دوره 14، شماره 4 - ( تیر 1399 )
جلد 14 شماره 4 صفحات 30-22 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Yoosefee S, Sharifimoghaddam S, Lotfi M, Sadeghi H, Eraghi P, Hemmati-Moghaddam A. Philosophical Contemplation on Evidence-Based Medicine. Qom Univ Med Sci J 2020; 14 (4) :22-30
URL: http://journal.muq.ac.ir/article-1-2492-fa.html
URL: http://journal.muq.ac.ir/article-1-2492-fa.html
یوسفی صادق، شریفی‌مقدم سروش، لطفی محمد، صادقی هانیه‌سادات، عراقی پرنیان، همتی مقدم احمدرضا. تأملی فلسفی بر پزشکی مبتنی بر شواهد. مجله دانشگاه علوم پزشکی قم. 1399; 14 (4) :22-30
صادق یوسفی1 
، سروش شریفی‌مقدم2 ، محمد لطفی3 ، هانیه‌سادات صادقی4 ، پرنیان عراقی3 ، احمدرضا همتی مقدم* 5
، سروش شریفی‌مقدم2 ، محمد لطفی3 ، هانیه‌سادات صادقی4 ، پرنیان عراقی3 ، احمدرضا همتی مقدم* 5
1- مرکز تحقیقات علوم اعصاب، مرکز تحقیقات سلامت معنوی، دانشگاه علوم پزشکی قم
2- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی قم
3- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی زنجان
4- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی البرز
5- گروه فلسفه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
2- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی قم
3- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی زنجان
4- کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی البرز
5- گروه فلسفه، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی
متن کامل [PDF 495 kb]
(970 دریافت)
| چکیده (HTML) (3541 مشاهده)
متن کامل: (1498 مشاهده)
مقدمه
امروزه پایه اصلی تشخیص و درمان در پزشکی، شواهد به‌دست‌آمده از تحقیقات است. یکی از جنبش‌هایی که سعی کرده است این مبنا را محقق سازد، پزشکی مبتنی بر شواهد (EBM: Evidence Based Medicine) است. پزشکی امروز وارث دو رویکرد عقل‌گرایی و تجربه‌گرایی است. در رویکرد عقل‌گرایی، تلاش برای کشف دلیل ایجاد بیماری‌هاست. ازاین‌رو در این رویکرد، به علوم پایه پزشکی مثل آناتومی و فیزیولوژی توجه زیادی میشود. در مقابل، در رویکرد تجربه‌گرایی پزشکان می‌کوشند از تجارب کسب‌شده از بررسی بیماران برای درمان بیماران مشابه استفاده کنند و دلیل ایجاد بیماری، موردتوجه قرار نمی‌گیرد (1).
در قرن بیستم، پزشکی مدرن با رویکرد عقل‌گرایی ظهور کرد و توجه زیادی به علوم پایه شد. در این زمان، سرعت پیشرفت پزشکی به حدی بود که سبب می‌شد بسیاری گمان کنند همه بیماریها به‌سرعت قابل‌درمان خواهند بود. این پیشرفت زیاد و درمان‌های جدید بر اساس کشف مکانیسم بیماریها شکل گرفت. این رویکرد تا دهه 1980، جریان غالب پزشکی بود؛ تا اینکه سرطان‌های مقاوم به درمان، بیماری‌های مزمنی چون فشارخون بالا و دیابت شیوع زیادی پیدا کردند. در دهه 80 میلادی، گروهی از پزشکان در دانشگاه مکمستر رویکرد جدیدی به پزشکی معرفی کردند. از نخستین تفسیرهای پزشکی مبتنی بر شواهد، تفسیر این کارگروه یعنی کاربرد اپیدمیولوژی بالینی در بالین بیمار بود. استدلال‌های ما در این مقاله بر اساس همین تفسیر خواهد بود.
پس از انتشار کتاب‌های زیادی در باب قضاوت بالینی (Clinical judgment) و اپیدمیولوژی بالینی (Clinical epidemiology)، رویکرد تجربه‌گرایی یا به عبارتی پزشکی مبتنی بر شواهد قدرت گرفت و این کتابها مبنای بسیاری از اقدامات بعدی قرار گرفتند (3-1). مدتی بعد، به دنبال انتشار مقاله‌ای با عنوان «پزشکی مبتنی بر شواهد، چه چیزی هست و چه چیزی نیست» (EBM "What it is and what it isn't)، تغییراتی در تفسیر اولیه ایجاد و تفسیر جدیدی ارائه شد؛ یکپارچه‌سازی قضاوت‌های بالینی منفرد بر اساس بهترین شواهد به‌دست‌آمده از مرورهای نظاممند (Systematic reviews) (4).
Alvan R. Feinstein در کتاب اپیدمیولوژی بالینی به نکته مهمی اشاره کرد که تا امروز محل بحث و مناقشه است. او گفت: ما باید داده‌هایی را از جمعیت بیماران به‌دست بیاوریم و از این داده‌ها برای تمام افراد استفاده کنیم (2). در سال 1992، مقاله‌ای با عنوان «پزشکی مبتنی بر شواهد: رویکرد جدیدی برای آموزش عمل پزشکی» در مجله JAMA منتشر شد که چند خط از آن را نقل می‌کنیم: «پارادایم جدیدی برای فعالیت و عمل پزشکی در حال تکمیل است. پزشکی مبتنی بر شواهد، بر عدم نقش شهود، تجربه بالینی غیرسیستماتیک و مبانی پاتوفیزیولوژیک به‌مثابه شرایط کافی برای تصمیم‌گیری بالینی تأکید دارد و درعوض، بر نقش شواهد حاصل از تحقیقات تکیه دارد (5)». به‌بیان‌دیگر، در رویکرد مبتنی بر شواهد، تجربه شخص پزشک، شهود و مبانی پاتولوژیک کافی نیست و استفاده از نتایج حاصل از تحقیقات نظاممند لازم است.
چندی بعد به دنبال گسترش اقبال به پزشکی مبتنی بر شواهد، David Sackett ایده رتبه‌بندی شواهد را مطرح کرد. در این رتبه‌بندی به ترتیب افزایش اهمیت، نظر پزشک، مطالعات مورد-شاهدی، گزارش موردی (Case Report)، مطالعات کوهورت (Cohort studies) و درنهایت کارآزماییهای کنترل‌شده تصادفی (RCTs: Randomized Controlled Trials) در بیشترین درجه اهمیت مرورهای نظاممند قرار دارند (6). طرفداران پزشکی مبتنی بر شواهد دو پیش‌فرض داشتند: 1. پزشکی موجود علمی نیست و باید با استفاده از پزشکی مبتنی بر شواهد علمی شود؛ 2. تصمیم‌گیری‌های بالینی باید بر شواهد به‌دست‌آمده از تحقیقات بالینی مبتنی باشد که معتبرترین آن‌ها مرورهای نظاممند هستند. در این مقاله، این دو مبنا با دقت بیشتری نقد میشود. ادعای ما این است که اساساً پزشکی یک علم نیست که پزشکی مبتنی بر شواهد بخواهد آن را علمی‌تر کند و طبقه‌بندی شواهد در اصل معیاری برای بهتربودن شواهد نیست، بلکه طبقه‌بندی راه‌های رسیدن به شواهد است و راه‌ها را طبقه‌بندی می‌کند.
روش بررسی
در این مطالعه، مطالب مرتبط با پزشکی مبتنی بر شواهد از کتابها و مقالات، جمع‌آوری، مرور و دسته‌بندی شد.
