شواهد بالینی (Clinical Evidence) چیست؟ انواع و نحوه ارزیابی شواهد پزشکی

شواهد بالینی به نتایج و اطلاعات حاصل از پژوهش‌های بالینی گفته می‌شود که می‌توانند در پاسخ به یک سؤال پزشکی مورد استفاده قرار بگیرند.

این سؤال ممکن است بسیار مشخص باشد:

• آیا این دارو در کاهش خطر سکته مغزی موثر است؟
• بهترین روش برای تشخیص یک بیماری چیست؟
• احتمال عود بیماری در این بیمار چقدر است؟
• یک آزمایش تشخیصی تا چه اندازه می‌تواند بیماری را شناسایی کند؟
• یک درمان چه عوارضی دارد؟
• در یک گروه خاص از بیماران، کدام روش درمانی نتیجه بهتری دارد؟

شواهدی که برای پاسخ به این سؤال‌ها استفاده می‌شوند، یکسان نیستند. برای یک سؤال درمانی ممکن است کارآزمایی تصادفی‌شده و کنترل‌شده (RCT) مهم‌ترین منبع باشد، در حالی که برای بررسی یک عارضه نادر یا پیش‌آگهی یک بیماری، مطالعات مشاهده‌ای اطلاعات ارزشمندتری ارائه کنند.

پس شواهد بالینی نام یک نوع مطالعه نیست؛ مجموعه‌ای از اطلاعات پژوهشی است که برای پاسخ به یک سوال بالینی به کار می‌رود.

نکته مهم این است که شواهد بالینی الزاماً به معنی «اثبات قطعی» یک موضوع نیست. بسیاری از مطالعات، اندازه اثر یک درمان، احتمال یک پیامد یا عملکرد یک تست را با مقداری عدم‌قطعیت برآورد می‌کنند. بنابراین هنگام استفاده از شواهد، باید علاوه بر نتیجه، میزان اطمینان به آن نتیجه نیز مشخص شود.

پژوهش‌های پزشکی با طراحی‌های مختلف انجام می‌شوند و هر طراحی برای پاسخ به بعضی سؤال‌ها مناسب‌تر است. انتخاب طراحی مطالعه به ماهیت سؤال، امکان اجرای پژوهش و ملاحظات اخلاقی بستگی دارد.

کارآزمایی تصادفی‌شده و کنترل‌شده (RCT)

در کارآزمایی تصادفی‌شده، افراد به‌صورت تصادفی در گروه‌های مختلف قرار می‌گیرند و پیامدهای آن‌ها با یکدیگر مقایسه می‌شود. در مطالعات درمانی، این طراحی امکان مقایسه یک مداخله با دارونما، درمان استاندارد یا مداخله دیگر را فراهم می‌کند.

مزیت اصلی RCT این است که تصادفی‌سازی می‌تواند اثر بسیاری از عوامل مخدوش‌کننده را بین گروه‌ها متعادل کند. به همین دلیل، کارآزمایی‌های تصادفی‌شده با طراحی و اجرای مناسب معمولاً برای بررسی اثر مداخلات درمانی شواهد قدرتمندی ایجاد می‌کنند.

البته RCT بودن یک مطالعه به‌تنهایی برای معتبر دانستن نتیجه کافی نیست. نحوه تصادفی‌سازی، پنهان‌سازی تخصیص، کورسازی، خروج شرکت‌کنندگان از مطالعه، نحوه اندازه‌گیری پیامدها، تحلیل آماری و کامل بودن گزارش نتایج همگی بر اعتبار نتیجه اثر می‌گذارند. تفسیر یک RCT نیازمند بررسی همین جزئیات است.

مطالعات کوهورت

در مطالعه کوهورت، گروهی از افراد بر اساس یک ویژگی، مواجهه یا وضعیت خاص بررسی می‌شوند و پیامدهای آن‌ها در طول زمان مورد مطالعه قرار می‌گیرد.

