5 skäl till varför du bör vara försiktig med att använda kliniska prediktionsregler i praktiken

Ottawas fotledsregler är det klassiska exemplet på hur en enkel klinisk prediktionsregel kan förbättra klinisk praxis. Det finns dock många utmaningar och hinder som gör att man bör vara försiktig med att använda kliniska prediktionsregler i praktiken. I den här bloggartikeln diskuterar vi vilka problem som HLR står inför:

Kliniska prediktionsregler (CPR) är matematiska verktyg som är avsedda att vägleda läkare i deras dagliga beslutsfattande. CPR skapas med hjälp av multivariata statistiska metoder och är utformade för att undersöka den prediktiva förmågan hos utvalda grupperingar av kliniska variabler. Kliniska prediktionsregler kan bäst klassificeras i tre olika grupper: diagnostiska, prognostiska och föreskrivande. Studier som fokuserar på prediktiva faktorer relaterade till en specifik diagnos kallas diagnostiska HLR. Kliniska prediktionsregler som är utformade för att förutsäga ett resultat, t.ex. framgång eller misslyckande, betraktas som prognostiska. Kliniska prediktionsregler som är utformade för att rikta in sig på de mest effektiva insatserna identifieras som normativa. Fördelen med dem är att de kan hjälpa läkare att fatta snabba beslut som normalt kan vara föremål för underliggande fördomar.

Ett exempel på en prediktiv HLR, som vi kommer att hänvisa till i den här videon, är HLR för Flynn et al. (2002)  för att lyckas med manipulation av ländryggen: Om 3 eller fler av följande 5 punkter är uppfyllda ökar sannolikheten för att lyckas med manipulationen med en faktor 2,6, med 4+ eller fler med en faktor 24. Dessa faktorer är: inga symtom distalt om knäet, symtomdebut kortare än 30 dagar, FABQ-poäng <19, hypomobilitet i ländryggen och inåtrotation i höften på mer än 35 grader i minst en höft.

CPR måste genomgå tre steg innan de kan implementeras fullt ut i en klinisk miljö:

1. Härledning: I denna fas beräknas CPR med hjälp av multivariata statistiska metoder för att undersöka den prediktiva förmågan hos utvalda grupperingar av kliniska variabler.
2. Validering: CPR testas i en liknande klinisk miljö (s.k. intern validering), därefter testas CPR i en annan klinisk miljö (s.k. extern validering)
3. Påverkan: Mätning av regelns användbarhet i den kliniska miljön i termer av kostnad/nytta, patientnöjdhet, tids-/resursfördelning etc. som vanligtvis testas i randomiserade kontrollerade studier

Det sista steget är implementeringsfasen, där man uppnår en utbredd acceptans av regeln och dess tillämpning i klinisk praxis.

Keogh et al. (2014) har hittat 434 individuella regler fram till år 2014. Endast 54,8% av dem hade validerats och endast 2,8% hade genomgått en konsekvensanalys. De flesta studierna genomfördes inom området hjärt- och kärlsjukdomar och sjukdomar i andningsorganen, följt av området rörelseorganen.

Så den första varningen här är att även om det finns många HLR, så har många av dem inte validerats, än mindre genomgått effektstudier, och vi kan därför inte säga om användningen av dem kommer att förbättra klinisk praxis. Flynns hjärt-lungräddning är en av de få prediktiva hjärt-lungräddningar som vi känner till och som framgångsrikt har validerats två år senare av Childs et al. (2004) i en randomiserad kontrollerad studie. De fann att oddsen för ett lyckat resultat för patienter som var positiva på HLR med 4 av 5 punkter jämfört med patienter som var negativa på regeln och fick träning var 60,8.

I likhet med Flynn och hans kollegors CPR är de flesta kliniska prediktionsregler som används i muskuloskeletal praxis prediktiva CPRS. I dessa CPR:er används baseline-kriterier, så kallade treatment effect modifiers, som samlas in från en fysisk undersökning för att ge information om vilken typ av behandling som en patient företrädesvis bör få. Tyvärr finns det andra potentiella fallgropar med kliniska prediktionsregler, vilket Haskins och Cook (2016) påpekade i en ledare för BJSM:

