaserade resultat kombineras kan mycket stora observationsstudier dominera och skapa ett precist men snedvridet sammanfattningsmått.

Heterogenitet

Heterogenitet ska förstås kliniskt och metodologiskt, inte enbart genom I². I² anger ungefär hur stor andel av den observerade variationen som inte förklaras av stickprovsfel, men påverkas av studiernas precision. Ett lågt I² utesluter inte kliniskt viktig variation och ett högt I² behöver inte innebära stora absoluta skillnader.

Vid random effects-metaanalys är prediktionsintervallet ofta mer kliniskt informativt än konfidensintervallet kring medeleffekten. Det uppskattar vilket intervall av sanna effekter som kan förväntas i en liknande framtida miljö. I en analys av statistiskt signifikanta Cochrane-metaanalyser med heterogenitet inkluderade 72,4 procent av prediktionsintervallen nolleffekt, och 20,3 procent inkluderade en effekt motsatt sammanfattningsestimatet [15].

Publikationsbias

Små positiva studier publiceras ofta lättare än små negativa studier. Funnel plot och asymmetritest kan stödja misstanke om småstudieeffekter, men är svårtolkade vid heterogenitet och har låg styrka med få studier. AMSTAR 2 anger att minst omkring tio studier vanligen behövs för att bedöma funnel plot-asymmetri meningsfullt [14]. En symmetrisk funnel plot bevisar inte att publikationsbias saknas.

Tolkning av statistiska resultat

Punktestimat och konfidensintervall

Punktestimatet är studiens bästa enskilda uppskattning. Konfidensintervallet beskriver statistisk osäkerhet under modellens antaganden, men fångar inte systematisk bias. Ett snävt intervall kring ett snedvridet estimat ger inte ett trovärdigt resultat.

Bedöm om intervallet inkluderar:

• ingen effekt
• en kliniskt betydelsefull nytta
• en kliniskt betydelsefull skada
• både nytta och skada

Ett resultat kan vara statistiskt signifikant men kliniskt trivialt. Det kan också vara icke-signifikant men förenligt med en viktig effekt eftersom intervallet är brett.

Relativa och absoluta effekter

Anta att risken för ett utfall är 20 procent i kontrollgruppen och 15 procent i behandlingsgruppen.

• Riskkvot: 0,15 / 0,20 = 0,75.
• Relativ riskreduktion: 1 minus 0,75 = 25 procent.
• Absolut riskreduktion: 20 minus 15 procentenheter = 5 procentenheter.
• Number needed to treat: 1 / 0,05 = 20 under den studerade tiden.

NNT måste alltid kopplas till population, jämförelse och tidsperiod. Eftersom den absoluta effekten beror på kontrollrisken kan NNT inte utan vidare jämföras mellan studier. NNT bör beräknas från en lämplig absolut riskskillnad och redovisas med osäkerhet. För tidsberoende utfall förändras NNT med vald tidpunkt [16].

Odds ratio och hazardkvot

Odds ratio ligger nära riskkvoten när utfallet är sällsynt, men kan framstå som större när utfallet är vanligt. Om kontrollrisken finns bör resultatet även uttryckas som absolut risk.

En hazardkvot jämför momentana händelseintensiteter under uppföljningen och är inte direkt en riskkvot eller en skillnad i överlevnadstid. Tolkningen förutsätter ofta proportionella hazards. Vid korsande eller sent separerande överlevnadskurvor kan ett enda hazardkvotsvärde vara missvisande. Begränsad medelöverlevnadstid fram till en förutbestämd tidpunkt kan då vara mer lättolkad [17].

P-värden och multipla analyser

P-värdet anger hur oförenliga data är med en specificerad statistisk modell, ofta nollhypotesen. Det anger inte sannolikheten att hypotesen är sann, effektens storlek, klinisk betydelse eller risken för bias.

Gränsen 0,05 är en konvention, inte en biologisk skiljelinje. Resultaten p = 0,049 och p = 0,051 utgör normalt inte kvalitativt olika evidens. Tolka effektstorlek, konfidensintervall, förhandsplanering, antal analyser och studiens validitet.

Om 20 oberoende hypoteser prövas vid signifikansnivån 0,05 förväntas i genomsnitt ett positivt resultat av slumpen när alla nollhypoteser är sanna. Därför behövs en förutbestämd analyshierarki eller lämplig kontroll av multiplicitetsproblemet.

Robusthet och känslighetsanalyser

Känslighetsanalyser bör pröva rimliga alternativa antaganden, exempelvis:

• olika antaganden om saknade data
• justerade och ojusterade analyser
• exklusion av studier med hög risk för bias
• olika modeller för heterogenitet
• alternativ definition av exponering eller utfall
• hantering av konkurrerande händelser
• per protokoll utöver intention-to-treat när det är relevant

Om slutsatsen ändras vid små, rimliga modelländringar är evidensen skör. Fragilitetsindex, antalet händelser som behöver ändras för att ett dikotomt signifikant resultat ska bli icke-signifikant, kan illustrera viss statistisk instabilitet men ersätter inte konfidensintervall eller risk för bias-bedömning. Kritiska översikter har visat att fragilitetsindex i många randomiserade studier varit mycket lågt och ibland mindre än antalet deltagare som förlorats till uppföljning [18].