برای مثال، پژوهشگران می‌توانند افراد دارای یک عامل خطر را با افراد فاقد آن مقایسه کنند و ببینند در طول چند سال، بروز یک بیماری در دو گروه چه تفاوتی دارد.

مطالعات کوهورت برای بررسی پیش‌آگهی، عوامل خطر، بروز بیماری و پیامدهای طولانی‌مدت اهمیت زیادی دارند. همچنین وقتی انجام RCT امکان‌پذیر یا اخلاقی نیست، مطالعات کوهورت می‌توانند بخش مهمی از شواهد موجود را تشکیل دهند.

یکی از محدودیت‌های مهم این مطالعات، احتمال وجود عوامل مخدوش‌کننده است. اگر افراد در معرض یک عامل خطر از ابتدا با گروه مقایسه تفاوت‌های مهمی داشته باشند، تشخیص اینکه مشاهده‌شده ناشی از خود مواجهه بوده یا عوامل دیگر، دشوارتر می‌شود.

مطالعات مورد-شاهدی

در مطالعات مورد-شاهدی، ابتدا افراد دارای پیامد یا بیماری مشخص شناسایی می‌شوند و سپس سابقه مواجهه آن‌ها با عوامل مختلف با یک گروه شاهد مقایسه می‌شود.

این طراحی به‌خصوص برای بررسی برخی بیماری‌ها یا پیامدهای نسبتاً نادر کاربرد دارد؛ چون پژوهشگر لازم نیست برای مشاهده تعداد کافی از موارد، یک جمعیت بسیار بزرگ را برای مدت طولانی دنبال کند.

در مقابل، مطالعات مورد-شاهدی معمولاً به بررسی دقیق نحوه انتخاب موارد و شاهدها و کیفیت اطلاعات مربوط به مواجهه نیاز دارند. برای مثال، اگر افراد مبتلا به بیماری، مواجهه‌های گذشته خود را متفاوت از افراد سالم به خاطر بیاورند، سوگیری یادآوری (Recall Bias) می‌تواند نتیجه را تحت تاثیر قرار دهد.

مطالعات تشخیصی

در مطالعات تشخیصی، عملکرد یک آزمایش، روش تصویربرداری یا ابزار تشخیصی در شناسایی یک بیماری بررسی می‌شود.

در این مطالعات، شاخص‌هایی مانند حساسیت، ویژگی، نسبت درست‌نمایی (Likelihood Ratio) و ارزش‌های پیش‌بینی می‌توانند نشان دهند یک تست در شرایط مختلف تا چه اندازه برای تشخیص بیماری مفید است.

این نوع شواهد با مطالعات درمانی تفاوت دارد. ممکن است یک تست حساسیت بالایی داشته باشد، اما این موضوع به‌تنهایی به معنی مناسب بودن آن برای تمام بیماران یا تمام موقعیت‌های بالینی نیست.

احتمال وجود بیماری قبل از انجام تست نیز اهمیت دارد. به همین دلیل، ارزش پیش‌بینی یک آزمایش می‌تواند با تغییر شیوع بیماری یا خطر پایه در جمعیت مورد بررسی تغییر کند.

مطالعات مقطعی

در مطالعه مقطعی، وضعیت یک جمعیت در یک مقطع زمانی بررسی می‌شود. این مطالعات می‌توانند برای برآورد شیوع یک بیماری یا وضعیت سلامت و بررسی ارتباط میان برخی ویژگی‌ها و پیامدهای سلامت مفید باشند.

محدودیت اصلی زمانی ایجاد می‌شود که بخواهیم از یک مطالعه مقطعی درباره علت و معلول نتیجه‌گیری کنیم. چون مواجهه و پیامد معمولاً در یک بازه زمانی مشخص اندازه‌گیری می‌شوند، همیشه روشن نیست کدام‌یک زودتر رخ داده است. علاوه بر این، عوامل مخدوش‌کننده می‌توانند ارتباط مشاهده‌شده را توضیح دهند.

بنابراین وجود یک ارتباط آماری در مطالعه مقطعی لزوماً به معنی وجود رابطه علّی نیست.

