Todisteisiin perustuva käytäntö ja lääketieteellinen tilastotiede
Koska "luin jotain netistä" ei aivan riitä AKT:ssa.
Viimeksi päivitetty: huhtikuu 2026 · Tunnetaan myös nimellä näyttöön perustuva lääketiede (EBM)
📥 Lataukset
Monisteet, tiivistelmät ja opetuksen lisämateriaalit – valmiina silloin, kun sinäkin olet.
Verkkoresurssit
Huolella valittu sekoitus virallista ohjeistusta ja tosielämän yleislääkärikoulutusresursseja. Koska joskus parhaat helmet eivät piile virallisissa asiakirjoissa.
Yhden minuutin muistutus
Skannaatko tämän ennen klinikkaa – vai iltana ennen AKT-koetta? Näistä saa pisteitä.
🧮 Riskikaavat
- ARR = CER − EER
- NNT = 1 ÷ ARR
- RRR = ARR ÷ CER
- RR = EER ÷ CER
- NNH = 1 ÷ ARI
🔬 Diagnostiset testit
- Merkitys = TP ÷ (TP + FN) → SnNout
- Spec = TN ÷ (TN + FP) → SpPin
- PPV = TP ÷ (TP+FP) ← esiintyy alhaisella esiintyvyydellä
- NPV = TN ÷ (TN+FN) ← kaatumiset, joilla on korkea esiintyvyys
📊 Opiskelusuunnitelmat
- SR/meta-analyysi → korkein näyttö
- Satunnaistettu kontrolloitu tutkimus → hoidon kultainen standardi
- Kohortti → RR ja ilmaantuvuus
- Tapaus-verrokki → TAI, harvinaiset sairaudet
- Poikkileikkaus → esiintyvyys
📈 Graafit
- Metsäkoealueen vinoneliö ylittää viivan = ei merkitsevä
- Suppilon epäsymmetria = julkaisuharha
- Cates-kuvaaja: NNT = 100 ÷ keltaiset pinnat
- Laatikkokaavion keskiviiva = mediaani
- I² >50 % = huomattava heterogeenisuus
📉 Merkitys
- p < 0.05 = tilastollisesti merkitsevä
- Luottamusväli ylittää 1.0 (suhde) = ei merkitsevä
- Luottamusväli ylittää nollan (ero) = ei merkitsevä
- Keskiarvo = keskiarvo; Mediaani = keskiarvo
- 68-95-99.7 normaalijakauman sääntö
⚖️ Harhautumistyypit
- Valinta → epäedustava otos
- Muista → tapaukset muistavat enemmän
- Julkaisu → vain positiivisia tutkimuksia
- Läpimenoaika → seulontailluusio
- Poistuma → keskeyttäminen vääristää tuloksia
Miksi tällä on merkitystä yleislääkärissä ja AKT:ssa
EBM ja tilastot eivät ole vain teoriaa. Vastaanottohuoneessasi jokainen keskustelu hoitovaihtoehdoista koskee NNT:itä, mainitpa niitä nimeltä tai et. Jokaisella verikokeella on herkkyys ja spesifisyys. Jokainen uusi ohje perustuu tutkimusasetelmaan, joka vaikuttaa siihen, kuinka paljon luottamusta siihen tulisi asettaa.
AKT:ssa tämä aihe muodostaa merkittävän osan arvosanoista – noin 10–15 % RCGP:n ohjeistuksen mukaan. Se on yksi harvoista osa-alueista, joilla pieni määrä kohdennettua tarkistusta kannattaa. hetiMonet ehdokkaat menettävät täällä helppoja pisteitä, eivät siksi, että käsitteet olisivat vaikeita, vaan koska he eivät ole koskaan istuneet alas ja oppineet niitä systemaattisesti.
AKT:n tilastokysymyksissä esitetään usein taulukko tutkimustiedoista ja sinua pyydetään laskemaan arvo, tulkitsemaan kuvaajaa tai tunnistamaan paras tutkimusasetelma. Ne palkitsevat metodista ajattelua, eivät lääketieteellistä tietoa. Tämä tekee niistä paperin "oppivimpia" arvosanoja.
Todisteisiin perustuva lääketiede (EBM)
"Kun olin koulutuksessa 1980-luvun puolivälissä, annoin laskimonsisäisen lidokaiini-infuusion jokaiselle sydänkohtauksen saaneelle potilaalle. Se oli standardi. Kaikki tekivät niin. Se tuntui täysin järkevältä."
— Professori Gordon Guyatt, lääkäri joka loi termin "näyttöön perustuva lääketiede", kuvailee omaa koulutustaan ennen näyttöön perustuvan lääketieteen olemassaoloa.
Myöhemmin hän huomasi, että käytäntö, johon hänet oli koulutettu – ja jota sadattuhannet lääkärit ympäri maailmaa harjoittivat – oli paitsi hyödytön, myös mahdollisesti tappava. Ei huolimattomuuden vuoksi. Ei epäpätevyyden vuoksi. Vaan koska kukaan ei ollut koskaan kunnolla testannut, toimiiko se todella.
Tuo tarina on syy siihen, miksi näyttöön perustuva lääketiede on olemassa – ja miksi sillä on syvällinen merkitys jokaiselle potilaalle, jonka tulet koskaan näkemään.
"Parhaan nykyisen näytön tunnollinen, selkeä ja harkittu käyttö yksittäisten potilaiden hoitoa koskevassa päätöksenteossa."
— David Sackett, BMJ 1996 — lääketieteessä eniten siteerattu määritelmä
Yksinkertaisesti sanottuna: sen sijaan, että potilaita hoidettaisiin tapojen, mielipiteiden, perinteiden tai professorin kertomien tietojen perusteella, EBM edellyttää, että kliiniset päätökset perustuvat parhaaseen saatavilla olevaan tutkimukseen – huolellisesti tehtyyn, kriittisesti arvioituun ja rehellisesti tulkittuun.
Se ei korvaa kliinistä harkintaa – se tiedottaa Se. Yritysjohtaminen perustuu kolmeen erottamattomaan pilariin, joiden on toimittava yhdessä:
🕰️ Miten EBM syntyi? — Lyhyt historia
EBM ei ilmestynyt tyhjästä. Se oli vuosikymmeniä kestäneen hiljaisen vallankumouksellisen ajattelun huipentuma Kanadassa ja Isossa-Britanniassa.
| Vuosi | Tapahtuma |
|---|---|
| 1938 | John Paul (Yale) keksi termin "kliininen epidemiologia" – ajatuksen, että lääketiedettä tulisi tutkia tieteellisesti populaatioissa, ei vain havaita yksittäisillä potilailla. |
| 1967 | McMasterin yliopisto (Hamilton, Kanada) avaa uuden lääketieteellisen tiedekunnan, johon perustetaan kliinisen epidemiologian ja biostatistiikan laitos – tuolloin radikaali tutkimusmenetelmän soveltaminen kliinisiin päätöksiin. |
| 1972 | Skotlantilainen epidemiologi Archie Cochrane julkaisee Vaikuttavuus ja tuloksellisuus: Satunnaisia pohdintoja terveyspalveluista – uraauurtava teksti, jossa väitetään, että lääketieteen on testattava omat hoitonsa tiukasti. Hänen työnsä synnyttää lopulta Cochrane-yhteistyön, joka on nimetty hänen kunniakseen. |
| 1981 | David Sackett ja hänen kollegansa McMasterilla julkaisevat yhdeksän artikkelin sarjan Canadian Medical Association Journalissa, jossa he opettavat kliinikoille lääketieteellisen kirjallisuuden kriittistä arviointia. Tämä on EBM-liikkeen virallinen alku. |
| 1990 | Gordon Guyatt, nuori McMasterin erikoistuva johtaja, suunnittelee uuden opetusohjelman ja kutsuu sitä aluksi "tieteelliseksi lääketieteeksi". Kollegat kavahtavat – vihjaus, että nykyinen käytäntö ei ole tieteellistä, on liian suora. |
| 1991 | Guyatt nimeää lähestymistavan uudelleen "Näytötietoon perustuva lääketiede" ja julkaisee termin pääkirjoituksessa ACP Journal Clubissa. Ilmaus jää heti mieleen. |
| 1992 | Merkittävä JAMA-lehti — "Näytöihin perustuva lääketiede: Uusi lähestymistapa lääketieteen käytännön opettamiseen" — esittelee EBM:n maailmalle. Guyatt muistelee, että reaktio oli aluksi "raivoa". Kollegat kokivat, että heille sanottiin, etteivät he ole hyviä lääkäreitä. |
| 1993 | Cochrane Collaboration perustetaan virallisesti – kansainvälinen verkosto, jonka tarkoituksena on tuottaa ja levittää systemaattisia katsauksia terveydenhuollon näyttöön. |
| 1996 | David Sackett julkaisee lopullisen kolmipilarisen määritelmän BMJ:ssä. EBM:stä tulee valtavirtaa. |
| 2000 -luku - nykyhetki | EBM on integroitu osaksi Ison-Britannian koulutusta: NICE-ohjeet, GMC:n Good Medical Practice ja RCGP:n opetussuunnitelma edellyttävät sitä. Se on nykyään perusta sille, miten jokainen Ison-Britannian lääkäri koulutetaan ja arvioidaan. |
⚠️ Millaista lääketiede oli ennen EBM:ää? Ongelma, jonka se ratkaisi
Ennen EBM:ää lääketiede toimi sillä, mitä Gordon Guyatt kutsui mieleenpainuvasti "GOBSAT" - Hyvät vanhat pojat istuvat pöydän ympärilläKliiniset ohjeet kirjoittivat kokeneet asiantuntijat, jotka kokosivat yhteen henkilökohtaisia mielipiteitään, ja potilaasi kohtalo riippui täysin siitä, mikä lääkäri sattui tapaamaan hänet.
- Eminenssiin perustuva lääketiede: Kohtelit potilaita samalla tavalla kuin professorisi. Auktoriteetti tuli kokemuksesta, ei todisteista. Konsulttia, joka oli "aina tehnyt näin" 30 vuotta, kuunneltiin – vaikka "tätä tapaa" ei olisi koskaan testattu.
- Intuitiopohjainen lääketiede: Jos hoito näytti fysiologisesti järkevältä, sitä käytettiin. Jos epänormaalien sydämen rytmien tukahduttaminen vaikutti loogiselta, ne tukahdutettiin. Sitä, auttoiko se todella potilaita, testattiin harvoin.
- Anekdootteihin perustuva lääketiede: "Kokemukseni mukaan olen havainnut, että..." oli todistusaineiston standardi. Yksittäistapaukset ohjasivat käytäntöä – jopa silloin, kun ne olivat tilastollisesti poikkeavia.
- Valtava vaihtelu: Sama potilas, joka tulee kahteen eri sairaalaan – tai jopa kaksi eri lääkäriä samassa sairaalassa – saattaa saada täysin erilaista hoitoa täsmälleen samaan sairauteen.
🔴 Esimerkki, joka muutti lääketieteen — CAST-tutkimus
Tämä ei ole hypoteettinen teos. Se on yksi tärkeimmistä tositarinoista modernissa lääketieteessä – ja yksi vahvimmista argumenteista, joita EBM on koskaan tarvinnut.
Asetus – logiikka, joka vaikutti horjumattomalta
Sydänkohtaukset aiheuttavat vaarallisia sydämen rytmihäiriöitä (kammioperäisiä rytmihäiriöitä). Kammioperäiset rytmihäiriöt aiheuttavat äkillisen kuoleman. Siksi: tukahduttaa rytmihäiriöitä → estää äkkikuolemanTämä vaikutti niin itsestään selvältä, että 1970-luvulta lähtien rytmihäiriölääkkeitä – erityisesti lidokaiinia, flekainidia ja enkainidia – annettiin rutiininomaisesti sydäninfarktin jälkeisille potilaille sairaaloissa ympäri maailmaa. Ei satunnaisesti. Rutiininomaisesti. Osana vakiohoitoa.
Koe – Joku Oikeasti Testasi Sitä
Vuonna 1987 sydämen rytmihäiriöiden suppressiotutkimukseen (CAST) osallistui yli 1 700 sydäninfarktin sairastunutta potilasta, ja heidät satunnaistettiin saamaan rytmihäiriölääkkeitä (flekainidi tai enkainidi) tai lumelääkettä. Lääkkeet tekivät juuri sen, mitä niiden pitikin – ne estivät rytmihäiriöt onnistuneesti. Mutta tapahtui jotain odottamatonta.
Tulos – mitä kukaan ei odottanut
Lääkkeitä käyttäneet potilaat olivat 2.5-ajat kuolevat todennäköisemmin kuin lumelääkettä saaneilla. Tutkimus jouduttiin lopettamaan aikaisin, koska haitta oli niin selvä. Lääkkeet olivat tappaneet juuri ne potilaat, joita niiden oli tarkoitus suojella.