Tillämplighet och klinisk betydelse

Intern validitet måste bedömas före generaliserbarhet. Ett resultat med hög risk för bias blir inte användbart bara för att studiepopulationen liknar patienten. När intern validitet är acceptabel bedöms:

• likhet i ålder, samsjuklighet, sjukdomsgrad och tidigare behandling
• baslinjerisk och absolut förväntad nytta
• vårdnivå, kompetens och tillgängliga resurser
• interventionens genomförbarhet och behandlingsbörda
• uppföljningens längd
• patientens värderingar och mål
• relevanta biverkningar och interaktioner
• om kontrollbehandlingen motsvarar svensk praxis

Svenska rekommendationer, godkända indikationer, förmånsbegränsningar och vårdstrukturer kan avvika från internationella studier. En metodologiskt god studie fastställer därför inte ensam vad som bör göras i svensk hälso- och sjukvård.

Från enskild studie till samlad evidens

Ett kliniskt beslut bör sällan bygga på en enda studie. GRADE bedömer evidensens tillförlitlighet per utfall utifrån bland annat studiedesign, risk för bias, inkonsistens, indirekthet, bristande precision och publikationsbias. Rekommendationens styrka påverkas dessutom av balans mellan nytta och skada, patientvärderingar och andra konsekvenser [19].

Praktisk slutsats efter granskning

Avsluta granskningen med en strukturerad slutsats, inte med ett allmänt omdöme som ”bra studie” eller ”låg evidens”. Ange:

1. Vilken fråga studien faktiskt besvarar.
2. De viktigaste styrkorna.
3. De viktigaste riskerna för bias.
4. Punktestimat, konfidensintervall och absolut effekt.
5. Om resultaten är robusta och förutbestämda.
6. Vilka patienter och vårdmiljöer resultaten gäller.
7. Hur studien förhåller sig till övrig evidens.
8. Vad resultatet rimligen innebär för klinisk praxis.
9. Vilken osäkerhet som kvarstår.

Kritisk granskning är inte en jakt på fel som automatiskt diskvalificerar en studie. Syftet är att avgöra hur mycket vikt resultatet förtjänar. En liten men välgjord studie kan ge värdefull, om än osäker, information. En mycket stor studie kan ge stor precision men ändå vara oanvändbar om jämförelsegrupperna skapats på ett systematiskt snedvridet sätt. Den kliniskt relevanta slutsatsen ligger i kombinationen av validitet, effektstorlek, precision, tillämplighet och samstämmighet med den samlade evidensen.

Källor

1. Hopewell S m.fl. CONSORT 2025 explanation and elaboration: updated guideline for reporting randomised trials. BMJ 2025. PMID: 40228832
2. Vandenbroucke JP m.fl. Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): explanation and elaboration. PLoS Medicine 2007. PMID: 17941715
3. Cohen JF m.fl. STARD 2015 guidelines for reporting diagnostic accuracy studies: explanation and elaboration. BMJ Open 2016. PMID: 28137831
4. Page MJ m.fl. PRISMA 2020 explanation and elaboration: updated guidance and exemplars for reporting systematic reviews. BMJ 2021. PMID: 33781993
5. Hoffmann TC m.fl. Better reporting of interventions: template for intervention description and replication (TIDieR) checklist and guide. BMJ 2014. PMID: 24609605
6. Sterne JAC m.fl. RoB 2: a revised tool for assessing risk of bias in randomised trials. BMJ 2019. PMID: 31462531
7. Medcalf E m.fl. Addressing missing outcome data in randomised controlled trials: A methodological scoping review. Contemporary Clinical Trials 2024. PMID: 38857674
8. Liu P m.fl. Age-treatment subgroup analyses in Cochrane intervention reviews: a meta-epidemiological study. BMC Medicine 2019. PMID: 31639007
9. Junqueira DR m.fl. CONSORT Harms 2022 statement, explanation, and elaboration: updated guideline for the reporting of harms in randomized trials. Journal of Clinical Epidemiology 2023. PMID: 37100738
10. Yuniar CT m.fl. Adverse Events Reporting Quality of Randomized Controlled Trials of COVID-19 Vaccine Using the CONSORT Criteria for Reporting Harms: A Systematic Review. Vaccines 2022. PMID: 35214773
11. Prada-Ramallal G m.fl. Bias in pharmacoepidemiologic studies using secondary health care databases: a scoping review. BMC Medical Research Methodology 2019. PMID: 30871502
12. Forbes SP, Dahabreh IJ. Benchmarking Observational Analyses Against Randomized Trials: a Review of Studies Assessing Propensity Score Methods. Journal of General Internal Medicine 2020. PMID: 32193818
13. Whiting PF m.fl. QUADAS-2: a revised tool for the quality assessment of diagnostic accuracy studies. Annals of Internal Medicine 2011. PMID: 22007046
14. Shea BJ m.fl. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ 2017. PMID: 28935701
15. IntHout J m.fl. Plea for routinely presenting prediction intervals in meta-analysis. BMJ Open 2016. PMID: 27406637
16. Okwuokenye M m.fl. Number Needed to Treat in Multiple Sclerosis Clinical Trials. Neurology and Therapy 2017. PMID: 28176189
17. Jiménez JL. Quantifying treatment differences in confirmatory trials under non-proportional hazards. Journal of Applied Statistics 2022. PMID: 35707213
18. Mielke D, Rohde V. Randomized controlled trials, a critical re-appraisal. Neurosurgical Review 2021. PMID: 33025186
19. Guyatt G m.fl. GRADE guidelines: 1. Introduction, GRADE evidence profiles and summary of findings tables. Journal of Clinical Epidemiology 2011. PMID: 21195583