Så kan gruppresultat tillämpas i ett enskilt fall

En av de vanligaste frågorna när forskning ska tillämpas kliniskt är: hur översätter jag gruppresultat till en plan för den enskilda patienten? Tidskriften The Lancet har nyligen publicerat en serie artiklar på det temat, under vinjetten  Treating individuals. En av artiklarna gäller hur man kan individualisera behandling för att minska risken för slaganfall. (1)

Bra regel

En bra regel är att först granska den absoluta riskreduktionen (ARR). Om ARR är 0,25 (till exempel om risken i en placebogrupp är 0,60 och i en aktivt behandlad grupp 0,35)  har varje patient en chans på fyra att dra nytta av behandlingen. En uppgift om den relativa risken (riskkvoten, i det här fallet 0,35/0,60 = cirka 0,58) ger i sig ingen information om sannolikheten för individuell nytta.

Artikeln diskuterar framför allt hur man på bästa sätt väljer vilka patienter som ska erbjudas operation av förträngda halsartärer, karotis-stenos, för att minska risken för slaganfall. En teoretiskt tilltalande, enkel möjlighet är att beräkna den enskilda patientens risk utan operation och att multiplicera det talet med en riskkvot från en eller flera prövningar som jämfört kirurgisk behandling med enbart medicinsk sådan.

Riskkvot

Exempel: en patient beräknas utan operation ha cirka 30% risk för stroke under 5 år. Prövningsdata visar att riskkvoten kirurgisk/medicinsk behandling är 0,57. Patientens risktal skulle alltså genom operation kunna sänkas till cirka 17%. Kalkylen förutsätter att riskkvoten 0,57 har trolig relevans för just denna patients del, det vill säga att det finns tillräckligt pålitliga subgruppsdata. Detta är dock inte alltid fallet. (Problemen med subgrupper diskuteras även i artikel \"Indelning i undergrupper gav missvisande resultat\" och \"Resultat som hackas upp kan bli missvisande\")

Med utgångspunkt från riskmodeller kan man beräkna det sannolika behandlingsresultatet för en enskild patient vid olika behandlingsalternativ. Data från kliniska prövningar och kohortstudier kan användas för att räkna fram i vilken grad olika särdrag hos patienterna påverkar prognosen vid olika former av behandling, eller utan behandling. Resultaten gör det möjligt att bygga en datorbaserad matematisk modell. När en viss patients karakteristika matas in i modellen levereras effektdata, det vill säga sannolikheten för önskade och oönskade effekter av olika behandlingsalternativ.

Enklare metoder

En förenklad metod är att riskmodellen används för att räkna ut viktningsfaktorer i ett poängsystem. En patients samlade poäng kan då lätt räknas ut för hand och översättas till resultatsiffror. En ännu enklare möjlighet är att avläsa risktal från diagram som visar effekten av ett stort antal olika kombinationer av patientkarakteristika.

Artikeln redovisar den prognostiska förmågan vid karotisstenos av ett multifaktoriellt modellsystem enligt ovan. Målsättningen är, naturligt nog, att föreslå patienten operation om skillnaden i beräknat risktal mellan kirurgisk och medicinsk behandling är stor. Artikeln ger också hänvisningar till publikationer där riskmodeller använts i andra sammanhang för prognostik och behandlingsval.

Beräkningar av risktal och behandlingseffekter för individen skulle kunna bli ett bra komplement till kliniska tumregler och professionell fingertoppskänsla.

Jörgen Malmquist, docent i internmedicin

1. Rothwell PM, et al. From subgroups to individuals: general principles and the example of carotis endarterectomy. Lancet 2005;365:256-65.