مرور نظام‌مند و متاآنالیز

گاهی برای پاسخ به یک سوال بالینی نمی‌توان به یک مطالعه منفرد تکیه کرد. مرور نظام‌مند (Systematic Review) با یک روش از پیش تعیین‌شده، مطالعات مرتبط با یک سؤال مشخص را شناسایی، انتخاب و ارزیابی می‌کند و تصویری از مجموعه شواهد موجود ارائه می‌دهد.

اگر نتایج مطالعات از نظر سؤال، جمعیت، مداخله و پیامد به اندازه کافی قابل مقایسه باشند، می‌توان نتایج آن‌ها را با روش‌های آماری در یک متاآنالیز (Meta-analysis) ترکیب کرد.

متاآنالیز صرفاً با کنار هم گذاشتن اعداد، یک نتیجه «قوی‌تر» تولید نمی‌کند. نتیجه آن به کیفیت مطالعات اولیه، میزان تفاوت میان آن‌ها و روش انجام تحلیل وابسته است. اگر مطالعات واردشده کیفیت پایین داشته باشند یا تفاوت‌های مهمی در جمعیت، مداخله یا پیامد وجود داشته باشد، ترکیب آماری می‌تواند نتیجه‌ای گمراه‌کننده ایجاد کند.

به همین دلیل، متاآنالیز را نباید صرفاً به دلیل اینکه چند مطالعه را با هم ترکیب کرده است، معتبرتر از هر مطالعه منفرد دانست. کیفیت داده‌های ورودی و تناسب آن‌ها با سؤال بالینی همچنان اهمیت دارد.

یکی از راه‌های دیگر برای دسته‌بندی شواهد، توجه به این است که اطلاعات مستقیماً از یک پژوهش جدید به دست آمده یا از ترکیب و ارزیابی پژوهش‌های قبلی.

شواهد اولیه (Primary Evidence) مستقیماً از پژوهش‌هایی به دست می‌آیند که داده‌های جدید تولید می‌کنند؛ مانند RCT، مطالعات کوهورت، مورد-شاهدی و بسیاری از مطالعات تشخیصی.

شواهد ثانویه (Secondary Evidence) با بررسی، ارزیابی یا ترکیب مطالعات موجود شکل می‌گیرند. مرورهای نظام‌مند و متاآنالیزها نمونه‌های مهم آن هستند.

این تفاوت به معنی «ضعیف‌تر بودن» شواهد ثانویه نیست. یک مرور نظام‌مند با روش مناسب می‌تواند اطلاعات چندین مطالعه را در کنار هم قرار دهد و تصویری دقیق‌تر از مجموعه شواهد ارائه کند. در مقابل، اگر مطالعات واردشده ضعیف یا نامتناسب باشند، نتیجه مرور نیز محدود خواهد بود.

در عمل، ارزش یک منبع را باید بر اساس سؤال بالینی، روش پژوهش، کیفیت مطالعات و میزان اطمینان به نتیجه ارزیابی کرد، نه فقط بر اساس برچسب «اولیه» یا «ثانویه».

پاسخ کوتاه، نه است.

گاهی تصور می‌شود باید یک هرم ثابت در نظر گرفت که RCT یا متاآنالیز همیشه در بالاترین قسمت آن قرار دارد و هرچه پایین‌تر برویم، ارزش شواهد کمتر می‌شود. این مدل برای آموزش اولیه مفید است، اما برای ارزیابی واقعی شواهد کافی نیست.

نوع سؤال تعیین می‌کند چه شواهدی مناسب‌تر هستند. این نکته در منابع روش‌شناسی پزشکی نیز مورد تاکید قرار گرفته و استفاده از یک هرم ثابت برای همه پرسش‌های بالینی می‌تواند گمراه‌کننده باشد.

برای مثال، اگر سؤال این باشد که یک داروی جدید در کاهش فشار خون موثر است یا نه، یک RCT با طراحی مناسب می‌تواند شواهد مستقیمی ارائه کند. اما اگر سؤال درباره یک عارضه بسیار نادر باشد، ممکن است RCTهای موجود تعداد کافی از آن عارضه را ثبت نکرده باشند و مطالعات مشاهده‌ای اطلاعات بیشتری در اختیار پژوهشگر قرار دهند.

