109. Jak operacjonalizować skuteczność interwencji medycznej?

Skuteczność interwencji medycznej nie jest pojedynczą, bezpośrednio obserwowalną cechą. Jest konstruktem, który trzeba przełożyć na konkretne wyniki zdrowotne, sposób ich pomiaru, czas obserwacji oraz regułę porównania z odpowiednią grupą odniesienia. Dopiero wtedy można odpowiedzieć na pytanie, czy badana interwencja przynosi korzyść, jak dużą i dla kogo. W tej lekcji kursu metodologii badań i statystyki na statystyka.edu.pl przechodzimy od ogólnego pojęcia „skuteczności” do planu pomiaru możliwego do zastosowania w badaniu medycznym.

1. Czym jest skuteczność interwencji medycznej?

W języku metodologii skuteczność oznacza stopień, w jakim interwencja prowadzi do pożądanych wyników zdrowotnych w określonej populacji i w zdefiniowanych warunkach badania. Nie należy utożsamiać jej wyłącznie ze zmianą wyniku przed i po leczeniu. Sama poprawa po interwencji może wynikać z naturalnego przebiegu choroby, regresji do średniej, efektu placebo, zmian stylu życia albo selekcji uczestników.

Najczęściej interesuje nas efekt względny wobec komparatora: standardowego leczenia, placebo, braku interwencji albo innej procedury. W badaniu randomizowanym różnica między grupami może być interpretowana przyczynowo, o ile randomizacja została prawidłowo przeprowadzona, interwencję i obserwację zrealizowano zgodnie z planem, a analiza zachowuje sens badania. W badaniu obserwacyjnym ostrożniej mówimy o związku lub różnicy między grupami, ponieważ wpływ zakłócających czynników może pozostać.

Warto rozróżnić skuteczność w warunkach eksperymentalnych (efficacy) od efektywności w rutynowej praktyce (effectiveness). Pierwsza dotyczy działania interwencji przy starannie określonych kryteriach i wysokiej kontroli realizacji protokołu. Druga obejmuje rzeczywiste warunki systemu ochrony zdrowia, zróżnicowanie pacjentów, niepełne przestrzeganie zaleceń i ograniczenia organizacyjne.

2. Od konstruktu do operacjonalizacji

Operacjonalizacja skuteczności powinna przebiegać etapami. Najpierw trzeba ustalić, co dokładnie ma się poprawić, a następnie wskazać, jak ta poprawa będzie rozpoznana i zmierzona.

1. Definicja populacji – określ, u kogo oceniasz interwencję: na przykład u dorosłych z nowo rozpoznanym nadciśnieniem, pacjentów po udarze albo osób z depresją o nasileniu umiarkowanym.
2. Definicja interwencji – opisz dawkę, intensywność, czas trwania, sposób podania, kwalifikacje personelu i dopuszczalne modyfikacje.
3. Definicja komparatora – wskaż, z czym porównujesz interwencję oraz czy obie grupy otrzymują standardową opiekę.
4. Wybór punktu końcowego – określ wynik, który ma odzwierciedlać korzyść dla pacjenta.
5. Specyfikacja pomiaru – podaj narzędzie, jednostkę, moment pomiaru, sposób kodowania i reguły postępowania z brakami danych.
6. Określenie miary efektu – zdecyduj, czy przedstawisz różnicę średnich, iloraz ryzyka, różnicę ryzyka, iloraz szans, współczynnik ryzyka czy zmianę wyniku w skali.
7. Interpretacja kliniczna – określ, jaka wielkość efektu jest istotna dla pacjenta, klinicysty lub systemu ochrony zdrowia.

Takie podejście jest zgodne z ideą estimandu, czyli precyzyjnego określenia efektu, który badanie ma oszacować. ICH E9(R1) zaleca, aby populacja, interwencja, wynik, zdarzenia występujące po randomizacji oraz sposób podsumowania efektu były ustalone przed analizą (ICH, 2019). ([database.ich.org](https://database.ich.org/sites/default/files/E9-R1_Step4_Guideline_2019_1203.pdf?utm_source=openai))

3. Jak wybierać wyniki skuteczności?

3.1. Wyniki kliniczne i zastępcze

Kliniczny punkt końcowy opisuje bezpośrednią korzyść lub szkodę dla pacjenta, na przykład śmiertelność, hospitalizację, udar, nasilenie bólu, zdolność chodzenia albo jakość życia. Punkt zastępczy jest pośrednim wskaźnikiem, takim jak stężenie hemoglobiny glikowanej, ciśnienie tętnicze czy poziom biomarkera. Wynik zastępczy może być użyteczny, lecz nie wolno automatycznie zakładać, że poprawa biomarkera oznacza poprawę stanu zdrowia.

