Evidensbaserad medicin: principer och arbetsgång

Sammanfattning

Evidensbaserad medicin innebär att förena bästa tillgängliga vetenskapliga underlag med klinisk expertis och patientens värderingar, mål och förutsättningar. Det är inte liktydigt med att följa en artikel, en metaanalys eller en riktlinje mekaniskt. Vetenskapliga resultat måste först bedömas avseende validitet, effektens storlek, precision, relevans och tillämpbarhet för den aktuella patienten [1].

Arbetsgången kan sammanfattas i fem steg: formulera en besvarbar fråga, sök efter bästa tillgängliga kunskap, kritiskt granska underlaget, tillämpa resultatet tillsammans med patienten och utvärdera beslutets konsekvenser [2]. Frågan bör struktureras efter klinisk frågetyp, vanligen med PICO: population, intervention eller exponering, jämförelse och utfall. Sök i första hand efter aktuella och metodologiskt tillförlitliga riktlinjer eller systematiska översikter. Gå vidare till primärstudier om översikter saknas, är för gamla eller inte motsvarar frågan.

Kritisk granskning ska skilja mellan tre frågor:

1. Är resultatet tillräckligt trovärdigt?
2. Hur stor och precis är effekten?
3. Är resultatet relevant för denna patient och detta beslut?

Relativa effekter bör kompletteras med absoluta tal, exempelvis absolut riskreduktion och number needed to treat, NNT. Ett lågt p-värde bevisar varken att effekten är stor, kliniskt viktig eller fri från systematiska fel. För diagnostiska test måste testresultatet tolkas utifrån sannolikheten före testet. För riktlinjer måste rekommendationens styrka skiljas från evidensens tillförlitlighet. Slutligen ska beslutet följas upp med patientrelevanta utfall och omprövas när patientens tillstånd, mål eller kunskapsläget förändras.

Grundprinciper

Vad evidensbaserad medicin är

Evidensbaserad medicin utvecklades som ett sätt att göra kliniska beslut mer explicita, reproducerbara och transparenta. Den klassiska definitionen betonar omsorgsfull och omdömesgill användning av bästa aktuella evidens i beslut om enskilda patienter. Klinisk erfarenhet behövs för att identifiera problemet, uppskatta grundrisk, tolka osäkerhet och avgöra om resultaten är tillämpbara. Patientens preferenser behövs eftersom samma möjliga nytta och skada kan värderas olika av olika personer [1].

Begreppet omfattar både individuella patientbeslut och beslut på gruppnivå, exempelvis vårdprogram, prioriteringar och utfasning av åtgärder med låg nytta. Den individuella processen kan beskrivas med fem moment:

Den femdelade modellen används även vid utbildning och bedömning av evidensbaserad medicin. En systematisk översikt av validerade bedömningsinstrument visade att kritisk granskning ofta mäts, medan förmågan att tillämpa och därefter utvärdera beslutet bedöms betydligt mer sällan [2]. Detta avspeglar ett vanligt kliniskt problem: stor uppmärksamhet ägnas åt artikelläsning, men mindre åt hur kunskapen faktiskt förändrar beslut och patientutfall.

Vad evidensbaserad medicin inte är

Evidensbaserad medicin är inte:

• en kokbok där samma åtgärd används för alla
• en metod för att ersätta klinisk erfarenhet med statistik
• ett krav på att varje beslut måste stödjas av en randomiserad studie
• detsamma som kostnadsminimering
• detsamma som att följa en klinisk riktlinje
• ett antagande att alla publicerade studier är tillförlitliga
• ett antagande att en systematisk översikt alltid har hög kvalitet
• ett majoritetsbeslut bland experter

Frånvaro av höggradig evidens är inte evidens för frånvaro av effekt. Vid sällsynta sjukdomar, akuta livshotande tillstånd, kirurgiska interventioner, långtidsskador och etiskt svårstuderade frågor kan randomiserade studier vara omöjliga eller olämpliga. Då måste beslutet grundas på det bästa underlag som finns, samtidigt som osäkerheten redovisas tydligt.