NNH = 21. Jokaista 21 flekainidilla tai enkainidilla hoidettua potilasta kohden kuoli yksi ylimääräinen henkilö, joka muuten olisi selvinnyt hengissä.
Oppitunti
Gordon Guyatt – tuolloin nuori kardiologi – oli henkilökohtaisesti antanut lidokaiini-infuusioita jokaiselle sydäninfarktin jälkeiselle potilaalle, joka kävi hänen osastollaan. Hän noudatti parhaita käytäntöjä. Häntä oli opetettu oikein. Hänellä oli hyvät aikomukset. Silti, ilman satunnaistetun kontrolloidun tutkimuksen (RCT) tiukkaa testiä, ei hänellä eikä hänen kollegoillaan ollut mitään keinoa tietää, että hoito oli haitallista. Tästä kokemuksesta tuli keskeinen tekijä siinä, miksi hän omistautui uralleen EBM:lle. Hän sanoi myöhemmin, että lääketieteen historia "on täynnä hoitoja, jotka perustuivat enimmäkseen arvailuun ja intuitioon vankan näytön sijaan".
Ennen EBM:ää hoito riippui siitä, missä satuit asumaan, missä sairaalassa kävit ja mikä lääkäri sinut tapasi. Sama potilas, jolla oli sama sairaus, saattoi saada täysin erilaista hoitoa Leedsissä ja Lontoossa. Eri sairaaloissa. Eri maissa. Hyvin erilaiset tulokset.
EBM muutti tämän. Ankkuroimalla kliiniset päätökset samaan näyttöön – samoihin tutkimuksiin, samoihin systemaattisiin katsauksiin, samoihin ohjeisiin – se antoi lääketieteelle yhteisen kielen ja yhteisen standardin. Nykyään sydäninfarktiin Bradfordissa ja Bristolissa sydäninfarktiin hakeutuvan potilaan tulisi saada pohjimmiltaan samaa näyttöön perustuvaa hoitoa. Ei siksi, että lääkärit olisivat identtisiä, vaan koska hoito perustuu näyttöön, ei yksilöllisiin mieltymyksiin.
Isossa-Britanniassa tämä toteutetaan seuraavasti: HYVÄT ohjeet, The RCGP-opetussuunnitelma, QOF-indikaattorit, kliiniset auditoinnitja MRCGP-tutkimukset – jotka kaikki edellyttävät ja arvioivat näyttöön perustuvaa käytäntöä. Kun suoritat AKT-kokeen, kykyäsi soveltaa tätä viitekehystä testataan.
🌍 Maailma ilman EBM:ää — The International Picture
Yhdistyneen kuningaskunnan sitoutuminen EBM:ään – NICE:n, NHS:n ja jatkokoulutuksen kautta – ei ole yleismaailmallista. Monissa osissa maailmaa se, mitä potilaana saat, riippuu edelleen suuresti siitä, kuka sinut ottaa vastaan, missä menet hoitoon ja kuinka paljon sinulla on varaa maksaa. Tämän ymmärtäminen auttaa sinua ymmärtämään, miltä EBM suojaa potilaitasi.
Alla kuvattu variaatio heijastaa terveydenhuoltojärjestelmät ja -rakenteet, ei yksittäisten lääkäreiden pätevyyttä tai omistautumista. Jokaisessa luetellussa maassa työskentelee monia loistavia ja ahkeria lääkäreitä. Ongelmana on EBM:n tarjoaman standardoivan infrastruktuurin – ohjeiden, valvonnan ja koulutuskehysten – puute. Yksittäiset lääkärit eivät voi ratkaista systeemisiä ongelmia yksin.
| Maa / alue | Miten käytäntö vaihtelee ilman vahvoja EBM-kehyksiä |
|---|---|
| 🇮🇳 Intia (yksityinen sektori) | 2018 Lansetti Tutkimuksessa havaittiin, että yksityisissä sairaaloissa keisarileikkausten määrä oli 40–58 % verrattuna julkisten laitosten 10–14 %:iin – usein taloudellisten kannustimien eikä kliinisen tarpeen perusteella. Ylitutkimuksia ja monilääkitystä on dokumentoitu laajalti yksityisellä sektorilla. Sama syöpäpotilas voi saada dramaattisesti erilaista hoitoa riippuen siitä, missä hän hakeutuu hoitoon ja mihin hänellä on varaa. |
| 🇵🇰 Pakistan | Merkittäviä eroja antibioottiohjeiden noudattamisessa – yksi Etelä-Aasian korkeimmista antibioottien määräämisasteista. Lääkeresistentti tuberkuloosi ja mikrobilääkeresistenssi ovat suoria seurauksia. Erikoishoidon saatavuus ja standardoidut hoitopolut riippuvat suuresti maantieteellisestä sijainnista ja tulotasosta. |
| 🇳🇬 Nigeria / 🇬🇭 Ghana | Magnesiumsulfaatti on WHO:n suosittelema, näyttöön perustuva ja edullinen hoito eklampsiaan. Tutkimukset osoittavat, että se vähentää äitiyskuolleisuutta merkittävästi. Saatavuus ja todellinen käyttö Nigerian ja Ghanan laitoksissa vaihtelevat kuitenkin valtavasti sairaaloiden resurssien ja lääkäreiden koulutuksen mukaan – mikä tarkoittaa, että eklampsiaa sairastavan naisen henki tai kuolema voi riippua siitä, mihin laitokseen hän menee. |
| 🇸🇩 Sudan / 🇮🇶 Irak | Pitkittynyt konflikti ja epävakaus ovat tuhonneet terveydenhuollon infrastruktuurin. Irakissa vuoden 2003 jälkeen julkiset terveyspalvelut romahtivat, ohjeiden täytäntöönpano pysähtyi ja peruslääkkeiden saatavuus muuttui maantieteellisestä sijainnista riippuvaiseksi. Sudanissa konflikti on häirinnyt rokotusohjelmia, äitiysneuvontaa ja kroonisten sairauksien hallintaa. Käytännön vaihtelu tällaisissa ympäristöissä ei ole mieltymyskysymys – kyse on saatavilla olevista vaihtoehdoista. |
| 🇪🇬 Egypti / 🇮🇷 Iran | Molemmissa maissa on lääketieteellisiä tiedekuntia, jotka kouluttavat ammattitaitoisia lääkäreitä, ja ne ovat julkaisseet EBM-ohjeet, mutta niiden täytäntöönpano on epäjohdonmukaista julkisen ja yksityisen sektorin sekä kaupunki- ja maaseutualueiden välillä. Iranissa kansainväliset pakotteet ovat vaikuttaneet lääkkeiden saatavuuteen ja pakottaneet tekemään muutoksia, jotka poikkeavat näyttöön perustuvista protokollista. |
| 🇷🇴Romania | Romania on dokumentoinut käytäntöä, jonka mukaan plicul ("kirjekuori") – epäviralliset käteismaksut lääkäreille ja sairaanhoitajille hoidon varmistamiseksi. Virallisesti laitonta, mutta laajalti harjoitettua. Parlamentaariset tutkimukset ja tutkiva journalismi ovat vahvistaneet, että kirurgisen hoidon laatu voi riippua siitä, mitä potilas pystyy maksamaan yksityisesti, riippumatta hänen virallisesta NHS:n vastaavasta oikeudestaan. Aivovuoto on vienyt arviolta yli 14 000 lääkäriä EU:hun liittymisen jälkeen. |
| 🇺🇸 Yhdysvallat | Maailman kallein terveydenhuolto – yli 12 000 dollaria henkilöä kohden vuodessa – mutta tulokset eivät useinkaan ole parempia kuin Isossa-Britanniassa. Dartmouth Atlas -projekti on dokumentoinut valtavia maantieteellisiä eroja kliinisessä käytännössä: sama potilas Miamissa saattaa saada kaksi kertaa enemmän tutkimuksia ja toimenpiteitä kuin sama potilas Minneapolisissa, ilman että tuloksissa on eroa. Vuonna 2019 tehdyssä JAMA-tutkimuksessa arvioitiin, että 935 miljardia dollaria – noin neljännes kaikista Yhdysvaltojen terveydenhuoltomenoista – menee hukkaan tarpeettomaan hoitoon. Opioidikriisiä ruokkivat osittain lääkeyhtiöiden vaikutukset lääkkeiden määräämiskäytäntöihin EBM-kehysten ulkopuolella. |
| 🇫🇷 Ranska | Ranskassa on erinomainen terveydenhuolto, mutta antibioottien määräämisasteet ovat historiallisesti olleet Euroopan korkeimpia, mikä johtuu osittain kulttuurisista odotuksista, joiden mukaan konsultaation tulisi aina päättyä reseptiin. Tämän vähentämiseksi toteutetut kampanjat ("Antibiootit eivät ole automaattisia") ovat auttaneet, mutta tämä kaava havainnollistaa, kuinka kulttuuriset ja kaupalliset paineet voivat ohittaa näyttöön perustuvan ohjauksen jopa kehittyneissä järjestelmissä. |
| 🇮🇹 Italia | Terveydenhuollon laatu Pohjois-Italiassa (Milano, Bologna) on Euroopan parhaimmistoa. Etelä-Italiassa tilanne on hyvin erilainen – syöpäleikkauksiin on pidempiä odotusaikoja, seulontaohjelmien soveltaminen on epäjohdonmukaisempaa ja hoitosuositusten noudattaminen on vähäisempää. Maantieteellinen alkuperä samassa maassa voi vaikuttaa merkittävästi tuloksiin. |
| 🇬🇷 Kreikka / 🇪🇸 Espanja | Kreikan säästökriisi (2010–2015) johti yli 25 prosentin terveydenhuoltomenojen leikkauksiin, mikä aiheutti dokumentoitua lääkepulaa, henkilöstövähennyksiä ja laadun heikkenemistä. Yli 35 000 terveydenhuollon työntekijää muutti pois. Espanjassa syövän eloonjäämisasteissa on dokumentoitu merkittäviä alueellisia eroja – kehittyvä kasvain voi käyttäytyä eri tavalla riippuen siitä, millä alueella satut asumaan, ei siksi, että biologia eroaa, vaan siksi, että järjestelmän soveltama näyttöön perustuva hoito tekee niin. |
Terveydenhuoltojärjestelmissä, joissa ei ole vankkoja EBM-kehyksiä tai yleisiä oikeuksia, maksun ja hoidon laadun välinen suhde on usein suora ja dokumentoitu:
- Joissakin intialaisissa yksityissairaaloissa rintakipua kokeva potilas, joka pystyy maksamaan yksityisestä hoidosta, voi saada välittömän katetrin ja stentin. Sama potilas julkisessa järjestelmässä voi odottaa EKG:tä tuntikausia.
- Saharan eteläpuolisessa Afrikassa lapsi, jolla on vaikea malaria, saako hän artemisiniinipohjaista yhdistelmähoitoa (näyttöön perustuva standardi) vai vanhempaa, vähemmän tehokasta lääkettä, riippuu siitä, mihin laitokseen hän menee ja mitä heidän perheensä pystyy maksamaan.
- Maissa, joissa lääkkeiden saatavuus ei ole yleistä, syöpälääkkeitä voi olla saatavilla vain niille, jotka pystyvät maksamaan niistä omasta pussistaan – mikä tarkoittaa, että identtisillä syövillä on dramaattisesti erilaiset tulokset pelkästään tulojen perusteella.
- Romaniassa ja joissakin muissa Itä-Euroopan maissa kirurgisen toimenpiteen laadun – kirurgin huolellisuuden, anestesian valvonnan laadun ja jopa leikkauksen jälkeisen sairaanhoidon saatavuuden – on dokumentoitu riippuvan epävirallisesta maksusta, ei kliinisestä tarpeesta.
Joka kerta kun nouset kaupalliseen lentokoneeseen, hyödyt yhdestä tehokkaimmista turvallisuusjärjestelmistä, joita ihmiset ovat koskaan rakentaneet. Ei siksi, että yksittäiset lentäjät olisivat poikkeuksellisen lahjakkaita – vaikka he ovatkin. Vaan koska ilmailu on rakennettu… standardoidut, näyttöön perustuvat protokollatJokainen lentäjä, jokainen lentoyhtiö, jokainen maa noudattaa samoja lentoa edeltäviä tarkistuslistoja, samoja laskeutumismenettelyjä ja samoja hätäprotokollia. Järjestelmä suojelee sinua riippumatta siitä, minkä lentäjän valitset.
Lääketiede ilman elektronista ohjausta on ilmailua ilman tarkistuslistoja. Turvallisuutesi riippuu täysin siitä, sattuuko lentäjäsi saamaan hyvän ohjaajan, onko lentäjä kouluttautunut riittävän hiljattain, onko hänellä hyvä päivä ja onko hän kuullut uusimmat ajatukset joltakulta, johon hän luottaa.
