Klinische voorspellingsregels voor rug- en spinale pijnsyndromen
Clinical Prediction Rules:
"Klinische beslisregels, classificatie van ruggengraatpijn en voorspelling van behandelresultaat: een bespreking van recente rapporten in de revalidatie-literatuur"
Abstract
Klinische beslissingsregels komen steeds vaker voor in de biomedische literatuur en vormen een strategie om de klinische besluitvorming te verbeteren om de efficiëntie en effectiviteit van de gezondheidszorg te verbeteren. In de context van revalidatieonderzoek zijn klinische beslisregels voornamelijk gericht geweest op het classificeren van patiënten door het voorspellen van hun behandelingsrespons op specifieke therapieën. Traditioneel stellen aanbevelingen voor het ontwikkelen van klinische beslisregels een meerstapsproces voor (afleiding, validatie, impactanalyse) met behulp van de gedefinieerde methodologie. Onderzoeksinspanningen gericht op het ontwikkelen van een op diagnose gebaseerde klinische beslisregel zijn afgeweken van deze conventie. In recente publicaties in deze onderzoekslijn is gebruik gemaakt van de gewijzigde terminologie, op diagnose gebaseerde gids voor klinische beslissingen. Wijzigingen in terminologie en methodologie rond klinische beslisregels kunnen het voor clinici moeilijker maken om het niveau van bewijs dat aan een beslisregel is gekoppeld te herkennen en te begrijpen hoe dit bewijs moet worden geïmplementeerd om de patiëntenzorg te informeren. We geven een kort overzicht van de ontwikkeling van klinische beslisregels in de context van de revalidatieliteratuur en twee specifieke artikelen die onlangs zijn gepubliceerd in Chiropractic and Manual Therapies.
Clinical Prediction Rules
- De gezondheidszorg heeft een belangrijke paradigmaverschuiving ondergaan naar evidence-based practice. Een benadering die de klinische besluitvorming zou verbeteren door het beste beschikbare bewijs te integreren met klinische expertise en de voorkeuren van patiënten.
- Uiteindelijk is het doel van evidence-based practice het verbeteren van de zorgverlening. De vertaling van wetenschappelijk bewijs naar de praktijk is echter een uitdagende onderneming gebleken.
- Klinische beslisregels (CDR's), ook wel klinische voorspellingsregels genoemd, komen steeds vaker voor in de revalidatieliteratuur.
- Dit zijn hulpmiddelen die zijn ontworpen om klinische besluitvorming te informeren door potentiële voorspellers van diagnostische testresultaten, prognose of therapeutische respons te identificeren.
- In de revalidatieliteratuur worden CDR's het meest gebruikt om de reactie van een patiënt op de behandeling te voorspellen. Ze zijn voorgesteld om klinisch relevante subgroepen van patiënten te identificeren die zich presenteren met anderszins heterogene aandoeningen zoals niet-specifieke nek- of lage rugpijn, dat is het perspectief waarop we ons willen richten.
Clinical Prediction Rules
- Het vermogen om patiënten met heterogene aandoeningen zoals ruggengraatpijn te classificeren of subgroeperen is naar voren gekomen als een onderzoeksprioriteit en bijgevolg de focus van veel onderzoeksinspanningen. De aantrekkingskracht van dergelijke classificatiebenaderingen is hun potentieel voor verbeterde behandelingsefficiëntie en effectiviteit door patiënten te matchen met optimale therapieën. In het verleden was de classificatie van patiënten gebaseerd op impliciete benaderingen die gebaseerd waren op traditie of onsystematische observaties. Het gebruik van CDR's om classificatie te informeren is een poging tot een meer op bewijs gebaseerde benadering, minder afhankelijk van ongegronde theorie.
- CDR worden ontwikkeld in een meerstappenproces met studies van afleiding, validatie en analyse van impact, met elk een bepaald doel en methodologische criteria. Zoals bij alle vormen van bewijs die worden gebruikt om beslissingen over patiënten te nemen, is aandacht voor de juiste onderzoeksmethodologie van cruciaal belang om de potentiële voordelen van implementatie te beoordelen.
Voordelen van klinische voorspellingsregels
- Het kan meer factoren accommoderen dan het menselijk brein aankan
- CDR / CPR-model geeft altijd hetzelfde resultaat (wiskundige vergelijking)
- Het kan nauwkeuriger zijn dan een klinisch oordeel.