همانطور که اشاره شد، هدف سردمداران پزشکی مبتنی بر شواهد این بود که عمل (Practice) پزشکی را علمی‌تر بسازند. چون علم با مشاهده و تجربه آغاز میشود؛ بنابراین، حامیان این رویکرد ابتدا باید عمل پزشکی را با مشاهده و تجربه گره بزنند (5). ازآنجاکه نمود مشاهده و تجربه در تحقیقات پزشکی است، پس باید عمل پزشکی را با تحقیقات پزشکی گره زنند و سپس نشان دهند تحقیقات پزشکی فرایندهای کاملاً علمی هستند. هنگامی که عمل پزشکی با تحقیقات پزشکی علمی گره بخورد، پزشکی کاملاً علمی میشود؛ بنابراین، هدفشان برآورده میشود. آیا اساساً پزشکی یک علم است یا کاربست علوم (7) که پزشکی مبتنی بر شواهد بخواهد آن را علمی‌تر کند؟ آیا تحقیقات پزشکی علمی هستند و اگر نیستند چرا (8)؟
برای پاسخ به این پرسش‌ها لازم است یادآوری کنیم که مهم‌ترین کار علم، کشف عالم و قوانین طبیعت (9) و بر اساس آن، پیش‌بینی آینده (10) است؛ مثلاً اجسام از اتم تشکیل شده‌اند. پس نقش علم توصیف (Description) پدیدههاست (10). در پزشکی، عملکرد تجویزی (Prescriptive) حاکم است؛ چون بر اساس قواعد (Rules) موجود و بدون هیچ توصیفی گفته میشود که باید فلان اقدام صورت گیرد. به‌عبارت‌دیگر، در عمل پزشکی گفته میشود که اگر یک بیمار با علائم x مراجعه کرد، باید اقدام y صورت گیرد. این شیوه در تحقیقات پزشکی هم صادق است و از متاآنالیزها، دستورالعمل‌ها (Guidelines) حاصل میشوند که این دستورالعمل‌ها تکلیفی (Deontic) هستند. پس با این توضیح، به علمی‌بودن تحقیقات پزشکی خدشه وارد میشود (11).
برای گریز از این، برخی پزشکی را جزء علوم طبیعی کاربردی به حساب می‌آورند؛ با این توجیه که از روش و معرفت‌های علوم طبیعی برای حل مسائل پزشکی استفاده میشود (7). استدلال مطرح‌شده، استفاده از فیزیک و شیمی هنگام درمان فرد مبتلابه بیماری قلبی است (مثلاً برای توصیف پارامترهای ECG به فیزیک نیاز است). البته این توجیه مخالفانی نیز دارد. این عده معتقدند که در پزشکی نه‌تنها از روش علوم طبیعی استفاده میشود، بلکه از علوم دیگری همچون روان‌شناسی، جامعه‌شناسی، تاریخ و علوم مهندسی نیز بهره برده میشود و صرف استفاده از روش و دانش‌های علوم طبیعی در یک زمینه، نمیتواند آن را در زمره علوم طبیعی کاربردی قرار دهد (11). مثال ساده آن، استفاده از ریاضی در فیزیک و شیمی است؛ بااین‌حال، کسی فیزیک و شیمی را علم ریاضی کاربردی قلمداد نمی‌کند. به‌بیان‌دیگر، رابطه انتقالی (Transitive) وجود ندارد؛ یعنی اگر a کاربردی از b و b نیز کاربردی از c باشد، لزوماً a کاربردی از c نخواهد بود؛ چراکه این رابطه ازنظر منطقی غلط است. به‌عبارت‌دیگر، اگر برای حل مشکل عملی رشته a، از رشته b کمک گرفته شود، آیا a کاربردی از b خواهد بود؟ جواب این پرسش منفی است؛ زیرا a همچنان می‌تواند بدون تقلیل‌یافتن، مستقل عمل کند. مثلاً اگر یک کاردیولوژیست برای تشخیص و درمان بیماری‌های مربوط به رشته خود از فیزیولوژی و فارماکولوژی استفاده کند، نمیتواند حرفه خود را فیزیولوژی یا فارماکولوژی کاربردی بداند (11). پس با این استدلال، تحقیقاتی که در زمینه پزشکی انجام میشوند، علمی نیستند و نمی‌توانند لزوماً به‌عنوان تحقیقات کاربردی علمی نیز قلمداد شوند. درنتیجه، عمل پزشکی هم علم به حساب نمی‌آید.
بعضی از افراد، علم تحقیقات بالینی در پزشکی را به دو دسته پژوهش بالینی (Clinical research) و عمل بالینی (Clinical practice) تقسیم میکنند (11). شاید این دو، هرکدام به‌نوبه خود نوعی علم تلقی شود، اما این مفهوم با مفهوم علم (Science) موردنظر David Sackett تفاوت دارد و تنها اشتراک لفظی دارند. علوم موردنظر او چیزی از جنس فیزیک و شیمی است. طرفداران پزشکی مبتنی بر شواهد در تلاش بودند پزشکی را مانند فیزیک و شیمی، علمی کنند. وقتی می‌گوییم که پژوهش بالینی نوعی علم است نیز با مسامحه واژه علمی را به کار برده‌ایم. ممکن است نام آن را علم عملی (Practice) بگذاریم؛ به این علت که تحقیقات پزشکی هدفمند هستند و با یکسری قوانین و قواعد انجام میشوند. درحالی‌که مثلاً در علم فیزیک لزوماً این هدفمندی و قواعد حاکم نیست. به‌عبارت‌دیگر، در یک تحقیق ممکن است نتیجه حاصل شود یا نشود؛ اما در پزشکی هدف از تحقیق، استخراج یک قاعده است؛ بنابراین، به‌راحتی نمی‌توان گفت که پزشکی علم است.
سؤال دیگر این است که حامیان پزشکی مبتنی بر شواهد، علم خوب را چه علمی می‌دانند. فرض کنید پزشکی به‌عنوان علم پذیرفته شد. حال طرفداران پزشکی مبتنی بر شواهد چه کار بیشتری را انجام داده‌اند که پزشکی را به علم بهتر تبدیل کرده‌اند؟ در جواب این سؤال باید به بررسی معیارهایی بپردازیم که یک علم را قوی‌تر میکنند. این عوامل عبارت‌اند از: تجربی‌بودن (Empirical)، نظام‌مندبودن، عینی‌بودن (Objectivity)، کمّی‌بودن (Quantitative) و تولید قوانین (12). مدعیان پزشکی مبتنی بر شواهد باید اثبات کنند که این خصوصیات را در پزشکی برجسته کرده‌اند. در این بخش، ما به بررسی دو خصوصیت عینی‌بودن و تولید قوانین می‌پردازیم؛ چراکه عینی‌بودن و تولید قوانین از ویژگی‌های مهم علم هستند.
الف) تولید قوانین
پزشکی رایج تا به امروز نتوانسته است قانون محض (Strict) تولید کند؛ برای مثال، در فیزیک می‌گوییم که آب در دمای ١٠٠ درجه سانتی‌گراد به جوش می‌آید که این گزاره، یک قانون محض است؛ اما در پزشکی قوانین احتمالاتی هستند؛ مثلاً «افرادی که سیگار می‌کشند، ممکن است به سرطان ریه مبتلا شوند». وقتی صحبت از علمیترکردن پزشکی میشود، باید سمت‌وسو، تولید قوانین محض باشد. ماهیت پزشکی نمیتواند این قوانین را تولید کند. در پزشکی فقط احتمالات برجسته میشوند. بنابراین ادعای علمیترکردن پزشکی دور از ذهن است.
