اوج مرور سیستماتیک و متاآنالیز: سلسله‌مراتب شواهد چگونه کیفیت پژوهش‌ها را رتبه‌بندی می‌کند

روش‌شناسان سخت‌گیر استدلال می‌کنند که تنها یک مرور سیستماتیک از کارآزمایی‌های تصادفی‌سازی و کنترل‌شده (RCT) می‌تواند به طور قطعی اثربخشی یک مداخله را ثابت کند و داده‌های مشاهده‌ای را به دلیل مخدوش بودن رد می‌کنند. در مقابل، پزشکان بالینی خط مقدم می‌گویند که انتظار برای یک متاآنالیز بی‌نقص، روند درمان را مختل می‌کند؛ آن‌ها معتقدند که مطالعات کوهورت با طراحی خوب و داده‌های دنیای واقعی، اغلب تنها پاسخ‌های اخلاقی یا عملی برای بیماران با شرایط پیچیده هستند.[4][5]

نکته کاربردی این است که سلسله‌مراتب شواهد به عنوان یک راهنمای تجربی عمل می‌کند، نه یک قانون مطلق. برای ارزیابی میزان اعتبار یک ادعای پزشکی، مداخله آموزشی یا تغییر سیاست، پژوهشگران به این هرم تکیه می‌کنند تا طرح‌های پژوهشی را بر اساس میزان آسیب‌پذیری‌شان در برابر سوگیری رتبه‌بندی کنند. تاکنون بیش از ۸۰ سلسله‌مراتب مختلف شواهد در سطح جهانی برای استانداردسازی این فرآیند پیشنهاد شده است.[6][8]

در رأس این هرم، مرور سیستماتیک و متاآنالیز قرار دارد که در همه جا به عنوان شواهد سطح ۱ طبقه‌بندی می‌شود. یک مرور سیستماتیک تمام مقالات منتشر شده درباره یک سوال مشخص را جمع‌آوری می‌کند، در حالی که یک متاآنالیز نتایج آن‌ها را به صورت ریاضی ترکیب می‌کند. اگر ۱۰ کارآزمایی مجزا هر کدام یک دارو را روی ۱۰۰ بیمار آزمایش کنند، یک متاآنالیز گروهی متشکل از ۱۰۰۰ بیمار را ارزیابی کرده، نویزهای آماری را هموار می‌کند و الگوهایی را شناسایی می‌کند که در نمونه‌های کوچک‌تر نامرئی هستند.[1][5]

درست در زیر این رأس، کارآزمایی‌های تصادفی‌سازی و کنترل‌شده (RCT) فردی قرار دارند که سطح ۲ را اشغال می‌کنند. پژوهشگران با تخصیص تصادفی شرکت‌کنندگان به گروه درمان یا کنترل، اثر مداخله را از متغیرهای مخدوش‌کننده جدا می‌کنند و اطمینان می‌دهند که هرگونه تفاوت در نتایج، واقعاً ناشی از درمان است نه ویژگی‌های جمعیت‌شناختی زمینه‌ای بیماران.[5]

مطالعات مشاهده‌ای در سطوح میانی قرار می‌گیرند و معمولاً به عنوان سطوح ۳ و ۴ طبقه‌بندی می‌شوند. این موارد شامل مطالعات کوهورت است که گروه‌ها را در طول زمان ردیابی می‌کند، و مطالعات مورد-شاهدی که برای شناسایی عوامل خطر به گذشته نگاه می‌کنند. اگرچه این مطالعات نمی‌توانند به طور قطعی رابطه علت و معلولی را ثابت کنند، اما زمانی که تخصیص تصادفی بیماران به مواجهه‌های مضر مانند سیگار کشیدن یا مواد شیمیایی سمی ناقض استانداردهای اخلاقی باشد، ضروری هستند.[1][5]

