医生

ebm战争:当证据有一个价格–ECMO试验(第2部分)

由Anish Koka.

这一年是1965年,这个地方是波士顿儿童’S和一位名叫罗伯特巴特利特的手术居民在刚刚出生的婴儿床上抬起,无法呼吸。这个特殊的宝宝不能’T呼吸由于隔膜中的洞,允许肠道进入胸腔笼,并防止肺部的正常发育。 1965年,Robert Bartlett从事了时代的尖端处理–挤压一个袋子,使含氧空气浓缩成微小的肺,希望有足够的功能性肺组织参与气体交换,使身体能够得到所需的氧气。巴特利特坚持不懈‘bagging’孩子持续2天。正如案例经常一样,治疗被证明是徒劳的,婴儿死亡。

综合症的奇怪部分被称为先天性膈疝是修复了缺陷并将肠子放回其所属的地方不一定是治愈性的。正在发生的线索涉及到尸检研究中,证明压缩和未压缩肺部的肺组织成熟。超出了一个肺部简单压缩的一些系统过程必须是可操作的。事实证明,这些小婴儿是蓝色的,因为他们的身体通过血管连接在出生后通常关闭的血管连接来脱离未成熟的肺部。在肺部增加异常高的压力,你有一个完美的生理风暴,与生活不兼容。

思考这个问题,巴特利特想知道是否有一种方法可以人为地做肺应该做的事情–含氧化合物。 1977年12年后,虽然大多数儿科重症监护病单位仍然弄清楚如何通风婴儿,由巴特利特的团队领先使用杰里装配胸管导管,以绕过婴儿的肺部未能出现当天的标准治疗。在随后的一系列报告中,巴特利特描述了他在迄今为止迄今为止的婴儿使用的技术90%的技术。将自由的导管置于内部颈静脉中,并泵送穿过一种人工膜,其通过导管向颈动脉返回氧化血液。通常的打嗝随后。动物模特没有’T充分模仿将婴儿放置在被称为ECMO(额外的重型膜氧合)上的挑战。

巴特利特1977.

患者1开发出严重低的血小板计数,出现在大脑中并死亡。患者2存活但在呼吸机上持续7周。患者3发育逐渐肺动脉高压和死亡。患者4由于其中一个ECMO导管的错位而死亡。

该团队的改善,这种奄奄一息人口的死亡率提高到20%。当天的儿科期刊拒绝发布数据,因为他们觉得新生儿的Ecmo是不负责任的。一旦出版,新生儿界会对Ecmo出来,以及一些普及儿童的一笔编辑才变得至高无上,因为巴特利特’S团队无能。该团队持续存在,既是患者绝望需求所驱动的人。这一切都不应该令人惊讶。怀疑论者和支持者之间的不断争斗是任何人都知道对医学史的有限理解的重复主题。但这是故事越野的地方。

已建立的证据基础医学(EBM)的基本原则之一是,未知任何治疗都没有受益,除非在随机控制试验中被证明(RCT)。密歇根州集团 最终出版 他们的第1阶段经验–他们用Ecmo治疗的前55名患者的集合。结果是显着的。在一组未经当时已知的所有医疗疗法的一组患者中,预期的死亡率为90%,28/40(70%)的儿童,出生体重超过2公斤 幸免于。但是,它没有’问题。 Bartlett感到强迫形成一个RCT,因为...

“none our colleagues —新生儿学人员,参考医生,其他突出的新生学家,其他突出的生活支持研究人员,医院管理人员,保险公司,审查我们的赠款申请的NIH研究部分,审查了我们的出版物,以及审查我们的索赔和方法的统计人员–相信Ecmo已经过测试,更不用说在新生儿呼吸衰竭中被证明… 

我们自己觉得迫使推进新技术,以便我们的同事列入上述同事承认和尊重… 

我们知道分配给对照组的90%的患者将死于常规治疗。”

我们听到邪恶的激励,推动医生做更多的事情,但我们听到了关于付款人和管理员的激励措施,以促进越来越少的信息。医院管理人员和付款人缺乏证据时的更好时间比坐在医生围绕桌面,要求支持一项承诺增加成本歧管的程序。婴儿的快速死亡是悲惨的。但对于那些支付的人,它也便宜。

巴特利特继续前进,随机控制试验,他觉得被迫执行以说服更广泛的社区。他试图通过随机化协议试图绕道而驰,该方案可以确保少于50%的患者随机化将最终在控制臂中最终。这项研究是随机的‘玩胜利者的方法’已经描述但从未在临床试验中使用过。使用球内模型,随机化包括从瓮随机绘制治疗分配球,替换。最初,URN包含一个常规治疗球和一个ECMO球。每次患者存活在ECMO或患者与常规治疗死亡时,所述协议要求添加一个ECMO球。同样,它呼吁添加常规治疗球以存活常规治疗或对ECMO的死亡。停止规则–提前确定–每当加入一个类型的球时,就会停止随机化。