همین مسئله درباره پیش‌آگهی، تشخیص و عوامل خطر نیز وجود دارد. نمی‌توان انتظار داشت یک طراحی واحد برای تمام انواع پرسش‌های پزشکی بهترین انتخاب باشد.

حتی در مورد RCT نیز کیفیت طراحی و اجرای مطالعه اهمیت دارد. یک RCT کوچک با خطر بالای سوگیری الزاماً از مجموعه‌ای از مطالعات مشاهده‌ای با طراحی مناسب و نتایج سازگار ارزش بیشتری ندارد.

بنابراین در ارزیابی شواهد باید دست‌کم سه سؤال را از هم جدا کرد:

• مطالعه با چه طراحی انجام شده است؟
• این مطالعه با چه کیفیتی انجام شده و خطر سوگیری آن چقدر است؟
• نتیجه به سؤال و بیمار موردنظر تا چه اندازه مرتبط است؟

این سه مورد یکسان نیستند. نوع مطالعه فقط نقطه شروع ارزیابی است.

بعد از پیدا کردن یک مطالعه، سوال اصلی این نیست که «نتیجه چه بود؟» بلکه باید پرسید:

چقدر می‌توان به این نتیجه اعتماد کرد؟

برای پاسخ به این سؤال، چند عامل مهم بررسی می‌شوند.

خطر سوگیری

سوگیری زمانی ایجاد می‌شود که روش طراحی، اجرا، اندازه‌گیری یا تحلیل مطالعه باعث شود نتیجه به شکل سیستماتیک از مقدار واقعی فاصله بگیرد.

برای مثال، اگر انتخاب افراد واردشده به مطالعه به شکلی انجام شده باشد که گروه‌های مورد مقایسه از ابتدا تفاوت مهمی داشته باشند، تفسیر نتیجه دشوارتر می‌شود.

در یک RCT نیز مشکلاتی مانند تصادفی‌سازی نامناسب، خروج قابل توجه شرکت‌کنندگان، عدم کورسازی در شرایطی که کورسازی اهمیت دارد یا اندازه‌گیری متفاوت پیامدها می‌تواند اعتبار نتیجه را کاهش دهد.

بنابراین عبارت «این مطالعه RCT است» به‌تنهایی اطلاعات کافی درباره میزان قابل اعتماد بودن نتیجه نمی‌دهد. روش انجام و اجرای واقعی مطالعه باید بررسی شود.

دقت برآورد

نتیجه یک مطالعه معمولاً با یک مقدار واحد تمام نمی‌شود. فاصله اطمینان (Confidence Interval) نشان می‌دهد برآورد اثر با چه میزان عدم‌قطعیتی همراه است.

فرض کنید یک مطالعه کاهش خطر یک پیامد را گزارش کند، اما فاصله اطمینان آن بسیار گسترده باشد. در این حالت نمی‌توان همان میزان اطمینان را داشت که در مطالعه‌ای با برآورد دقیق‌تر وجود دارد.

پس معناداری آماری به‌تنهایی کافی نیست؛ اندازه اثر و دقت برآورد نیز باید دیده شود.

سازگاری نتایج

اگر چند مطالعه یک سؤال را بررسی کنند، ممکن است نتایج آن‌ها کاملاً مشابه نباشد.

اختلاف میان مطالعات همیشه به معنی بی‌اعتبار بودن شواهد نیست. ممکن است جمعیت بیماران، شدت بیماری، نوع مداخله، مدت پیگیری یا روش اندازه‌گیری پیامدها متفاوت باشد.

اما اگر تفاوت نتایج قابل توجه باشد و دلیل روشنی برای آن پیدا نشود، میزان اطمینان به یک برآورد واحد کاهش پیدا می‌کند. در چنین شرایطی، بررسی علت تفاوت میان مطالعات از خودِ محاسبه یک میانگین کلی مهم‌تر است.

