F3: Generaliserbarheden af resultaterne fra et klinisk studie Flashcards
F3 - Kunne redegøre for generaliserbarheden (ekstern validitet) af studieresultater i forhold til det kliniske problem/forskningsspørgsmålet (PICO).
Generaliserbarhed handler om, hvorvidt studiets resultater kan overføres til andre patienter, kontekster eller situationer end dem, studiet blev udført i.
Man spørger:
“Gælder dette studie også for mine patienter i klinikken?”
PICO-element Vurdering af generaliserbarhed
P – Patient/population → Er patienterne i studiet repræsentative for dine patienter? (Alder, komorbiditet, sygdomsstadie osv.)
I – Intervention → Er interventionen realistisk at bruge i din praksis? (Tilgængelighed, gennemførlighed)
C – Sammenligning → Er kontrolgruppen relevant ift. dit kliniske valg? (Standardbehandling?)
O – Outcome → Er de målte udfald meningsfulde for patienten og klinikeren? (Fx livskvalitet vs. laboratorieværdier)
EKSEMPLER:
- Et studie med unge, raske deltagere →lav generaliserbarhedtil ældre, multisyge patienter.
- Intervention kræver avanceret udstyr, som ikke findes i almindelig praksis →lav generaliserbarhed.
- Outcome er et surrogateffektmål (f.eks. blodtryk) og ikke patientnært (f.eks. livskvalitet) →mindre generaliserbart.
F3 - Kunne give eksempler på problemer med generaliserbarheden af studieresultaterne i forhold til de enkelte delelementer i PICO (Patient, Intervention, Control, Outcome).
P (Patient/Problem)
Er studiedeltagerne repræsentative for dine patienter i klinikken?
- Studie på unge raske mænd → dårligt generaliserbart til ældre, multisyge kvinder.
- Kun patienter uden komorbiditet er inkluderet → dårlig overførbarhed til klinisk praksis, hvor komorbiditet er normalt.
- Studie udført i USA → overførbarhed til danske forhold kan være begrænset (f.eks. sundhedssystem, livsstil)
I (Intervention)
- Er interventionen anvendelig og realistisk i din praksis?
- Avanceret kirurgisk teknik testet i specialcenter → ikke generaliserbar til almindelige sygehuse.
- Medikament givet i meget høj dosis eller over meget lang tid, som ikke er praktisk muligt i virkeligheden
C (Control/Comparison)
Er kontrolgruppen relevant i forhold til det reelle kliniske valg?
- Studie sammenligner ny medicin med placebo, men i praksis ville man sammenligne med eksisterende behandling.
- Kontrolgruppen får behandling, der ikke længere anvendes i klinisk praksis
O (Outcome)
- Er de målte udfald relevante og meningsfulde for patient og kliniker?
Kun surrogateffektmål bruges →
- Studie måler kun kolesteroltal, men ikke patientvigtige outcomes som hjerteanfald eller dødelighed
Korte follow-up perioder →
- Outcome måles efter 1 uge → dårligt generaliserbart til langtidsvirkning eller bivirkninger
Outcome ikke patientnært →
- Outcome er teknisk eller laboratoriemæssigt (f.eks. blodmarkører) → men siger ikke noget om patientens funktion eller livskvalitet
F3 - Kunne redegøre for forskellen mellem statistisk signifikant effekt og klinisk signifikant (relevant) effekt.
🔹 Statistisk signifikant effekt
Handler om sandsynligheden for, at resultatet skyldes tilfældighed.
Bestemmes ofte ud fra p-værdien (typisk signifikant, hvis p < 0,05).
Et statistisk signifikant resultat betyder, at det er usandsynligt, at effekten skyldes tilfældig variation.
Men det siger intet om effekten er stor, vigtig eller mærkbar for patienten.
Eksempel:
Et nyt lægemiddel sænker blodtrykket med 1 mmHg sammenlignet med standardbehandling.
