Cochrane Collaboration

Evidenzsynthese in CER

Bis zu diesem Punkt hat sich dieses Kapitel weitgehend auf primäre Forschungsansätze in CER konzentriert, bei denen ein Forschungsteam eine Fragestellung identifiziert, eine Studienpopulation, Komparatoren und Studiendesign auswählt, die Studie durchführt und über ihre Ergebnisse berichtet. In der medizinischen und klinischen Wissenschaft führt eine Studie jedoch selten zu Ergebnissen, die endgültig genug sind, um die Praxis zu ändern. In den meisten Fällen entwickelt sich Wissen durch eine Reihe von Experimenten oder Beobachtungen, die sich kumulativ auf unser gemeinsames Verständnis auswirken.Sekundärforschung oder Evidenzsynthese ist ein Methodenkörper, der als Teil der evidenzbasierten Medizin entstanden ist und darauf abzielt, das Wissen durch Aggregation von Ergebnissen oder Daten aus mehreren Einzelstudien zu erweitern. Ziel ist es, zu bestimmen, was in einem Untersuchungsgebiet über alle verfügbaren, relevanten Primärforschungsstudien bekannt ist, und die Variabilität oder Konsistenz der Evidenz abzuschätzen. Diese Instrumente ermöglichen eine Zusammenfassung dessen, „was wir wissen“ (konsistente Schlussfolgerungen) und „wie sicher wir es wissen“ (dh das Vertrauen, dass die Schlussfolgerungen gültig, präzise und wahrscheinlich nicht mit zukünftiger Forschung geändert werden), um Entscheidungsträger in der Gesundheitspolitik und -praxis am besten zu informieren oder den Bedarf an zukünftiger Forschung zu bestimmen.66 Mit der Entwicklung der Methodik der Evidenzsynthese, einschließlich systematischer Reviews und anderer Ansätze, hat die „Sekundärforschung“ weltweit eine herausragende und einflussreiche Rolle in der CER, der Gesundheitspolitik und der klinischen Praxis gespielt, insbesondere als Wissensgrundlage für klinische Leitlinien.

Unter dem Dach der Evidenzsynthese gibt es mehrere Ansätze. Das bekannteste davon, systematische Reviews, wurde in den frühen 1990er Jahren als Gegenmittel gegen das selektive Zitieren von Befunden zur Unterstützung der Meinung eines Experten in einem bestimmten klinischen Bereich gefördert.67,68 Systematische Reviews haben sich bei Entscheidungsträgern als Ansatz durchgesetzt, der umfassende, strenge, explizite und scheinbar reproduzierbare Methoden verwendet und eine kritische Bewertung des Designs und der Durchführung jeder Studie umfasst. Systematische Reviews sind, wie von der IOM definiert, „essentiell für Kliniker, die Forschungsergebnisse in ihre tägliche Praxis integrieren wollen“ und somit ein kritischer Bestandteil vertrauenswürdiger klinischer Praxisrichtlinien.69

Diese Standards spiegeln den aktuellen wissenschaftlichen Konsens wider und werden wahrscheinlich regelmäßig ergänzt oder überarbeitet, da wichtige Hersteller systematischer Reviews wie Cochrane, AHRQ, International Health Technology Assessment (HTA) und andere weiterhin mit Entscheidungsträgern zusammenarbeiten und zusätzliche empirische Studien zu den Auswirkungen dieser Standards auf die Erstellung unvoreingenommener, relevanter systematischer Reviews durchführen. Es werden auch neue Standards entwickelt und aktuelle Standards überarbeitet, indem weitere empirische Methoden für analytische Ansätze entwickelt werden, einschließlich gemischter Behandlungsvergleiche, Netzwerk-Metaanalyse und Metaanalyse individueller Patientendaten (siehe Kapitel 22).