Klinisch gebruik van klinische voorspellingsregels
- Diagnose - Waarschijnlijkheid vooraf testen
- Prognose - Voorspel het risico op uitkomsten van een ziekte
johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/cervicale-manipulatie-voor-nekpijn/
johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/thoracale-manipulatie-voor-nekpijn/
johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/manipulation-for-low-back-pain
johnsnyderdpt.com/for-clinicians/clinical-prediction-rules/lumbar-spinal-stenosis/
Dr. John Snyder's Website
Flynn Clinical Prediction Rule Video
CDR-analyse van impact
Uiteindelijk ligt het nut van een CDR niet in de nauwkeurigheid, maar in het vermogen om de klinische resultaten te verbeteren en de efficiëntie van de zorg te vergroten.[15] Zelfs wanneer een CDR brede validatie aantoont, garandeert dit niet dat het de klinische besluitvorming zal veranderen of dat de veranderingen die het veroorzaakt, zullen leiden tot betere zorg.
De veranderingen die het teweegbrengt, leiden tot betere zorg. McGinn et al. [2] identificeerde drie verklaringen voor het falen van een CDR in dit stadium. Ten eerste, als het oordeel van een clinicus even nauwkeurig is als een CDR-geïnformeerde beslissing, heeft het gebruik ervan geen voordelen. Ten tweede kan de toepassing van een CDR gepaard gaan met omslachtige berekeningen of procedures die clinici ontmoedigen om de CDR te gebruiken. Ten derde is het mogelijk dat het gebruik van de CDR niet in alle omgevingen of omstandigheden haalbaar is. Daarnaast willen we de realiteit vermelden dat bij experimentele studies patiënten betrokken kunnen zijn die niet helemaal representatief zijn voor degenen die in de routinezorg worden gezien en dat dit de werkelijke waarde van een CDR kan beperken. Om het nut van een CDR en zijn vermogen om de zorgverlening te verbeteren volledig te begrijpen, is het daarom noodzakelijk om een pragmatisch onderzoek uit te voeren naar de haalbaarheid en impact ervan wanneer deze wordt toegepast in een omgeving die de praktijk weerspiegelt. Dit kan worden gedaan met verschillende onderzoeksontwerpen, zoals gerandomiseerde onderzoeken, clustergerandomiseerde onderzoeken of andere benaderingen, zoals het onderzoeken van de impact van een CDR voor en na de implementatie ervan.
Prevalentie van classificatiemethoden voor patiënten met lumbale stoornissen met behulp van de McKenziesyndromen, pijnpatroon, manipulatie en klinische stabilisatieregels.
www.ncbi.nlm.nih.gov/pmc/articles/PMC3113271/
Doelstellingen
Doelstellingen waren (1) om het aandeel patiënten met lumbale stoornissen te bepalen dat kon worden geclassificeerd op intake door McKenzie syndromen (McK) en pijnpatroonclassificatie (PPC's) met behulp van Mechanische Diagnose en Therapie (MDT) beoordelingsmethoden, manipulatie en klinische stabilisatie-voorspelling regels (reanimatie) en (2) voor elke reanimatie- of steekreanimatiecategorie voor mannen, bepalen de prevalentiepercentages van de classificatie met behulp van McK en PPC.
CPR's zijn geavanceerde probabilistische en prognostische modellen waarbij een groep geïdentificeerde kenmerken van de patiënt en klinische tekenen en symptomen statistisch geassocieerd worden met een zinvolle voorspelling van de resultaten van de patiënt.
Onderzoekers hebben twee afzonderlijke CPR's ontwikkeld om patiënten te identificeren die gunstig zouden reageren op manipulatie.33,34 Flynn et al. ontwikkelde de oorspronkelijke manipulatie-reanimatie met behulp van vijf criteria, namelijk geen symptomen onder de knie, recent begin van symptomen (<16 dagen), lage angst-vermijding-vragenlijst36 score voor werk (<19), hypomobiliteit van de lumbale wervelkolom en heup intern rotatie-ROM (>35 voor ten minste één heup).33
Flynn's CPR werd vervolgens gewijzigd door Fritz et al. aan twee criteria, waaronder geen symptomen onder de knie en recent begin van symptomen (<16 dagen), als een pragmatisch alternatief om de last voor de clinicus te verminderen voor het identificeren van patiënten in de eerste lijn die het meest waarschijnlijk reageren op manipulatie met stuwkracht.34
"Potentiële valkuilen van klinische voorspellingsregels"
Wat zijn klinische voorspellingsregels?