1. Många enkla, avledda modelleringsmetoder som används i många studier fångar upp prognostiska faktorer snarare än föreskrivande faktorer. Med andra ord identifierade reglerna patienter som ändå skulle bli bättre, oavsett vilken behandling de fick. Om vi tar Flynns hjärt-lungräddning igen, är en symtomduration på mindre än 30 dagar eller inga symtom distalt om knäet och en låg grad av rädsla för att undvika skador generellt positiva prognostiska faktorer som gynnar återhämtning oberoende av behandlingen. I själva verket är naturalförloppet för dessa tecken och symtom mycket gynnsamt, vilket innebär att förbättringen inte kommer att vara kopplad till den mottagna vården utan till tiden.
2. Många receptbelagda HLR innehåller icke-ändringsbara faktorer som ålder, kön eller symtomens varaktighet som inte kan ändras genom behandling. För att maximera modellens potential bör prediktorerna vara medierande faktorer som kan påverkas av behandlingen, t.ex. rädsla, katastroftänkande, styrkeförlust eller flexibilitet.
3. En annan viktig punkt är att de faktorer som ingår i modellen ska ha hög tillförlitlighet. När det gäller Flynn CPR är en faktor i modellen "hypomobilitet i ländryggen". En systematisk genomgång av van Trijffel et al. (2005) har dock visat att interbedömarreliabiliteten i ländryggen endast är dålig till medelmåttig. Detta kommer att göra det svårt för olika bedömare som använder CPR att dra samma slutsats om denna fråga.
4. De flesta CPR-undersökningar är underdimensionerade på grund av otillräckliga urvalsstorlekar, vilket leder till extremt breda konfidensintervall som indikerar bristande precision i CPR:s prediktiva noggrannhet. I Flynns studie har vi ett 95% konfidensintervall som sträcker sig från 4,63 till 139,41 vid 4 eller fler positiva poster. Så effekten av manipulationen hos patienter som får ett positivt resultat på HLR kan vara måttlig, men den kan också vara enorm med en oddskvot på 139 i 95 av 100 fall.

Okej, låt oss sammanfatta skälen till varför vi inte blint ska förlita oss på HLR i klinisk praxis: De flesta CPR:er har bara härletts, men aldrig (framgångsrikt) validerats, än mindre nått klinisk effektfas. Resultaten från en studie och en viss miljö kan inte enkelt överföras till din kliniska miljö. Många faktorer i en hjärt-lungräddning är positiva prognostiska faktorer som är förknippade med ett gynnsamt naturligt förlopp. Så de patienterna skulle ändå bli bättre. Slutligen är det viktigt att tillförlitliga och modifierbara faktorer inkluderas i en modell för att maximera dess potential, samtidigt som studierna bör öka sina urvalsstorlekar för att kunna beskriva effekten av HLR med högre precision.

Manual Therapy-appen (iOS och Android)

Appen Manuell terapi från Physiotutors innehåller över 150 mobiliserings- och manipulationstekniker för det muskuloskeletala systemet. Dessutom hittar du information om screeningtester för kärlsystemet och ligamentens integritet.

Om du vill hålla dig uppdaterad och få ett meddelande så snart vi släpper en ny bloggartikel, se till att prenumerera på vårt RSS-flöde som skickar dig meddelandet om den nya artikeln direkt till din inkorg. 

Referenser:

Adams ST, Leveson SH. Kliniska prediktionsregler. Bmj. 2012 Jan 16;344:d8312.

Childs JD, Fritz JM, Flynn TW, Irrgang JJ, Johnson KK, Majkowski GR, Delitto A. En klinisk prediktionsregel för att identifiera patienter med ländryggssmärta som mest sannolikt kommer att dra nytta av spinal manipulation: en valideringsstudie. Annals of internal medicine. 2004 Dec 21;141(12):920-8.

Cook C. Potentiella fallgropar med kliniska prediktionsregler.

Chad Cooks bloggartikel: 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. A clinical prediction rule for classifying patients with low back pain who demonstrate short-term improvement with spinal manipulation. Rygg. 2002 Dec 15;27(24):2835-43.

Haskins R, Cook C. Entusiasm för föreskrivande kliniska prediktionsregler (t.ex. ryggsmärta och mer): ett snabbt ord av försiktighet.

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. Annals of Family Medicine. 2014 Jul 1;12(4):359-66.

van Trijffel E, Anderegg Q, Bossuyt PM, Lucas C. Tillförlitlighet mellan examinatorer vid passiv bedömning av intervertebral rörelse i hals- och ländrygg: en systematisk granskning. Manuell terapi. 2005 Nov 1;10(4):256-69.

Wallace E, Johansen ME. Kliniska prediktionsregler: utmaningar, hinder och löften.