EBM korvaa onnen järjestelmillä. Se korvaa "kokemukseni mukaan" ilmaisulla "15,000 2 tutkimuksessa, joihin osallistui kaksi miljoonaa potilasta". Se korvaa huoneessa sattumalta kokeneimman henkilön mielipiteen ihmiskunnan kollektiivisen kliinisen kokemuksen kertyneellä todistusaineistolla. Etkö haluaisi sitä potilaillesi? Eivätkö potilaasi haluaisi sitä itselleen?
- Jokainen noudattamasi NICE-ohje on systemaattisen näyttöön perustuvan tarkastelun tulos – joku on tehnyt työn varmistaakseen, että parasta saatavilla olevaa tiedettä tukevat tekemäsi toimenpiteet.
- Jokainen AKT:n tilastoja ja tutkimusmenetelmiä koskeva kysymys testaa kykyäsi arvioida kriittisesti näyttöä – olla aktiivinen EBM:n kuluttaja, ei passiivinen ohjeiden noudattaja.
- Kun selität potilaalle NNT:n, keskustelet seulontatestin rajoituksista tai kieltäydyt määräämästä antibioottia, jota ei ole aiheellista käyttää, harjoitat EBM:ää – tietoisesti, eksplisiittisesti ja harkitusti.
- Ja kun lääkeneuvoja istuu vastapäätäsi ja kertoo, että heidän uusi lääkityksensä vähentää sydän- ja verisuonitapahtumia 35 %, ensimmäinen kysymyksesi – "35 % suhteellisesti vai absoluuttisesti?" – on kysymys, jonka EBM opetti lääketieteelle.
Tutkimusasetelmat ja todisteiden hierarkia
Ennen kuin tulkitset mitään tulosta, sinun on tiedettävä mistä se tuliEri tutkimusasetelmat vastaavat eri kysymyksiin, tuottavat erilaisia tilastoja ja niillä on erilaiset luotettavuustasot.
Todistepyramidi
Vahvin todiste ylhäällä, heikoin alhaalla
⬆ Vahvin todiste | ⬇ Heikoin todiste
| Tutkimusasetelma | Suunta | Best For | synnyttää | Keskeinen heikkous |
|---|---|---|---|---|
| Systemaattinen katsaus / meta-analyysi | - | Paras yleinen näyttö kysymykseen | Yhdistetty vaikutuskoko | Vain yhtä hyvä kuin taustalla olevat tutkimukset; heterogeenisuus |
| RCT (satunnaistettu kontrolloitu tutkimus) | Eteenpäin | Toimiiko hoito X? | RR, ARR, NNT | Kallis, keinotekoinen ympäristö, eettiset ongelmat |
| Kohorttitutkimus | Eteenpäin (prospektiivinen) tai taaksepäin (retrospektiivinen) | Aiheuttaako altistuminen seurauksia? Esiintyvyys? | Suhteellinen riski (RR), ilmaantuvuus | Poistuma; kallis ajan myötä; hämmentävä |
| Case-Control Study | Taaksepäin | Harvinaiset sairaudet; riskitekijät | Riskisuhde (OR) | Muistiinpanoharha; esiintyvyyttä ei voida laskea suoraan |
| Poikkileikkaustutkimus | Yksittäinen tilannekuva | Kuinka yleinen X on tällä hetkellä? (esiintyvyys) | yleisyys | Syy-seuraussuhdetta ei voida osoittaa; ajallinen epäselvyys |
| Tapausraportti / Asiantuntijalausunto | - | Hypoteesien luominen; harvinaiset tapahtumat | Vain kuvaus | Erittäin altis ennakkoluulolle; ei yleistettävissä |
📖 Laadullinen vs. määrällinen tutkimus
Vastaa kysymykseen "kuinka monta" tai "kuinka paljon". Käyttää numeroita, tilastoja ja strukturoitua dataa. Esimerkkejä: satunnaistetut kontrolloidut tutkimukset (RCT), kohorttitutkimukset, numeerisia tuloksia sisältävät kyselyt. Luo p-arvoja, luottamusvälejä ja NNT-arvoja.
Vastaa kysymyksiin "miksi" tai "miten". Käyttää sanoja, teemoja ja haastatteluja. Esimerkkejä: kohderyhmät, etnografiset tutkimukset, grounded theory. Tutkii potilaiden kokemuksia ja uskomuksia.
🔬 Systemaattinen katsaus vs. meta-analyysi – eivät ole sama asia
Systemaattinen katsaus: Perusteellinen ja jäsennelty kirjallisuushaku, jossa tunnistetaan, valitaan ja kriittisesti arvioidaan kaikki asiaankuuluvat tutkimukset tiettyyn kysymykseen. Tuloksena on laadullinen yhteenveto näytöstä.
Meta-analyysi: Systemaattinen katsaus, joka menee askeleen pidemmälle – se matemaattisesti poolit useiden tutkimusten kvantitatiivisten tulosten yhdistäminen yhdeksi yhdistetyksi arvioksi. Kaikki systemaattiset katsaukset eivät sisällä meta-analyysia (esim. jos tutkimukset ovat liian heterogeenisiä yhdistettäväksi).
🔄 PICO-kehys
PICO on kliinisen tutkimuskysymyksen jäsentämisen vakiokehys, jota käytetään kirjallisuudessa ja tutkimussuunnittelussa.
| Kirje | Tarkoittaa | esimerkki |
|---|---|---|
| P | Väestö / Potilas | Aikuiset, joilla on tyypin 2 diabetes |
| I | Interventio | SGLT2-estäjät |
| C | Vertailu | Pelkkä metformiini |
| O | Tulos | Sydän- ja verisuonitapahtumat 5 vuoden kohdalla |
🎲 RCT-suunnitteluominaisuudet (yleisesti testattu)
| Ominaisuus | Mitä se tarkoittaa | Miksi se koskee |
|---|---|---|
| satunnaistaminen | Osallistujat jaettiin ryhmiin sattumanvaraisesti | Poistaa valintaharhan; tasapainottaa sekoittavia tekijöitä |
| Yksittäissokko | Osallistujat eivät tiedä omaa määrärahaansa | Vähentää lumevaikutusta ja osallistujien vinoumaa |
| Kaksoissokko | Eivät osallistujat eivätkä tutkijat tiedä kohdentumista | Poistaa tarkkailijan ja osallistujan puolueellisuuden |
| Kolminkertainen sokeutettu | Osallistujat, tutkijat JA data-analyytikot sokkoutettiin | Maksimaalinen esijännityksen vähennys |
| Hoitoaikeen mukainen (ITT) | Analysoitiin alkuperäisessä ryhmässä riippumatta sitoutumisesta | Säilyttää satunnaistamisen; heijastaa tosielämän käyttöä |
| Protokollan mukaan | Analysoidaan vain, jos he suorittivat protokollan | Osoittaa biologista tehoa, mutta yliarvioi todellisen hyödyn |
| Crossover-suunnittelu | Osallistujat saavat molemmat hoidot peräkkäin | Jokainen henkilö toimii omana kontrollinaan; tarvitsee puhdistumisjakson |
| Kohdistussalauksen | Osallistujia rekrytoiva henkilö ei voi nähdä, mihin ryhmään seuraava osallistuja määrätään, ennen kuin jälkeen heidät on ilmoittautunut | Estää rekrytoijaa tiedostamatta (tai tarkoituksella) kohdentamasta terveempiä potilaita hoitoryhmään – valintaharha, jota pelkkä satunnaistaminen ei estä |
| Ryhmä-RCT | Kokonaiset ryhmät (esim. terveyskeskukset, osastot, koulut) valitaan satunnaistettuina yksilöiden sijaan | Käytetään, kun yksilöllinen satunnaistaminen on epäkäytännöllistä (esim. uuden konsultaatiotyylin testaaminen). Vaatii suurempia otoskokoja ja tilastollista oikaisua klusterivaikutuksen varalta. |
Hoitoaikomus antaa enemmän konservatiivinen (alempi) arvio tehokkuudesta – koska se sisältää hoitoon sitoutumattomia osallistujia. Tätä analyysia suositetaan kliinisten päätösten tekemiseen. Protokollan mukainen analyysi yliarvioi tehokkuutta, mutta on hyödyllinen biologisen mekanismin ymmärtämisen kannalta.
⚖️ Paremmuus-, ei-alempiarvoisuus- ja ekvivalenssikokeet
Kaikissa tutkimuksissa ei kysytä samaa kysymystä. AKT testaa toisinaan, ymmärrätkö, mitä tutkimuksen todellisuudessa oli tarkoitus osoittaa – ja miksi sillä on merkitystä tulosten tulkinnassa.
| Kokeilutyyppi | Kysymys, jota esitetään | Yhteinen konteksti |
|---|---|---|
| Paremmuuskoe | "Onko uusi hoitomuoto parempi vertailija?" | Useimmat tavanomaiset satunnaistetut kontrolloidut tutkimukset – aidosti uuden lääkkeen tai lähestymistavan testaaminen |
| Non-inferiority-tutkimus | "Onko uusi hoitomuoto ei pahempaa kuin vertailukohdetta enemmän kuin ennalta määritellyllä pienellä marginaalilla?" | Uusi lääke, jolla on vähemmän sivuvaikutuksia, halvempi tai helpompi antaa – tavoitteena on osoittaa, että se on "riittävän hyvä" |
| Vastaavuuskoe | "Ovatko nuo kaksi hoitoa olennaisesti sama?" | Biosimilaarit lääkkeet; geneeriset lääkkeet; erilaiset antoreitit |
Uuden antikoagulantin voidaan osoittaa olevan "ei-huonompi" kuin varfariini aivohalvauksen ehkäisyssä – ei parempi, mutta ei merkityksellisesti huonompikaan – ja samalla helpompi käyttää (ei INR-seurantaa). Tämä on kliinisesti arvokas löydös, vaikka lääke ei "voitettukaan" varfariinia. AKT saattaa pyytää sinua tulkitsemaan non-inferiority-tutkimuksen tulokset oikein.
Yhdenvertaisuustutkimus, joka osoittaa "ei merkittävää eroa", on emme sama kuin paremmuuskoe, joka osoittaa "ei merkittävää eroa". Paremmuuskokeessa ei-merkitsevä tulos tarkoittaa, että et onnistunut todistamaan uuden lääkkeen toimivan paremmin. Ei-huonompi-tutkimuksessa ei-merkitsevä ero on juuri sitä, mitä toivoit.
Tutkimusharha, validiteetti ja luotettavuus
| Biasin tyyppi | Määritelmä | Mitkä tutkimusasetelmat? | Kuinka vähentää sitä |
|---|---|---|---|
| Valintaperuste | Osallistujat eivät edusta kohderyhmää | Kaikki tyypit | Satunnaistaminen; huolellinen otanta |
| Muista Bias | Sairaat ihmiset muistavat aiemmat altistumiset elävämmin kuin kontrolliryhmä. | Tapauskontrollitutkimukset | Objektiiviset tietolähteet; standardoitu kysely |
| Julkaisun puolueellisuus | Positiivisia/merkittäviä tutkimuksia julkaistaan useammin kuin negatiivisia | Meta-analyysit (havaittu suppilodiagrammin avulla) | Kokeilurekisteröinti; harmaan kirjallisuuden haku |
| Kulumisvinouma | Osallistujien poisjääminen seurannasta vääristää tuloksia (keskeyttäneet eroavat tutkinnon suorittaneista) | Kohorttitutkimukset, satunnaistetut kontrolloidut tutkimukset | Intention-to-treat-analyysi; keskeyttämisen minimointi |
| Läpimenoaikapoikkeama | Seulonta antaa illuusion paremmasta eloonjäämisestä, koska tauti havaitaan aikaisemmin | Seulontatutkimukset | Käytä tautikohtaista kuolleisuutta, älä eloonjäämistä diagnoosista |
| Pituuspoikkeama | Seulonta havaitsee hitaammin kasvavaa (vähemmän aggressiivista) tautia | Seulontatutkimukset | Satunnaistetut kontrolloidut tutkimukset, joissa on tautikohtaisia tuloksia |
| Tarkkailijan / arvioinnin puolueellisuus | Hoitoryhmien tuntemus vaikuttaa tulosten arviointiin | RCT | Sokeuttaminen (yksi, kaksi, kolminkertainen) |
| Hawthorne-ilmiö | Osallistujat muuttavat käytöstään, koska he tietävät, että heitä tarkkaillaan | Kaikenlaiset, erityisesti havainnointiin perustuvat | Kontrolliryhmät; sokeat tarkkailijat |
| Vahvistusharha | Vain positiivisen testituloksen saaneet potilaat käyttävät kultaista standardia vahvistavaa testiä – joten herkkyys vaikuttaa virheellisen korkealta ja spesifisyys virheellisen matalalta | Diagnostiset testitutkimukset | Varmista, että kaikki potilaat (sekä positiiviset että negatiiviset) saavat kultaisen standardin mukaisen testin |
| sekoittavat | Kolmas muuttuja liittyy sekä altistumiseen että lopputulokseen, mikä vääristää näennäistä suhdetta | Havainnolliset tutkimukset | Satunnaistaminen (RCT); osittaminen; monimuuttuja-analyysi |
🔀 Hämmentävä — Kun kaksi asiaa näyttävät liittyvän toisiinsa, mutta eivät ole
Hämmentävä tekijä on yksi tutkimusmenetelmien tärkeimmistä käsitteistä – ja yksi yleisimmistä syistä, miksi näennäisesti vakuuttavat havaintotulokset osoittautuvat vääriksi. Keskeinen ajatus on yksinkertainen: Kaksi asiaa voi näyttää olevan yhteydessä toisiinsa, ei siksi, että ne vaikuttavat suoraan toisiinsa, vaan koska molemmat ovat yhteydessä piilotettuun kolmanteen muuttujaan.