Een klinische voorspellingsregel (CPR) is een combinatie van klinische bevindingen die statistisch een zinvolle voorspelbaarheid hebben aangetoond bij het bepalen van een geselecteerde aandoening of prognose van een patiënt die een specifieke behandeling heeft gekregen 1,2. CPR's worden gemaakt met behulp van statistische methoden met meerdere variabelen, zijn ontworpen om het voorspellend vermogen van geselecteerde groepen klinische variabelen te onderzoeken3,4 en zijn bedoeld om clinici te helpen snelle beslissingen te nemen die normaal gesproken onderhevig kunnen zijn aan onderliggende vooroordelen5. De regels zijn algoritmisch van aard en omvatten gecondenseerde informatie die het kleinste aantal statistisch diagnostische indicatoren voor de beoogde aandoening identificeert6.
Klinische voorspellingsregels worden over het algemeen ontwikkeld met behulp van een 3-stappenmethode14. Ten eerste hebben CPR's ons prospectief afgeleid-
multivariate statistische methoden gebruiken om het voorspellend vermogen van geselecteerde groeperingen van klinische variabelen te onderzoeken3. De tweede stap omvat het valideren van de reanimatie in een gerandomiseerde gecontroleerde studie om het risico te verkleinen dat de voorspellende factoren die tijdens de afleidingsfase zijn ontwikkeld door toeval zijn geselecteerd14. De derde stap omvat het uitvoeren van een impactanalyse om te bepalen hoe de reanimatie de zorg verbetert, de kosten verlaagt en de beoogde doelstelling nauwkeurig definieert14.
Hoewel er weinig discussie is over het feit dat zorgvuldig geconstrueerde reanimatie de klinische praktijk kan verbeteren, bestaan er naar mijn weten geen richtlijnen die methodologische vereisten specificeren voor reanimatie voor infusie in alle klinische oefenomgevingen. Er worden richtlijnen opgesteld om de nauwkeurigheid van het onderzoeksontwerp en de rapportage te verbeteren. De volgende editorial schetst mogelijke methodologische valkuilen in CPRs die de overdraagbaarheid van het algoritme aanzienlijk kunnen verzwakken. Op het gebied van revalidatie zijn de meeste reanimatievoorschriften prescriptief; dus zijn mijn opmerkingen hier een afspiegeling van prescriptieve reanimatie.
Methodologische valkuilen
CPR's zijn ontworpen om een homogene reeks kenmerken te specificeren uit een heterogene populatie van prospectief geselecteerde opeenvolgende patiënten5,15. Doorgaans is de resulterende toepasselijke populatie een kleine subset van een grotere steekproef en vertegenwoordigt deze mogelijk slechts een klein percentage van de werkelijke dagelijkse caseload van de clinicus. De setting en locatie van de grotere steekproef moeten generaliseerbaar zijn15,16, en daaropvolgende validiteitsonderzoeken vereisen beoordeling van de reanimatie bij verschillende patiëntengroepen, in verschillende omgevingen en bij een typische patiëntengroep die door de meeste clinici wordt gezien16. Omdat veel CPR's zijn ontwikkeld op basis van een zeer verschillende groep die al dan niet een typische patiëntenpopulatie weerspiegelt, kan de transporteerbaarheid van het spectrum17 van veel huidige CPR-algoritmen beperkt zijn.
Klinische voorspellingsregels gebruiken uitkomstmaten om de effectiviteit van de interventie te bepalen. Uitkomstmaten moeten één enkele operationele definitie hebben5 en voldoende reactievermogen vereisen om de juiste verandering in de toestand14 werkelijk vast te leggen; bovendien moeten deze maatregelen een goed geconstrueerde afkapscore16,18 hebben en worden verzameld door een geblindeerde beheerder15. De selectie van een geschikte ankerscore voor het meten van daadwerkelijke verandering wordt momenteel besproken19-20. De meeste uitkomstmaten gebruiken een vragenlijst op basis van patiëntherinneringen, zoals een global rating of change score (GRoC), die geschikt is wanneer deze op korte termijn wordt gebruikt, maar lijdt aan recall-bias wanneer deze wordt gebruikt in langetermijnanalyses19-21.
Een mogelijk nadeel van reanimatie is het niet handhaven van de kwaliteit van de tests en maatregelen die als voorspellers in het algoritme worden gebruikt. Daarom moeten de perspectieftoets en de metingen onafhankelijk van elkaar zijn tijdens het modelleren16; elk moet op een zinvolle, acceptabele manier worden uitgevoerd4; clinici of gegevensbeheerders moeten blind zijn voor de uitkomstmaten en conditie van de patiënt22.
Bronnen
Mogelijke valkuilen van klinische voorspellingsregels; The Journal of Manual & Manipulative Therapy Deel 16 nummer twee [69]
Jeffrey J Hebert en Julie M Fritz; Klinische beslisregels, classificatie van ruggengraatpijn en voorspelling van behandeluitkomst: een bespreking van recente rapporten in de revalidatie literatuur