P = 0,01 → statistisk signifikant.
Men 1 mmHg har næppe nogen reel betydning for patienten → ikke klinisk signifikant.
🔹 Klinisk signifikant (relevant) effekt
Handler om, hvorvidt effekten har en mærkbar, relevant betydning for patientens helbred eller livskvalitet.
Vurderes ofte ud fra en foruddefineret “Minimal Clinically Important Difference” (MCID) – dvs. den mindste forskel, som patienten vil opleve som gavnlig.
En effekt kan være klinisk vigtig, selvom den ikke er statistisk signifikant, fx i små studier.
Eksempel:
Et nyt smertestillende middel reducerer smerte med 1,5 point på en 10-punktsskala.
P = 0,08 → ikke statistisk signifikant.
Men 1,5 point kan være klinisk meningsfuldt for mange patienter.
F3 - Kunne beskrive samspillet mellem intern og ekstern validitet i et studie.
🔹 Intern validitet = Er resultatet troværdigt indenfor studiets rammer?
Handler om, hvorvidt resultatet er korrekt og ikke påvirket af bias eller tilfældigheder.
Kræver fx:
Godt studiedesign (randomisering, blinding)
Minimale systematiske fejl (bias)
Kontrol af konfoundere
→ Fokus i kontrollerede forsøg/RCTs
(“Virker det under ideelle forhold?”)
🔹 Ekstern validitet = Kan resultatet generaliseres til virkeligheden?
Handler om, hvorvidt resultatet gælder for andre patienter, i andre settings, i praksis.
Kræver fx:
Repræsentative patienter
Reelle interventioner og kontrolgrupper
Relevante outcome-mål
→ Fokus i praksisnære/observationelle studier
(“Virker det i virkeligheden?”)
🔹 Ideelt:
Et balanceret studie har:
Høj nok intern validitet til at stole på effekten
Og god ekstern validitet så resultatet er relevant i praksis
Eksempel på samspil:
Et studie tester en ny diabetesmedicin:
Intern validitet sikres via randomisering og blinding
Ekstern validitet øges ved at inkludere patienter med forskellig alder og komorbiditet, som afspejler virkelige patienter
F3 - Kunne redegøre for betydningen af biologisk forståelse, subgruppeanalyser og indirekte evidens i vurderingen af generaliserbarhed.
🔹 Biologisk forståelse
= Viden om sygdommens og behandlingens virkemåde
Kan støtte generalisering, selv hvis studiets population er snæver.
Bruges til at vurdere, om effekten med rimelighed kan forventes i en anden gruppe.
Fx: Hvis en behandling virker ved en universel biologisk mekanisme, kan man antage effekt på tværs af køn, alder osv.
Eksempel:
Et lægemiddel, der hæmmer en bestemt receptor, vil sandsynligvis virke hos alle patienter med overekspression af den receptor – uanset alder eller etnicitet.
🔹 Subgruppeanalyser
= Analyse af specifikke undergrupper i studiet (fx mænd vs. kvinder)
Kan vise, om effekten er konsistent på tværs af grupper → Understøtter generaliserbarhed.
Men: ofte lav statistisk styrke, og der er risiko for falske fund pga. multiple testninger.
Vigtigt, at subgrupperne er foruddefinerede og biologisk plausible.
Eksempel:
Et lægemiddel virker kun hos patienter < 65 år i subgruppeanalyse → tyder på begrænset generaliserbarhed til ældre.
🔹 Indirekte evidens
= Brug af viden fra andre, lignende populationer, interventioner eller studier
Kan understøtte generaliserbarhed, hvis direkte evidens mangler.
Bruges fx hvis et studie ikke inkluderer børn, men man har evidens fra voksne og en biologisk rationale for overførsel.
Men: bør bruges forsigtigt, især hvis grupperne adskiller sig meget.
Eksempel:
En vaccine er kun testet hos voksne, men viden om immunresponset hos børn kan give indirekte støtte til brug dér.