Evidenshierarki är frågeberoende

En enda generell evidenspyramid är otillräcklig. Lämplig studiedesign beror på vilken fråga som ska besvaras. En randomiserad studie är vanligen bäst för att uppskatta den kausala effekten av en intervention, men inte för att uppskatta prevalens, sällsynta sena biverkningar eller ett diagnostiskt tests träffsäkerhet.

Även översikter har olika syften. En systematisk översikt besvarar en avgränsad fråga med förutbestämda metoder. En scoping review kartlägger ett bredare område och behöver inte värdera effekter. En narrativ översikt kan ge klinisk förståelse men är mer beroende av författarens urval. En umbrella review sammanställer befintliga systematiska översikter. Dessa publikationstyper är därför inte utbytbara [3].

Arbetsgång

flowchart TD
A["Identifiera klinisk osäkerhet"] --> B["Formulera frågan<br>med PICO eller motsvarande"]
B --> C["Bestäm frågetyp<br>och relevant studiedesign"]
C --> D["Sök först efter aktuell<br>riktlinje eller systematisk översikt"]
D --> E["Bedöm aktualitet,<br>metod och relevans"]
E -->|"Tillräckligt underlag"| F["Kvantifiera nytta,<br>skada och osäkerhet"]
E -->|"Otillräckligt underlag"| G["Sök relevanta<br>primärstudier"]
G --> H["Kritiskt granska<br>risk för bias och precision"]
H --> F
F --> I["Bedöm tillämpbarhet,<br>grundrisk och genomförbarhet"]
I --> J["Diskutera alternativ<br>med patienten"]
J --> K["Fatta och dokumentera<br>ett gemensamt beslut"]
K --> L["Följ upp utfall,<br>biverkningar och beslut"]
L --> M["Ompröva vid ny evidens<br>eller ändrade förutsättningar"]

Steg 1: Identifiera beslutet och formulera frågan

Utgå från ett verkligt beslut, inte från ett allmänt kunskapsområde. Frågan "Vilken behandling är bäst vid förmaksflimmer?" är för bred. En mer användbar fråga definierar patientgruppen, alternativen och de utfall som kan ändra beslutet.

För behandlingsfrågor används vanligen PICO:

• P, population: diagnos, sjukdomsgrad, ålder, samsjuklighet och vårdmiljö
• I, intervention: behandling, diagnostisk strategi eller annan åtgärd
• C, comparison: placebo, sedvanlig vård, annan aktiv behandling eller ingen åtgärd
• O, outcome: patientrelevanta effekter och skador
• T, time: relevant tidshorisont kan läggas till när utfallet är tidsberoende

Exempel:

Hos personer över 75 år med icke-valvulärt förmaksflimmer och hög blödningsrisk, minskar direktverkande orala antikoagulantia jämfört med warfarin risken för ischemisk stroke utan oacceptabel ökning av allvarlig blödning under två år?

För diagnostiska frågor ersätts interventionen av indextest och jämförelsen av referensmetod. För prognosfrågor definieras startpunkt, prognostisk faktor eller modell, utfall och tidsperiod. För frågor om skada definieras exponering och relevant oexponerad jämförelsegrupp.

Utfallet bör vara viktigt för patienten. Mortalitet, symtom, funktion, livskvalitet, sjukhusinläggning och allvarliga biverkningar är oftast mer direkt relevanta än laboratorievärden eller radiologiska surrogat. Ett surrogatutfall kan vara användbart om kopplingen till patientnytta är väl validerad, men en förbättring av ett biomarkörvärde ska inte automatiskt tolkas som förbättrad hälsa.

Steg 2: Sök effektivt och reproducerbart

Sökningen bör anpassas till tidsram och beslutets betydelse. Vid en akut patientfråga kan en validerad kunskapssammanställning vara rimlig. Vid framtagande av riktlinje eller vårdprogram krävs en dokumenterad, reproducerbar och bredare sökning.

En praktisk sökordning är:

1. Aktuell nationell eller internationell riktlinje.
2. Systematisk översikt eller metaanalys.
3. Nyare randomiserade eller välgjorda observationsstudier som publicerats efter översiktens senaste sökdatum.
4. Enskilda primärstudier om synteser saknas.
5. Expertkonsensus när empiriskt underlag är otillräckligt.