A hämmentäjä (tai sekoittava muuttuja) on kolmas muuttuja, joka liittyy itsenäisesti sekä altistuminen ja Se luo valheellisen yhteyden – tai peittää todellisen yhteyden – altistuksen ja tutkittavan tuloksen välille.
Klassisia esimerkkejä
| Näennäinen linkki | Hämmentäjä | Miksi se selittää kaiken |
|---|---|---|
| Jäätelönmyynti → hukkumiskuolemat | Kuuma sää (kesä) | Kuuma sää aiheuttaa sekä enemmän jäätelön syömistä ETTÄ enemmän uimista → enemmän hukkumisia. Jäätelö ei aiheuta hukkumista. |
| Kahvinjuonti → keuhkosyöpä | Tupakointi | Tupakoitsijat juovat keskimäärin enemmän kahvia. Varhaiset tutkimukset yhdistivät kahvin syöpään – kunnes tupakointia alettiin kontrolloida. |
| Sytyttimen kantaminen → keuhkosyöpä | Tupakointi | Tupakoitsijat kantavat sytyttimiä. Sytkärillä ei ole biologista vaikutusta – tupakoinnilla on. |
| Harmaat hiukset → sydänsairaus | Ikä | Sekä harmaantuvat hiukset että sydänsairaudet lisääntyvät iän myötä. Ikä on hämmentävä tekijä – ei hiusten väri. |
| Kengän koko → lukutaito (lapsilla) | Ikä | Vanhemmilla lapsilla on isommat jalat JA he lukevat paremmin. Ikä selittää molemmat. |
Muuttuja on sekoittava tekijä, jos se täyttää seuraavat ehdot: kaikki kolme näistä:
- Se liittyy valotus (asia, jota opiskelet)
- Se liittyy tulos (mittaamasi tulos)
- On emme altistumisen ja lopputuloksen välisestä syy-seuraussuhteesta (se on erillinen kolmas muuttuja, ei välivaihe)
- satunnaistaminen (RCT-tutkimuksissa) – jakaa tunnetut ja tuntemattomat sekoittavat tekijät tasaisesti ryhmien kesken. Tämä on vahvin suoja.
- rajoitus — ota mukaan vain osallistujia, jotka ovat samankaltaisia sekoittavan tekijän suhteen (esim. kahvitutkimukseen vain tupakoimattomia)
- Vastaavat — parittaa tapaukset ja kontrollit sekoittavan muuttujan suhteen
- kerrostuma — analysoi tulokset erikseen sekoittavan tekijän jokaiselle tasolle
- Monimuuttujainen tilastollinen säätö — ottaa tilastollisesti huomioon useita sekoittavia tekijöitä samanaikaisesti
Hyvin tehdyssä satunnaistetussa kontrolloidussa tutkimuksessa (RCT) satunnaistaminen jakaa sekoittavat tekijät (sekä tunnetut että tuntemattomat) tasaisesti ryhmien kesken – poistaen sekoittavan tekijän erojen selityksenä. Kohortti- ja tapaus-verrokkitutkimuksissa voit oikaista vain niitä sekoittavia tekijöitä, joista tiedät ja joita olet mitannut. Mittaamattomat sekoittavat tekijät ovat aina mahdollinen selitys mille tahansa havaitulle yhteydelle – minkä vuoksi havainnointitutkimukset eivät voi koskaan lopullisesti todistaa syy-seuraussuhdetta.
✅ Validiteetti ja luotettavuus – mitä eroa niillä on?
Mittaako tutkimus sitä, mitä sen väitetään mittaavan tutkimuspopulaatiossa? Ovatko tutkimuksen tulokset tätä tutkimus luotettava? Uhkaa puolueellisuus ja hämmentävät tekijät.
Voidaanko tuloksia soveltaa muihin populaatioihin tai tosielämän tilanteisiin? Tarkkaan kontrolloitu satunnaistettu kontrolloitu tutkimus erikoiskeskuksessa ei välttämättä vastaa perusterveydenhuollossa tapahtuvaa tilannetta.
Tuottaako testi yhdenmukaisia tuloksia, kun se toistetaan samoissa olosuhteissa? Mitataanko se arvioijien välisen luotettavuuden (kappa-tilasto) tai testin uusintatestin luotettavuuden perusteella.
Mittaa kahden arvioijan välistä yhtäpitävyyttä sattuman ulkopuolella. κ = 1 (täydellinen yhtäpitävyys); κ = 0 (yhtäpitävyys ei ole sattumaa parempi); κ < 0 (huonompi kuin sattuma).
Riskien ja hoidon vaikutuksen mittaaminen
Tämä on eniten testattu alue AKT-tilastoissa. Sinun on tunnettava nämä kaavat suoraan ja kyettävä soveltamaan niitä koedatataulukoihin koeolosuhteissa.
Keskeiset mittarit
📊 NNT-tulkinta — Mitä numerot oikeasti tarkoittavat?
NNT kertoo, kuinka monta potilasta sinun on hoidettava. yksi hyötyäkseen. Joten vähemmän Mitä enemmän potilaita sinun on hoidettava saadaksesi yhden hyödyn, sitä tehokkaampi hoito on. NNT = 2 tarkoittaa, että yksi kahdesta potilaasta hyötyy – se on erinomaista. NNT = 100 tarkoittaa, että vain yksi sadasta potilaasta hyötyy – paljon heikompaa.
| NNT-alue | Karkea tulkinta | Esimerkkikonteksti |
|---|---|---|
| <10 | Erittäin tehokas | Antibiootit tiettyihin infektioihin; jotkut akuutit hoidot |
| 10 - 50 | Kohtalainen vaikutus | Monet yleiset ennaltaehkäisevät lääkkeet |
| > 100 | Heikko vaikutus | Joitakin väestötason ennaltaehkäiseviä strategioita |
Nämä kynnysarvot ovat emme NICE:n tai RCGP:n mukaisia – ne ovat vain suuntaa antavia opetusvälineitä. "Oikea" NNT on aina kontekstista riippuvainen:
- NNT 100 voi silti olla kannattavaa jos estetty seuraus on kuolema tai vakava peruuttamaton haitta
- NNT 5 ei ehkä ole hyväksyttävää jos hoidolla on usein tai vakavia sivuvaikutuksia
Yhden rivin sääntö: NNT kertoo, kuinka montaa potilasta hoidat, jotta yksi hoito hyödyttää – pienempi = voimakkaampi vaikutus. Mutta punnitse sitä aina lopputuloksen vakavuuden ja hoidon aiheuttaman taakan suhteen.
Jos 60 potilaasta sadasta hyötyy, ARR on 60 % (= 0.6), jolloin NNT = 1 ÷ 0.6 ≈ 1.7 — erinomainen tulos. NNT ei ole se lukumäärä, joka hyötyy, vaan se lukumäärä, jota kohdellaan saadaksesi siitä. yksi hyötyä.
📖 Riskisuhde ja riskisuhde – milloin näitä käytetään?
| Mitata | Käytetty | Tulkinta |
|---|---|---|
| Suhteellinen riski (RR) | Kohorttitutkimukset, satunnaistetut kontrolloidut tutkimukset | Vertailee suoraan kahden ryhmän riskiä. Intuitiivisempi kuin TAI. |
| Riskisuhde (OR) | Tapauskontrollitutkimukset | Vertaa altistumistodennäköisyyksiä tapaus- ja kontrolliryhmässä. Arvioi riskisuhdetta (RR), kun sairaus on harvinainen. |
| Vaarasuhde (HR) | Selviytymisanalyysi (aika tapahtumaan) | Kuten RR, mutta ottaa huomioon kun tapahtumat ilmenevät ajan myötä. HR < 1 = pienentynyt riski hoitoryhmässä. |
Yleisten sairauksien kohdalla OR yliarvioi riskin RR:ään verrattuna. Harvinaisten sairauksien kohdalla (esiintyvyys <10 %) ne ovat suunnilleen yhtä suuret. Tapaus-verrokkitutkimus tuottaa OR:n – sinä ei voi laskea ilmaantuvuus tai riskisuhde suoraan tapaus-verrokkitutkimuksesta.
🧮 Toimiesimerkki — NNT:n laskeminen kokeiludatasta
🎯 Skenaario: Statiinikokeilu
Viiden vuoden satunnaistettu kontrolloitu tutkimus osoittaa, että korkean sydän- ja verisuonitautiriskin potilailla: 6 %:lla lumelääkeryhmässä oli sydänkohtaus verrattuna 4 %:iin statiiniryhmässä.
Hoitaa 50 potilasta viiden vuoden ajan yhden sydänkohtauksen ehkäisemiseksi
Kuulostaa vaikuttavalta! Mutta absoluuttinen hyöty on vain 2 %.
Statiiniryhmällä oli 67 % lumelääkeryhmän riskistä – suhteellinen 33 %:n pieneneminen.
Kun potilas kysyy "Auttaako tämä statiini minua?", käytä NNT:tä. "Jos 50 kaltaistasi ihmistä ottaa tätä tablettia viiden vuoden ajan, yksi sydänkohtaus estyy. Sinulle henkilökohtaisesti se on 2 %:n absoluuttinen hyöty." Se on paljon rehellisempi kuin "Se vähentää riskiäsi 33 %."
💬 Riskien tiedottaminen potilaille (AKT:n suosikki)
AKT testaa usein, miten selittäisit tilastotietoja potilaille. On olemassa neljä päämuotoa:
| muodostuu | esimerkki | Best For |
|---|---|---|
| Luonnollinen taajuus | "5 ihmistä sadasta" | Potilaille helpoin ymmärtää |
| prosenttimäärä | "5 % ihmisistä" | Laajasti käytetty, mutta voi johtaa harhaan |
| NNT | "Hoida 20 ihmistä ehkäistäksesi yhden tapahtuman" | Kommunikoi absoluuttisen hyödyn selkeästi |
| Catesin juoni | 100 kasvon visuaalinen ruudukko | Paras visuaalinen apuväline yhteiseen päätöksentekoon |
Sanoa "tämä vähentää riskiäsi 33 %" antamatta lähtötason riskiä on harhaanjohtavaa. 33 %:n RRR lähtötason 0.3 %:sta tarkoittaa, että absoluuttinen hyötysi on 0.1 %. Yhdistä RRR aina lähtötason riskiin tai anna ARR/NNT.
💊 Lääketieteen edustajan temppu — Kuinka lääkeyhtiöt vääristelevät tilastoja
Lääkeyhtiöiden edustajat on koulutettu esittämään tutkimustiedot mahdollisimman myönteisessä valossa. He käyttävät yksinkertaista mutta tehokasta tilastollista taikatemppua:
- Hyödyt → ilmaistuna suhteellisen riskin vähenemisenä (RRR) — koska se kuulostaa suuremmalta ja vaikuttavammalta
- Haitat → lainattu absoluuttisena riskin lisääntymisenä (ARI) — koska se kuulostaa pienemmältä ja vähemmän huolestuttavalta
Toimiva esimerkki – kuvitteellinen statiinilääkeasiantuntijan käynti
Uusi statiini vähentää sydänkohtauksia 2 prosentista 1 prosenttiin viiden vuoden aikana, mutta lisää myopatiaa 1 prosentista 2 prosenttiin.
Vastalääke: kysy aina - "Mikä on absoluuttinen ero?" Kun edustaja mainitsee suhteellisen luvun, muunna se itse: ARR = CER − EER, sitten NNT = 1 ÷ ARR. Tämä pätee myös etuuksiin. ja vahingoittaa.
Diagnostiset testit ja seulonta — 2×2-pöytä
2×2-kontingenssitaulukko on kaikkien diagnostisten tilastojen perusta. Jos osaat rakentaa ja lukea tämän taulukon, osaat vastata useimpiin diagnostisiin AKT-kysymyksiin.
2×2-pöytä
| TODELLINEN TAUDINTILA | ||
|---|---|---|
| TESTITULOS | Sairaus Esitä | Sairaus Poissa |
| Testitulos positiivinen | Tosi positiivinen (TP) Testitulos KYLLÄ → on sairas ✓ |
Väärin positiivinen (FP) Testitulos KYLLÄ → ei sairautta ✗ |
| Testitulos negatiivinen | Väärä negatiivinen (FN) Testi näyttää EI → on sairaus ✗ |
Todellinen negatiivinen (TN) Testitulos EI → ei sairautta ✓ |
🧠 SnNout ja SpPin — Muistiapuvälineet (ja miksi ne toimivat)
Snulos: Erittäin Senpositiivinen testi, jos Nnegatiivinen, hallitsee tautia Ulos.