Wie bei Primärstudien konzentrierten sich systematische Reviews zunächst hauptsächlich auf Fragen der Wirksamkeit und nicht auf die vergleichende Wirksamkeit. Die Prinzipien und Methoden der systematischen Überprüfung gelten jedoch gleichermaßen für die Synthese von Ergebnissen aus CER-Studien. Es muss darauf geachtet werden, dass die Äquivalenz der Vergleiche, die zwischen den Studien synthetisiert werden, gewährleistet ist. Wenn in einer Reihe von Studien dieselben (oder einigermaßen ähnliche) Behandlungsvergleichskontraste verfügbar sind, können traditionelle metaanalytische Techniken zur Kombination der Ergebnisse geeignet sein.

HTAs waren frühe Beispiele für die Anwendung systematischer Überprüfungsmethoden, um den Nutzen und Schaden neuer Technologien mit bestehenden Alternativen zu vergleichen. Die HTA-Forschung zielt darauf ab, Beweise für die Entscheidungsfindung über die Einbeziehung neuer Gesundheitstechnologien zu liefern, und verwendet einen interdisziplinären Ansatz, um die Auswirkungen dieser Technologien in der klinischen Praxis zu bewerten.70 Zu den bewerteten „Technologien“ gehören Arzneimittel sowie Geräte, Verfahren und andere Eingriffe. Die Vereinigten Staaten hatten von 1972 bis 1995 ein Office of Technology Assessment, das dem Kongress überparteiliche Informationen zu einer Vielzahl wissenschaftlicher und technologischer Fragen, einschließlich des Gesundheitswesens, zur Verfügung stellte. Obwohl die Vereinigten Staaten diese nationale Agentur nicht mehr haben, bleibt HTA international ein robustes Unternehmen .71 In den Vereinigten Staaten setzt sich die HTA in einigen staatlichen Initiativen fort, wie dem Drug Effectiveness Review Project in Oregon, das klinische Beweise synthetisiert und ursprünglich für Entscheidungen zur Arzneimittelklasse im Rahmen von Medicaid vorgesehen war.72 HTA wurde auch von Kostenträgern und Entscheidungsträgern des Gesundheitssystems durch Einrichtungen wie das Blue Cross-Blue Shield Technology Evaluation Center unterstützt.73 Die AHRQ finanziert auch einige HTA durch ihre evidenzbasierten Praxiszentren, und diese werden häufig von Medicare im Rahmen ihrer nationalen Abdeckungsentscheidungen verwendet.Da die systematische Überprüfung an Zugkraft gewonnen hat, haben sich viele Innovationen oder Anpassungen entwickelt, um den Bedarf an zeitnahen oder robusteren zusammengefassten Beweisen zu decken, die auf die Entscheidungsfindung in einer Reihe von Kontexten anwendbar sind und diese nachvollziehbar beeinflussen können. In vielen Fällen gibt es nicht mehrere CER-Studien mit direkten Vergleichen von zwei oder mehr Behandlungen. Indirekte Vergleiche stellen Schlussfolgerungen über Behandlung A versus Behandlung B dar, indem Ergebnisse von Studien synthetisiert werden, die die beiden nicht direkt vergleichen, z. B. durch Vergleich der Ergebnisse in Studien von A versus keine Behandlung und B versus keine Behandlung. Bei indirekten Vergleichen gelten eine Reihe von Einschränkungen, aber quantitative Methoden, die als gemischte Behandlungsvergleiche bekannt sind, wurden entwickelt, um die Herausforderungen der Durchführung statistisch gültiger Synthesen auf der Grundlage indirekter Vergleiche anzugehen. Eine der bekannteren Methoden, die Netzwerk-Metaanalyse, wird zunehmend in Protokollen und Berichten aus CER-Reviews angewendet.74-76 Die Netzwerk-Metaanalyse nutzt sowohl die direkten als auch die indirekten Evidenz, die für Vergleiche von zwei oder mehr Interventionen verfügbar sind; Diese Methodik bewahrt so viele Evidenz wie möglich, wenn eine systematische Überprüfung über Studien hinweg mit einem gemeinsamen Komparator durchgeführt wird.77 Es gibt mehrere Vorbehalte, die berücksichtigt werden müssen, einschließlich des Beobachtungscharakters der indirekten Vergleiche.78 Dennoch ist diese Methode vielversprechend, insbesondere wenn keine idealen Beweise für dringende Entscheidungsbedürfnisse vorliegen.