اکثر مغالطه‌های پزشکی به همین صورت است؛ چراکه تحقیقات روی جمعیت‌های مشخصی انجام میشوند؛ برای مثال می‌گوییم: «80 نفر از 100 نفری که داروی x را گرفته‌اند، درمان شده‌اند.» پزشک نیز همان دارو را تجویز می‌کند؛ چون برای ٨٠ درصد مؤثر بوده است؛ اما این یک مغالطه است. این آمار و احتمالات در جامعه مورد آزمایش صادق است و ازآنجاکه شخصی که به پزشک مراجعه می‌کند، الزاماً جزء آن ١٠٠ نفر مورد مطالعه نیست، به نسبت مساوی احتمال دارد جزء آن ٨٠ درصد درمان‌شده باشد یا جزء ٢٠ درصد درمان‌نشده قرار گیرد. به عبارتی دیگر، نتایج حاصل از مطالعه روی جمعیتی خاص را نمی‌توان به عنوانی قانونی کلی به موارد دیگر آن جمعیت تعمیم داد.
ب) عینیت‌بخشیدن
عینیت‌بخشیدن مهم‌ترین ویژگی علم است؛ یعنی تجربه یک پدیده در زمان‌ها و مکان‌های مختلف یکسان خواهد بود (13)؛ مثلاً جوش‌آمدن آب در دمای ١٠٠ درجه سانتی‌گراد به فردی که این کار را انجام می‌دهد بستگی ندارد. طرفداران پزشکی مبتنی بر شواهد ادعا دارند بر اساس رتبه‌بندی شواهد، عینیت‌بخشی را افزایش می‌دهند. در ادامه به بررسی این موضوع می‌پردازیم.
رتبه‌بندی شواهد
منظور از شواهد چیست؟ وقتی از رتبه‌بندی شواهد صحبت میشود، عملاً طراحی مطالعات و چگونگی به‌دست‌آوردن شواهد مدنظر است که می‌تواند کارآزماییهای تصادفی کنترل‌شده، کوهورت و ... باشد. درنتیجه، شواهد رتبه‌بندی نشده‌اند، بلکه راه‌های رسیدن به آن‌ها رتبه‌بندی شده‌اند. پس رتبه‌بندی شواهد آن‌ها را ازنظر متدولوژی درجه‌بندی می‌کند، نه ازنظر عینی‌بودن. در این رتبه‌بندی، کارآزماییهای تصادفی در بالای لیست و بالاتر از مطالعات غیرتصادفی قرار دارند. متاآنالیز کارآزماییهای تصادفی کنترل‌شده، بهترین روش برای به‌دست‌آوردن شواهد هستند. بعدازآن، کارآزماییهای تصادفی کنترل‌شده منفرد و سپس مطالعات کوهورت و دیگر مطالعات قرار دارند. پس چنین استنباط میشود که هرچه تصادفی‌سازی بیشتر باشد، مطالعه ارزش بیشتری دارد (14). آیا تصادفی‌سازی عینیت‌بخشی را بیشتر می‌کند؟ چه اهمیتی در تصادفی‌سازی وجود دارد که کارآزماییهای تصادفی کنترل‌شده بالاتر از مطالعات کوهورت قرار می‌گیرند؟ آیا عینیت‌بخشی را مشخص و تحقیقات را علمی‌تر و تجربی‌بودن و کمّی‌بودن را بهتر میکنند؟
به نظر می‌آید تنها تفاوت مطالعات کوهورت و کارآزماییهای تصادفی کنترل‌شده، در تخصیص تصادفی است؛ بنابراین، چرا تصادفی‌سازی باعث میشود کارآزماییهای تصادفی کنترل‌شده ارزش بیشتری داشته باشد؟ در پاسخ به این چالش، ادعا میشود که تصادفی‌سازی مانع ایجاد انتخاب سوگیرانه (Selection biaB) میشود و هم‌ارزی (Equivalency) گروه تحت درمان و کنترل را تضمین می‌کند. بدیهی است هرچه سوگیری کمتر شود، عینی‌بودن بیشتر میشود. اگر فرض بگیریم که تصادفی‌سازی برای دوری از انتخاب سوگیرانه شرط کافی است، آیا شرط لازم نیز هست؟ اگر شرط لازم باشد، تصادفی‌سازی اهمیت معرفتی (Epistemic) دارد. آیا این‌گونه است که اگر تصادفی‌سازی صورت گرفته باشد، انتخاب سوگیرانه نیست و اگر انتخاب سوگیرانه باشد، آنگاه تصادفی‌سازی انجام نشده است؟ درواقع نبود تصادفی‌سازی، لزوماً به معنای انتخاب سوگیرانه نیست. پس تصادفی‌سازی شرط لازم برای نبود انتخاب سوگیرانه نیست؛ چون میتوان این کار را به روش‌های دیگری انجام داد. ازاین‌رو، تصادفی‌سازی ممکن است اهمیت معرفتی مورد ادعا را نداشته باشد؛ چراکه روش‌های جایگزین دیگری نیز می‌توانند به همان قدرت تصادفی‌سازی، در جلوگیری از انتخاب سوگیرانه مؤثر باشند (15 و16).
از طرف دیگر، عده‌ای این انتقاد را مطرح میکنند که بسیاری از درمان‌های مؤثر و پرکاربرد مانند تراکئوستومی، مانور هایملیخ و واکسن هاری هرگز در مطالعات کارآزمایی تصادفی تأیید نشده‌اند. سؤال بعدی این است که حتی اگر کارآزماییهای تصادفی کنترل‌شده در بالاترین رتبه قرار داشته باشند، چرا باید در عمل پزشکی چنین رتبه‌بندی‌ای را پذیرفت. آیا این طبقه‌بندی از روش‌های دیگر بهتر است؟ آیا این طبقه‌بندی به پزشکان در فهم علیت، تشخیص، درمان و پیش‌بینی (Prognosis) بیماریها کمک مؤثری می‌کند؟ در ادامه به نقد رتبه‌بندی شواهد می‌پردازیم.
(2)
نقد رتبه‌بندی شواهد
پرسش اساسی برای ورود به بحث این است که آیا طبقه‌بندی مطرح‌شده تنها معیار مطلوب است. مثلاً Upshure در مقاله‌ای با عنوان «آیا همه شیوههای مبتنی بر شواهد یکسان هستند؟ مشکلات در رتبه‌بندی شواهد» (Are all evidence-based practices alike? Problems in the ranking of evidence)، طبقه‌بندی دیگری از شواهد را ارائه می‌دهد که می‌تواند مزیت‌های مشابه را داشته باشد (17). پس باید طرفداران پزشکی مبتنی بر شواهد شواهدی ارائه دهند که توجیه‌کننده مزیت آن نسبت به هرگونه طبقه‌بندی دیگری باشد. هرچند رسماً چنین شواهدی ارائه نشده است، بر اساس سلسله
مقالات منتشرشده و نیز کتاب راهنمای پزشکی مبتنی بر
شواهد، توجیهاتی همچون افزایش دقت، تصادفی‌سازی، به‌حداقل‌رساندن سوگیری و حرکت به سمت قطعیت نسبی را میتوان یافت. در ادامه به بررسی دقت طبقه‌بندی شواهد می‌پردازیم. طبق نظر حامیان پزشکی مبتنی بر شواهد، مرور نظاممند کارآزماییهای تصادفی کنترل‌شده بیشترین دقت را دارد. Greenhalgh در کتاب خود، به‌حداقل‌رساندن سوگیری را از ویژگی‌های این نوع مطالعات برشمرده است (18).
طبق ادعای طرفداران پزشکی مبتنی بر شواهد، یکی از دلایل کاهش سوگیری در این مطالعات، ورود کارآزماییهای تصادفی کنترل‌شده با سوگیری کم به مطالعه است. بر این اساس، نتیجه مطالعه مروری نیز سوگیری کمی خواهد داشت. یکی از مغالطه‌های موجود این است که با جمع‌آوری تعداد زیادی از مطالعات کارآزمایی تصادفی کنترل‌شده با سوگیری کم، درنهایت سوگیری کم میشود.