Jos herkkyys on erittäin korkea, negatiivinen testitulos tarkoittaa, että tauti on hyvin epätodennäköinen (alhainen väärien negatiivisten tulosten määrä). Käytä herkkää testiä seulontaan ja poissulkemiseen.
Spsisään: Erittäin Sptehokas testi, jos Ppositiivinen, hallitsee tautia In.
Jos spesifisyys on erittäin korkea, positiivinen testitulos tarkoittaa, että sairaus on erittäin todennäköinen (alhainen väärien positiivisten tulosten määrä). Käytä spesifistä testiä diagnoosin vahvistamiseksi.
📊 Levinneisyyden vaikutus PPV:hen ja NPV:hen — Kriittinen AKT-aihe
Tämä on yksi diagnostisen tilastotieteen tärkeimmistä ja testatuimmista käsitteistä. Herkkyys ja spesifisyys ovat testin kiinteitä ominaisuuksia. Mutta positiivinen ennustearvo (PPV) ja negatiivinen ennustearvo (NPV) muuttuvat dramaattisesti riippuen siitä, kuinka yleinen sairaus on testattavassa populaatiossa.
| skenaario | yleisyys | PPV | NPV |
|---|---|---|---|
| Harvinaisten sairauksien seulonta väestössä (esim. HIV matalan riskin potilaalla) | 1% | MATALA (~16 %) | KORKEA (~99.9 %) |
| Testaus riskialttiissa erikoisklinikassa | 50% | KORKEA (~95 %) | KORKEA (~95 %) |
- Kun esiintyvyys ↑ → PPV ↑, NPV ↓
- Esiintyvyys ↓ → PPV ↓, NPV ↑
- Alhaisen esiintyvyyden omaavalla populaatiolla useimmat positiiviset tulokset ovat vääriä positiivisia (alhainen positiivinen ennustearvo) – jopa erittäin spesifisellä testillä.
- Negatiivinen testitulos korkean esiintyvyyden omaavalla populaatiolla voi silti olla havaitsematta tautia (alhaisempi NPV)
📐 Todennäköisyyssuhteet — Kun haluat päästä pidemmälle
Todennäköisyyssuhteet (LR) yhdistävät herkkyyden ja spesifisyyden yhdeksi luvuksi, joka kertoo, kuinka paljon testitulos muuttaa sairauden todennäköisyyttä. Edistyneempi kuin PPV/NPV, mutta hyödyllinen – ja sitä testataan toisinaan AKT:ssa.
| LR+ | Vaikutus testin jälkeiseen todennäköisyyteen |
|---|---|
| > 10 | Suuri ja usein ratkaiseva todennäköisyyden kasvu |
| 5-10 | Kohtalainen lisäys |
| 2-5 | Pieni nousu |
| 1 | Ei muutosta (testi on hyödytön) |
| 0.1-0.5 | Pieni tai kohtalainen lasku |
| Suuri lasku — vahva negatiivinen poissulkeminen |
Väestötilastot ja epidemiologia
📊 Vakioitu kuolleisuussuhde (SMR)
| SMR-arvo | Tulkinta |
|---|---|
| = 100 | Kuolleisuus sama kuin vertailuväestössä |
| > 100 | Liiallinen kuolleisuus (odotettua korkeampi) |
| <100 | Odotettua alhaisempi kuolleisuus |
🎯 Seulonta — Läpimenoaika- ja pituusharha (keskeiset AKT-ansoja)
Seulonta havaitsee taudin aikaisemmin, jolloin näyttää siltä, että eloonjäämisaika on parantunut – vaikka potilas kuolisi samaan aikaan. "Eloonjäämisaikaa diagnoosista" on yksinkertaisesti pidennetty varhaisen havaitsemisen, ei varsinaisen hoidon hyödyn ansiosta. Potilas ei elä pidempään; hän vain tietää sairaudesta pidempään.
Seulontaohjelmat havaitsevat todennäköisemmin hitaasti etenevän, hidaskasvuisen taudin (jolla on pidempi "havaittavissa oleva prekliininen vaihe") kuin nopeasti etenevän aggressiivisen taudin. Tämä saa seulonnan näyttämään todellista tehokkaammalta vakavan taudin tapauksessa.
✅ Wilson & Jungner -seulontakriteerit
Ennen seulontaohjelman käyttöönottoa sen tulee täyttää Wilsonin ja Jungnerin kriteerit (alun perin julkaistu vuonna 1968, ja se on edelleen vakiokehys). AKT testaa sekä näiden kriteerien tuntemusta että niiden soveltamista eri skenaarioihin.
| # | Kriteeri | Mitä se tarkoittaa käytännössä |
|---|---|---|
| 1 | Tärkeä terveysongelma | Sairauteen liittyy merkittävää sairastuvuutta tai kuolleisuutta – seulonta on vaivan arvoista |
| 2 | Hyväksyttyä hoitoa saatavilla | Ei ole mitään järkeä löytää sairautta, jota ei voi hoitaa |
| 3 | Diagnosointi- ja hoitomahdollisuudet ovat olemassa | Infrastruktuurin on oltava valmiina ennen käyttöönottoa |
| 4 | Tunnistettava piilevä tai varhainen vaihe | Taudilla on oltava havaittavissa oleva oireeton vaihe |
| 5 | Sopiva testi saatavilla | Testin on oltava väestön hyväksymä, turvallinen ja kohtuullisen tarkka |
| 6 | Populaatiolle hyväksyttävä testi | Ihmisten on oltava valmiita siihen – invasiiviset tai epämukavat testit voivat estää hoidon aloittamisen |
| 7 | Luonnonhistoria ymmärretty riittävästi | On tiedettävä, miten tauti etenee, jos sitä ei hoideta |
| 8 | Sovittu käytäntö siitä, ketä hoidetaan | Selkeät protokollat tarvitaan – ei vain havaitseminen, vaan myös se, mitä seuraavaksi tapahtuu |
| 9 | Kustannustehokas | Kunkin tapauksen löytämisen kustannukset on tasapainotettava hyötyjen kanssa |
| 10 | Jatkuva prosessi, ei kertaluonteinen | Seulonnan on oltava jatkuvaa – tautien ilmaantuvuus jatkuu |
Eturauhassyövän PSA-seulonta on emme osa NHS:n kansallista seulontaohjelmaa juuri siksi, että se kamppailee kriteerien 5 ja 7 kanssa: PSA ei ole riittävän tarkka testi (alhainen spesifisyys → paljon vääriä positiivisia), ja monien matala-asteisten eturauhassyöpien luonnollinen kulku tarkoittaa, että ne eivät koskaan aiheuta oireita potilaan elinaikana. Tämä liittyy suoraan ylidiagnosointiin (ks. alla).
🔍 Ylidiagnosointi — Ongelmien löytäminen, jotka eivät muuten aiheuttaisi ongelmia
Ylidiagnosointi tapahtuu, kun havaitaan todellinen sairaus – sellainen, joka todella on olemassa – mutta sairaus eivät ole koskaan aiheuttaneet oireita, haittaa tai kuolemaa potilaan elinaikana, jos sitä ei havaita. Se ei ole väärä positiivinen (sairaus on todellinen); se on todellinen positiivinen, jota ei olisi tarvinnut löytää.
Ylidiagnosointi muuttaa terveet ihmiset potilaiksi. Se altistaa heidät ahdistukselle, sivuvaikutuksille ja riskeille, joita liittyy sellaisen sairauden hoitoon, joka ei olisi koskaan vahingoittanut heitä. Se on yksi seulontaohjelmien merkittävimmistä haitoista – ja yksi niistä, joita AKT testaa suoraan.
| Kunto | Ylidiagnosoinnin esimerkki |
|---|---|
| Eturauhassyöpä | Monet PSA:lla havaitut matala-asteiset syövät eivät koskaan edenneet tai aiheuttaneet oireita – miehet kuolevat heitä, ei alkaen niitä |
| Kilpirauhasen syöpä | Ultraäänitutkimuksessa löydettiin pieniä papillaarisia kilpirauhassyöpiä, jotka olivat lähes kaikkialla hidasliikkeisiä – havaitseminen oli lisääntynyt, mutta kuolleisuus pysyi ennallaan |
| DCIS (rinta) | Mammografialla havaittu duktaalinen karsinooma in situ - jotkut eivät koskaan kehittyisi invasiiviseksi syöväksi |
Ylidiagnosointi = sairauden löytäminen, jota ei olisi tarvinnut löytää. Ylihoito = sellaisen sairauden hoitaminen, jota ei tarvinnut hoitaa (joka voi johtua ylidiagnosoinnista tai esiintyä itsenäisesti). Ne ovat toisiinsa liittyviä mutta erillisiä käsitteitä.
🔢 Ikävakiointi
Kun vertaillaan sairastuvuusasteita tai kuolleisuutta eri väestöryhmien välillä (esim. eri maissa, eri ajanjaksoilla), on otettava huomioon, että näillä väestöryhmillä voi olla erilaiset ikäjakaumat. Iäkkäillä väestöryhmillä on luonnollisesti korkeampi kuolleisuus, vaikka heidän terveydentilansa olisi yhtä hyvä.
Ikävakiointi on tilastollinen menetelmä, joka poistaa eri ikäjakaumien vääristävän vaikutuksen vertailtaessa terveystuloksia eri väestöjen välillä. Se tuottaa luvun, joka havaittaisiin, jos molemmilla väestöillä olisi sama ikärakenne ("standardiväestö").
🎗️ Syöpätilastot — AKT:n pakolliset tiedot
AKT testaa ajoittain tiettyjä syöpätilastoja. Et tarvitse kattavaa onkologista tietämystä – mutta nämä otsikkoluvut tulevat esiin ja ne ovat tietämisen arvoisia.
| Syöpä | Keskeiset tilastot | Miksi se koskee |
|---|---|---|
| Kivessyöpä | >98 % 10 vuoden eloonjäämisaste | Yksi parhaiten hoidettavista syövistä – tärkeää tietää nuorten miesten terapiassa |
| Keuhkosyöpä | Syövän johtava kuolinsyy (Iso-Britannia) | Vaikka se ei ole yleisin syöpä, se tappaa enemmän ihmisiä kuin mikään muu syöpä |
Syövällä voi olla korkea esiintyvyys (yleinen) mutta matala kuolleisuus (hoidettavissa), kuten rintasyöpä. Tai sillä voi olla pienempi ilmaantuvuus, mutta erittäin korkea kuolleisuus, kuten haimasyövällä. AKT voi testata kykyäsi tulkita syöpätilastoja oikein – älä oleta, että yleisin syöpä on tappavin.
⚖️ Terveyserot
Terveyserot kuvaavat epäoikeudenmukaisia ja vältettävissä olevia terveyseroja eri ihmisryhmien välillä. Ne ovat merkittävä osa Yhdistyneen kuningaskunnan kansanterveyspolitiikkaa ja esiintyvät AKT:ssä epidemiologian ja terveyden sosiaalisten määräävien tekijöiden yhteydessä.