پایه هرم، یعنی سطح ۵، شامل گزارش‌های موردی، نظرات کارشناسی و تجربیات شخصی است. در حالی که این موارد فرضیه‌های اولیه را ایجاد کرده و پدیده‌های جدید را شناسایی می‌کنند، بالاترین خطر سوگیری را به همراه دارند و نمی‌توانند به تنهایی برای تدوین دستورالعمل‌های بالینی یا سیاست‌های عمومی استفاده شوند.[1][5]

این هرم ساختاری اکنون به سیستم‌های ارزیابی دقیق‌تری تکامل یافته است. چارچوب نظام درجه‌بندی کیفیت شواهد و قدرت توصیه‌ها (GRADE) که در سال ۲۰۰۰ معرفی شد، تمرکز را از طراحی مطالعه به اجرای مطالعه تغییر داد و پذیرفت که یک سلسله‌مراتب خشک اغلب قابلیت اطمینان در دنیای واقعی را به درستی نشان نمی‌دهد.[2][3]

چارچوب GRADE اذعان می‌کند که یک RCT با اجرای ضعیف، داده‌های بدتری نسبت به یک گروه مشاهده‌ای که با دقت پیگیری شده است، ارائه می‌دهد. این چارچوب، بدون توجه به جایگاه طراحی مطالعه در هرم سنتی، رتبه شواهد را به دلیل خطر سوگیری، تناقض، عدم دقت یا سوگیری انتشار کاهش می‌دهد.[2][7]

مراکز کنترل و پیشگیری از بیماری‌ها (CDC) به شدت به GRADE متکی هستند. کمیته مشورتی رویه‌های ایمن‌سازی (ACIP) از این چارچوب برای ارزیابی داده‌های اثربخشی واکسن پیش از صدور توصیه‌های ملی استفاده می‌کند تا اطمینان حاصل شود که الزامات بهداشت عمومی به جای یافته‌های پراکنده، بر شواهدی با قطعیت بالا استوار هستند.[2]

تعریف خود این سلسله‌مراتب بر کاهش خطا متمرکز است. همان‌طور که جیکوب استگنگا، فیلسوف علم، در سال ۲۰۱۴ اشاره کرد، سلسله‌مراتب شواهد اساساً رتبه‌بندی روش‌ها بر اساس پتانسیل آن روش برای ابتلا به سوگیری سیستماتیک است.

رأس این هرم بدون نقص‌های لجستیکی نیست. تکمیل یک مرور سیستماتیک دقیق به طور متوسط بین ۶ تا ۱۸ ماه زمان می‌برد. تا زمانی که داده‌ها منتشر شوند، عملکرد بالینی یا سویه‌های بیماری‌زای زمینه‌ای ممکن است تغییر کرده باشند و نتیجه‌گیری‌ها پیش از رسیدن به دست پزشکان خط مقدم، منسوخ شوند.

اصل ورودی بی‌ارزش، خروجی بی‌ارزش نیز متاآنالیزها را محدود می‌کند. اگر RCTهای زیربنایی از نقص‌های روش‌شناختی جدی رنج ببرند، ترکیب ریاضی آن‌ها تنها تخمین دقیق‌تری از یک نتیجه سوگیرانه تولید می‌کند و حس کاذبی از قطعیت به وجود می‌آورد.[7]

برای رفع مشکل سرعت، موسسات پژوهشی به طور فزاینده‌ای در حال اتخاذ مرورهای سیستماتیک پویا (living) هستند. این پروتکل‌ها با انتشار داده‌های کارآزمایی‌های جدید، متاآنالیز را به طور مداوم به‌روزرسانی می‌کنند، زمان‌بندی را از چند سال به چند هفته کاهش می‌دهند و رأس شواهد را با عملکردهای فعلی مرتبط نگه می‌دارند.[8]

معیار واقعی کیفیت شواهد این است که آیا یک یافته در جمعیت‌های مختلف قابل تکرار است یا خیر. تا زمانی که یک مداخله اثربخشی ثابتی را در چندین کارآزمایی مستقل نشان ندهد، جایگاه آن در سلسله‌مراتب موقتی باقی می‌ماند و در انتظار موج بعدی داده‌ها خواهد بود.[8]