Kontrollera alltid:

• när litteratursökningen avslutades
• om population, intervention och utfall motsvarar frågan
• om dokumentet har ersatts eller uppdaterats
• om rekommendationen är anpassad till ett annat vårdsystem
• om läkemedel, diagnostik eller uppföljning är tillgängliga i Sverige

Riktlinjer ska inte accepteras enbart på grund av avsändaren. I en systematisk granskning av 40 riktlinjer för atopisk dermatit varierade metodkvaliteten kraftigt. Tillämpbarhet och metodologisk stringens var de svagaste områdena, och hantering av intressekonflikter var ofta bristfällig [4]. Svenska regulatoriska villkor, subventionsbegränsningar och organisatoriska förutsättningar kan dessutom avvika från internationella rekommendationer.

Praktisk PubMed-sökning

Börja med kärnbegreppen från PICO. Använd både ämnesord och fritext när sökningen behöver vara fullständig. Undvik att lägga in alla tänkbara patientegenskaper direkt, eftersom relevanta studier då kan missas.

En förenklad struktur för en behandlingsfråga är:

(population OR synonym) AND (intervention OR synonym) AND
(randomized controlled trial OR systematic review)

Sök inte rutinmässigt på ett förväntat utfall som "mortality" om detta riskerar att utesluta studier där utfallet endast förekommer i fulltexten. Dokumentera databas, datum, fullständig söksträng och eventuella filter när sökningen ska kunna granskas eller upprepas.

Steg 3: Välj rätt kunskapskälla

En välgjord systematisk översikt är ofta effektivast eftersom den sammanställer hela forskningsläget. Den är emellertid bara så tillförlitlig som sina metoder och ingående studier. En metaanalys är en statistisk metod, inte en kvalitetsstämpel.

GRADE används för att bedöma tillförlitligheten i ett samlat evidensunderlag för varje viktigt utfall. Bedömningen omfattar bland annat risk för bias, inkonsekvens, indirekthet, bristande precision och publikationsbias. Evidensen klassificeras som hög, måttlig, låg eller mycket låg tillförlitlighet [5].

Systematiska översikter bör redovisa frågeställning, protokoll, sökning, urval, risk för bias, syntes och evidensbedömning. PRISMA 2020 innehåller 27 rapporteringspunkter och ett flödesschema för detta ändamål [6]. PRISMA beskriver rapportering, inte metodologisk kvalitet. En komplett checklista garanterar därför inte att översikten är väl genomförd. För metodgranskning av interventionsöversikter kan AMSTAR 2 användas. Verktyget omfattar översikter av både randomiserade och icke-randomiserade studier [7].

Kritisk granskning

Börja med metod, inte resultat

Läsningen bör ske i följande ordning:

1. Forskningsfråga och studiedesign.
2. Population, inklusionskriterier och vårdmiljö.
3. Intervention eller exponering och jämförelse.
4. Utfall och uppföljningstid.
5. Metoder som begränsar systematiska fel.
6. Bortfall och saknade data.
7. Effektstorlek och konfidensintervall.
8. Finansiering, protokoll, registrering och intressekonflikter.
9. Först därefter författarnas slutsats.

Abstract och diskussionsavsnitt är otillräckliga för en fullständig kvalitetsbedömning. Kontrollera tabeller, figurer, supplement, studieprotokoll och statistisk analysplan när beslutet är viktigt.

Rapporteringsriktlinjer underlättar läsningen. CONSORT gäller randomiserade parallellgruppsstudier [8], STROBE observationsstudier [9], STARD diagnostiska träffsäkerhetsstudier [10] och TRIPOD diagnostiska eller prognostiska prediktionsmodeller [11]. Dessa riktlinjer förbättrar transparensen men ersätter inte en bedömning av risk för bias.

Randomiserade interventionsstudier

Randomisering minskar confounding genom att fördela både kända och okända prognostiska faktorer mellan grupperna. Fördelen kan förloras genom bristfällig allokering, selektivt bortfall, överkorsning eller olämplig analys.

Bedöm särskilt:

• Var randomiseringssekvensen verkligt slumpmässig?
• Var tilldelningen dold fram till inklusion?
• Var deltagare, behandlare och utfallsbedömare blindade när det var möjligt?
• Var grupperna behandlade lika bortsett från interventionen?
• Var utfallet fördefinierat, relevant och mätt på samma sätt?
• Var bortfallet litet och jämnt fördelat?
• Analyserades deltagarna huvudsakligen enligt ursprunglig grupptilldelning?
• Rapporterades alla fördefinierade utfall?
• Stoppades studien i förtid efter en oväntat stor effekt?
• Var studien dimensionerad för både nytta och viktiga skador?