داده‌های آماری حاصل از کارآزماییهای تصادفی کنترل‌شده نیازمند تفسیر و تحلیل هستند. روش‌های بالقوه مفیدی برای تفسیر و تحلیل این نتایج وجود دارد. یکی از روش‌های احتمالاتی که در پزشکی استفاده میشود، آزمون فرضیه (Hypothesis testing) است. بر اساس این مدل، داده‌ها بر اساس یک فرضیه صفر آماری (Statistical null hypothesis) تحلیل میشوند. طبق این فرضیه، درمان اثری ندارد. در مقابل، فرضیه دیگری می‌گوید که درمان مؤثر است. دو نوع خطا در این فرضیه وجود دارد؛ گاهی فرضیه صفر کاذب است و ما آن را صادق فرض می‌کنیم؛ یعنی درمان اثر دارد و ما آن را بی‌تأثیر می‌انگاریم (خطای نوع 2)؛ گاهی نیز فرضیه صفر صادق است و ما آن را کاذب در نظر می‌گیریم (خطای نوع 1)؛ یعنی درمان اثری ندارد و ما آن را مؤثر تلقی می‌کنیم. خطای نوع 2 با تحقیقات بیشتر برطرف میشود. محل بحث ما خطای نوع 1 است. حالا چون احتمال به صفر رساندن خطای نوع 1 وجود ندارد، یک سطح معناداری در نظر می‌گیریم و آن را P-Value می‌نامیم. این مفهوم به ما می‌گوید که احتمال ردکردن فرضیه صفر صادق، چقدر است. سطح معناداری بر اساس قرارداد، معمولاً کوچک‌تر از 05/0 در نظر گرفته میشود؛ یعنی اگر 100 بار این آزمون را انجام دهیم، در کمتر از 5 مورد، فرضیه صفر صادق را رد می‌کنیم. بدین ترتیب احتمال ردکردن فرضیه صادق برای ما کمتر میشود. در حقیقت تنها چیزی که این P-Value به ما می‌دهد این است که آیا درمان در این گروه خاص، از هیچ نوع درمانی، مؤثرتر است یا خیر؛ نه چیزی بیشتر. به‌عبارت‌دیگر، هیچ اطلاعاتی راجع به میزان مؤثربودن، نوسانات درمان طی زمان و تفاوت پاسخدهی زیرگروهها نمی‌دهد.
برای رفع این مشکلات، فاصله اطمینان محاسبه میشود؛ یعنی احتمالِ احتمال. این فاصله اطمینان، محدوده‌ای از داده‌ها را به ما می‌دهد که نتایج تحقیق، احتمالاً در آن بازه مؤثرتر است. درحقیقت این محدوده، اندازه اثر (Effect size) را نشان می‌دهد. در این رابطه از متاآنالیزها بهره برده میشود. با این ادعا که باعث کاهش خطاها در این زمینه میشوند؛ زیرا در این نوع پژوهشها داده‌های چندین مطالعه که در پی یافتن جواب سؤال مشابهی بوده‌اند، با هم ادغام میشود؛ بنابراین، خطاهای تصادفی کاهش می‌یابد. از طرفی دیگر، متاآنالیزها فاصله اطمینان را باریک (Narrow) میکنند و دقت کارآزمایی زیاد میشود.
David S. Salsburg در نقطه‌نظری (Commentary) با عنوان «دین آمار به‌عنوان یک عمل در پزشکی» (The religion of statistics as practice in medicine)، می‌گوید که آزمون فرضیه در پزشکی، بخش کوچکی از جهان آمار در زمینه آزمودن فرضیه‌هاست و بسیاری روش‌های آماری دیگر نادیده گرفته شده‌اند. سؤالاتی از قبیل اینکه اگر بیمار به درمان پاسخ دهد، نشانه‌های آن چه مدت بعد ظاهر میشوند، بر چه چیزی نظارت (Monitoring) می‌کنیم تا دریابیم پاسخ رخ داده است یا خیر، چه خصوصیاتی از بیمار احتمالاً باعث پاسخ به درمان میشود، اگر عوارض جانبی رخ دهد، نشانه‌های آن چه زمانی ظاهر میشوند، الگوی کلی کارکرد معیوب چیست، قابل پاسخدهی از طریق آزمون فرضیه نیستند؛ زیرا این معیار استاندارد فقط اثربخشی درمان و رد فرضیه صفر را مشخص می‌سازد. این پاسخدهی فایده اندکی در جامعه دارد. کاربرد مطالعات برای شناسایی زیرگروه‌هایی از بیماران با الگوهای پاسخ مشخص و تخمین درجات اثر و زمان بروز عوارض مهم است و این همان کاری است که متاآنالیز انجام نمی‌دهد (19)؛ برای مثال، فرض کنید درمان A در یک کارآزمایی تصادفی کنترل‌شده بررسی شده است. آنالیز داده‌ها نشان داده که 049/0=P بوده است. محققان نتیجه می‌گیرند که درمان برای پیامدهای از پیش تعیین‌شده مؤثر است. حتی ممکن است فاصله اطمینان نیز به دلیل زیادبودن تعداد نمونه‌ها، باریک باشد؛ بنابراین، نتیجه گرفته میشود که درمان مؤثر بوده است. بر این اساس، از طریق دستورالعمل به پزشک توصیه میشود که درمان را برای جمعیت عمومی به کار ببرد. استدلال ما این است که ممکن است در گروه درمان، نیمی از اعضا بدتر شده و نیم دیگر بهبودی چشمگیری داشته باشند و به‌طور میانگین در کل گروه اثر موردنظر حاصل شده باشد. در این حالت تحلیل زیرگروهها مهم است. فرض کنید افرادی که خیلی خوب به درمان پاسخ داده‌اند مرد و افراد گروه دیگر زن باشند. این نتیجه فقط از تحلیل زیرگروه به‌دست می‌آید. جالب اینکه در تحلیل زیرگروهها نیز تحلیل احتمالاتی انجام میشود. درحالی‌که ما به تحلیلی غیراحتمالاتی نیاز داریم که پاسخ دهد چرا مردان خوب شده‌اند و زنان خوب نشده‌اند. با این استدلال حقیقت این است که مطالعات متاآنالیز دقت زیادی ندارند. دقت آن است که مطالعه بگوید چرا داروی A در این گروه اثر دارد و در گروه دیگر اثر ندارد، نه آنکه صرفاً تأثیر در یک گروه را بیان کند.
شاخه‌های دیگری از تحقیقات مانند بیولوژی مولکولی، بدون استفاده از تحلیل‌های آماری پاسخ چرایی‌ها را می‌دهند؛ بنابراین، چرا بهترین شواهد را شواهدی در نظر می‌گیریم که P-Value کم و فاصله اطمینان باریک داشته باشند؟ درحالی‌که مطالعات غیراحتمالاتی و احتمالاتی بیزین (Bayesian) شواهد محکم‌تری به‌دست می‌دهند. از طرف دیگر، مفاهیم P-Value و فاصله اطمینان در چارچوب روش مشخص پزشکی مبتنی بر شواهد، شواهد خوبی هستند. دقتی که با این دو مفهوم به‌دست می‌آید، در مدل پزشکی مبتنی بر شواهد دقت زیادی است، ولی قابل قیاس با مدل‌های دیگر نیست. این دو مفهوم سنجه مشترکی بین دو نوع مطالعه نیستند که با کم یا زیاد بودن آن به برتری یکی بر دیگری برسیم.
