Den minsta kliniskt viktiga skillnaden (MCID) kan utgöra ett enkelt och effektivt mått för att ge läkare möjlighet att maximera nyttan av PROs i den kliniska miljön. Den här bloggen diskuterar den övergripande karaktären av PRO-användningsproblemet och introducerar hur MCID kan hjälpa till.

Bakgrund

I ortopedin och andra interventionsbaserade specialiteter samlas patientrapporterade resultatmått (PROMs) in rutinmässigt och trenden fortsätter att öka. Frågan är ”hur i helvete använder man uppgifterna nu när man har dem?”. Att förstå och tolka PRO-poängen kan vara komplicerat och det hjälper inte att varje verktyg har ett unikt poängsystem. De flesta kliniker och patienter saknar förmågan att placera PRO-värdena i sitt sammanhang och använder därför inte PRO-värdena i det kliniska beslutsfattandet, vilket är synd eftersom det är därför dessa verktyg finns till att börja med! Det är inte försumlighet från vårdgivarnas sida, det är bara väldigt komplicerat och nyanserat. Kirurger får hundratals, om inte tusentals timmars utbildning för att förbättra förmågan att genomföra fysiska undersökningar och utvärdera patientens återhämtning kliniskt, men de får verkligen begränsad exponering för att använda PROs i praktiken. Den minsta kliniskt viktiga skillnaden (MCID) kan ge ett enkelt och effektivt mått för att ge läkare möjlighet att maximera nyttan av PRO i den kliniska miljön.

MCID Advantage

MCID bygger på teorin att en förändring av PRO-poängen är korrelerad med kliniskt meningsfull förbättring. Ta till exempel en patient efter att ha fått en knäplastik. Patienten fyller i KOOS-bedömningen (knee osteoarthritis Outcome Score) före operationen och tre månader efter operationen. Patientens KOOS-poäng före operationen var 40 och efter operationen var poängen 81. Vad betyder det? Känner sig patienten faktiskt bättre? Var operationen värd det? Det är det som MCID försöker definiera. I stället för att kirurgen presenteras för data som visar en godtycklig poäng, presenteras de för plus/minus MCID. Om vi använder KOOS-exemplet ovan och säger att MCID för en KOOS-poäng är 20 – ligger patienten över MCID? Ja. Med hur mycket? 1 poäng. Se det som en basketbollmatch. Det är som att säga ”ditt lag gjorde 90 poäng i går kväll” jämfört med ”ditt lag vann med 10 poäng”. Att veta om de vann eller förlorade är den mest relevanta informationen, följt av marginalen. Kom de förbi med ett par poäng eller krossade de det andra laget. Att dela upp data på detta sätt i ett ”vann du: ja eller nej” och ”med hur mycket” är mycket mer hanterbart, och potentiellt meningsfullt, än att försöka memorera en massa PRO-verktygsresultat.

Det finns två (2) grundläggande sätt att beräkna MCID:

Distributionsmetoden: Denna metod består av att halvera standardavvikelsen (den liknar en genomsnittlig variation i en grupp patienter) för förändringen i PRO-poäng. Detta är matte helt enkelt (eller inte så enkelt för de flesta av oss).

Förankringsmetoden: Denna metod använder sig av ett genomsnitt av förändringen i PRO-poäng för alla patienter som rapporterade en ökning på minst en (1) punkt i en annan livskvalitetsbaserad poäng. En av de vanligaste förankringarna är en fråga från PROMIS10 som rör patientens tolkning av sin allmänna fysiska hälsa eller livskvalitet.

Om du inte märker det är jag ett stort fan av MCID. Men som de flesta saker i livet är det inte ett perfekt system (ännu). Kolla in den här bloggen för att lära dig mer om de tre (3) största utmaningarna som är förknippade med användningen av MCID.