23.01.–23.02.2017 osalesin Johns Hopkins University korraldatud MOOC’i kursusel „Introduction to Systematic Review and Meta-Analysis“, mis tutvustas süstemaatiliste ülevaadete ja meta-analüüside koostamise ja hindamise põhimõtteid. MOOC ehk massive open online course on e-õppe vorm, mis koosneb videoloengutest, testidest ja ülesannete lahendamisest. Kursusel osalemise eesmärgiks oli tutvuda teemaga infospetsialisti vaatenurgast, et pakkuda arstidele tuge infootsingute tegemisel süstemaatiliste ülevaadete ja meta-analüüside jaoks vajalike alusuuringute leidmiseks. Kursust viisid läbi prof Kay Dickersin ja dots Tianjing Li, kelle uurimisvaldkondadeks on erinevate tervishoiu alaste uuringute metoodika.
Kursus koosnes kuuest moodulist, milles võeti samm-sammult läbi süstemaatiliste ülevaadete ja meta-analüüside koostamise etapid.
1. moodulis seletati lahti, mis on süstemaatiline ülevaade ja meta-analüüs, milleks ja kellele on need kasulikud ja kuidas hinnata nende koostamise mõttekust ja vajalikkust.
Esimeses teemas tuli vaatluse alla uurimisküsimuse erinevad tahud. Alustati küsimuse tüübiga, mis määrab ära selle, mis laadi tõendusmaterjalist on üldse võimalik vastuseid otsida. Seejärel vaadeldi lähemalt, kuidas üht head küsimust formuleerida ja seletati lahti PICO-formaadi erinevad elemendid.
Järgmiseks sammuks on allikate valimine, otsinguterminite leidmine, otsingustrateegia kujundamine ja alusuuringute kvaliteedi hindamine. Alustada tuleks sellest, kust otsima hakatakse; rõhutati, et ainult suurtest elektroonilistest andmebaasidest ei piisa tulemuste objektiivsuse tagamiseks. Lisaks võtmeandmebaasidele (nt Medline, Embase) tuleks vaadata ka kitsama spetsiifikaga andmebaase (PsycINFO jms) ja erinevaid registreid (ClinicalTrials.gov, riiklikud ravimiregistrid jts), dissertatsioonide andmebaase (nt Proquest ) ja nn „halli kirjanduse“ andmebaase (Opengrey). Kolmas oluline komponent otsingute tegemisel on sirveotsing, mis tähendab ajakirjade ja konverentsiteeside kogumike jms käsitsi läbi vaatamist.
Otsinguterminite ja -strateegia juures tuletati meelde põhitõdesid nagu Boole´i operaatorid, kontrollitud sõnastiku (Medline´is MeSH, EmBase´is EmTree) kasutamise nõuet, sünonüümide, lühendite, akronüümide jms kasutamist ja nende mõju otsingutulemustele. Selle osa lõpetuseks tutvustati PRESS’i kontrollnimekirja lõpliku strateegia kontrollimiseks ja PRISMA diagrammi otsingute dokumenteerimiseks.
Pärast otsingute tegemist ja enne süstemaatilise ülevaate kirjutamist tuleks hinnata alusuuringute kvaliteeti, mis tähendab nihke (bias) tõenäosuse esinemise hindamist. Uuringus võib esineda:
- valikunihe (selection bias) – kuidas uuringus osalejaid valiti ja kuidas nad erinevatesse gruppidesse jaotati. Millised on head meetodid, mis tagavad objektiivsuse ja millised halvad meetodid, mille abil saab tulemusi kallutada.
- informatsiooninihe (information bias) ehk kuidas uuringus osalejaid (patsient, arst, ülejäänud personal) pimendati ja millised on pimendamise head ja halvad meetodid.
- analüüsinihe (analyse bias) ehk tulemuste analüüsimise käigus tekkivad nihked (nt uuringu katkestanud patsiendid, uuringutulemuste sõnastamine pärast uuringu lõppu). Analüüsinihke vähendamise üks võimalus on CONSORT-diagrammi kasutamine.
Edasi liiguti süstemaatilisi ülevaateid puudutavate metanihete vähendamise juurde; ka metanihetel on mitu alaliiki:
- valikunihe (selection bias). Valikunihke all võib vaadelda raporteerimisnihet (reporting bias), mida omakorda on kolme tüüpi. Esiteks publikatsiooninihe (publication bias), mille vältimiseks tuleks lisaks publitseeritud uuringutele oma ülevaatesse kaasata ka publitseerimata jäänud uuringute tulemused. On tehtud kindlaks, et publitseerimata ja publitseeritud uuringute tulemused on erinevad, publitseeritakse pigem positiivseid tulemusi. Võib esineda valikulist tulemuste avaldamist (selective outcome bias) ehk statistiliselt olulisi tulemusi raporteeritakse rohkem. Tulemusenihe (ascertainment bias) – kas lihtsasti leitavatel uuringutel võivad olla teistsugused tulemused kui raskemini leitavatel? Samuti võib valikunihe peituda kaasamises (inclusion bias) – kui me teame, millised on uuringutulemused enne kui me määrame kindlaks uuringu kaasamise tingimused, siis võib see mõjutada meta-analüüsi tulemusi;
- informatsiooninihe (information bias) – kvaliteedi hindamise täpsus, andmete väljasõelumise täpsus ja täielikkus;
- analüüsinihe (bias in analysis) – statistilised meetodid ja uuringutulemuste heterogeenuse seletamine.
Selle osa lõpetuseks tutvustati tööriistu, mille abil oma uuringutulemuste nihet vähendada ja neid arusaadavalt näidata. Veelkord tuli vaatluse alla PRISMA diagramm, lisaks MOOSE jälgimisuuringute (observational studies) jaoks ja GRADE, mis mõeldud tõendusmaterjali kvaliteedi hindamiseks.
Koolituse viimaseks teemaks oli meta-analüüsi koostamise põhimõtted. Õpetati tõlgendama forest plot´i – mis on riskide suhe (risk ratio), šansside suhe (odd ratio), riskide vahe (risk difference). Miks on vaja teada 95% usaldusvahemikku (confidence interval) ja selle määramise põhimõtted ja kuidas tulemusi tõlgendada.
Koolituse lõpetuseks võeti õpitu kokku ja kõik osalejad pidid hindama üht süstemaatilist ülevaadet.
MOOC-i materjalide põhjal valmib meditsiininfo keskuses uus koolitus, millele saab registreeruda sügisest.
Ivika Rande
Meditsiiniinfokeskuse infospetsialist