بحث
پزشکی عصر حاضر، حاصل تقابل دو دیدگاه تجربه‌گرایی و عقل‌گرایی است. در دیدگاه عقل‌گرایی، کشف علت ایجاد بیماریها اساس تشخیص و درمان قلمداد میشود. در مقابل، تجربه‌گرایان برای تشخیص و درمان، تجربه پزشکان در موارد مشابه را اصل می‌دانند. در این میان، دیدگاه تجربه‌گرایان به ایجاد سازوکار جدیدی برای جمع‌آوری و سازمان‌دهی تجارب و شواهد منجر شد. این گروه بر آن شدند تحقیقات بالینی را رتبه‌بندی کنند و از شواهد به‌دست‌آمده، دستورالعمل‌هایی را برای استفاده پزشکان طراحی کنند. به این شیوه، پزشکی مبتنی بر شواهد می‌گویند (20). نخستین کارگروه پزشکی مبتنی بر شواهد در دانشگاه مکمستر تشکیل شد.
ادعای حامیان پزشکی مبتنی بر شواهد بر دو چیز استوار است؛ پزشکی یک علم است و با استفاده از نتایج مطالعات، علمی‌تر میشود و تصمیم‌گیری‌های بالینی باید مبتنی بر شواهد به‌دست‌آمده از تحقیقات بالینی باشد. در این مقاله فلسفی، ابتدا به ادعای اول آنان پرداختیم که اساساً پزشکی علم است یا خیر. درصورتی‌که علم باشد، حامیان پزشکی مبتنی بر شواهد چه معیارهایی را ارائه می‌دهند که با پیاده‌سازی آن‌ها، پزشکی علمی‌تر شود؟ موضوع بخش بعدی مقاله این بود که در صورت مستدل‌بودن ادعای نخست آنان، آیا رتبه‌بندی شواهد، سازوکار محکمی است و آیا تنها سازوکاری است که با کمک آن میشود شواهد مستحکمی یافت. درصورتی‌که تنها سازوکار موجود باشد، آیا دستاوردهای حاصل از تحقیقات، نیازهای پزشک برای تشخیص و درمان را در اختیار او می‌گذارد؟
نتیجه‌گیری
هدف از این نوشتار، نقد فلسفی پزشکی مبتنی بر شواهد بود. در کنار انگیزه مالی گسترش پزشکی مبتنی بر شواهد که در این مجال به آن پرداخته نشد و البته با درجاتی می‌تواند در هر نوع مطالعهای خدشه وارد کند (6)، اگر در حال حاضر چارچوبی جز پزشکی مبتنی بر شواهد وجود نداشته باشد، این بدین معنی نیست که اشکالات آن را نادیده انگاریم و بگوییم که بهترین راه است (21)؛ چراکه نتایج حاصل از این نوع مطالعات معمولاً باعث به‌وجودآمدن دستورالعمل‌هایی برای عمل پزشکی میشوند؛ بنابراین، نقدها و چالش‌های پزشکی مبتنی بر شواهد، حتی اگر تنها راه موجود تا این زمان باشند، باید موردتوجه قرار گیرند.
تشکر و قدردانی
از تمام عزیزانی که با نظرات ارزشمند خود ما را در تهیه این مقاله یاری نمودند، قدردانی میشود.
امروزه پایه اصلی تشخیص و درمان در پزشکی، شواهد به‌دست‌آمده از تحقیقات است. یکی از جنبش‌هایی که سعی کرده است این مبنا را محقق سازد، پزشکی مبتنی بر شواهد (EBM: Evidence Based Medicine) است. پزشکی امروز وارث دو رویکرد عقل‌گرایی و تجربه‌گرایی است. در رویکرد عقل‌گرایی، تلاش برای کشف دلیل ایجاد بیماری‌هاست. ازاین‌رو در این رویکرد، به علوم پایه پزشکی مثل آناتومی و فیزیولوژی توجه زیادی میشود. در مقابل، در رویکرد تجربه‌گرایی پزشکان می‌کوشند از تجارب کسب‌شده از بررسی بیماران برای درمان بیماران مشابه استفاده کنند و دلیل ایجاد بیماری، موردتوجه قرار نمی‌گیرد (1).
در قرن بیستم، پزشکی مدرن با رویکرد عقل‌گرایی ظهور کرد و توجه زیادی به علوم پایه شد. در این زمان، سرعت پیشرفت پزشکی به حدی بود که سبب می‌شد بسیاری گمان کنند همه بیماریها به‌سرعت قابل‌درمان خواهند بود. این پیشرفت زیاد و درمان‌های جدید بر اساس کشف مکانیسم بیماریها شکل گرفت. این رویکرد تا دهه 1980، جریان غالب پزشکی بود؛ تا اینکه سرطان‌های مقاوم به درمان، بیماری‌های مزمنی چون فشارخون بالا و دیابت شیوع زیادی پیدا کردند. در دهه 80 میلادی، گروهی از پزشکان در دانشگاه مکمستر رویکرد جدیدی به پزشکی معرفی کردند. از نخستین تفسیرهای پزشکی مبتنی بر شواهد، تفسیر این کارگروه یعنی کاربرد اپیدمیولوژی بالینی در بالین بیمار بود. استدلال‌های ما در این مقاله بر اساس همین تفسیر خواهد بود.
پس از انتشار کتاب‌های زیادی در باب قضاوت بالینی (Clinical judgment) و اپیدمیولوژی بالینی (Clinical epidemiology)، رویکرد تجربه‌گرایی یا به عبارتی پزشکی مبتنی بر شواهد قدرت گرفت و این کتابها مبنای بسیاری از اقدامات بعدی قرار گرفتند (3-1). مدتی بعد، به دنبال انتشار مقاله‌ای با عنوان «پزشکی مبتنی بر شواهد، چه چیزی هست و چه چیزی نیست» (EBM "What it is and what it isn't)، تغییراتی در تفسیر اولیه ایجاد و تفسیر جدیدی ارائه شد؛ یکپارچه‌سازی قضاوت‌های بالینی منفرد بر اساس بهترین شواهد به‌دست‌آمده از مرورهای نظاممند (Systematic reviews) (4).
Alvan R. Feinstein در کتاب اپیدمیولوژی بالینی به نکته مهمی اشاره کرد که تا امروز محل بحث و مناقشه است. او گفت: ما باید داده‌هایی را از جمعیت بیماران به‌دست بیاوریم و از این داده‌ها برای تمام افراد استفاده کنیم (2). در سال 1992، مقاله‌ای با عنوان «پزشکی مبتنی بر شواهد: رویکرد جدیدی برای آموزش عمل پزشکی» در مجله JAMA منتشر شد که چند خط از آن را نقل می‌کنیم: «پارادایم جدیدی برای فعالیت و عمل پزشکی در حال تکمیل است. پزشکی مبتنی بر شواهد، بر عدم نقش شهود، تجربه بالینی غیرسیستماتیک و مبانی پاتوفیزیولوژیک به‌مثابه شرایط کافی برای تصمیم‌گیری بالینی تأکید دارد و درعوض، بر نقش شواهد حاصل از تحقیقات تکیه دارد (5)». به‌بیان‌دیگر، در رویکرد مبتنی بر شواهد، تجربه شخص پزشک، شهود و مبانی پاتولوژیک کافی نیست و استفاده از نتایج حاصل از تحقیقات نظاممند لازم است.
چندی بعد به دنبال گسترش اقبال به پزشکی مبتنی بر شواهد، David Sackett ایده رتبه‌بندی شواهد را مطرح کرد. در این رتبه‌بندی به ترتیب افزایش اهمیت، نظر پزشک، مطالعات مورد-شاهدی، گزارش موردی (Case Report)، مطالعات کوهورت (Cohort studies) و درنهایت کارآزماییهای کنترل‌شده تصادفی (RCTs: Randomized Controlled Trials) در بیشترین درجه اهمیت مرورهای نظاممند قرار دارند (6). طرفداران پزشکی مبتنی بر شواهد دو پیش‌فرض داشتند: 1. پزشکی موجود علمی نیست و باید با استفاده از پزشکی مبتنی بر شواهد علمی شود؛ 2. تصمیم‌گیری‌های بالینی باید بر شواهد به‌دست‌آمده از تحقیقات بالینی مبتنی باشد که معتبرترین آن‌ها مرورهای نظاممند هستند. در این مقاله، این دو مبنا با دقت بیشتری نقد میشود. ادعای ما این است که اساساً پزشکی یک علم نیست که پزشکی مبتنی بر شواهد بخواهد آن را علمی‌تر کند و طبقه‌بندی شواهد در اصل معیاری برای بهتربودن شواهد نیست، بلکه طبقه‌بندی راه‌های رسیدن به شواهد است و راه‌ها را طبقه‌بندی می‌کند.