Intention-to-treat-analys uppskattar effekten av att tilldelas en strategi och bevarar i regel randomiseringens jämförbarhet. Per-protokollanalys uppskattar effekten bland dem som följde protokollet men kan återinföra confounding. Båda kan vara relevanta, men de besvarar olika frågor.

Klusterstudier kräver särskild analys eftersom patienter inom samma vårdenhet inte är statistiskt oberoende. Vid crossover-studier måste möjlig kvarstående behandlingseffekt och tillräcklig washout-period bedömas.

Observationsstudier

Observationsstudier är centrala för prognos, prevalens, diagnostik, sällsynta skador och långtidseffekter. De kan också ge värdefull information om behandlingseffekt när randomisering inte är genomförbar. Deras resultat är emellertid mer sårbara för selektionsbias, informationsbias och confounding [12].

Vanliga problem är:

I en kartläggning av metodproblem i studier baserade på vårddatabaser var confounding den vanligaste huvudkategorin. Confounding by indication, residual confounding, felklassificering av utfall och immortal time bias var särskilt framträdande [13].

Regressionsjustering, matchning och propensity score-metoder kan balansera uppmätta faktorer men kan inte säkert eliminera ouppmätta confounders. Propensity score bör därför inte betraktas som en statistisk ersättning för randomisering. Metoden kan komplettera randomiserade data och förbättra jämförbarheten i observationsdata, men resultatet beror på vilka variabler som har mätts, hur modellen specificerats och om behandlingsgrupperna har tillräcklig överlappning [14].

En stor databas eller ett mycket smalt konfidensintervall löser inte systematiska fel. Tvärtom kan ett snävt konfidensintervall ge en falsk känsla av säkerhet kring en snedvriden skattning.

Diagnostiska studier

Ett diagnostiskt test bör utvärderas i den population och kliniska situation där det ska användas. Fallkontrolliknande studier med tydligt sjuka patienter och helt friska kontroller tenderar att överskatta testets träffsäkerhet.

Grundmåtten är:

• Sensitivitet: andelen sjuka som har positivt test.
• Specificitet: andelen icke-sjuka som har negativt test.
• Positiv likelihoodkvot: sensitivitet / (1 - specificitet).
• Negativ likelihoodkvot: (1 - sensitivitet) / specificitet.
• Positivt prediktivt värde: sannolikheten för sjukdom vid positivt test.
• Negativt prediktivt värde: sannolikheten för frånvaro av sjukdom vid negativt test.

Prediktiva värden påverkas starkt av sjukdomsprevalensen och kan inte okritiskt överföras mellan primärvård, akutmottagning och specialistklinik. Likelihoodkvoter kan användas för att uppdatera odds:

Odds före test = sannolikhet före test / (1 - sannolikhet före test)

Odds efter test = odds före test × likelihoodkvot

Sannolikhet efter test = odds efter test / (1 + odds efter test)

Testning är mest värdefull när resultatet kan flytta sannolikheten över en klinisk beslutströskel. Ett test är mindre användbart om behandling ska ges oavsett resultat eller om inget möjligt resultat skulle motivera behandling. Sensitivitet och specificitet förändras dessutom när tröskelvärdet ändras. ROC-kurvan visar testets diskriminationsförmåga över flera trösklar, men anger inte ensam vilket tröskelvärde som är kliniskt lämpligt [15].

Systematiska översikter och metaanalyser

Kontrollera om översikten har:

• ett förregistrerat eller daterat protokoll
• uttalade inklusionskriterier
• en tillräckligt bred och aktuell sökning
• oberoende granskning av minst två personer
• redovisning av exkluderade fulltextartiklar
• bedömning av risk för bias per relevant utfall
• en motiverad syntesmetod
• analys av klinisk och statistisk heterogenitet
• bedömning av publikationsbias när det är möjligt
• redovisning av absoluta effekter och evidensens tillförlitlighet

Statistisk heterogenitet ska inte bedömas enbart med I². Även skillnader i population, dos, intervention, uppföljning, definitioner och risk för bias måste analyseras. En sammanvägd skattning kan vara missvisande om studierna inte avser samma kliniska fråga.