مستقیم بودن شواهد

گاهی نتیجه یک مطالعه از نظر روش‌شناسی مناسب است، اما دقیقاً به سؤال ما پاسخ نمی‌دهد.

مثلاً مطالعه روی بیماران جوان انجام شده، در حالی که تصمیم موردنظر مربوط به سالمندان است. یا مداخله‌ای بررسی شده که با درمان مورد استفاده در بیمار موردنظر تفاوت دارد.

در چنین شرایطی باید مشخص شود که آیا می‌توان نتیجه مطالعه را به جمعیت و شرایط موردنظر تعمیم داد یا نه.

بنابراین کیفیت روش‌شناختی و قابلیت کاربرد دو موضوع متفاوت هستند. یک مطالعه ممکن است بسیار خوب انجام شده باشد، اما مستقیماً به بیمار موردنظر مربوط نباشد.

سوگیری انتشار

همه پژوهش‌های انجام‌شده لزوماً به یک شکل منتشر نمی‌شوند. اگر مطالعات با نتایج خاص بیشتر در دسترس قرار بگیرند و بخشی از نتایج منتشرنشده باقی بماند، تصویری که از مجموعه شواهد به دست می‌آید ممکن است کامل نباشد.

این موضوع در مرورهای نظام‌مند و متاآنالیزها اهمیت ویژه‌ای پیدا می‌کند، چون نتیجه نهایی به مجموعه مطالعاتی که پیدا و وارد تحلیل شده‌اند وابسته است.

 

یک نتیجه می‌تواند از نظر آماری معنادار باشد، اما تأثیر آن برای بیمار بسیار کوچک باشد.

برای مثال، اگر یک درمان میانگین یک شاخص را مقدار اندکی تغییر دهد، صرف اینکه اختلاف مشاهده‌شده از نظر آماری معنادار است، به این معنی نیست که این تغییر برای بیمار اهمیت عملی دارد.

در ارزیابی شواهد باید به اندازه اثر و پیامد واقعی برای بیمار نیز توجه کرد.

برای پیامدهای دو حالتی، شاخص‌هایی مانند خطر نسبی (RR)، کاهش خطر مطلق (ARR) و تعداد لازم برای درمان (NNT) می‌توانند تصویر دقیق‌تری از اندازه اثر ارائه دهند. فاصله اطمینان نیز نشان می‌دهد این برآورد تا چه اندازه دقیق است.

برای مثال، فرض کنید در یک مطالعه، خطر یک پیامد در گروه کنترل ۱۰٪ و در گروه درمان ۸٪ باشد. کاهش خطر نسبی ۲۰٪ است، اما کاهش خطر مطلق فقط ۲ واحد درصد خواهد بود و NNT برابر با ۵۰ می‌شود.

این مثال نشان می‌دهد بیان یک اثر به صورت «۲۰٪ کاهش خطر» با بیان همان نتیجه به صورت «۲ واحد درصد کاهش خطر مطلق» اطلاعات متفاوتی درباره اندازه واقعی اثر در اختیار پزشک قرار می‌دهد.

البته این اعداد در اینجا صرفاً یک مثال فرضی هستند و به یک درمان یا مطالعه واقعی اشاره نمی‌کنند.

جمعیت شرکت‌کنندگان در یک مطالعه ممکن است با بیمار واقعی تفاوت داشته باشد.

سن، شدت بیماری، بیماری‌های همراه، درمان‌های هم‌زمان، خطر پایه و مدت پیگیری از عواملی هستند که می‌توانند روی نتیجه اثر بگذارند.

فرض کنید یک درمان در یک کارآزمایی روی بیماران با بیماری متوسط تا شدید بررسی شده باشد. نتیجه آن مطالعه را نمی‌توان بدون بررسی بیشتر به بیماری با شدت خفیف تعمیم داد.

همین موضوع درباره عوارض نیز صادق است. فراوانی یک عارضه در یک جمعیت پژوهشی الزاماً همان چیزی نیست که در تمام جمعیت‌های دیگر دیده می‌شود.