第一个患者随机分配给Ecmo并幸存下来。下一个随机分配是常规治疗和死亡。分配给Ecmo的第三名患者存活。对ECMO的赔率大量青睐,下一个患者随机随机分为ECMO。所有患者随机患有ECMO幸存下来。

因此,临床实践中使用的第一种自适应试验设计对于提供的新治疗提供了良好的阳性。不出所料,怀疑论者的社区仍然无动于衷。论点是可预测的。随机化是非典型的。该研究偏向显示治疗会成功。控制臂仅包括一个患者!尽可能地说,没有什么可以说的。另一个,需要更多常规的随机控制试验。

所以另一组适当地表演了一个RCT。该第二次试验被设计为通过分配大约相等数量的患者来控制臂或ECMO来满足EBM正统。该研究仍然旨在通过限制50:50随机化,限制分配给下臂的患者的数量,直到任一组发生第4次死亡。此时,随机化将停止,所有后续患者将在少于4人死亡中注册该组。第一个19名患者被随机分配给常规治疗或ECMO治疗。九名患者接受了ECMO,都幸存下来。十名患者接受常规治疗 –六次幸存,四次死亡。第四次死亡后,随机化停止,未来20名患者分配给Ecmo治疗。在这20,19中存活,1个死亡。它携带在该试验中包含的一组患者中重复,因为常规治疗的死亡率被认为是85%,19/20 幸免于 在ecmo手臂上。更令人不安的是,四只婴儿死于控制手臂。医学界,赋予了必要生成的‘gold standard’证据忍不住,但随机化将染婴儿的控制手臂说服统计神。 ebm的众神就像古老的玛雅神–两者都需要人类牺牲。

醉酒时驾驶

ebm令人陶醉。对于临床医生来说,统计数据对数据的应用就像一个魔法真相机。将数据送入本机,并出现了美丽的二进制答案。 EBM的时代促进了对同行评审和发布的数据爆炸的爆炸性。这些简单的结论–咖啡很糟糕!适度的酒精消费是坏的! - 然后被置于媒体放大并捆绑起来‘facts’星巴克咖啡饮用民众吞噬。醉酒的司机很少是显而易见的,他们多久将它们流入相反的交通–虽然花了一些时间,但它最终变得显而易见的是,ebm留在右边的车道上。

EBM事实显然不像发现世界并不平坦。一年的咖啡很好,明年的咖啡很糟糕。公众似乎不赶上,但其他人做过。第一个指出EBM的系统问题之一是一个令人讨厌的传染病训练有素的流行病学家和生物统计学家,名为John Iaannidis。 2005年,他借了 一个挑衅的文章 这将成为有史以来最受欢迎的论文之一,建议大多数公布的研究发现是假的。这是他不是’t exaggerating.

在当前的临床研究世界中,我们居住在,我开发了一个假设,即用毒品Kokacabana激活Koka受体的激活将减少心力衰竭患者的死亡率。下一步是在一个临床试验中进行比较,将其与安慰剂进行比较并计数两个臂中的死亡率。在审判结束时,在Kokacabana Arm中看到了更少的死亡。面临着我们的问题是,如果较少的死亡是机会的戏剧,或者kokacabana实际上是有效的。这个问题被转向统计学家,他们在1890年在伦敦出生的英国统计名人依赖于罗纳德·费舍尔爵士的工作依赖依赖于伦敦统统的人。费舍尔在伦敦举行了实验的想法,这应该被不太可能的观察结果拒绝。为了量化事件的情况多么不太可能,如果零假设是真的,Fisher将着名的P值作为频率分布下的尾部区域。小的P值意味着已经观察到非常罕见的东西,或者空假设不是真的。

pvalue.

kokacabana需要一个小的p值–数十亿美元挂在余额中。 P值的显着性阈值为0.05。价值0.04和埃及法老’令人羡慕的富人Koka博士将获得。值为0.06和Kokacabana将被判断为假,相当于无价值的糖丸。

可以有一个生理阈值来区分是有用的,这似乎是荒谬的。不幸的是,问题远远超出了0.05克里夫的真理。 P型为0.05的一般前提是提供了一些确保实际效果的保证是不正确的,并且从来没有打算通过最初描述P值的人这样做。我们绝望地知道是我们假设(h)的概率鉴于提供的证据(e),但我们的p值给我们表示观察到这种特定证据(e)给予某种假设(h)。

简要:概率(H | e)≠概率(e | h)

更简单的术语:概率(4腿|狗)≠概率(狗| 4腿)

鉴于一只狗,4条腿的概率非常高。给定4条腿,狗的概率不是很高。试验结果类似于4条腿的结果。证明了4条腿的生物是狗需要类似上下文的事情。它有助于告诉你’在狗公园里。该上下文是可以将先前概率所定义的部分的一部分。之前的是允许人们从证明从证明旅行。

概率(h | e)〜概率(e | h)x概率(之前)

某处沿着背景的重要性–现有概率的重要性–丢失了。基于证据的运动被认为是较大的均衡器,它在专家和他们的偏见和其他人之间平衡了竞争范围。你没有’T需要成为一种介入心脏病学家,以确定患有心形成休克患者的装置是否有效。一个家庭练习医生’T介入心脏密集护理单位,以管理心力衰竭的患者只需要在主题上发表的随机控制试验,了解有型心电管休克的装置是否有效。当然是之前的问题。我们应该相信谁的事先?