Nätverksmetaanalys kan jämföra flera behandlingar genom både direkt och indirekt evidens. Metoden kräver rimlig transitivitet, vilket innebär att studiernas effektmodifierare är tillräckligt jämförbara för indirekta jämförelser. Rangordning av behandlingar bör inte läsas utan effektstorlekar, konfidensintervall, inkonsistensanalys och bedömning av evidensens tillförlitlighet [16].

Tolkning av effektmått

Relativa och absoluta effekter

För ett dikotomt utfall gäller:

Risk i kontrollgruppen = händelser i kontrollgruppen / antal i kontrollgruppen

Risk i interventionsgruppen = händelser i interventionsgruppen / antal i interventionsgruppen

Relativ risk, RR = interventionsrisk / kontrollrisk

Relativ riskreduktion = 1 - RR

Absolut riskreduktion, ARR = kontrollrisk - interventionsrisk

NNT = 1 / ARR

Om risken minskar från 10 procent till 8 procent är RR 0,80, relativ riskreduktion 20 procent, ARR 2 procentenheter och NNT 50 under den studerade tiden. Om samma RR gäller när grundrisken är 1 procent blir ARR 0,2 procentenheter och NNT 500. Den relativa effekten är densamma, men den kliniska nyttan skiljer sig kraftigt.

NNT ska alltid anges tillsammans med:

• utfall
• tidsperiod
• jämförelse
• patientgrupp eller grundrisk
• konfidensintervall när det finns

För skada används motsvarande absolut riskökning och number needed to harm, NNH. NNT och NNH bör inte jämföras mekaniskt om utfallen skiljer sig i allvarlighetsgrad.

Odds ratio kan approximera relativ risk när händelsen är sällsynt, men överskattar ofta den relativa effekten när utfallet är vanligt. Hazardkvot beskriver relativa händelsehastigheter över tid och kan inte direkt översättas till en riskkvot utan ytterligare information.

Kontinuerliga utfall

Medelskillnad är lättast att tolka när alla studier använder samma skala. Standardiserad medelskillnad används när olika skalor mäter samma konstruktion, men uttrycks i standardavvikelser och är mindre kliniskt intuitiv.

Statistisk signifikans ska skiljas från klinisk betydelse. En mycket stor studie kan påvisa en liten skillnad som inte märks av patienten. Minsta kliniskt viktiga skillnad kan hjälpa, men värdet beror på population, mätinstrument, utgångsläge och metod. Ett tröskelvärde från en annan sjukdomsgrad eller intervention bör inte användas utan prövning av relevansen [17].

Konfidensintervall och p-värden

P-värdet anger hur oförenliga observerade data är med en specificerad statistisk nollhypotes, givet modellens antaganden. Det anger inte sannolikheten att hypotesen är sann, sannolikheten att resultatet beror på slumpen eller effektens kliniska betydelse.

Konfidensintervallet visar både riktning och precision. Fråga:

• Inkluderar intervallet ingen effekt?
• Inkluderar det en kliniskt viktig nytta?
• Inkluderar det en kliniskt viktig skada?
• Är intervallet så brett att flera olika beslut fortfarande är rimliga?

Ett icke-signifikant resultat kan bero på otillräcklig precision och är inte automatiskt likvärdigt med visad frånvaro av effekt. Ekvivalens och non-inferiority kräver särskilda fördefinierade marginaler och analysprinciper.

Ett kliniskt exempel på absolut effekt

I en metaanalys av PSA-baserad prostatacancerscreening motsvarade en möjlig relativ minskning av prostatacancerspecifik dödlighet i den metodologiskt starkaste studien ungefär ett färre dödsfall per 1 000 screenade män under tio år. Samtidigt ökade diagnostik och behandlingsrelaterade komplikationer. Exemplet visar varför relativa effektmått, absoluta tal, tidshorisont och skador måste redovisas tillsammans [18].

Bedömning av evidensens tillförlitlighet

GRADE bedömer evidens per utfall, inte per artikel. En studie kan därför ge mer tillförlitligt underlag för mortalitet än för livskvalitet eller biverkningar.