Terveyserot ovat epäoikeudenmukaiset ja vältettävissä olevat erot terveydentilassa tai terveyden määräävien tekijöiden jakautumisessa eri väestöryhmien välilläNe ovat "vältettävissä", koska ne johtuvat sosiaalisista, taloudellisista tai ympäristöolosuhteista, joita periaatteessa voitaisiin muuttaa – eivät sattumasta tai biologisesta vaihtelusta.
| Tyyppi | Esimerkkejä Isosta-Britanniasta |
|---|---|
| sosioekonomisen | Lyhyempi elinajanodote köyhillä alueilla; korkeampi sydän- ja verisuonitautien, diabeteksen ja mielenterveysongelmien määrä köyhemmissä yhteisöissä |
| Maantieteellinen | "Pohjois-etelä-jako" – huonommat terveystulokset Pohjois-Englannin osissa verrattuna etelään |
| Etninen | Korkeampi tyypin 2 diabeteksen esiintyvyys Etelä-Aasian väestössä; korkeampi sydän- ja verisuonitautien riski mustaihoisilla väestöryhmillä |
| Sukupuoli | Miehillä on lyhyempi elinajanodote, mutta naisilla on enemmän sairastuvuutta (sairastavuutta) |
Tiedon jakautuminen ja tilastollinen merkitsevyys
Keskitrendin toimenpiteet
| Mitata | Määritelmä | Paras käytetty Milloin | Varo |
|---|---|---|---|
| Mean | Kaikkien arvojen summa ÷ arvojen lukumäärä | Data on normaalisti jaettu | Poikkeavat arvot vääristävät helposti |
| Mediaani | Keskimmäinen arvo lajiteltuna järjestykseen. Jos on olemassa parillinen luku arvojen mediaani on kahden keskimmäisen luvun keskiarvo. | Vinoutuneet tiedot (esim. tulot, sairaalahoidon pituus) | Jättää huomiotta todelliset arvot ääriarvoissa |
| tila | Yleisimmin esiintyvä arvo | Luokiteltu data; bimodaaliset jakaumat | Voi olla merkityksetön jatkuvan datan kanssa |
| alue | Maksimi − Minimi | Nopea leviämisen tunne | Täysin poikkeavien arvojen määräämä |
| IQR (kvartiilien välinen alue) | 75. persentiili − 25. persentiili | Yhdistetty mediaaniin vinoutuneelle datalle | Ohittaa ylemmän ja alemman 25 %:n |
| Keskihajonta (SD) | Keskimääräinen ero keskiarvosta | Normaalisti jakautunut data | Harhaanjohtavaa, jos dataa ei normaalisti jaeta |
🗂️ Tietotyypit — Nominaali-, Ordinaali-, Intervalli- ja Suhdeluvut
Ymmärtää mitä tyyppi Käytettävissäsi olevan datan määrä määrittää, mitkä yhteenvetotilastot ja mitkä tilastolliset testit ovat sopivia. AKT testaa tätä – yleensä esittämällä datajoukon ja kysymällä, mitä testiä tai mittaa käytetään.
| Tyyppi | Määritelmä | Esimerkit | analogia |
|---|---|---|---|
| Nimellinen | Luokat, joilla ei ole luonnollista järjestystä | Veriryhmä (A, B, AB, O); sukupuoli; silmien väri; kuolinsyy | Hedelmäkulho – omenat ja banaanit ovat vain erilaisia, kumpikaan ei ole "enemmän" |
| järjestysluku | Järjestetyt kategoriat, mutta niiden väliset aukot ovat emme välttämättä yhtä suuri | NYHA-luokan sydämen vajaatoiminta (I–IV); kipuasteikko (lievä/keskivaikea/vaikea); Likert-asteikot | Kilpailusijoitukset — 1., 2., 3. Tiedämme järjestyksen, mutta 1. ja 2. sijan välinen ero voi olla hyvin erilainen kuin 2. ja 3. sijan välinen ero. |
| Aikaväli | Järjestetty niin, että arvojen välillä on yhtä suuret välit, mutta ei todellista nollaa | Lämpötila °C-asteina; kalenteripäivät; älykkyysosamäärät | Lämpömittari – 0 °C ei tarkoita, etteikö lämpötilaa olisi. Et voi sanoa, että 20 °C on "kaksi kertaa lämpimämpi" kuin 10 °C missään absoluuttisessa merkityksessä. |
| Suhde | Järjestetty, yhtä suuret aukot JA a todellinen absoluuttinen nollapiste | Pituus, paino, verenpaine, ikä, tulotaso, lääkeannos | Raha – 0 puntaa tarkoittaa, että sinulla ei oikeasti ole mitään. 40 puntaa on kaksi kertaa niin paljon kuin 20 puntaa. |
- Nominaali-/ordinaalitiedot → käytä keskiarvojen laskemiseen ei-parametrisia testejä, moodia tai mediaania
- Intervalli-/suhdetiedot (normaalijakautunut) → voi käyttää keskiarvo-, keskihajonta- ja parametrisia testejä
- Voit ei voi mielekkäästi laskea keskiarvoa nominaalitiedoille (esim. "keskimääräinen veriryhmä" on hölynpölyä) tai tee suhteellisia väitteitä intervallitiedoilla (et voi sanoa, että joku, jonka älykkyysosamäärä on 120, on "kaksi kertaa älykkäämpi" kuin joku, jonka älykkyysosamäärä on 60)
🔬 Parametriset vs. ei-parametriset testit
Tilastolliset testit voidaan jakaa kahteen ryhmään sen mukaan, mitä oletuksia ne tekevät datastasi. AKT testaa, minkä tyyppinen testi sopii tiettyyn tilanteeseen – sinun ei tarvitse suorittaa laskelmia, kunhan tiedät milloin mitäkin testiä käytetään.
Parametriset testit Oletetaan, että data on normaalijakautunut (tai otos on niin suuri, ettei tällä ole paljon merkitystä) ja että data on vähintään intervallitasoa. Ei-parametriset testit eivät tee tällaisia oletuksia – ne toimivat arvojen tai luokkien kanssa ja sopivat vinoutuneelle datalle, pienille otoksille tai ordinaali-/nominaaldatalle.
| Tarkoitus | Parametrinen testi | Ei-parametrinen vastine |
|---|---|---|
| Vertaa kahden riippumattoman ryhmän keskiarvoja | Riippumaton t-testi | Mann-Whitneyn U-testi |
| Vertailu tarkoittaa: sama ryhmä, 2 aikapistettä | Parillinen t-testi | Wilcoxon signed-rank testi |
| Vertaa kolmen tai useamman ryhmän keskiarvoja | ANOVA (varianssianalyysi) | Kruskal-Wallis testi |
| Kahden jatkuvan muuttujan välinen korrelaatio | Pearson-korrelaatio | Spearmanin sijoituskorrelaatio |
| Vertaa osuuksia / kategoriatietoja | - | Khiin neliö -testi (χ²) |
- Tiedot ovat vinossa or ei normaalijakautunut → käytä ei-parametrista
- Pieni otoskoko (ja normaalius epävarma) → käytä ei-parametrista
- Tiedot ovat järjestysluku (esim. kipupisteet, Likert) → käytä ei-parametrista
- Vertaamalla mittasuhteet tai luokat → khiin neliö -testi
- Suuri otos, jatkuva, suunnilleen normaali → parametrinen testi on hyväksyttävä
🔔 Normaalijakauma — 68-95-99.7-sääntö
Normaalijakauma on symmetrinen kellonmuotoinen käyrä. Keskiarvo, mediaani ja moodi ovat kaikki yhtä suuret ja sijaitsevat keskellä.
| alue | Mukana olevien arvojen prosenttiosuus |
|---|---|
| Keskiarvo ± 1 keskihajontaa | 68% |
| Keskiarvo ± 2 keskihajontaa | 95% |
| Keskiarvo ± 3 keskihajontaa | 99.7% |
Positiivisesti vinoissa tiedoissa (esim. tulot, yleislääkärin odotusajat, seerumin bilirubiini osastolla) keskiarvoa vetää oikealle muutama suuri poikkeama. Tässä tapauksessa käytä mediaani — se edustaa paremmin tyypillistä arvoa. AKT testaa mielellään tätä eroa.
📉 P-arvot ja luottamusvälit – mitä ne todella tarkoittavat
P-arvot
p-arvo on todennäköisyys havaita tuloksia, jotka ovat vähintään yhtä äärimmäisiä kuin mitä on nähty jos nollahypoteesi on tosi (eli jos todellista vaikutusta ei ole). Se on emme todennäköisyys sille, että nollahypoteesi on oikea.
| p-arvo | Tulkinta |
|---|---|
| p <0.05 | Tilastollisesti merkitsevä – alle 5 %:n todennäköisyys, että tämä tulos johtui sattumasta |
| p> 0.05 | Ei tilastollisesti merkitsevä – tulos voi johtua sattumasta |
| p = 0.01 | 1 %:n mahdollisuus saada tämä tulos, jos todellista vaikutusta ei ole |
Luottamusvälit (CI)
95 %:n luottamusväli tarkoittaa, että jos tutkimus toistettaisiin 100 kertaa, niin 95 kertaa todellinen populaatioarvo olisi tällä välillä.
- Jotta suhde (RR, OR, HR): jos 95 %:n luottamusväli sisältää 1.0 → ei tilastollisesti merkitsevä
- Jotta ero (keskimääräinen ero, ARR): jos 95 %:n luottamusväli sisältää 0 → ei tilastollisesti merkitsevä
- Jos luottamusväli on kokonaan yli 1 (suhteiden osalta) → merkittävästi lisääntynyt riski
- Jos luottamusväli on kokonaan alle 1 (suhteille) → riski pienenee merkittävästi
❌ Tyypin I ja tyypin II virheet — Huutava susi vs. Suden kaipaaminen
Nollahypoteesin hylkääminen, kun se on todellisuudessa totta. Toisin sanoen: johtopäätös, että hoito toimii, vaikka se ei toimi. Väärien positiivisten tulosten osuus. Perinteisesti hyväksyttävä 5 % (α = 0.05, p < 0.05).
"Huutava susi" – hälytyksen soittaminen, kun susia ei ole.
Nollahypoteesin hylkäämättä jättäminen, vaikka se todellisuudessa on väärä. Toisin sanoen: todellisen hoitovaikutuksen puuttuminen. Väärien negatiivisten osuus. Perinteisesti hyväksyttävä 20 % (β = 0.2, teho = 80 %).
"Kaipaan sutta" – sanotaan, ettei sutta ole, vaikka sellainen on olemassa.
Teho = 1 − β. Se on todennäköisyys havaita todellinen vaikutus oikein. Suurempi teho = pienempi todennäköisyys, että todellinen vaikutus jää havaitsematta. Teho kasvaa suuremman otoskoon myötä. Hyvin suunnitellun tutkimuksen tehon on oltava ≥80 %.
⚡ Tilastollinen merkitsevyys ≠ Kliininen merkitsevyys
Tämä on yksi AKT-tilastojen tärkeimmistä ja testatuimmista vivahteista – ja sellainen, jonka monet harjoittelijat unohtavat.
Tulos voi olla tilastollisesti merkittävä (p < 0.05) ollessaan kliinisesti merkityksetönTilastollinen merkitsevyys kertoo vain, että tulos ei todennäköisesti johdu sattumasta – se sanoo ei mitään siitä, onko vaikutus käytännössä niin suuri, että sillä on merkitystä.
| skenaario | Tilastollisesti merkitsevä? | Kliinisesti merkittävää? |
|---|---|---|
| Verenpaine laskee 1 mmHg, n=50,000, p=0.001 | Kyllä | Ei |
| Verenpaine laskee 15 mmHg, n=30, p=0.08 | Ei | Todennäköisesti kyllä |
| Verenpaine laskee 12 mmHg, n=500, p=0.02 | Kyllä | Kyllä |
Katso aina vaikutus (ARR, NNT, keskiarvojen ero) p-arvojen ja luottamusvälien rinnalla. Kapea luottamusväli, joka sulkee pois nollan tai ykkösen, on merkityksellisempi kuin pelkkä p-arvo – se kertoo sekä vaikutuksen suunnan että tarkkuuden.
- Kapea CI → tarkka arvio → korkea luotettavuustaso todellinen arvo on lähellä piste-arviota (yleensä suuresta otoksesta)
- Laaja luottamusväli → epävarma arvio → todellinen arvo voi olla missä tahansa laajalla vaihteluvälillä (yleensä pienestä tai heterogeenisestä otoksesta)
Esimerkki: RR = 1.5 (95 %:n luottamusväli 1.4–1.6) → tarkka, vakuuttava. RR = 1.5 (95 %:n luottamusväli 0.6–3.8) → laaja, epävarma – ja ylittää rajan 1.0, joten ei edes merkitsevä.
📈 Regressio kohti keskiarvoa — kliinisen käytännön piilevä hämmentävä tekijä
Regressio keskiarvoon on tilastollinen taipumus sille, että äärimmäinen mittausarvo on lähempänä keskiarvoa toisessa mittauksessa. riippumatta mistään väliintulostaSe on yksi lääketieteen harhaanjohtavien johtopäätösten aliarvostetuimmista lähteistä.