不关注事先提高犯下转置条件的谬误的机会–给出了所提出的假设的数据概率,鉴于数据的假设概率。因此,这是基于证据的运动,寻求拥抱建立更强大的基金会的数字,结果是在它下面跑步。思考水槽,不是胡佛大坝。

John Ioannidis甚至试图量化了验证的赔率如何变化如何改变研究实际告诉你你认为的所作所为的可能性。不同颜色用于反映不同的偏差水平。预测赔率越高,实际效果的可能性越高。偏差越高,发现真实效果的可能性越低。也涉及虚假积极研究的来源是在同一研究问题上工作的多个调查人员。机会决定其中一个研究是积极的。重点是在一个积极的研究中,而不是许多负面—那是如果甚至发表了负面研究。

PPV

传奇

有趣的是,IOAnnidis选择解决旨在通过试图量化不确定性来量化确定性的问题。图表是漂亮的并且有助于证据涉及上下文和偏见的观点,但这两者都是显着的主观性的,并且可以实现各种结果。研究人员的偏见有时增加了实际效果的机会。作为一个局外人来说,很难知道驱动器偏见的驱动器。许多次的第三方假设最糟糕的–金融,学术促销等人的怀疑论者推定了某种类型的偏见’T让Bartlett团队清楚地看待事物,并要求更多的常规试验,其中4个婴儿在控制手臂中死亡。

有趣的是,Ioannidis.’解决方案被创造出问题的框架被囚禁。

”大规模研究应该针对预测试概率已经高的研究问题。“

”需要更好地了解[预测试赔率]“

“应对相对建立的研究结果进行最小偏差的大型研究 “

然而,大规模研究特别容易展示统计学意义,但小临床微不足道的发现。对预测试的赔率更加了解,最有偏见的最佳地获得(否则称为专业知识)。最后,在热情中推翻了既定的实践,认为可能会有充分的理由建立实践。

Lindy效应是由数学家 - 哲学家最畅销作者推广的一项术语,Nassim Nicholas Taleb用于预测鲁棒性。已经存在很长一段时间的东西可以被认为更强壮,比没有通过时间考验的事情更有可能忍受。举个例子–最近关于开放冠状动脉的价值的争议源于本质上第200名患者研究的新型患者。虽然有着重要的教训来学习审判,但临床医生作为一个团队一直不愿意允许一个200例患者试验完全扭转一项持续的概念。这可能不是不合理的。四十多年的稳健性,众多其他对心绞痛的治疗方法都有很好的意义。在Lindy术语中,过去的生存预测了未来的生存–这预测动脉将以一个时尚或其他40年来开放。

因此,EBM作为实践和广泛接受因因果推断的斗争。从新英格兰医学杂志中的随机控制试验中的最新结论意味着您更有可能参与转置条件的谬误,而不是您的说法。事实证明,找到原因与为什么产生的原因有关。数字–无论你如何聪明地操纵它们– don’有你寻求的答案。

anish koka.是一位基于宾夕法尼亚州的心脏病学家

传播爱心

类别: 医生

2回复 »

  1. 阅读史蒂夫的Tx!喜欢评论。 “老家伙”的价值似乎在衰落。许多医生讨论了专家的问题 –和公开?如果他们需要在这个时代,因为他们偏见了。他们的偏见当然需要解释试验.. :)。我很高兴它仍然适用于你应该的方式。你是哪里的心脏病学?

  2. “新英格兰医学杂志中的随机控制试验最近的结论”

    你工作的人是否真正练习这种方式?授予,我椅子的部门不在大城市,但我们当然不是’那样工作。最新的纸质?伟大的!它是如何与事先工作相比,它如何与我们日常练习所看到的。这就是我认为ebm的想法。你看看所有的证据,而不仅仅是最后一篇论文。什么时候发生变化?如果这就是你工作的人真正做练习的方式,那么它真的很普遍,那么我想我应该更认真地抓住这一点,但它真的没有’似乎与我在佩恩几十年前的实习生舍入时似乎不同。通过引用最新的纸张,您可以进入积分。总是有人想立即跳上这个最新的纸张并改变一切。如果我们很幸运,还有一些年长的人说等一下,这真的有意义吗?

    (也是,因为咖啡的论文何时等同于ebm?到任何一种m?也许,也许在流行的新闻中,但肯定不是,我希望,为了练习docs。)

    史蒂夫

发表评论

您的电子邮件地址不会被公开。 必需的地方已做标记 *