روش بررسی
در این مطالعه، مطالب مرتبط با پزشکی مبتنی بر شواهد از کتابها و مقالات، جمع‌آوری، مرور و دسته‌بندی شد.
همانطور که اشاره شد، هدف سردمداران پزشکی مبتنی بر شواهد این بود که عمل (Practice) پزشکی را علمی‌تر بسازند. چون علم با مشاهده و تجربه آغاز میشود؛ بنابراین، حامیان این رویکرد ابتدا باید عمل پزشکی را با مشاهده و تجربه گره بزنند (5). ازآنجاکه نمود مشاهده و تجربه در تحقیقات پزشکی است، پس باید عمل پزشکی را با تحقیقات پزشکی گره زنند و سپس نشان دهند تحقیقات پزشکی فرایندهای کاملاً علمی هستند. هنگامی که عمل پزشکی با تحقیقات پزشکی علمی گره بخورد، پزشکی کاملاً علمی میشود؛ بنابراین، هدفشان برآورده میشود. آیا اساساً پزشکی یک علم است یا کاربست علوم (7) که پزشکی مبتنی بر شواهد بخواهد آن را علمی‌تر کند؟ آیا تحقیقات پزشکی علمی هستند و اگر نیستند چرا (8)؟
برای پاسخ به این پرسش‌ها لازم است یادآوری کنیم که مهم‌ترین کار علم، کشف عالم و قوانین طبیعت (9) و بر اساس آن، پیش‌بینی آینده (10) است؛ مثلاً اجسام از اتم تشکیل شده‌اند. پس نقش علم توصیف (Description) پدیدههاست (10). در پزشکی، عملکرد تجویزی (Prescriptive) حاکم است؛ چون بر اساس قواعد (Rules) موجود و بدون هیچ توصیفی گفته میشود که باید فلان اقدام صورت گیرد. به‌عبارت‌دیگر، در عمل پزشکی گفته میشود که اگر یک بیمار با علائم x مراجعه کرد، باید اقدام y صورت گیرد. این شیوه در تحقیقات پزشکی هم صادق است و از متاآنالیزها، دستورالعمل‌ها (Guidelines) حاصل میشوند که این دستورالعمل‌ها تکلیفی (Deontic) هستند. پس با این توضیح، به علمی‌بودن تحقیقات پزشکی خدشه وارد میشود (11).
برای گریز از این، برخی پزشکی را جزء علوم طبیعی کاربردی به حساب می‌آورند؛ با این توجیه که از روش و معرفت‌های علوم طبیعی برای حل مسائل پزشکی استفاده میشود (7). استدلال مطرح‌شده، استفاده از فیزیک و شیمی هنگام درمان فرد مبتلابه بیماری قلبی است (مثلاً برای توصیف پارامترهای ECG به فیزیک نیاز است). البته این توجیه مخالفانی نیز دارد. این عده معتقدند که در پزشکی نه‌تنها از روش علوم طبیعی استفاده میشود، بلکه از علوم دیگری همچون روان‌شناسی، جامعه‌شناسی، تاریخ و علوم مهندسی نیز بهره برده میشود و صرف استفاده از روش و دانش‌های علوم طبیعی در یک زمینه، نمیتواند آن را در زمره علوم طبیعی کاربردی قرار دهد (11). مثال ساده آن، استفاده از ریاضی در فیزیک و شیمی است؛ بااین‌حال، کسی فیزیک و شیمی را علم ریاضی کاربردی قلمداد نمی‌کند. به‌بیان‌دیگر، رابطه انتقالی (Transitive) وجود ندارد؛ یعنی اگر a کاربردی از b و b نیز کاربردی از c باشد، لزوماً a کاربردی از c نخواهد بود؛ چراکه این رابطه ازنظر منطقی غلط است. به‌عبارت‌دیگر، اگر برای حل مشکل عملی رشته a، از رشته b کمک گرفته شود، آیا a کاربردی از b خواهد بود؟ جواب این پرسش منفی است؛ زیرا a همچنان می‌تواند بدون تقلیل‌یافتن، مستقل عمل کند. مثلاً اگر یک کاردیولوژیست برای تشخیص و درمان بیماری‌های مربوط به رشته خود از فیزیولوژی و فارماکولوژی استفاده کند، نمیتواند حرفه خود را فیزیولوژی یا فارماکولوژی کاربردی بداند (11). پس با این استدلال، تحقیقاتی که در زمینه پزشکی انجام میشوند، علمی نیستند و نمی‌توانند لزوماً به‌عنوان تحقیقات کاربردی علمی نیز قلمداد شوند. درنتیجه، عمل پزشکی هم علم به حساب نمی‌آید.
بعضی از افراد، علم تحقیقات بالینی در پزشکی را به دو دسته پژوهش بالینی (Clinical research) و عمل بالینی (Clinical practice) تقسیم میکنند (11). شاید این دو، هرکدام به‌نوبه خود نوعی علم تلقی شود، اما این مفهوم با مفهوم علم (Science) موردنظر David Sackett تفاوت دارد و تنها اشتراک لفظی دارند. علوم موردنظر او چیزی از جنس فیزیک و شیمی است. طرفداران پزشکی مبتنی بر شواهد در تلاش بودند پزشکی را مانند فیزیک و شیمی، علمی کنند. وقتی می‌گوییم که پژوهش بالینی نوعی علم است نیز با مسامحه واژه علمی را به کار برده‌ایم. ممکن است نام آن را علم عملی (Practice) بگذاریم؛ به این علت که تحقیقات پزشکی هدفمند هستند و با یکسری قوانین و قواعد انجام میشوند. درحالی‌که مثلاً در علم فیزیک لزوماً این هدفمندی و قواعد حاکم نیست. به‌عبارت‌دیگر، در یک تحقیق ممکن است نتیجه حاصل شود یا نشود؛ اما در پزشکی هدف از تحقیق، استخراج یک قاعده است؛ بنابراین، به‌راحتی نمی‌توان گفت که پزشکی علم است.
سؤال دیگر این است که حامیان پزشکی مبتنی بر شواهد، علم خوب را چه علمی می‌دانند. فرض کنید پزشکی به‌عنوان علم پذیرفته شد. حال طرفداران پزشکی مبتنی بر شواهد چه کار بیشتری را انجام داده‌اند که پزشکی را به علم بهتر تبدیل کرده‌اند؟ در جواب این سؤال باید به بررسی معیارهایی بپردازیم که یک علم را قوی‌تر میکنند. این عوامل عبارت‌اند از: تجربی‌بودن (Empirical)، نظام‌مندبودن، عینی‌بودن (Objectivity)، کمّی‌بودن (Quantitative) و تولید قوانین (12). مدعیان پزشکی مبتنی بر شواهد باید اثبات کنند که این خصوصیات را در پزشکی برجسته کرده‌اند. در این بخش، ما به بررسی دو خصوصیت عینی‌بودن و تولید قوانین می‌پردازیم؛ چراکه عینی‌بودن و تولید قوانین از ویژگی‌های مهم علم هستند.
