Die Ottawa-Knöchelregeln sind das klassische Beispiel dafür, wie sehr eine einfache klinische Vorhersageregel die klinische Praxis verbessern kann. Es gibt jedoch viele Herausforderungen und Hindernisse, weshalb du bei der Anwendung klinischer Vorhersageregeln in der Praxis vorsichtig sein solltest. In diesem Blog-Artikel wird erörtert, mit welchen Problemen die HLWs konfrontiert sind:

Klinische Prädiktionsregeln (CPR) sind mathematische Hilfsmittel, die Kliniker bei ihren täglichen Entscheidungen unterstützen sollen. CPRs werden mit Hilfe multivariater statistischer Methoden erstellt und dienen der Untersuchung der Vorhersagefähigkeit ausgewählter Gruppen klinischer Variablen. Klinische Prognoseregeln lassen sich am besten in drei verschiedene Gruppen einteilen: diagnostische, prognostische und präskriptive Regeln. Studien, die sich auf prädiktive Faktoren im Zusammenhang mit einer bestimmten Diagnose konzentrieren, werden als diagnostische CPRs bezeichnet. Klinische Prognoseregeln, die ein Ergebnis wie Erfolg oder Misserfolg vorhersagen sollen, gelten als prognostisch. Klinische Prognoseregeln, die auf die wirksamsten Maßnahmen abzielen, werden als präskriptiv bezeichnet. Ihr Vorteil besteht darin, dass sie Klinikern helfen können, schnelle Entscheidungen zu treffen, die normalerweise mit Vorurteilen behaftet sein können.

Ein Beispiel für eine prädiktive CPR, auf die wir uns in diesem Video beziehen, ist die CPR von Flynn et al. (2002) für den Erfolg der lumbalen Manipulation: Wenn 3 oder mehr der folgenden 5 Elemente vorhanden sind, erhöht sich die Wahrscheinlichkeit für einen Erfolg bei der Manipulation um den Faktor 2,6, bei 4+ oder mehr um den Faktor 24. Diese Faktoren sind: keine Symptome distal des Knies, Auftreten der Symptome vor weniger als 30 Tagen, ein FABQ-Score <19, Hypomobilität der Lendenwirbelsäule und Hüftinnenrotation von mehr als 35 Grad in mindestens einer Hüfte.

Vor der vollständigen Umsetzung in einem klinischen Umfeld müssen die HLWs drei Stufen durchlaufen:

1. Ableitung: In dieser Phase werden mit Hilfe multivariater statistischer Methoden CPRs abgeleitet, um die Vorhersagefähigkeit ausgewählter Gruppen klinischer Variablen zu untersuchen.
2. Validierung: Die HLW wird in einem ähnlichen klinischen Umfeld getestet (dies wird als interne Validierung bezeichnet), dann wird die HLW in einem anderen klinischen Umfeld getestet (dies wird als externe Validierung bezeichnet)
3. Auswirkungen: Messung des Nutzens der Regel im klinischen Umfeld im Hinblick auf Kosten-Nutzen-Verhältnis, Patientenzufriedenheit, Zeit-/Ressourcenzuweisung usw., die in der Regel in randomisierten kontrollierten Studien getestet wird

Der letzte Schritt wäre die Umsetzungsphase, in der eine breite Akzeptanz und Übernahme der Regel in die klinische Praxis erreicht wird.

Keogh et al. (2014) haben bis zum Jahr 2014 434 Einzelregelungen gefunden. Nur 54,8 % von ihnen wurden validiert und nur 2,8 % wurden einer Folgenabschätzung unterzogen. Die meisten Studien wurden im Bereich der Herz-Kreislauf- und Atemwegserkrankungen durchgeführt, gefolgt vom Bereich Muskel-Skelett-Erkrankungen.

Der erste Vorbehalt ist also, dass es zwar viele CPR gibt, viele von ihnen aber nicht validiert wurden, geschweige denn Wirkungsstudien unterzogen wurden, und wir daher nicht sagen können, ob ihre Anwendung die klinische Praxis verbessert. Die CPR von Flynn ist eine der wenigen uns bekannten prädiktiven CPR, die zwei Jahre später erfolgreich validiert wurden durch Childs et al. (2004) in einer randomisierten kontrollierten Studie. Sie fanden heraus, dass die Wahrscheinlichkeit eines erfolgreichen Ausgangs bei Patienten, die die HLW mit 4 von 5 Punkten positiv bewerteten, im Vergleich zu Patienten, die die Regel negativ bewerteten und Übungen erhielten, 60,8 betrug.

Wie bei der CPR von Flynn und Kollegen handelt es sich bei den meisten klinischen Prognoseregeln, die in der muskuloskelettalen Praxis verwendet werden, um prädiktive CPRS. Diese CPRs verwenden Basiskriterien, so genannte Behandlungseffekt-Modifikatoren, die bei einer körperlichen Untersuchung ermittelt werden, um die Art der Behandlung zu bestimmen, die ein Patient bevorzugt erhalten sollte. Leider gibt es weitere potenzielle Fallstricke für klinische Prognoseregeln, auf die Haskins und Cook (2016 ) in einem Leitartikel für die BJSM hinwiesen:

1. Viele einfache, abgeleitete Modellierungsmethoden, die in vielen Studien verwendet werden, erfassen eher prognostische Faktoren als präskriptive Faktoren. Mit anderen Worten: Die Regeln identifizierten Patienten, die sich ohnehin verbessern würden, unabhängig von der Behandlung, die sie erhielten. Nimmt man die HLW von Flynn wieder auf, so sind eine Symptomdauer von weniger als 30 Tagen oder keine Symptome distal des Knies und ein geringes Maß an Angstvermeidung allgemein positive prognostische Faktoren, die eine Genesung unabhängig von der Behandlung begünstigen. In Wirklichkeit ist der natürliche Verlauf dieser Anzeichen und Symptome sehr günstig, was bedeutet, dass die Verbesserung nicht mit der erhaltenen Behandlung zusammenhängt, sondern mit der Zeit.
2. Viele verschreibungspflichtige HLWs enthalten nicht modifizierbare Faktoren wie Alter, Geschlecht oder Dauer der Symptome, die durch die Behandlung nicht verändert werden können. Um das Potenzial des Modells zu maximieren, sollten die Prädiktoren vermittelnde Faktoren sein, die durch die Behandlung beeinflusst werden können, wie z. B. Angst, Katastrophisierung, Kraftverlust oder Flexibilität.
3. Ein weiterer wichtiger Punkt ist, dass die in das Modell einbezogenen Faktoren eine hohe Zuverlässigkeit aufweisen sollten. Im Falle der Flynn CPR ist ein Faktor des Modells die Hypomobilität der Lendenwirbelsäule". Eine systematische Überprüfung von van Trijffel et al. (2005 ) hat jedoch gezeigt, dass die Inter-Rater-Reliabilität bei der Lendenwirbelsäule nur schlecht bis mittelmäßig ist. Dadurch wird es für verschiedene Bewerter, die die HLW verwenden, schwierig, bei diesem Item die gleiche Schlussfolgerung zu ziehen.
4. Die meisten CPR sind aufgrund unzureichender Stichprobengrößen nicht aussagekräftig genug, was zu extrem breiten Konfidenzintervallen führt, die auf eine mangelnde Präzision der Vorhersagegenauigkeit einer CPR hinweisen. In der Studie von Flynn liegt das 95%ige Konfidenzintervall bei 4,63 bis 139,41 im Falle von 4 oder mehr positiven Items. Die Wirkung der Manipulation bei Patienten, die bei der CPR positiv abschneiden, kann also mäßig sein, aber auch enorm, mit einem Odds Ratio von 139 in 95 von 100 Fällen.

Fassen wir also die Gründe zusammen, warum wir uns in der klinischen Praxis nicht blind auf CPRs verlassen sollten: Die meisten CPR wurden nur abgeleitet, aber nie (erfolgreich) validiert, geschweige denn in die Phase der klinischen Wirksamkeit gebracht. Die Ergebnisse einer Studie in einem bestimmten Umfeld lassen sich nicht einfach auf Ihr klinisches Umfeld übertragen. Viele Faktoren in einer HLW sind positive Prognosefaktoren, die mit einem günstigen natürlichen Verlauf verbunden sind. Diese Patienten würden sich also ohnehin verbessern. Schließlich ist es wichtig, dass verlässliche und modifizierbare Faktoren in ein Modell einbezogen werden, um dessen Potenzial zu maximieren, während Studien ihre Stichprobengröße erhöhen sollten, um die Wirkung der HLW mit größerer Genauigkeit zu beschreiben.

Die Manuelle Therapie App (iOS und Android)

Die Manuelle Therapie App von Physiotutors enthält über 150 Mobilisations- und Manipulationstechniken für den Bewegungsapparat. Außerdem findest du Informationen über Screening-Tests für das Gefäßsystem und die Bänderintegrität.

Wenn Sie auf dem Laufenden bleiben und benachrichtigt werden möchten, sobald wir einen neuen Blogartikel veröffentlichen, abonnieren Sie unseren RSS-Feed, der Ihnen die Benachrichtigung über neue Artikel direkt in Ihren Posteingang schickt. 

Referenzen:

Adams ST, Leveson SH. Klinische Prognoseregeln. Bmj. 2012 Jan 16;344:d8312.

Childs JD, Fritz JM, Flynn TW, Irrgang JJ, Johnson KK, Majkowski GR, Delitto A. A clinical prediction rule to identify patients with low back pain most likely to benefit from spinal manipulation: a validation study. Annals of Internal Medicine. 2004 Dec 21;141(12):920-8.

Cook C. Potenzielle Fallstricke bei klinischen Vorhersageregeln.

Chad Cooks Blog-Artikel: https://relief.news/2016/09/05/rip-prescriptive-clinical-prediction-rules/

Flynn T, Fritz J, Whitman J, Wainner R, Magel J, Rendeiro D, Butler B, Garber M, Allison S. Eine klinische Vorhersageregel zur Klassifizierung von Patienten mit Kreuzschmerzen, die eine kurzfristige Besserung durch Wirbelsäulenmanipulation zeigen. Wirbelsäule. 2002 Dec 15;27(24):2835-43.

Haskins R, Cook C. Begeisterung für präskriptive klinische Vorhersageregeln (z. B. Rückenschmerzen und mehr): ein kurzes Wort der Warnung.

Keogh C, Wallace E, O'Brien KK, Galvin R, Smith SM, Lewis C, Cummins A, Cousins G, Dimitrov BD, Fahey T. Developing an international register of clinical prediction rules for use in primary care: a descriptive analysis. Die Annals of Family Medicine. 2014 Jul 1;12(4):359-66.

van Trijffel E, Anderegg Q, Bossuyt PM, Lucas C. Inter-examiner reliability of passive assessment of intervertebral motion in the cervical and lumbar spine: a systematic review. Manuelle Therapie. 2005 Nov 1;10(4):256-69.

Wallace E., Johansen ME. Klinische Vorhersageregeln: Herausforderungen, Hindernisse und Chancen.