Randomiserade studier börjar vanligen som evidens med hög tillförlitlighet och kan nedgraderas. Observationsstudier börjar vanligen lägre men kan i vissa situationer uppgraderas, exempelvis vid mycket stor effekt, dosrespons eller när kvarvarande confounding sannolikt skulle minska den observerade effekten [5].

En stark rekommendation kan ibland ges trots låg evidenstillförlitlighet, exempelvis när en livshotande skada är plausibel och alternativet är enkelt och säkert. Omvänt kan en villkorad rekommendation vara rimlig trots hög evidenstillförlitlighet när nytta och skada ligger nära varandra eller patienters värderingar varierar.

Från evidens till patientbeslut

Tillämpbarhet

Efter kritisk granskning ska följande bedömas:

• Liknar patienten studiedeltagarna avseende sjukdomsgrad, ålder och samsjuklighet?
• Är patientens grundrisk högre eller lägre?
• Är interventionens dos, intensitet och uppföljning genomförbara?
• Har patienten kontraindikationer eller särskild känslighet för skada?
• Mättes utfall som patienten värderar?
• Är tidshorisonten relevant för förväntad livslängd och behandlingsmål?
• Finns konkurrerande risker?
• Vilka praktiska kostnader, kontroller och behandlingsbördor tillkommer?
• Överensstämmer jämförelsebehandlingen med aktuell svensk vård?

Multisjuklighet kan göra separata riktlinjer motstridiga. En kombination av flera evidensbaserade rekommendationer är inte automatiskt evidensbaserad om den leder till polyfarmaci, orimlig behandlingsbörda eller samverkande biverkningar. Prioritera då de utfall som är viktigast för patienten och beakta tid till förväntad nytta.

Delat beslutsfattande

När flera rimliga alternativ finns bör klinikern redovisa:

1. att ett beslut behöver fattas
2. vilka alternativ som finns, inklusive att avstå
3. förväntad absolut nytta och skada
4. osäkerheten i skattningarna
5. praktiska konsekvenser
6. vilka utfall patienten värderar högst

Patientbeslutsstöd kan förbättra kunskap, riskuppfattning och deltagande. En Cochraneöversikt med 209 studier och 107 698 deltagare visade att beslutsstöd sannolikt ökade överensstämmelsen mellan informerade värderingar och val. De förbättrade även kunskap och korrekt riskuppfattning utan påvisad ökning av beslutsånger [19].

Risker bör helst uttryckas som naturliga frekvenser med samma nämnare, exempelvis "8 av 100 jämfört med 10 av 100 under fem år". Undvik att presentera nyttan som relativ riskreduktion och skadan som absolut riskökning. Använd samma tidshorisont och visuella format för båda.

Dokumentera gärna:

• vilket beslut som fattades
• vilka alternativ som diskuterades
• uppskattad nytta och skada
• patientens viktigaste mål
• kvarstående osäkerhet
• planerad uppföljning och kriterier för omprövning

Uppföljning, implementering och omprövning

Evidensbaserad medicin avslutas inte när beslutet fattas. Utvärdera om interventionen genomfördes, om den gav avsedd effekt och om oönskade konsekvenser uppstod.

På individnivå bör uppföljningen omfatta:

• patientrelevant effekt
• biverkningar och behandlingsbörda
• följsamhet och genomförbarhet
• förändrade preferenser
• nya kontraindikationer eller konkurrerande risker
• behov av dosändring, utsättning eller alternativ strategi

På verksamhetsnivå kan man mäta följsamhet till en rekommenderad process, oönskad variation, patientutfall, jämlikhet, resursåtgång och förekomst av överdiagnostik eller lågnyttevård.

Enbart utbildning ger ofta begränsad förändring. En Cochraneöversikt av 215 studier fann att utbildningsmöten sannolikt gav en liten förbättring av klinisk praxis och en mindre förbättring av patientutfall. Effekten varierade och tycktes kunna stärkas av flera samverkande strategier [20]. Implementering kan därför behöva kombinationer av lokala vårdprocesser, återkoppling, påminnelser, ansvarsfördelning och tillgång till beslutsstöd.