الف) تولید قوانین
پزشکی رایج تا به امروز نتوانسته است قانون محض (Strict) تولید کند؛ برای مثال، در فیزیک می‌گوییم که آب در دمای ١٠٠ درجه سانتی‌گراد به جوش می‌آید که این گزاره، یک قانون محض است؛ اما در پزشکی قوانین احتمالاتی هستند؛ مثلاً «افرادی که سیگار می‌کشند، ممکن است به سرطان ریه مبتلا شوند». وقتی صحبت از علمیترکردن پزشکی میشود، باید سمت‌وسو، تولید قوانین محض باشد. ماهیت پزشکی نمیتواند این قوانین را تولید کند. در پزشکی فقط احتمالات برجسته میشوند. بنابراین ادعای علمیترکردن پزشکی دور از ذهن است.
اکثر مغالطه‌های پزشکی به همین صورت است؛ چراکه تحقیقات روی جمعیت‌های مشخصی انجام میشوند؛ برای مثال می‌گوییم: «80 نفر از 100 نفری که داروی x را گرفته‌اند، درمان شده‌اند.» پزشک نیز همان دارو را تجویز می‌کند؛ چون برای ٨٠ درصد مؤثر بوده است؛ اما این یک مغالطه است. این آمار و احتمالات در جامعه مورد آزمایش صادق است و ازآنجاکه شخصی که به پزشک مراجعه می‌کند، الزاماً جزء آن ١٠٠ نفر مورد مطالعه نیست، به نسبت مساوی احتمال دارد جزء آن ٨٠ درصد درمان‌شده باشد یا جزء ٢٠ درصد درمان‌نشده قرار گیرد. به عبارتی دیگر، نتایج حاصل از مطالعه روی جمعیتی خاص را نمی‌توان به عنوانی قانونی کلی به موارد دیگر آن جمعیت تعمیم داد.
ب) عینیت‌بخشیدن
عینیت‌بخشیدن مهم‌ترین ویژگی علم است؛ یعنی تجربه یک پدیده در زمان‌ها و مکان‌های مختلف یکسان خواهد بود (13)؛ مثلاً جوش‌آمدن آب در دمای ١٠٠ درجه سانتی‌گراد به فردی که این کار را انجام می‌دهد بستگی ندارد. طرفداران پزشکی مبتنی بر شواهد ادعا دارند بر اساس رتبه‌بندی شواهد، عینیت‌بخشی را افزایش می‌دهند. در ادامه به بررسی این موضوع می‌پردازیم.
رتبه‌بندی شواهد
منظور از شواهد چیست؟ وقتی از رتبه‌بندی شواهد صحبت میشود، عملاً طراحی مطالعات و چگونگی به‌دست‌آوردن شواهد مدنظر است که می‌تواند کارآزماییهای تصادفی کنترل‌شده، کوهورت و ... باشد. درنتیجه، شواهد رتبه‌بندی نشده‌اند، بلکه راه‌های رسیدن به آن‌ها رتبه‌بندی شده‌اند. پس رتبه‌بندی شواهد آن‌ها را ازنظر متدولوژی درجه‌بندی می‌کند، نه ازنظر عینی‌بودن. در این رتبه‌بندی، کارآزماییهای تصادفی در بالای لیست و بالاتر از مطالعات غیرتصادفی قرار دارند. متاآنالیز کارآزماییهای تصادفی کنترل‌شده، بهترین روش برای به‌دست‌آوردن شواهد هستند. بعدازآن، کارآزماییهای تصادفی کنترل‌شده منفرد و سپس مطالعات کوهورت و دیگر مطالعات قرار دارند. پس چنین استنباط میشود که هرچه تصادفی‌سازی بیشتر باشد، مطالعه ارزش بیشتری دارد (14). آیا تصادفی‌سازی عینیت‌بخشی را بیشتر می‌کند؟ چه اهمیتی در تصادفی‌سازی وجود دارد که کارآزماییهای تصادفی کنترل‌شده بالاتر از مطالعات کوهورت قرار می‌گیرند؟ آیا عینیت‌بخشی را مشخص و تحقیقات را علمی‌تر و تجربی‌بودن و کمّی‌بودن را بهتر میکنند؟
به نظر می‌آید تنها تفاوت مطالعات کوهورت و کارآزماییهای تصادفی کنترل‌شده، در تخصیص تصادفی است؛ بنابراین، چرا تصادفی‌سازی باعث میشود کارآزماییهای تصادفی کنترل‌شده ارزش بیشتری داشته باشد؟ در پاسخ به این چالش، ادعا میشود که تصادفی‌سازی مانع ایجاد انتخاب سوگیرانه (Selection biaB) میشود و هم‌ارزی (Equivalency) گروه تحت درمان و کنترل را تضمین می‌کند. بدیهی است هرچه سوگیری کمتر شود، عینی‌بودن بیشتر میشود. اگر فرض بگیریم که تصادفی‌سازی برای دوری از انتخاب سوگیرانه شرط کافی است، آیا شرط لازم نیز هست؟ اگر شرط لازم باشد، تصادفی‌سازی اهمیت معرفتی (Epistemic) دارد. آیا این‌گونه است که اگر تصادفی‌سازی صورت گرفته باشد، انتخاب سوگیرانه نیست و اگر انتخاب سوگیرانه باشد، آنگاه تصادفی‌سازی انجام نشده است؟ درواقع نبود تصادفی‌سازی، لزوماً به معنای انتخاب سوگیرانه نیست. پس تصادفی‌سازی شرط لازم برای نبود انتخاب سوگیرانه نیست؛ چون میتوان این کار را به روش‌های دیگری انجام داد. ازاین‌رو، تصادفی‌سازی ممکن است اهمیت معرفتی مورد ادعا را نداشته باشد؛ چراکه روش‌های جایگزین دیگری نیز می‌توانند به همان قدرت تصادفی‌سازی، در جلوگیری از انتخاب سوگیرانه مؤثر باشند (15 و16).
از طرف دیگر، عده‌ای این انتقاد را مطرح میکنند که بسیاری از درمان‌های مؤثر و پرکاربرد مانند تراکئوستومی، مانور هایملیخ و واکسن هاری هرگز در مطالعات کارآزمایی تصادفی تأیید نشده‌اند. سؤال بعدی این است که حتی اگر کارآزماییهای تصادفی کنترل‌شده در بالاترین رتبه قرار داشته باشند، چرا باید در عمل پزشکی چنین رتبه‌بندی‌ای را پذیرفت. آیا این طبقه‌بندی از روش‌های دیگر بهتر است؟ آیا این طبقه‌بندی به پزشکان در فهم علیت، تشخیص، درمان و پیش‌بینی (Prognosis) بیماریها کمک مؤثری می‌کند؟ در ادامه به نقد رتبه‌بندی شواهد می‌پردازیم.
(2)
نقد رتبه‌بندی شواهد
پرسش اساسی برای ورود به بحث این است که آیا طبقه‌بندی مطرح‌شده تنها معیار مطلوب است. مثلاً Upshure در مقاله‌ای با عنوان «آیا همه شیوههای مبتنی بر شواهد یکسان هستند؟ مشکلات در رتبه‌بندی شواهد» (Are all evidence-based practices alike? Problems in the ranking of evidence)، طبقه‌بندی دیگری از شواهد را ارائه می‌دهد که می‌تواند مزیت‌های مشابه را داشته باشد (17). پس باید طرفداران پزشکی مبتنی بر شواهد شواهدی ارائه دهند که توجیه‌کننده مزیت آن نسبت به هرگونه طبقه‌بندی دیگری باشد. هرچند رسماً چنین شواهدی ارائه نشده است، بر اساس سلسله
مقالات منتشرشده و نیز کتاب راهنمای پزشکی مبتنی بر
شواهد، توجیهاتی همچون افزایش دقت، تصادفی‌سازی، به‌حداقل‌رساندن سوگیری و حرکت به سمت قطعیت نسبی را میتوان یافت. در ادامه به بررسی دقت طبقه‌بندی شواهد می‌پردازیم. طبق نظر حامیان پزشکی مبتنی بر شواهد، مرور نظاممند کارآزماییهای تصادفی کنترل‌شده بیشترین دقت را دارد. Greenhalgh در کتاب خود، به‌حداقل‌رساندن سوگیری را از ویژگی‌های این نوع مطالعات برشمرده است (18).