W pierwszej kolejności należy wskazać pierwotny punkt końcowy. Powinien być najważniejszy dla głównego pytania badawczego, jasno zdefiniowany i możliwy do wiarygodnego pomiaru. Można dodać punkty wtórne, ale ich duża liczba zwiększa ryzyko przypadkowych wyników istotnych statystycznie i utrudnia interpretację.

3.2. Wyniki binarne, ciągłe i czas-do-zdarzenia

Typ wyniku	Przykład	Typowa miara efektu
Binarny	rehospitalizacja: tak/nie	różnica ryzyka, ryzyko względne, iloraz szans
Ciągły	ciśnienie skurczowe w mm Hg	różnica średnich, standaryzowana różnica średnich
Porządkowy	kategoria nasilenia bólu	iloraz szans dla skumulowanych kategorii lub inna miara modelowa
Czas-do-zdarzenia	czas do pierwszego zaostrzenia choroby	iloraz hazardów, różnica przeżycia, mediana czasu

Dobór miary powinien wynikać z charakteru danych i pytania klinicznego. Nie wystarczy podać samej wartości p. Wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej ani miarą ważności klinicznej wyniku. Powinna być interpretowana razem z oszacowaniem efektu i przedziałem ufności (Altman i Bland, 1995). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/7647644/?utm_source=openai))

4. Podstawowe miary efektu

Załóżmy, że w grupie interwencji odsetek niekorzystnych zdarzeń wynosi pI, a w grupie kontrolnej pK.

• Różnica ryzyka: RD = pI − pK. Wartość ujemna oznacza mniej zdarzeń w grupie interwencji, jeśli zdarzenie jest niekorzystne.
• Ryzyko względne: RR = pI / pK. Wartość mniejsza niż 1 oznacza względnie mniejsze ryzyko w grupie interwencji.
• Względna redukcja ryzyka: RRR = 1 − RR. Wymaga podania ryzyka wyjściowego, ponieważ ta sama redukcja względna może oznaczać bardzo różną korzyść bezwzględną.
• Liczba potrzebna do leczenia: NNT = 1 / |RD|, gdy RD wyrażono jako proporcję, a nie procent. NNT informuje, ilu pacjentów trzeba objąć interwencją, aby zapobiec jednemu dodatkowemu niekorzystnemu zdarzeniu w określonym czasie.

Przykładowo, jeśli hospitalizacja wystąpiła u 10% pacjentów po interwencji i u 15% w kontroli, to RD = −0,05, bezwzględna redukcja ryzyka wynosi 5 punktów procentowych, a NNT = 20. Nie oznacza to, że każdy dwudziesty pacjent odniesie korzyść ani że efekt będzie identyczny w każdej populacji. NNT zawsze odnosi się do konkretnego czasu obserwacji, populacji, komparatora i definicji zdarzenia.

5. Istotność statystyczna a znaczenie kliniczne

Istotność statystyczna odpowiada na pytanie, czy dane są trudno zgodne z określonym modelem hipotezy zerowej. Wielkość efektu opisuje rozmiar różnicy lub związku. Znaczenie praktyczne dotyczy tego, czy efekt jest wystarczająco duży, aby uzasadniał zmianę decyzji klinicznej, organizacyjnej lub zdrowotnej.

Duża próba może wykazać statystycznie istotną różnicę wynoszącą 1 mm Hg, która dla pacjenta będzie mało odczuwalna. Małe badanie może z kolei nie osiągnąć wartości p poniżej 0,05 mimo efektu potencjalnie ważnego klinicznie, zwłaszcza gdy przedział ufności jest szeroki. Brak istotności statystycznej nie dowodzi braku efektu; trzeba ocenić precyzję oszacowania i zakres efektów zgodnych z danymi (Altman i Bland, 1995). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/7647644/?utm_source=openai))

W badaniach objawów lub jakości życia przydatne jest pojęcie minimalnej ważnej różnicy (MID/MCID). Oznacza ono najmniejszą zmianę uznawaną za istotną z perspektywy pacjenta lub klinicysty. Nie jest to uniwersalna stała: zależy od narzędzia, populacji, punktu wyjścia i sposobu ustalenia. Klasyczna praca Jaeschkego, Singera i Guyatta pokazała, że interpretacja zmiany stanu zdrowia wymaga odniesienia do doświadczenia pacjentów, a nie tylko do właściwości statystycznych skali (Jaeschke, Singer i Guyatt, 1989). ([pubmed.ncbi.nlm.nih.gov](https://pubmed.ncbi.nlm.nih.gov/2691207/?utm_source=openai))

