Het minimum klinisch belangrijk verschil (MCID) kan een eenvoudige en efficiënte maatstaf zijn om artsen in staat te stellen het nut van PRO’s in de klinische setting te maximaliseren. Deze blog bespreekt de algemene aard van het PRO-gebruiksprobleem en introduceert hoe MCID kan helpen.
Achtergronden
In de orthopedie en andere op interventie gebaseerde specialismen worden patiëntgerapporteerde uitkomstmaten (PROM’s) routinematig verzameld en de trend blijft stijgen. De vraag is “hoe gebruik je de gegevens nu je ze hebt?” Het begrijpen en interpreteren van de PRO score kan ingewikkeld zijn en het helpt niet dat elk instrument een uniek scoresysteem heeft. De meeste artsen en patiënten zijn niet in staat om de PRO’s in de juiste context te plaatsen en als gevolg daarvan gebruiken ze de PRO’s niet bij het nemen van klinische beslissingen, en dat is jammer, want dat is de reden waarom deze instrumenten in de eerste plaats bestaan! Het is geen nalatigheid van de zorgverleners, het is gewoon heel ingewikkeld en genuanceerd. Chirurgen krijgen honderden, zo niet duizenden uren opleiding, waarin ze hun vaardigheid om lichamelijk onderzoek te doen en het herstel van een patiënt klinisch te evalueren, kunnen verfijnen, maar worden slechts in zeer beperkte mate blootgesteld aan het gebruik van PRO’s in de praktijk. Het minimale klinisch belangrijke verschil (MCID) kan een eenvoudige en efficiënte metriek bieden om artsen in staat te stellen het nut van PRO’s in de klinische setting te maximaliseren.
MCID-voordeel
Het MCID is gebaseerd op de theorie dat een verandering in de PRO-score is gecorreleerd met een klinisch zinvolle verbetering. Neem bijvoorbeeld een patiënt die een knieprothese heeft gekregen. De patiënt vult de KOOS (knee osteoarthritis Outcome Score) in vóór de operatie en na 3 maanden na de operatie. De KOOS score van de patiënt vóór de operatie was 40 en de score na de operatie was 81. Wat betekent dat? Voelt de patiënt zich echt beter? Was de operatie het waard? Dat is wat de MCID probeert te definiëren. In plaats van de chirurg gegevens te geven met een willekeurige score, krijgt hij de plus/minus van de MCID te zien. Als we het bovenstaande KOOS-voorbeeld gebruiken en stellen dat de MCID voor een KOOS-score 20 is – zit de patiënt dan boven de MCID? Ja. Met hoeveel? 1 punt. Zie het als een basketbalwedstrijd. Het is net als zeggen ‘je team scoorde 90 punten gisteravond’ vs. ‘je team won met 10 punten’. Weten of ze gewonnen of verloren hebben is het meest relevante gegeven, gevolgd door de marge. Kwamen ze er met een paar punten tussenuit of hebben ze het andere team opgeblazen. De gegevens op deze manier uitsplitsen in een ‘heb je gewonnen: ja of nee’ en ‘met hoeveel,’ is veel hanteerbaarder, en potentieel zinvoller, dan proberen een stel scores van PRO-instrumenten te onthouden.
Er zijn twee (2) basismanieren om de MCID te berekenen:
De verdelingsmethode: Deze methode bestaat uit het halveren van de standaarddeviatie (het is vergelijkbaar met een gemiddelde variatie in een groep patiënten) voor de verandering in PRO-scores. Dit is wiskunde zonder meer (of niet zo eenvoudig voor de meesten van ons).
De verankeringsmethode: Deze methode maakt gebruik van het gemiddelde van de verandering in PRO-scores voor alle patiënten die een toename van minimaal één (1) punt in een andere op kwaliteit van leven gebaseerde score rapporteerden. Een van de meest voorkomende ankers is een vraag uit PROMIS10 met betrekking tot de interpretatie van een patiënt van zijn algehele fysieke gezondheid of kwaliteit van leven.
Als u het nog niet doorheeft, ben ik een enorme fan van MCID. Maar zoals de meeste dingen in het leven, is het (nog) geen perfect systeem. Bekijk deze blog om meer te leren over de drie (3) belangrijkste uitdagingen die gepaard gaan met het gebruik van de MCID.