Pienin kliinisesti tärkeä ero (MCID) voi tarjota yksinkertaisen ja tehokkaan metriikan, joka antaa lääkäreille mahdollisuuden maksimoida PRO-tietojen hyöty kliinisessä ympäristössä. Tässä blogissa käsitellään PRO:n käyttöongelman yleistä luonnetta ja esitellään, miten MCID voi auttaa.
Tausta
Ortopediassa ja muilla interventioihin perustuvilla erikoisaloilla potilaan ilmoittamia lopputulosmittareita (PROM) kerätään rutiininomaisesti, ja suuntaus on edelleen nouseva. Kysymys kuuluu: ”Miten hemmetissä tietoja käytetään nyt, kun ne on saatu”? PRO-pisteytyksen ymmärtäminen ja tulkinta voi olla monimutkaista, eikä asiaa helpota se, että jokaisella välineellä on oma pisteytysjärjestelmänsä. Useimmilla lääkäreillä ja potilailla ei ole kykyä asettaa PRO-mittareita asiayhteyteen, minkä vuoksi he eivät käytä PRO-mittareita kliinisessä päätöksenteossa, mikä on sääli, koska juuri siksi nämä välineet ovat olemassa! Kyse ei ole palveluntarjoajien laiminlyönnistä, vaan se on vain todella monimutkaista ja vivahteikasta. Kirurgit saavat satoja, ellei jopa tuhansia tunteja koulutusta, jossa hiotaan kykyä suorittaa fyysisiä tutkimuksia ja arvioida potilaan toipumista kliinisesti, mutta he altistuvat vain rajoitetusti PRO-tietojen käytölle käytännössä. Pienin kliinisesti merkittävä ero (MCID, Minimum Clinically Important Difference) voi tarjota yksinkertaisen ja tehokkaan mittarin, jonka avulla lääkärit voivat maksimoida PRO-mittareiden hyödyn kliinisessä ympäristössä.
MCID-etu
MCID perustuu teoriaan, jonka mukaan muutos PRO-pisteissä korreloi kliinisesti merkityksellisen parannuksen kanssa. Otetaan esimerkiksi potilas polven tekonivelleikkauksen jälkeen. Potilas täyttää KOOS-arvioinnin (knee osteoarthritis Outcome Score) ennen leikkausta ja 3 kuukautta leikkauksen jälkeen. Potilaan KOOS-pisteet ennen leikkausta olivat 40 ja leikkauksen jälkeen 81. Mitä tämä tarkoittaa? Voiko potilas todella paremmin? Oliko leikkaus sen arvoinen? Tätä MCID yrittää määritellä. Sen sijaan, että kirurgille esitettäisiin mielivaltaista pistemäärää kuvaavia tietoja, hänelle esitetään MCID:n plus/miinus. Käyttämällä yllä olevaa KOOS-esimerkkiä sanotaan, että KOOS-pisteiden MCID on 20- onko potilas MCID:n yläpuolella? Kyllä. Kuinka paljon? 1 pisteellä. Ajattele asiaa kuin koripallopeliä. Se on kuin sanoisi ”joukkueesi teki viime yönä 90 pistettä” vs. ”joukkueesi voitti 10 pisteellä”. Tieto siitä, voittivatko vai hävisivätkö he, on olennaisin tieto, jota seuraa marginaali. Nipistivätkö he pari pistettä vai räjäyttivätkö he toisen joukkueen. Datan pilkkominen näin ’voititko: kyllä vai ei’ ja ’kuinka paljon’, on paljon helpommin hallittavissa ja potentiaalisesti mielekkäämpää kuin yrittää painaa mieleen joukko PRO-työkalujen pistemääriä.
On kaksi (2) perustapaa MCID:n laskemiseksi:
Jakaantumismenetelmä: Tämä menetelmä koostuu PRO-pisteiden muutoksen keskihajonnan (se on samanlainen kuin keskimääräinen vaihtelu potilasryhmässä) puolittamisesta. Tämä on yksinkertaista matematiikkaa (tai ei niin yksinkertaista useimmille meistä).
Ankkurointimenetelmä: Tässä menetelmässä käytetään PRO-pisteiden muutosten keskiarvoa kaikkien niiden potilaiden osalta, jotka ilmoittivat vähintään yhden (1) pisteen nousun toisessa elämänlaatuun perustuvassa pistemäärässä. Yksi yleisimmistä ankkurointimenetelmistä on PROMIS10:n kysymys, joka liittyy potilaan tulkintaan yleisestä fyysisestä terveydentilastaan tai elämänlaadustaan.
Jos et huomaa, olen MCID:n suuri fani. Mutta kuten useimmat asiat elämässä, se ei ole täydellinen järjestelmä (vielä). Tutustu tässä blogissa kolmeen (3) tärkeimpään haasteeseen, jotka liittyvät MCID:n käyttöön.