Aturan pergelangan kaki Ottawa adalah contoh klasik tentang betapa hebatnya aturan prediksi klinis yang sederhana dapat meningkatkan praktik klinis. Namun, ada banyak tantangan dan hambatan yang menyebabkan Anda harus berhati-hati dalam menggunakan aturan prediksi klinis dalam praktiknya. Dalam artikel blog ini, kita akan membahas masalah apa saja yang dihadapi oleh CPR:
Aturan prediksi klinis (CPR) adalah alat bantu matematis yang dimaksudkan untuk memandu para dokter dalam pengambilan keputusan sehari-hari. CPR dibuat dengan menggunakan metode statistik multivariat, yang dirancang untuk memeriksa kemampuan prediksi dari pengelompokan variabel klinis yang dipilih. Aturan prediksi klinis dapat diklasifikasikan ke dalam tiga kelompok yang berbeda: diagnostik, prognostik, dan preskriptif. Studi yang berfokus pada faktor prediktif yang terkait dengan diagnosis tertentu dikenal sebagai CPR diagnostik. Aturan prediksi klinis yang dirancang untuk memprediksi hasil seperti keberhasilan atau kegagalan dianggap sebagai prognostik. Aturan prediksi klinis yang dirancang untuk menargetkan intervensi yang paling efektif diidentifikasi sebagai preskriptif. Keuntungannya adalah bahwa mereka dapat membantu dokter untuk membuat keputusan cepat yang biasanya mungkin tunduk pada bias yang mendasarinya.
Contoh CPR prediktif, yang akan kami rujuk dalam video ini adalah CPR dari Flynn et al. (2002) untuk keberhasilan manipulasi lumbal: Jika ada 3 atau lebih dari 5 item berikut ini, kemungkinan untuk sukses dengan manipulasi meningkat dengan faktor 2,6, dengan 4+ atau lebih dengan faktor 24. Faktor-faktor ini adalah: tidak ada gejala distal ke lutut, timbulnya gejala kurang dari 30 hari, skor FABQ <19, hipomobilitas tulang belakang lumbal, dan rotasi internal pinggul lebih dari 35 derajat pada setidaknya satu pinggul.
CPR harus menjalani 3 tahap sebelum diterapkan secara penuh dalam pengaturan klinis:
- Derivasi: Pada fase ini, CPR diperoleh dengan menggunakan metode statistik multivariat untuk memeriksa kemampuan prediksi dari pengelompokan variabel klinis yang dipilih.
- Validasi: CPR diuji dalam pengaturan klinis yang serupa (yang disebut validasi internal), kemudian CPR diuji dalam pengaturan klinis yang berbeda (yang disebut validasi eksternal)
- Dampak: Pengukuran kegunaan aturan dalam pengaturan klinis dalam hal biaya-manfaat, kepuasan pasien, alokasi waktu/sumber daya, dll. biasanya diuji dalam uji coba terkontrol secara acak
Langkah terakhir adalah tahap Implementasi di mana penerimaan dan adopsi aturan secara luas dalam praktik klinis tercapai.
Dari 434 aturan prediksi klinis, hanya 54,8% yang telah divalidasi dan hanya 2,8% yang telah menjalani analisis dampak
Keogh et al. (2014) telah menemukan 434 aturan individu hingga tahun 2014. Hanya 54,8% dari mereka yang telah divalidasi dan hanya 2,8% yang telah menjalani analisis dampak. Sebagian besar penelitian dilakukan dalam domain penyakit kardiovaskular dan pernapasan, diikuti oleh domain muskuloskeletal.
Jadi, peringatan pertama di sini adalah bahwa meskipun ada banyak CPR, banyak di antaranya belum divalidasi, apalagi telah menjalani studi dampak dan dengan demikian kita tidak dapat mengatakan apakah menggunakannya akan meningkatkan praktik klinis. CPR dari Flynn adalah salah satu dari sedikit CPR prediktif yang kita ketahui yang telah berhasil divalidasi dua tahun kemudian oleh Childs et al. (2004) dalam uji coba terkontrol secara acak. Mereka menemukan bahwa peluang keberhasilan pasien yang positif dalam CPR dengan 4 dari 5 item dibandingkan dengan pasien yang negatif dalam aturan dan menerima latihan adalah 60,8.