6. Przykład praktyczny: program kontroli nadciśnienia

Załóżmy, że badacz ocenia program pielęgniarskiego monitorowania pacjentów z nadciśnieniem. Program obejmuje edukację, pomiary domowe i telefoniczny kontakt po czterech tygodniach. Pytanie ogólne brzmi: „Czy program jest skuteczny?”. Jest ono zbyt nieprecyzyjne. Operacjonalizacja może wyglądać następująco:

• Populacja: osoby dorosłe z rozpoznanym nadciśnieniem, leczonym ambulatoryjnie.
• Interwencja: trzy sesje edukacyjne, dzienniczek pomiarów i dwa zaplanowane kontakty telefoniczne w ciągu 12 tygodni.
• Komparator: standardowa opieka ambulatoryjna.
• Pierwotny punkt końcowy: różnica średniego skurczowego ciśnienia tętniczego po 12 tygodniach, mierzonego według ustalonego protokołu.
• Wyniki wtórne: odsetek osób osiągających ciśnienie poniżej wcześniej określonego progu, przestrzeganie farmakoterapii, liczba wizyt pilnych i zgłaszane działania niepożądane.
• Znaczenie kliniczne: z góry określona minimalna różnica, na przykład 5 mm Hg, o ile jest uzasadniona literaturą i kontekstem klinicznym.

Jeśli średnie ciśnienie wyniosło 132 mm Hg w grupie programu i 137 mm Hg w kontroli, surowa różnica wynosi −5 mm Hg. To jeszcze nie wystarcza do wniosku o skuteczności. Należy znać przedział ufności, sposób analizy, kompletność obserwacji, zgodność z protokołem, różnice wyjściowe i ewentualne szkody. Jeżeli program zwiększał zawroty głowy lub prowadził do częstszych przerw w leczeniu, sama poprawa średniego ciśnienia nie daje pełnego obrazu bilansu korzyści i ryzyka.

7. Przykład z psychologii zdrowia: interwencja przeciwlękowa

W badaniu krótkiej interwencji psychologicznej u pacjentów po hospitalizacji można mierzyć nasilenie lęku skalą kwestionariuszową. Operacjonalizacja powinna określić: wersję skali, zakres punktów, sposób obliczenia wyniku, minimalną liczbę odpowiedzi, moment pomiaru oraz kierunek interpretacji. Wynik niższy może oznaczać mniejsze nasilenie lęku, ale tylko wtedy, gdy wynika to z konstrukcji narzędzia.

Dobrym rozwiązaniem jest połączenie wyniku ciągłego z wynikiem ważnym dla pacjenta. Można więc zaplanować analizę średniej zmiany w skali oraz odsetka osób, u których poprawa osiągnęła co najmniej ustaloną minimalną ważną różnicę. Nie należy jednak dowolnie zamieniać wyniku ciągłego na „poprawa/brak poprawy” po zakończeniu analizy. Taka dychotomizacja może zmniejszać informację i zwiększać zależność wyniku od arbitralnego punktu odcięcia.

8. Czas obserwacji, zdarzenia po randomizacji i bezpieczeństwo

Skuteczność jest zawsze określona w czasie. Interwencja może poprawiać wyniki po czterech tygodniach, ale tracić efekt po roku. Dlatego trzeba wskazać zarówno główny moment oceny, jak i plan obserwacji długoterminowej.

W praktyce pojawiają się zdarzenia po rozpoczęciu badania: przerwanie leczenia, zmiana terapii, hospitalizacja, zgon, wycofanie zgody albo rozpoczęcie leczenia ratunkowego. Nie wolno traktować ich jako zwykłych braków danych bez uzasadnienia. ICH E9(R1) zaleca, aby określić, jak takie zdarzenia wpływają na pytanie badawcze i sposób definiowania efektu (ICH, 2019). ([ema.europa.eu](https://www.ema.europa.eu/en/documents/scientific-guideline/ich-e9-r1-addendum-estimands-and-sensitivity-analysis-clinical-trials-guideline-statistical-principles-clinical-trials-step-5_en.pdf?utm_source=openai))

Operacjonalizacja skuteczności powinna obejmować także bezpieczeństwo. W wielu sytuacjach właściwym celem nie jest maksymalizacja jednego korzystnego wyniku, lecz ocena bilansu korzyści i ryzyka. Dlatego obok pierwotnego punktu końcowego trzeba określić katalog zdarzeń niepożądanych, ich nasilenie, prawdopodobny związek z interwencją oraz sposób raportowania.