Potilaita tutkitaan tai hoidetaan usein juuri silloin, kun heidän oireensa tai mittauksensa ovat pahimmillaan. Luonnollinen vaihtelu tarkoittaa, että kyseiset mittaukset todennäköisesti paranevat joka tapauksessa uusintatestauksessa – ei välttämättä interventiosi ansiosta. Ilman kontrolliryhmää on mahdotonta erottaa keskiarvoon tapahtuvaa regressiota todellisesta hoitovaikutuksesta.
| skenaario | Miltä hoidon vaikutus näyttää | Mitä voi oikeasti tapahtua |
|---|---|---|
| Potilaalla on erittäin korkea verenpaine yhdellä mittauksella → aloitettu lääkitys → verenpaine on matalampi seuraavalla käynnillä | Lääke toimii | Ensimmäinen lukema on saattanut olla poikkeava; verenpaine olisi joka tapauksessa ollut alhaisempi toistetussa mittauksessa |
| Oppilas saa kokeesta erittäin huonon tuloksen → saa ylimääräistä opetusta → saa paremman tuloksen seuraavalla kerralla | Lukukausimaksut auttoivat | Huono pistemäärä ei ehkä ole edustava; luonnollinen suoriutuminen pyrkii lähemmäksi keskiarvoa. |
| Potilas, jolla on vaikea ekseeman pahenemisvaihe, aloittaa uuden voiteen käytön → pahenemisvaihe paranee | Voide on tehokas | Vaikeat pahenemisvaiheet paranevat luonnollisesti ajan myötä hoidosta riippumatta |
- ottaa useita lähtötilanteen mittauksia ja käytä keskiarvoa ennen hoidon aloittamista
- Käyttää kontrolliryhmä — regressio keskiarvoon vaikuttaa molempiin ryhmiin yhtä paljon, joten ryhmien välinen ero on todennäköisemmin todellinen hoitovaikutus
- Tämä on yksi vahvimmista argumenteista puolesta Satunnaistetut kontrolloidut tutkimukset (RCT) verrattuna kontrolloimattomiin ennen ja jälkeen -tutkimuksiin
Tilastokaaviot – mitä etsiä
AKT esittää säännöllisesti kuvaajia ja pyytää sinua tulkitsemaan niitä. Opi tunnistamaan kunkin kuvaajatyypin keskeinen ominaisuus – älä yritä lukea kaikkea. Yksi kohdennettu havainto riittää.
| Kaaviotyyppi | Ensisijainen käyttö | Yksi asia, jota kannattaa etsiä |
|---|---|---|
| Metsätontti | Meta-analyysin tulokset | Onko timantti- ylittääkö pystysuoran viivan, jolla ei ole vaikutusta? |
| Suppilon juoni | Julkaisuharhan havaitseminen / GP-poikkeavuuksien seuranta | Onko juoni epäsymmetrinen? (Aukko = puuttuvat julkaisemattomat tutkimukset) |
| Catesin juoni | NNT:n visuaalinen viestiminen potilaille | Laske värilliset "hyöty"-kasvot; NNT = 100 ÷ nuo kasvot |
| L'Abbén juoni | Heterogeenisyyden tutkiminen meta-analyyseissä | Piste vinoviivalla = nolla hoitovaikutus |
| Laatikko-ja-viiksikuvio | Tiedon jakelu ja levitys | Keskimmäinen rivi = mediaani (ei ilkeä); viiksikarvojen ulkopuolella olevat pisteet = poikkeamat |
| Faganin nomogrammi | Esitesti → jälkitesti todennäköisyys | Piirrä viiva testiä edeltävästä todennäköisyydestä LR:n kautta lukeaksesi testin jälkeisen todennäköisyyden |
| Varsi-lehtikuvio | Jakelu — säilyttää alkuperäiset arvot | Kuten histogrammi, mutta näyttää yksittäisiä datapisteitä |
| Kaplan-Meier-käyrä | Selviytymisanalyysi — aika tapahtumaan | Vaiheet laskevat tapahtumien edetessä; varhaisessa vaiheessa erilleen erkanevat käyrät viittaavat pitkäaikaiseen hoitohyötyyn |
| histogrammi | Jatkuvan datan jakauma | Käyrän muoto: symmetrinen = normaalijakauma; vino = käytä mediaania, älä keskiarvoa |
🌲 Metsäpalstat — Yksityiskohtaisesti
- Jokainen neliö = yksi tutkimus. Neliön koko = tutkimuksen painoarvo (yleensä otoskoon mukaan)
- Vaakaviivat = 95 %:n luottamusväli kyseiselle tutkimukselle
- Timantti alareunassa = yhdistetty kokonaisarvio. Sen leveys = yhdistetty 95 %:n luottamusväli
- Pystysuora viiva kohdassa 1.0 = "ei vaikutusta osoittava viiva" (suhteille). Jos CI-viiva tai vinoneliö ylittää tämän rajan, tuo tulos on ei tilastollisesti merkitsevä
I² mittaa, kuinka paljon tutkimusten välinen vaihtelu johtuu todellisesta heterogeenisyydestä (todellisista eroista) eikä sattumasta.
I² < 25 % = alhainen heterogeenisuus ✓
I² = 25–50 % = kohtalainen heterogeenisuus
I² > 50 % = huomattava heterogeenisuus — yhdistetty tulos on vähemmän luotettava ⚠️
📯 Suppilokaaviot — Julkaisuharhan ja GP-poikkeamien seuranta
Suppilokaaviot esiintyvät AKT:ssa kahdessa täysin eri yhteydessä – varmista, että tunnistat molemmat.
Kuvaaja esittää vaikutuskoon (x-akseli) tutkimuksen tarkkuuden tai koon (y-akseli) funktiona. Symmetrinen käänteinen suppilo = ei vinoumaa. Epäsymmetrinen suppilo, jossa on aukko vasemmassa alakulmassa = puuttuvia pieniä negatiivisia tutkimuksia → julkaisuvinouma.
Vertailee yleislääkärin vastaanottoja mittareiden (esim. lähetteiden määrä, kuolleisuus) perusteella. Suppilonivelien ulkopuoliset datapisteet ovat tilastolliset poikkeamat tutkimusta edellyttävä – ei välttämättä todiste heikosta suorituskyvystä.
😊 Cates-kuvaajat — Kuinka erottaa NNT visuaalisesti
Cates-diagrammi (jota joskus kutsutaan myös "hymiökuvaajaksi") käyttää 100 kasvon ruudukkoa auttaakseen potilaita visualisoimaan absoluuttiset hyödyt ja haitat.
- Jokainen sadasta kasvoista edustaa yhtä henkilöä sataa hoidettua kohden.
- Keltaiset/vihreät kasvot = hyötyneet ihmiset (estetyt tapahtumat)
- Punaiset kasvot = ihmiset, jotka kokivat vahinkoa
- Harmaat/yksiväriset kasvot = ei vaikutusta kumpaankaan suuntaan
📉 Kaplan-Meierin selviytymiskäyrät – Kuinka lukea niitä
Kaplan-Meier (KM) -käyrät osoittavat selviytymisen (tai tapahtumattomana pysymisen) todennäköisyyden ajan kuluessa. Ne näkyvät AKT:n kysymyksissä syöpätutkimuksista, sydän- ja verisuonitutkimuksista ja kaikesta tapahtumaan kuluvaa aikaa seuraavasta tutkimuksessa.
| Ominaisuus | Mitä se tarkoittaa |
|---|---|
| Y-akseli | Selviytymistodennäköisyys (tai tapahtumaton eloonjäämistodennäköisyys) — alkaa arvosta 1.0 (100 %) ja laskee ajan myötä |
| X-akseli | Aika (päiviä, kuukausia, vuosia) |
| Jokainen alaspäin askel | Tapahtuma on sattunut (esim. kuolema, uusiutuminen). Suuremmat askeleet = enemmän tapahtumia kyseisessä vaiheessa. |
| Viivan merkit | Sensuroidut potilaat – seuranta keskeytettiin tai tutkimus päättyi. Ei tapahtumia. |
| Kaksi käyrää erkanevat aikaisin ja pysyvät erillään | Viittaa jatkuvaan hoidon hyötyyn koko seurannan ajan |
| Mutkien ylitys | Viittaa siihen, että vaara ei ole ajan kuluessa verrannollinen — vaikeuttaa tulkintaa |
| Mediaani eloonjääminen | Ajankohta, jossa eloonjäämiskäyrä ylittää 50 % – piste, jossa puolella potilaista on ollut tapahtuma |
log-rank testi vertailee kahta KM-käyrää tilastollisesti. riskisuhde (HR) kiteyttää käyrien välisen kokonaiseron. HR < 1 = hoitoryhmällä on vähemmän tapahtumia ajan kuluessa. Jos käyrät menevät merkittävästi päällekkäin, HR on lähellä arvoa 1 (ei hyötyä).
📊 Histogrammit — Jakauma yhdellä silmäyksellä
Histogrammi näyttää jatkuvan muuttujan (esim. ikä, verenpaine, painoindeksi) jakauman ryhmittelemällä arvot väleihin (lokeroihin) ja näyttämällä, kuinka monta havaintoa kuuluu kuhunkin. Toisin kuin pylväsdiagrammissa, palkit koskettavat toisiaan – koska data on jatkuvaa.
| Muoto | Merkitys | Käytätkö keskiarvoa vai mediaania? |
|---|---|---|
| Symmetrinen kellomuoto | Normaalijakauma — keskiarvo, mediaani ja moodi ovat kaikki yhtä suuria | Joko — mutta tavanomaisesti keskiarvo ± keskihajonta |
| Oikea (positiivinen) vinouma | Pitkä häntä oikealle — muutama erittäin korkea arvo vetää keskiarvoa ylöspäin | Mediaani (edustavampi) |
| Vasen (negatiivinen) vinouma | Pitkä häntä vasemmalle — muutama erittäin alhainen arvo vetää keskiarvoa alaspäin | Mediaani (edustavampi) |
| Bimodaalinen (kaksi piikkiä) | Kaksi erillistä alaryhmää datassa | Ilmoita molemmat piikit erikseen |
Laadunparannus ja kliininen auditointi
| Työkalu | Tarkoitus | Avainominaisuudet |
|---|---|---|
| Kliininen tarkastus | Mittaa käytäntöjä selkeitä standardeja vasten; tunnista ja korjaa puutteet | Vaatii määritellyn standardin. Käyttää PDSA-sykliä. Sisältää silmukan sulkemisen (uudelleentarkastus). Ei tutkimus — ei hypoteesia, ei uutta tietoa. |
| Merkittävien tapahtumien analyysi (SEA) | Yksittäisen merkittävän tapahtuman systemaattinen monitieteinen tarkastelu | Syyllistämätön. Keskittyy järjestelmän oppimiseen, ei yksilön virheisiin. Jaettu tiimin kesken. Dokumentoi oppimisen ja toiminnan. |
| Perussyyanalyysi (RCA) | Vakavien vaaratilanteiden perusteellinen tutkinta | Jäsenteisempi kuin SEA. Käyttää "5 miksi" -tekniikkaa. Tunnistaa myötävaikuttavat ja perimmäiset syyt. Usein ei-merkityille tapahtumille tai vakavalle haitalle. |
| QOF-poikkeusraportointi | Potilaiden asianmukainen poissulkeminen QOF-indikaattoreista | Kliinisesti sopiva: maksimaalisesti siedetty hoito, potilaan tietoon perustuva erimielisyys, äärimmäinen hauraus tai kliininen vasta-aihe. |
🔄 Kliininen auditointi vs. tutkimus — Keskeiset erot
| Ominaisuus | Kliininen tarkastus | tutkimus |
|---|---|---|
| Tarkoitus | Paranna hoitoa vertaamalla standardeihin | Luo uutta tietoa |
| Hypoteesi | Ei mitään – vertautuu olemassa olevaan standardiin | Aina on hypoteesi |
| Eettinen hyväksyntä | Yleensä ei vaadita | Yleensä vaaditaan |
| Suostumus | Yleensä ei vaadita | Yleensä vaaditaan |
| satunnaistaminen | Ei ikinä | Saattaa sisältää satunnaistettuja kontrolloituja tutkimuksia |
| Lopputulos | Palvelun parantaminen; toimintasuunnitelma | Uusia todisteita; julkaisu |
🔁 PDSA-sykli
Suunnittele-Tee-Tutki-Toimi (PDSA) -sykli on jatkuvan parantamisen viitekehys, jota käytetään kliinisissä auditoinneissa ja laadunparannuksessa.
| Vaihe | Mitä tapahtuu |
|---|---|
| Suunnitelma | Määrittele kysymys, aseta standardi, suunnittele tiedonkeruu |
| Do | Toteuta muutos tai mittaa nykyinen käytäntö |
| tutkimus | Analysoi tuloksia; vertaa standardiin; tunnista puutteet |
| Toimia | Toteuta parannuksia; suunnittele uusintatarkastus kierron sulkemiseksi |
Kliiniset laskelmat (AKT Formula Bank)
Nämä kaavat esiintyvät AKT-laskutehtävissä. Opettele jokainen niistä ja tiedä kliiniset raja-arvot, jotka laukaisevat toiminnan.
🧮 ABPI-toimiesimerkki
🎯 Skenaario: Rouva T, 72, jolla on jalkakipuja kävellessä
🍷 Esimerkkejä alkoholiyksiköiden toiminnasta
| Juoda | Tilavuus (ml) | Alkoholiprosentti | Laskelma | Yksiköt |
|---|---|---|---|---|
| Suuri lasillinen viiniä | 250ml | 13% | 250 × 13 ÷ 1000 | 3.25 |
| Pullo viiniä | 750ml | 12% | 750 × 12 ÷ 1000 | 9.0 |
| Tuoppilageri (vahva) | 568ml | 5% | 568 × 5 ÷ 1000 | 2.84 |
| Yksittäinen alkoholiannos | 25ml | 40% | 25 × 40 ÷ 1000 | 1.0 |
Toimivia esimerkkejä
🎯 Esimerkki 1: Kaikkien riskimittareiden laskeminen kokeilutaulukosta
Satunnaistetussa kontrolloidussa tutkimuksessa potilaat satunnaistettiin saamaan joko lääkettä X tai lumelääkettä. Kolmen vuoden kuluttua: 80:lla 500:sta lumelääkettä saaneesta potilaasta oli aivohalvaus; 40:llä 500:sta lääkettä X saaneesta potilaasta oli aivohalvaus.