به همین دلیل، قابل‌اعتماد بودن یک نتیجه با قابل‌استفاده بودن آن برای بیمار مشخص، دو سوال متفاوت هستند.

در تفسیر شواهد باید مشخص شود که بیمار موردنظر تا چه اندازه به جمعیت مطالعه شباهت دارد و آیا تفاوت‌های موجود می‌توانند اندازه اثر یا خطر عوارض را تغییر دهند.

فرآیند تصمیم‌گیری را می‌توان به شکل زیر خلاصه کرد:

1. سؤال بالینی 
2. پیدا کردن شواهد مرتبط 
3. ارزیابی کیفیت و خطر سوگیری ( شامل مقایسه و ترکیب نتایج، بررسی اندازه اثر و عدم‌قطعیت، بررسی سود و زیان)
4. تطبیق با شرایط بیمار 
5. تصمیم

در این مسیر، یک مطالعه منفرد ممکن است فقط بخشی از پاسخ را بدهد.

برای مثال، یک RCT ممکن است نشان دهد یک دارو در کاهش یک پیامد موثر است. مطالعه دیگری اطلاعات بیشتری درباره عوارض آن ارائه کند و مطالعات مشاهده‌ای نیز درباره پیامدهای طولانی‌مدت یا گروه‌های خاص اطلاعاتی داشته باشند.

وقتی این شواهد کنار هم قرار می‌گیرند، سؤال بعدی این است که چقدر به نتیجه نهایی اعتماد داریم؟

در ارزیابی مجموعه شواهد، معمولاً هر پیامد مهم به‌طور جداگانه بررسی می‌شود. ممکن است برای یک پیامد شواهد نسبتاً مطمئن باشند، اما برای پیامد دیگری به دلیل تعداد کم مطالعات، عدم دقت یا ناسازگاری نتایج، اطمینان کمتری وجود داشته باشد.

این نکته مهم است؛ چون نمی‌توان گفت یک مداخله به‌طور کلی «شواهد قوی» یا «شواهد ضعیف» دارد بدون اینکه مشخص کنیم درباره کدام پیامد و کدام سؤال صحبت می‌کنیم.

حتی اگر شواهد یک مداخله نسبتاً قوی باشند، تصمیم نهایی می‌تواند برای دو بیمار متفاوت باشد.

خطر پایه بیمار، شدت بیماری، احتمال عوارض، گزینه‌های جایگزین، هزینه یا امکان دسترسی به درمان و ترجیحات بیمار ممکن است نتیجه تصمیم را تغییر دهند.

برای مثال، یک کاهش نسبی یکسان در خطر بیماری می‌تواند برای بیماری که از ابتدا خطر بالاتری دارد، منفعت مطلق بیشتری ایجاد کند. در مقابل، اگر خطر پایه بسیار پایین باشد، همان اثر نسبی ممکن است منفعت مطلق کوچکی ایجاد کند.

برای همین، پزشکی مبتنی بر شواهد را نباید با «پزشکی بر اساس مقاله» یکی دانست. استفاده از شواهد زمانی معنا پیدا می‌کند که نتیجه پژوهش با شرایط بیمار، قضاوت بالینی و ترجیحات او ترکیب شود.

پزشکی مبتنی بر شواهد (EBM) به معنای استفاده آگاهانه و نقادانه از بهترین شواهد موجود در کنار تخصص بالینی و ویژگی‌ها و ترجیحات بیمار است.

در EBM، فرآیند تصمیم‌گیری معمولاً با تعریف یک سوال بالینی مناسب شروع می‌شود، سپس شواهد مرتبط پیدا و از نظر اعتبار، اندازه اثر و قابلیت کاربرد ارزیابی می‌شوند و در مرحله بعد برای بیمار مشخص به کار می‌روند.

بنابراین شواهد بالینی یکی از پایه‌های اصلی EBM است، اما تمام EBM نیست. مهارت بالینی، شرایط فردی بیمار و نحوه به‌کارگیری شواهد نیز در تصمیم نهایی نقش دارند.