9. Jak raportować operacjonalizację?

Opis powinien pozwalać innemu badaczowi odtworzyć sposób pomiaru. W raporcie należy podać między innymi populację, kryteria kwalifikacji, charakterystykę interwencji i kontroli, definicje punktów końcowych, narzędzia pomiarowe, okresy oceny, zasady analizy oraz sposób postępowania z brakami danych. CONSORT 2010 podkreśla znaczenie przejrzystego opisu randomizowanych badań, w tym przepływu uczestników, wyników i analiz (Schulz, Altman i Moher, 2010). ([bmj.com](https://www.bmj.com/content/340/bmj.c332?utm_source=openai))

W badaniach obserwacyjnych odpowiednie będą standardy STROBE, a w przeglądach systematycznych PRISMA. Wytyczne raportowania nie zastępują dobrego projektu, lecz pomagają ujawnić, co faktycznie zmierzono, kogo objęto analizą i jakie ograniczenia ma wynik.

Najczęstsze błędy

• Definiowanie skuteczności wyłącznie jako zmiany przed–po. Bez komparatora nie wiadomo, ile zmiany można przypisać interwencji.
• Wybór łatwego, lecz mało ważnego punktu końcowego. Poprawa biomarkera nie musi oznaczać poprawy zdrowia pacjenta.
• Brak określenia czasu obserwacji. Wynik bez informacji, kiedy go zmierzono, jest niepełny.
• Skupienie wyłącznie na wartości p. Należy raportować efekt, przedział ufności i znaczenie kliniczne.
• Post hoc wybór korzystnego wyniku. Zwiększa to ryzyko selektywnego raportowania.
• Ignorowanie działań niepożądanych. Interwencja nie jest „skuteczna” w pełnym sensie, jeśli korzyść osiąga kosztem nieakceptowalnych szkód.
• Niejasne reguły dla braków danych i przerwaniu leczenia. Mogą one zmienić interpretację efektu.
• Nadmierne uogólnianie. Wynik uzyskany u pacjentów spełniających ścisłe kryteria nie musi dotyczyć wszystkich osób z daną chorobą.

Co warto zapamiętać?

• Skuteczność interwencji medycznej jest konstruktem, który trzeba przełożyć na obserwowalne i powtarzalne wyniki.
• Najpierw określ pytanie, populację, interwencję, komparator i czas, a dopiero potem wybierz miarę efektu.
• Pierwotny punkt końcowy powinien odzwierciedlać najważniejszą korzyść lub szkodę dla pacjenta.
• Różnica bezwzględna, ryzyko względne i NNT opisują różne aspekty tego samego efektu.
• Istotność statystyczna nie jest równoznaczna z istotnością kliniczną.
• Interpretacja skuteczności wymaga uwzględnienia precyzji oszacowania, bezpieczeństwa, braków danych i możliwości uogólnienia.
• Dobrze zdefiniowany estimand pomaga zachować zgodność między pytaniem badawczym, pomiarem, analizą i wnioskiem.

Najważniejsze pytanie nie brzmi tylko: „Czy interwencja działa?”. Powinno brzmieć: „U kogo, w porównaniu z czym, w jakim czasie, według jakiego wyniku i o jak dużą klinicznie ważną wartość?”.

Źródła i dalsza lektura

1. International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use (ICH) (2019). Addendum on Estimands and Sensitivity Analysis in Clinical Trials to the Guideline on Statistical Principles for Clinical Trials E9(R1). ICH Harmonised Guideline. ICH. Źródło.
2. Schulz, K. F.; Altman, D. G.; Moher, D.; CONSORT Group (2010). CONSORT 2010 Statement: Updated Guidelines for Reporting Parallel Group Randomised Trials. BMJ. BMJ Publishing Group. Źródło.
3. Altman, D. G.; Bland, J. M. (1995). Absence of Evidence Is Not Evidence of Absence. BMJ, 311(7003), 485. DOI: 10.1136/bmj.311.7003.485.
4. Jaeschke, R.; Singer, J.; Guyatt, G. H. (1989). Measurement of Health Status. Ascertaining the Minimal Clinically Important Difference. Controlled Clinical Trials, 10(4), 407–415. DOI: 10.1016/0197-2456(89)90005-6.
5. U.S. Food and Drug Administration (2023). Adjusting for Covariates in Randomized Clinical Trials for Drugs and Biological Products. FDA Guidance for Industry. U.S. Food and Drug Administration. Źródło.

Więcej kolejnych lekcji publicznego szkolenia znajdziesz na statystyk.edu.pl.