EBM（Evidence-Based Medicine）の教科書として、知らない人はいない、Straus SE, Glasziou P, Richardson WS, Haynes RB: Evidence-Based Medicine: How to practice and teach EBM. (5th edition) . 2019, Elsevier, London, UK. をもう一度読み直し、EBMと臨床決断との関係について考えてみました。
さて、EBM実践の5つのステップは図１に示す通りで、医療に携わっている人で知らない人はいないと思います。以前の投稿でも解説しました。
”Step 1： 必要な情報を回答可能な質問に変換する”はPICO形式のクリニカルクエスチョンを作成すること、つまり、Population対象、Intervention介入、Comparator対照、Outcomeアウトカムの4つの項目を設定すると考えられているでしょう。しかし、アウトカムは重要なアウトカムをひとつ設定すればいいのでしょうか？臨床決断のためには、複数の益と害のアウトカムに対する介入の効果の大きさと確実性を分析する必要があります。益のアウトカムあるいは自分が疑問に思う、あるいは自分の興味あるアウトカムに対する効果だけを調べるだけでは、臨床決断に必要な情報は得られないかもしれないということになります。
このテキストブックでは、4章から6章まで以下の主題に関する研究論文を評価する際に、つまり”批判的吟味”を行う際に、①妥当か？②重要か？③適用可能か？の順に沿った枠組みで、評価することが述べられています。第4章では、臨床決断分析の研究論文や診療ガイドラインの批判的吟味についても述べられています。
4 Therapy: ランダム化比較試験、システマティックレビュー、臨床決断分析、医療経済分析、診療ガイドライン、n-of-1臨床試験
5 Diagnosis: 診断検査法、事前確率、複数の診断検査法、スクリーニング
6 Prognosis: 予後
7 Harm: 害
このステップは治療、診断、予後、害のいずれの場合も共通です（図2）。
個別のランダム化比較試験についての記述では、3つのステップのそれぞれにおける評価項目が設定されています（図3）。その適用可能性の評価項目をみると、”われわれの患者がその治療により得られる可能性のある益と害は？”という項目があります。
批判的吟味の対象の研究論文に”益と害は何か？”、あるいは、益と害の大きさが直接記述されているわけではありません。益のアウトカム、害のアウトカムに対する介入の効果は記述されていて、それらを知ることはできるでしょう、しかし、それがそのまま益と害の大きさを表すわけではありません（Aler BS 2018, 2019）。また、一つのランダム化比較試験の研究論文では、すべての重要アウトカムに対する効果を知ることができない場合もあります。（比較効果研究Comprative Effectiveness Research, CERであれば、直接益と害の大きさの推定について、記述されているかもしれません。以前の投稿＞ ＞および＞。）
ここでは、”われわれの患者が。。。”ですから、目の前の患者がその介入を実施した場合、どのような益と害を受けるのか？をその担当医が判断することを求めていると考えられます。Population-perspectiveの研究結果から、Individual-perspectiveの意思決定を行うということになります。しかし、その判断をどうやったらいいのでしょうか？しかも、Shared Decision Making（以前の投稿＞ ＞ ＞ ＞を参照）のステップを踏んで、患者の価値観を聴いた上で、医療のセッティングを考慮した上で、決断Decision Making するということはどのようなことなのでしょうか？
本書の第4章には、臨床決断分析に関する部分がありますが、そこは臨床決断分析の研究論文の批判的吟味の手順についての記述であり、臨床決断はどのようにしたらいいのか？について書かれているわけではありませんので、そこを読んでも臨床決断の科学的な方法や、限界についてわかるようになるわけではありません。
ひとりひとりの患者さんは属性、価値観が異なり、同じ条件の人はまずいません。そのため、このようなテキストブックでは臨床決断を一般的な方法論として扱うことはできず、医師の裁量権の中で、個別に判断すべきという考えなのかもしれません。しかし、個別の臨床決断を論理的、科学的に行うにはどうしたらいいか？は極めて重要なテーマです。
また、診療ガイドラインでは推奨を作成する必要があるため、本来、決断分析が必要になるはずです。医療経済評価でもそうですし、医療政策もそうです。Elstein ASは2004年の時点で、これらのことを指摘しており、また、決断分析は医療界に広く受け入れられていないことをすでに指摘しています（Elstein AS 2004）。現在もあまり変わっていないように思えます。