Seperti CPR dari Flynn dan koleganya, sebagian besar aturan prediksi klinis yang digunakan dalam praktik muskuloskeletal adalah CPRS prediktif. CPR tersebut menggunakan kriteria dasar yang disebut pengubah efek pengobatan yang dikumpulkan dari pemeriksaan fisik untuk menginformasikan jenis pengobatan yang sebaiknya diterima pasien. Sayangnya, ada potensi jebakan lain dari aturan prediksi klinis, yang ditunjukkan oleh Haskins dan Cook (2016) dalam sebuah editorial untuk BJSM:
- Banyak metode pemodelan turunan sederhana yang digunakan oleh banyak penelitian yang menangkap faktor prognostik, daripada faktor preskriptif. Dengan kata lain, peraturan tersebut mengidentifikasi pasien yang akan tetap membaik, terlepas dari perawatan yang mereka terima. Jika kita mengambil CPR dari Flynn lagi, durasi gejala kurang dari 30 hari atau tidak ada gejala distal ke lutut dan tingkat penghindaran rasa takut yang rendah adalah faktor prognostik positif secara umum yang mendukung pemulihan yang tidak tergantung pada pengobatan. Pada kenyataannya, riwayat alamiah yang terkait dengan tanda dan gejala tersebut sangat baik, yang berarti bahwa perbaikan tidak akan terkait dengan perawatan yang diterima , tetapi dengan waktu.
- Banyak CPR preskriptif mengandung faktor yang tidak dapat dimodifikasi seperti usia, jenis kelamin, atau durasi gejala yang tidak dapat diubah dengan pengobatan. Untuk memaksimalkan potensi model, prediktor harus menjadi faktor mediasi yang dapat dipengaruhi oleh pengobatan seperti rasa takut, bencana, kehilangan kekuatan atau fleksibilitas
- Hal penting lainnya adalah bahwa faktor-faktor yang dimasukkan dalam model harus memiliki keandalan yang tinggi. Dalam kasus Flynn CPR, salah satu faktor dalam model ini adalah "hipomobilitas tulang belakang lumbal". Sebuah tinjauan sistematis dari van Trijffel et al. (2005) telah menunjukkan bahwa reliabilitas antar-penilai pada tulang belakang lumbal hanya buruk hingga cukup. Hal ini akan menyulitkan penilai yang berbeda yang menggunakan CPR untuk menggunakan kesimpulan yang sama pada item ini.
- Sebagian besar CPR kurang kuat karena ukuran sampel yang tidak mencukupi yang menyebabkan interval kepercayaan yang sangat lebar yang mengindikasikan kurangnya ketepatan akurasi prediksi CPR. Dalam penelitian Flynn, kami memiliki interval kepercayaan 95% dari 4,63 hingga 139,41 jika terdapat 4 atau lebih item positif. Jadi, efek manipulasi pada pasien yang mendapat nilai positif pada CPR bisa jadi moderat, tetapi juga bisa sangat besar dengan rasio odds 139 dari 95 dari 100 kasus.
Baiklah, mari kita rangkum alasan mengapa kita tidak boleh secara membabi buta mengandalkan CPR untuk praktik klinis: Sebagian besar CPR hanya diturunkan, tetapi tidak pernah (berhasil) divalidasi, apalagi mencapai fase dampak klinis. Hasil dalam satu penelitian dan pengaturan tertentu tidak dapat dengan mudah ditransfer ke pengaturan klinis Anda. Banyak faktor dalam CPR adalah faktor prognostik positif yang berhubungan dengan perjalanan alamiah yang menguntungkan. Jadi, pasien-pasien itu akan membaik. Pada akhirnya, penting untuk memasukkan faktor-faktor yang dapat diandalkan dan dapat dimodifikasi ke dalam model untuk memaksimalkan potensinya, dan penelitian harus meningkatkan ukuran sampel mereka untuk menggambarkan efek CPR dengan presisi yang lebih tinggi.
Aplikasi Terapi Manual (iOS dan Android)
Aplikasi Terapi Manual oleh Physiotutors memiliki lebih dari 150 teknik mobilisasi dan manipulasi untuk sistem muskuloskeletal. Selain itu, Anda akan menemukan informasi mengenai tes skrining untuk sistem vaskular dan integritas ligamen.
Jika Anda ingin tetap mendapatkan informasi terbaru dan mendapatkan pemberitahuan segera setelah kami merilis artikel blog baru, pastikan untuk berlangganan umpan RSS kami yang akan mengirimkan pemberitahuan artikel baru langsung ke kotak masuk Anda.
Referensi:
Adams ST, Leveson SH. Aturan prediksi klinis. Bmj. 2012 Jan 16;344:d8312.
Cook C. Potensi jebakan aturan prediksi klinis.
Artikel Blog Chad Cook: https://relief.news/2016/09/05/rip-prescriptive-clinical-prediction-rules/
Wallace E, Johansen ME. Aturan prediksi klinis: tantangan, hambatan, dan harapan.