Die meisten Metaanalysen und systematischen Reviews basieren auf aggregierten Daten, d. H. Den Ergebnissen mehrerer Studien. Auf diese Daten kann aus der veröffentlichten medizinischen Literatur leicht zugegriffen werden, wobei Vorbehalte zum Schutz vor Publikationsverzerrungen bestehen, die eine Überrepräsentation positiver Befunde in veröffentlichten Ergebnissen begünstigen.79 Trotz ihrer relativen Zugänglichkeit sind aggregierte Daten für die Synthese von Forschungsergebnissen nicht so robust wie einzelne teilnehmende Daten. Die Metaanalyse der individuellen Teilnehmerdaten (IPD) wird als Goldstandard bezeichnet, da sie die Charakterisierung der Ergebnisse nach individuellen Teilnehmermerkmalen (wie Alter, Geschlecht, Krankheitsrisiko oder Komorbidität) ermöglicht, die mit aggregierten Studienergebnissen nicht ausreichend untersucht werden können. Die IPD-Metaanalyse ist eine besonders leistungsfähige Technik, um heterogene Behandlungseffekte anzugehen und Behandlungen auf diejenigen auszurichten, die am ehesten einen Nutzen erzielen (oder am wenigsten geschädigt werden). Die IPD-Metaanalyse wurde nicht so oft angewendet, wie dies für eine „Goldstandard“ -Forschungstechnik zu erwarten wäre, was vor allem auf die erheblichen Herausforderungen beim Zugang zu ursprünglichen Studiendaten zurückzuführen ist. Die Anwendung dieser Methode nimmt jedoch zu und wird sich voraussichtlich weiter beschleunigen, da das Ethos des Datenaustauschs und der offenen Wissenschaft an Dynamik gewinnt.79-81

Die Synthese vorhandener Evidenz ist immer durch den Umfang und die Genauigkeit der vorhandenen Evidenz begrenzt, und die Einschränkungen sind für neu aufkommende, oft teure Behandlungen am schwerwiegendsten. Es kann wenig oder keine Beweise für Vergleiche mit bestehenden, kostengünstigeren Alternativen geben, was teilweise auf fehlende Anforderungen oder Anreize für diese Art von Forschung vor der Zulassung zurückzuführen ist. In solchen Fällen werden traditionelle Methoden der Evidenzsynthese nicht in der Lage sein, die Bedürfnisse der Entscheidungsträger schnell zu unterstützen, obwohl Syntheseversuche nützlich sein können, um die relevanten Lücken in der CER-Literatur zu identifizieren.82

Es gibt eine wachsende Befürwortung und Wertschätzung für eine breitere Palette von Ansätzen, die als Teil der Familie der Evidenzsynthesemethoden angesehen werden können. Ein solcher Ansatz ist die Entscheidungsmodellierung. In Ermangelung empirischer Beweise für wichtige Fragen der vergleichenden Wirksamkeit können Entscheidungsträger feststellen, dass mathematische Modelle, die Schätzungen aus verfügbaren empirischen Beweisen und vernünftige Annahmen für fehlende Parameter enthalten, einen lohnenden Ersatz darstellen. Solche Modelle können die wahrscheinlichen Ergebnisse der vergleichenden Wirksamkeitsforschung abschätzen, die von Entscheidungsträgern benötigt werden. In einigen Fällen erstrecken sich diese Modelle auf Kostenwirksamkeitsanalysen, um den relativen Wert verschiedener Alternativen bequemer beurteilen zu können. Kostenwirksamkeitsmodelle enthalten in der Regel Ergebnismetriken, die die Schätzung des relativen Werts über Krankheiten oder Zustände hinweg erleichtern können. Dazu gehören gerettete Lebensjahre, qualitäts- oder behinderungsbereinigte gerettete Lebensjahre und andere. Während die Vor- und Nachteile solcher Ansätze über dieses Kapitel hinausgehen, ist es wichtig anzuerkennen, dass dies aktive und wichtige Bereiche sind, die diejenigen, die an politikrelevanter CER interessiert sind, verstehen und ansprechen sollten.