Når legar skal føreskriva medisin til pasientane sine, lener dei seg på tilrådingar frå forskingsmiljøa. Men desse tilrådingane kan vera utvikla på måtar som kan gje feil utslag sjølv om informasjonen er riktig.
Anders Huitfeldt, inntil nyleg postdoktor ved Farmasøytisk institutt ved Universitetet i Oslo, er oppteken av dette. Han brukar dei tenkte statane Rulettia og Naboland som døme.
– Rulettia slit med overfolking. Diktatoren set derfor i verk det drastiske tiltaket at kvart femte år må alle i landet spela russisk rulett for å halda folkeauken i sjakk, seier Huitfeldt.
Seks kuler
– Han ber forskarane sine gjera ei evaluering av effekten. Utan den russiske ruletten er den årlege dødsraten i landet 10 prosent, eller sagt på ein annan måte: 90 prosent overlever.
Vanlege revolverar har seks kuler, og ein speler russisk rulett med ei kule i sylinderen. Dermed vil ein venta at eitt av seks skot skal vera dødeleg, og det er det resultatet forskarane finn.
Av dei 90 prosentane som ville ha overlevd utan tiltaket, vert altså ein sjettedel felt av ei kule. Ein sjettedel av 90 er 15, og 90 minus 15 er 75. Så då er dødsraten i Rulettia 10 prosent utan russisk rulett, og 25 prosent når ein legg til dei 15 prosentane.
I medisinsk forsking kallar ein dette tilhøvet mellom effekt med og utan tiltak for risikoratio. I dette tilfellet er risikoratioen 25:10, eller 2,5.
– Vi treng eit rammeverk for korleis vi overfører informasjon om verknadar av legemiddel hjå ei pasientgruppe til ei anna pasientgruppe, seier Anders Huitfeldt.(Foto: Privat)
Passar ikkje alltid inn
Så langt alt vel. Men Naboland slit med dei same problema, så ein dag reiser herskaren der til Rulettia for å læra om tiltaka der. Men dei to landa er ikkje like. Dødsraten i Naboland er på 4 prosent, ikkje 10.
– Dersom Naboland ukritisk brukar risikoratioen 2,5, vil dei tru at dødsraten med russisk rulett vil vera fire gonger 2,5, som er 10. Men det reelle talet vil vera dobbelt så høgt. Med ein dødsrate på 4 er det jo 96 prosent som overlever, og ein sjettedel av 96 er 16. Så ein vil ikkje finna den korrekte dødsraten ved å gonga 4 med 2,5, men ved å leggja saman 4 og 16, forklarar Huitfeldt.
Dette litt blodige dømet brukar Huitfeldt for å illustrera den kjende utfordringa at legar ofte må skriva ut legemiddel til pasientar som ikkje alltid passar inn i pasientgruppa legemidla er testa på.
Rammeverk for overføring av informasjon
– Legane har retningslinjer for legemiddelbruken som er basert på forsking. Men informasjon som er korrekt for deltakarane i ein bestemt forskingsstudie, er ikkje nødvendigvis korrekt for alle andre. Som vi såg av dømet med Naboland, kan utfallet bli feil når føresetnadane endrar seg, seier Huitfeldt.
– Derfor treng vi eit rammeverk for korleis vi bør overføra informasjon om verknadar av legemiddel hjå ei pasientgruppe til ei anna.
Det er eit slikt rammeverk, eller metode, Huitfeldt arbeider med å utvikla. Førebels rettar han seg mest til andre metodeforskarar for å få testa kor haldbart rammeverket hans er.
Betre teoretisk grunnlag
– Nokre forskarar har foreslått eit anna rammeverk basert på ein ide om at vi ikkje treng å samanlikna kva som skjer med pasientane viss dei får medisinar med kva som skjer viss dei ikkje får medisinar.
Annonse
– Dei meiner at kvar av desse moglegheitene kan vurderast enkeltvis, berre vi justerer for mange nok faktorar, seier han.
– Matematisk er desse modellane elegante, så det er lett å skjøna at mange fell for dei. Problemet er at det i praksis vil vera så mange faktorar å justera for at det ikkje er realistisk å gjennomføra.
Huitfeldt er ikkje ueinig i at ein treng betre rammeverk, men meiner at hans idear er eit betre teoretisk grunnlag for framtidig metodeforsking, både når ein samanliknar med korleis problemstillinga tradisjonelt har blitt handtert i medisinsk statistikk og samanlikna med det andre forslaget til rammeverk.
– Sjølv håpar eg at det arbeidet eg gjer, kan overtyda og inspirera andre metodeforskarar til å bli med og byggja rammeverket mitt vidare. Det er ikkje perfekt, men eg meiner det er betre enn alternativa.
Referanse:
Anders Huitfeldt mfl.: Effect heterogeneity and variable selection for standardizing causal effects to a target population. European Journal of Epidemiology, 2019. (Samandrag).