Elektroniska påminnelser är inte en universallösning. En systematisk översikt av 54 randomiserade primärvårdsstudier fann förbättringar främst i dokumentation och vissa patientcentrerade processmått, medan effekterna på säkerhet, effektivitet och kliniska utfall var mindre konsekventa [21]. Beslutsstöd bör utformas så att det passar arbetsflödet, kan åsidosättas när patienten avviker från standardsituationen och inte bidrar till varningströtthet.

Kunskapsläget bör omprövas när:

• en ny behandling eller diagnostisk metod införs
• nya säkerhetssignaler uppkommer
• en viktig randomiserad studie publiceras
• en systematisk översikt eller riktlinje uppdateras
• patientens grundrisk eller mål förändras
• interventionen inte ger förväntad effekt
• behandlingsbördan överstiger nyttan

En fungerande evidensbaserad kultur kräver därför både individuella färdigheter och organisatoriska system för sökning, kritisk granskning, delat beslutsfattande, uppföljning och avveckling av ineffektiva arbetssätt.

Källor

1. Sackett DL m.fl. Evidence based medicine: what it is and what it isn't. BMJ 1996. PMID: 8555924
2. Kumaravel B m.fl. A systematic review and taxonomy of tools for evaluating evidence-based medicine teaching in medical education. Systematic Reviews 2020. PMID: 32331530
3. Grant MJ, Booth A. A typology of reviews: an analysis of 14 review types and associated methodologies. Health Information and Libraries Journal 2009. PMID: 19490148
4. Arents BWM m.fl. Global Guidelines in Dermatology Mapping Project, a systematic review of atopic dermatitis clinical practice guidelines: are they clear, unbiased, trustworthy and evidence based? British Journal of Dermatology 2022. PMID: 34984668
5. Guyatt G m.fl. GRADE guidelines: 1. Introduction, GRADE evidence profiles and summary of findings tables. Journal of Clinical Epidemiology 2011. PMID: 21195583
6. Page MJ m.fl. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ 2021. PMID: 33782057
7. 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
8. Schulz KF m.fl. CONSORT 2010 statement: updated guidelines for reporting parallel group randomised trials. BMJ 2010. PMID: 20332509
9. von Elm E m.fl. The Strengthening the Reporting of Observational Studies in Epidemiology statement: guidelines for reporting observational studies. Journal of Clinical Epidemiology 2008. PMID: 18313558
10. Bossuyt PM m.fl. STARD 2015: an updated list of essential items for reporting diagnostic accuracy studies. BMJ 2015. PMID: 26511519
11. Collins GS m.fl. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis: the TRIPOD statement. BMJ 2015. PMID: 25569120
12. Hammer GP m.fl. Avoiding bias in observational studies: part 8 in a series of articles on evaluation of scientific publications. Deutsches Ärzteblatt International 2009. PMID: 19946431
13. Prada-Ramallal G m.fl. Bias in pharmacoepidemiologic studies using secondary health care databases: a scoping review. BMC Medical Research Methodology 2019. PMID: 30871502
14. Liau MYQ m.fl. Can propensity score matching replace randomized controlled trials? World Journal of Methodology 2024. PMID: 38577204
15. Kallner A. Bayes' theorem, the ROC diagram and reference values: definition and use in clinical diagnosis. Biochemia Medica 2018. PMID: 29209139
16. Christofilos SI m.fl. Network meta-analyses: methodological prerequisites and clinical usefulness. World Journal of Methodology 2022. PMID: 35721244
17. Draak THP m.fl. The minimum clinically important difference: which direction to take. European Journal of Neurology 2019. PMID: 30793428
18. Ilic D m.fl. Prostate cancer screening with prostate-specific antigen test: a systematic review and meta-analysis. BMJ 2018. PMID: 30185521
19. Stacey D m.fl. Decision aids for people facing health treatment or screening decisions. Cochrane Database of Systematic Reviews 2024. PMID: 38284415
20. Forsetlund L m.fl. Continuing education meetings and workshops: effects on professional practice and healthcare outcomes. Cochrane Database of Systematic Reviews 2021. PMID: 34523128
21. Nguyen OT m.fl. Electronic health record nudges and health care quality and outcomes in primary care: a systematic review. JAMA Network Open 2024. PMID: 39287947