🎯 Esimerkki 2: 2×2-taulukon rakentaminen ja herkkyyden ja spesifisyyden laskeminen
Uusi testi tehdään 200 potilaalle, joista 100:lla on sairaus. Testi tunnistaa oikein 85:llä 100:sta sairastunutta ja tunnistaa oikein 80:lla 100:sta sairastamatonta.
🎯 Esimerkki 3: Lasten annoksen laskeminen
Lapsi tarvitsee 300 mg amoksisilliinia. Saatavilla oleva suspensio on 250 mg/5 ml. Mikä tilavuus tulisi antaa?
Kaavojen lunttilappu ja muistin apuvälineet
Riski- ja hoitokaavat
Diagnostinen testaus
Väestö ja kliiniset kaavat
- SnNout: Herkkä testi — Negatiivinen sulkee pois taudin (seulonta)
- SpPin: Spesifinen testi — Positiivinen tulos sairauden toteamisessa (vahvistus)
- Luotettavuusraja ylittää 1.0 (suhde) tai 0 (ero) → ei merkittävä
- Metsäpalstan timantti ylittää viivan → ei merkittävä
- Suppilon epäsymmetria → julkaisuharha (tai GP-poikkeama, jos kyseessä on suorituskykykonteksti)
- Laatikkokaavion keskiviiva → MEDIAANI (ei keskiarvo)
- 68-95-99.7 → ±1SD, ±2SD, ±3SD normaalijakaumassa
- I² >50 % → huomattava heterogeenisuus
- TAI tapaus-verrokkiryhmästä | Kohortin RR | Esiintyvyys poikkileikkauksesta
- Tarkastus ≠ Tutkimus (tarkastustoimenpiteet vs. standardi; tutkimus tuottaa uutta tietoa)
- Tapausvalvonta → TAI (Odds Ratio) – TAAKSEPÄIN tarkasteltuna altistuksia
- kohortti → RR (suhteellinen riski) — altistuksesta ETEENPÄIN
- Poikkipinta- → Levinneisyys — TILANNEKUVA
- RCT / SR → Hoitokysymysten kultastandardi
Valmentaja ja opetushelmet
- Harjoittelijat oppivat usein NNT:n kaavana ymmärtämättä, mitä se kliinisesti todellisuudessa tarkoittaa – varmista, että he osaavat selittää sen lauseella, jonka potilas ymmärtäisi.
- Herkkyyden/spesifisyyden (testin ominaisuudet) ja PPV/NPV:n (johon vaikuttaa esiintyvyys) välinen ero ymmärretään huonosti – raskaustestianalogia toimii hyvin
- Monet harjoittelijat tietävät, miltä metsäpalsta näyttää, mutta eivät osaa selittää mitä katsoa — keskity timanttiin ja siihen, ylittääkö se tehottoman linjan
- Läpimenoaikaharha sekoitetaan usein pituusharhaan – käytä kaavioita tai aikajanaa havainnollistamaan eroa
- Harjoittelijat sekoittavat rutiininomaisesti kliinisen auditoinnin tutkimukseen – käytä RCGP:n omia esimerkkejä arvioinneista
- "Tässä on yhteenvetotaulukko lääketutkimuksesta – voitteko kertoa minulle NNT:n ja määräisitkö sitä tälle potilaalle?"
- "Katso tätä metsäpalstaa. Onko interventio tehokas? Kuinka varma olet vastauksestasi?"
- "Potilaallasi on positiivinen FIT-testi. Vähäriskisessä populaatiossa positiivinen ennustearvo on noin 3 %. Miten selität tämän hänelle?"
- "Näemme paljon korkeita PSA-tuloksia. Mikä on ongelma PSA:n käyttämisessä seulontatestinä?"
- "Kollega haluaa verrata meidän sepsis-tuloksiamme sairausvakuutusyhtiön tuloksiin. Onko kyseessä auditointi vai tutkimus? Tarvitaanko siihen etiikkaa?"
- "Kuinka selittäisit potilaalle, joka kysyy 'Onko se turvallista?', että sivuvaikutuksen todennäköisyys on 1/50?"
- Miten selitätte riskin tällä hetkellä potilaille? Käytättekö absoluuttisia vai suhteellisia lukuja?
- Muistatko äskettäisen kliinisen ohjeistuksen, jossa mainittiin merkittävä NNT – mikä se oli ja miten se vaikutti työhösi?
- Oletko koskaan tilannut testin tietämättä sen herkkyyttä/spesifisyyttä? Miten tulkitset tuloksen?
- Miksi lääkeyhtiö saattaa haluta esittää tutkimustuloksensa RRR-muodossa ARR-muodon sijaan?
🔥 AKT:n korkeatuottoiset vinkit
Nämä ovat kaavoja, jotka toistuvat AKT-kokeissa. Opettele ne ulkoa, niin saat pisteitä.
Muunna prosenttiluvut aina ensin desimaaliluvuiksi. ARR = 5 % → NNT = 1 ÷ 0.05 = 20. Pyöristä aina up lähimpään kokonaislukuun pyöristettynä. Pienempi NNT = tehokkaampi hoito.
Suhteet (RR, OR, HR): luottamusvälin ristit 1.0 = ei merkitsevä. Erot: luottamusvälin ristit 0 = ei merkittävä. Tämä tulee esiin lähes jokaisessa metsäpalstaa koskevassa kysymyksessä.
Harvinainen sairaus → tapausvalvonta → TAI. Uusi näkyvyys jatkossa → kohortti → RR. Levinneisyyskatsaus → poikkipinta-Paras näyttö hoidosta → RCT or SR/meta-analyysi.
Seulontatesti → halutaan korkea herkkyys (ei haluta jättää tapauksia havaitsematta → SnNout). Vahvistava testi → halutaan korkea spesifisyys (ei haluta vääriä positiivisia → SpPin).
Jopa erittäin spesifinen testi (99 %) antaa huonon positiivisen ennustearvon alhaisen esiintyvyyden ympäristössä. Useimmat positiiviset tulokset väestöseulonnassa ovat vääriä positiivisia. Siksi emme seulo kaikkia kaiken varalta.
Jos timantti- (yhdistetty arvio) ylittää vaikutusta osoittavan pystysuoran viivan → kokonaistulos EI ole tilastollisesti merkitsevä. Jos I² > 50 % → huomattavaa heterogeenisyyttä → yhdistetty tulos on vähemmän luotettava.
Suppilodiagrammin vasemmassa alakulmassa oleva aukko = julkaisuharha – pieniä negatiivisia tutkimuksia ei julkaistu. Tämä suurentaa hoidon näennäistä vaikutusta meta-analyysissä.
Linja sisällä laatikko on mediaaniLaatikko = IQR (keskimmäinen 50 %). Viiksien takana olevat pisteet tai ympyrät = poikkeamat.
Lääkeyhtiöt käyttävät mielellään RRR-arvoa, koska se kuulostaa suuremmalta. 50 %:n RRR kuulostaa upealta – kunnes tiedät, että lähtötilanteen riski oli vain 2 % (→ ARR = 1 %, NNT = 100). Kysy aina: mikä oli lähtötilanteen riski?
Vinoutuneet jakaumat (tulot, sairaalahoito, seerumin bilirubiini) → käyttö mediaani ei keskiarvo. Keskiarvo muodostuu poikkeavista arvoista; mediaani ei.
Tarkastus: toimenpiteet jotakin vastaan olemassa standardi; ei etiikkaa tarvita; ei hypoteesia. Tutkimus: tuottaa uusi tietoa; tarvitsee eettisen hyväksynnän; esittää hypoteesin. Keskeinen ero, jota AKT testaa toistuvasti.
ITT-analyysi sisältää kaikki satunnaistetut osallistujat riippumatta heidän sitoutumisestaan hoitoon. Tämä antaa konservatiivinen Tehokkuuden arviointi – realistisempi kliinisessä käytännössä. Protokollan mukainen analyysi yliarvioi vaikutuksen.
ABPI < 0.9 = ääreisvaltimosairaus. ABPI > 1.3 = kokoonpuristumattomat (kalkkeutuneet) suonet — epäluotettava tulos. Kompressiosidosten käyttö on vasta-aiheista, jos ABPI < 0.8 (tarkista kompressio-ohjeistasi).
Laske hyötypuolet (yleensä keltaiset tai vihreät). NNT = 100 ÷ (hyötypuolen lukumäärä). 5 keltaista puolta → NNT = 20.
Yleisiä virheitä ja harjoittelijoiden ansoja
Nämä ovat virheitä, jotka toistuvat AKT:n arviointijärjestelmissä. Jokainen näistä on todellinen pistemäärä, jonka oikeat ehdokkaat ovat menettäneet.
- Prosenttiosuuksien muuntaminen desimaalilukuiksi unohtuu ennen NNT:n laskemista (esim. ARR = 5 % → on käytettävä arvoa 0.05, ei 5, jotta NNT = 20, ei 0.2)
- NNT:n pyöristäminen alas sen sijaan, up (NNT = 12.5 → vastaus on 13, ei 12)
- RRR:n ja ARR:n sekoittaminen ja vaikuttavammalta kuulostavan suhteellisen luvun mainitseminen kliinisenä hyötynä
- Tuloksen sanominen "merkittäväksi", kun luottamusväli (CI) on juuri ja juuri 1.0 – sen täytyy ei sisällä 1.0 on merkittävä
- Laatikko- ja viiksikuvion esittäminen keskiviivalla on keskiarvo – se on aina mediaani
- Herkkyyden ja positiivisen ennustearvon sekoittaminen – herkkyys on testin kiinteä ominaisuus; positiivinen ennustearvo riippuu esiintyvyydestä
- Jos ajatellaan, että erittäin spesifinen testi matalan esiintyvyyden populaatiossa antaa luotettavan positiivisen tuloksen, niin se ei anna (alhainen PPV)
- OR:n ja RR:n sekoittaminen — OR:eja ei voida käyttää suoraan RR:inä, paitsi silloin, kun sairaus on harvinainen
- Sanotaan, että tapaus-verrokkitutkimus tuottaa riskisuhteen (RR) – se tuottaa riskisuhteen (OR), koska aloitetaan tapauksista ja verrokeista, ei altistuneesta kohorttista
- Kliinisen auditoinnin ja tutkimuksen sekoittaminen – väittäminen, että auditointi tarvitsee eettisen hyväksynnän
- Läpimenoaikaharhan väärintulkinta siten, että seulontaohjelma todella parantaa eloonjäämistä
- Metsäkoealan I² >50 %:n unohtuminen herättää epäilyksiä yhdistetyn tuloksen pätevyydestä.
- Keskiarvon käyttäminen vinoutuneiden tietojen (esim. tulot, sairaalahoidon kesto) kuvaamiseen – käytä mediaania
🏁 Lopulliset kotiin vietävät pisteet
- NNT = 1 ÷ ARR. Muunna prosenttiosuudet aina desimaaliluvuiksi. Pyöristä aina ylöspäin. Pienempi NNT = parempi käsittely.
- ARR on kliinisesti rehellinen. RRR kuulostaa vaikuttavalta, mutta voi johtaa harhaan. Yhdistä RRR aina lähtötilanteen riskiin.
- Herkkyys ja spesifisyys ovat testin kiinteitä ominaisuuksia. PPV ja NPV muuttuvat taudin esiintyvyyden mukaan.
- SnNout: herkät testit sulkevat pois OUT-tuloksen, kun tulos on negatiivinen. SpPin: spesifiset testit sulkevat pois IN-tuloksen, kun tulos on positiivinen.
- Metsäkuvion vinoneliö ylittää ei vaikutusta -viivan → tulos ei ole tilastollisesti merkitsevä. I² >50 % → heterogeenisyys on ongelmallista.
- Suppilon juonen epäsymmetria → julkaisuharha. Suppilon rajojen ulkopuolella olevat pisteet suorituskyvyn seurannassa → poikkeavat käytännöt.
- Luottamusväli suhdeluvulle, joka sisältää arvon 1.0 → ei merkitsevä. Luottamusväli erolle, joka sisältää arvon 0 → ei merkitsevä.
- Tapaus-verrokki → OR. Kohortti → RR. Poikkileikkaustutkimus → esiintyvyys. RCT/SR → hoidon kultainen standardi.
- Vinoutunut data → käytä mediaania, älä keskiarvoa. Laatikkodiagrammin keskiviiva = mediaani. Pisteet viiksien takana = poikkeamat.
- Kliinisen auditoinnin mittaukset vastaavat standardeja – etiikkaa ei tarvita, ei hypoteeseja. Tutkimus tuottaa uutta tietoa – etiikkaa vaaditaan.
AKT-kokeen tilastokysymykset ovat luotettavimmin opittavia arvosanoja. Muutama tunti tämän sivun ja kourallisen harjoituskysymysten parissa maksaa itsensä takaisin reilusti investointinsa yli.