منابعی مانند آپ تو دیت صرفاً یک مطالعه منفرد را در اختیار پزشک قرار نمی‌دهند؛ هدف آن‌ها مرور و ترکیب شواهد موجود درباره یک سوال بالینی و ارائه آن در قالبی قابل استفاده برای تصمیم‌گیری است.

در چنین منابعی، مطالعه شواهد فقط به پیدا کردن مقاله محدود نمی‌شود. کیفیت پژوهش، محدودیت‌های مطالعات، ارتباط آن‌ها با سؤال بالینی و پیامدهای مختلف نیز باید در نظر گرفته شوند.

اگر می‌خواهید با نحوه تهیه، بازبینی و به‌روزرسانی محتوای پزشکی در آپتودیت بیشتر آشنا شوید، می‌توانید مقاله «آپتودیت چیست» را مطالعه کنید.

برای ارزیابی میزان اطمینان به مجموعه شواهد و تبدیل آن به توصیه‌های بالینی، چارچوب‌هایی مانند GRADE استفاده می‌شوند.

در GRADE، «قطعیت شواهد» از «قدرت توصیه» جدا در نظر گرفته می‌شود. قطعیت شواهد می‌تواند در سطح بالا، متوسط، پایین یا بسیار پایین قرار گیرد و عواملی مانند خطر سوگیری، ناسازگاری نتایج، غیرمستقیم بودن شواهد، عدم دقت و سوگیری انتشار می‌توانند باعث کاهش قطعیت شوند.

قدرت توصیه موضوع متفاوتی است و علاوه بر قطعیت شواهد، عواملی مانند توازن منافع و مضرات، ارزش‌ها و ترجیحات بیمار و در برخی چارچوب‌ها منابع و امکان‌پذیری را نیز در نظر می‌گیرد.

به همین دلیل، «شواهد با قطعیت بالا» الزاماً به معنی «توصیه قوی برای همه بیماران» نیست.

اگر می‌خواهید با نحوه درجه‌بندی شواهد و قدرت توصیه‌ها در UpToDate آشنا شوید، مقاله « سیستم درجه بندی آپتودیت » را بخوانید.

شواهد بالینی فقط به معنای داشتن یک مقاله پژوهشی نیست. آنچه برای تصمیم پزشکی اهمیت دارد، نوع مناسب مطالعه برای سوال، کیفیت اجرای پژوهش، خطر سوگیری، اندازه و دقت اثر، سازگاری نتایج و ارتباط شواهد با بیمار موردنظر است.

هیچ طراحی مطالعه‌ای برای تمام پرسش‌های پزشکی بهترین نیست. RCT برای بسیاری از پرسش‌های مربوط به اثر درمان ارزش بالایی دارد، اما مطالعات مشاهده‌ای در موضوعاتی مانند پیش‌آگهی، عوامل خطر یا عوارض نادر می‌توانند اطلاعاتی ارائه کنند که از RCT به‌تنهایی به دست نمی‌آید. مرور نظام‌مند و متاآنالیز نیز زمانی ارزشمند هستند که مطالعات اولیه مناسب و قابل ترکیب باشند.

در عمل، ارزیابی شواهد یعنی فراتر رفتن از این سوال که «مطالعه چه نتیجه‌ای داشت؟» و پرسیدن اینکه این نتیجه چقدر قابل اعتماد است، دقیقاً به چه بیمارانی مربوط می‌شود و اندازه واقعی منفعت یا آسیب چقدر است.

هدف از ارزیابی شواهد این نیست که یک مطالعه را صرفاً به دلیل نوع طراحی آن «خوب» یا «بد» بدانیم؛ هدف این است که بدانیم برای پاسخ به سوال بالینی مشخص، به کدام بخش از شواهد و با چه میزان اطمینانی می‌توان تکیه کرد.

اگر برای بررسی و استفاده از منابع پزشکی در آپتودیت به دسترسی این سامانه نیاز دارید، می‌توانید شرایط خرید اکانت آپ تو دیت را در سایت مشاهده کنید.