診療ガイドラインでは、エビデンスの確実性だけでなく、益と害のバランス（正味の益）、Population-perspectiveとIndividual-perspective、強い推奨と弱い推奨、デシジョンエイド、などについて十分な理解が必要です。診療ガイドライン作成には、EBMの枠組みを超えた知識、スキルが必要です。
実臨床における臨床決断Medical Decision Making、協働意思決定Shared Decision Making 、そして診療ガイドライン作成Development of Clinical Practice GuidelineにはEBMのテキストブックではカバーされていない知識・スキル、すなわち少なくとも決断の科学Decision Scienceについて知る必要があると考えた方がいいようです。
本ブログでもいままで何回か決断分析について取り上げています。
- Multi-Criteria Decision Analysis （MCDA）＞
- Multi-Criteria Decision Analysis (MCDA)のステップ ＞
- Keeney and RaiffaのSwing weightingを用いたMCDA ＞
- Swing weightingを用いたMCDAの結果 ＞
- EMAのBenefit-risk methodology ＞
- FDAのBenefit-Risk Assessment Framework ＞
- FDAのBenefit-Risk Assessment（続き） ＞
文献：
Alper BS, Ehrlich A, Oettgen P: 6 putting it all together: from net effect estimate to the certainty of net benefit. BMJ Evidence-Based Medicine 2018;23(Supplement 1):
http://dx.doi.org/10.1136/bmjebm-2018-111024.6
Alper BSはウェブツールとしてNet Effect Calculatorを公開しています（EBSCO Health DynaMed Pus)。
Alper BS, Oettgen P, Kunnamo I, Iorio A, Ansari MT, Murad MH, Meerpohl JJ, Qaseem A, Hultcrantz M, Schünemann HJ, Guyatt G, GRADE Working Group: Defining certainty of net benefit: a GRADE concept paper. BMJ Open 2019;9:e027445. doi: 10.1136/bmjopen-2018-027445 PMID: 31167868
Elstein AS: On the origins and development of evidence-based medicine and medical decision making. Inflamm Res 2004;53 Suppl 2:S184-9. doi: 10.1007/s00011-004-0357-2 PMID: 15338074
Gail MH, Costantino JP, Bryant J, Croyle R, Freedman L, Helzlsouer K, Vogel V: Weighing the risks and benefits of tamoxifen treatment for preventing breast cancer. J Natl Cancer Inst 1999;91:1829-46. PMID: 10547390
———————————————-
Alper BSはNet Effect Calculatorを公開しています（文献欄にリンクしてあります）。これは、二値変数アウトカムの場合、Gail/NCIの方法（Gail MH 1999）に準じているようで、Net effect正味の効果の点推定値とその信頼区間が算出されます。ただし、各アウトカムに対する効果の間に相関がある場合は、適用できないことになっています。
正味の効果とは、各アウトカムの重要性を設定し、それぞれのアウトカムに対する効果の大きさを最重要アウトカムの値に調整して、複数のアウトカムに対する効果の総和を算出したものです。例えば、最重要アウトカムの重要性が1.0でリスク差が100人に-10人、重要性を0.5に設定したアウトカムのリスク差が100人に４人の場合、後者は100人に4×0.5＝2人分とみなして、総和を計算します。前者が、有害事象が減少する場合で、マイナスの値、後者が有害事象が増える場合でプラスの値、とすると、この例では、正味の効果は100人で－8人となります。さらに95%信頼区間の下限値と上限値を設定しますが、この二つの値は、点推定値に対して対称になります。正味の効果推定値は正規分布に従うことを前提としており、その分布の標準偏差SDと正味の効果の推定値の95%信頼区間の値が算出されます。(なおGail/NCIの方法では正味の益が増える場合にプラスの値になるよう計算する点で相違があります。)