طبق ادعای طرفداران پزشکی مبتنی بر شواهد، یکی از دلایل کاهش سوگیری در این مطالعات، ورود کارآزماییهای تصادفی کنترل‌شده با سوگیری کم به مطالعه است. بر این اساس، نتیجه مطالعه مروری نیز سوگیری کمی خواهد داشت. یکی از مغالطه‌های موجود این است که با جمع‌آوری تعداد زیادی از مطالعات کارآزمایی تصادفی کنترل‌شده با سوگیری کم، درنهایت سوگیری کم میشود.
داده‌های آماری حاصل از کارآزماییهای تصادفی کنترل‌شده نیازمند تفسیر و تحلیل هستند. روش‌های بالقوه مفیدی برای تفسیر و تحلیل این نتایج وجود دارد. یکی از روش‌های احتمالاتی که در پزشکی استفاده میشود، آزمون فرضیه (Hypothesis testing) است. بر اساس این مدل، داده‌ها بر اساس یک فرضیه صفر آماری (Statistical null hypothesis) تحلیل میشوند. طبق این فرضیه، درمان اثری ندارد. در مقابل، فرضیه دیگری می‌گوید که درمان مؤثر است. دو نوع خطا در این فرضیه وجود دارد؛ گاهی فرضیه صفر کاذب است و ما آن را صادق فرض می‌کنیم؛ یعنی درمان اثر دارد و ما آن را بی‌تأثیر می‌انگاریم (خطای نوع 2)؛ گاهی نیز فرضیه صفر صادق است و ما آن را کاذب در نظر می‌گیریم (خطای نوع 1)؛ یعنی درمان اثری ندارد و ما آن را مؤثر تلقی می‌کنیم. خطای نوع 2 با تحقیقات بیشتر برطرف میشود. محل بحث ما خطای نوع 1 است. حالا چون احتمال به صفر رساندن خطای نوع 1 وجود ندارد، یک سطح معناداری در نظر می‌گیریم و آن را P-Value می‌نامیم. این مفهوم به ما می‌گوید که احتمال ردکردن فرضیه صفر صادق، چقدر است. سطح معناداری بر اساس قرارداد، معمولاً کوچک‌تر از 05/0 در نظر گرفته میشود؛ یعنی اگر 100 بار این آزمون را انجام دهیم، در کمتر از 5 مورد، فرضیه صفر صادق را رد می‌کنیم. بدین ترتیب احتمال ردکردن فرضیه صادق برای ما کمتر میشود. در حقیقت تنها چیزی که این P-Value به ما می‌دهد این است که آیا درمان در این گروه خاص، از هیچ نوع درمانی، مؤثرتر است یا خیر؛ نه چیزی بیشتر. به‌عبارت‌دیگر، هیچ اطلاعاتی راجع به میزان مؤثربودن، نوسانات درمان طی زمان و تفاوت پاسخدهی زیرگروهها نمی‌دهد.
برای رفع این مشکلات، فاصله اطمینان محاسبه میشود؛ یعنی احتمالِ احتمال. این فاصله اطمینان، محدوده‌ای از داده‌ها را به ما می‌دهد که نتایج تحقیق، احتمالاً در آن بازه مؤثرتر است. درحقیقت این محدوده، اندازه اثر (Effect size) را نشان می‌دهد. در این رابطه از متاآنالیزها بهره برده میشود. با این ادعا که باعث کاهش خطاها در این زمینه میشوند؛ زیرا در این نوع پژوهشها داده‌های چندین مطالعه که در پی یافتن جواب سؤال مشابهی بوده‌اند، با هم ادغام میشود؛ بنابراین، خطاهای تصادفی کاهش می‌یابد. از طرفی دیگر، متاآنالیزها فاصله اطمینان را باریک (Narrow) میکنند و دقت کارآزمایی زیاد میشود.
David S. Salsburg در نقطه‌نظری (Commentary) با عنوان «دین آمار به‌عنوان یک عمل در پزشکی» (The religion of statistics as practice in medicine)، می‌گوید که آزمون فرضیه در پزشکی، بخش کوچکی از جهان آمار در زمینه آزمودن فرضیه‌هاست و بسیاری روش‌های آماری دیگر نادیده گرفته شده‌اند. سؤالاتی از قبیل اینکه اگر بیمار به درمان پاسخ دهد، نشانه‌های آن چه مدت بعد ظاهر میشوند، بر چه چیزی نظارت (Monitoring) می‌کنیم تا دریابیم پاسخ رخ داده است یا خیر، چه خصوصیاتی از بیمار احتمالاً باعث پاسخ به درمان میشود، اگر عوارض جانبی رخ دهد، نشانه‌های آن چه زمانی ظاهر میشوند، الگوی کلی کارکرد معیوب چیست، قابل پاسخدهی از طریق آزمون فرضیه نیستند؛ زیرا این معیار استاندارد فقط اثربخشی درمان و رد فرضیه صفر را مشخص می‌سازد. این پاسخدهی فایده اندکی در جامعه دارد. کاربرد مطالعات برای شناسایی زیرگروه‌هایی از بیماران با الگوهای پاسخ مشخص و تخمین درجات اثر و زمان بروز عوارض مهم است و این همان کاری است که متاآنالیز انجام نمی‌دهد (19)؛ برای مثال، فرض کنید درمان A در یک کارآزمایی تصادفی کنترل‌شده بررسی شده است. آنالیز داده‌ها نشان داده که 049/0=P بوده است. محققان نتیجه می‌گیرند که درمان برای پیامدهای از پیش تعیین‌شده مؤثر است. حتی ممکن است فاصله اطمینان نیز به دلیل زیادبودن تعداد نمونه‌ها، باریک باشد؛ بنابراین، نتیجه گرفته میشود که درمان مؤثر بوده است. بر این اساس، از طریق دستورالعمل به پزشک توصیه میشود که درمان را برای جمعیت عمومی به کار ببرد. استدلال ما این است که ممکن است در گروه درمان، نیمی از اعضا بدتر شده و نیم دیگر بهبودی چشمگیری داشته باشند و به‌طور میانگین در کل گروه اثر موردنظر حاصل شده باشد. در این حالت تحلیل زیرگروهها مهم است. فرض کنید افرادی که خیلی خوب به درمان پاسخ داده‌اند مرد و افراد گروه دیگر زن باشند. این نتیجه فقط از تحلیل زیرگروه به‌دست می‌آید. جالب اینکه در تحلیل زیرگروهها نیز تحلیل احتمالاتی انجام میشود. درحالی‌که ما به تحلیلی غیراحتمالاتی نیاز داریم که پاسخ دهد چرا مردان خوب شده‌اند و زنان خوب نشده‌اند. با این استدلال حقیقت این است که مطالعات متاآنالیز دقت زیادی ندارند. دقت آن است که مطالعه بگوید چرا داروی A در این گروه اثر دارد و در گروه دیگر اثر ندارد، نه آنکه صرفاً تأثیر در یک گروه را بیان کند.
شاخه‌های دیگری از تحقیقات مانند بیولوژی مولکولی، بدون استفاده از تحلیل‌های آماری پاسخ چرایی‌ها را می‌دهند؛ بنابراین، چرا بهترین شواهد را شواهدی در نظر می‌گیریم که P-Value کم و فاصله اطمینان باریک داشته باشند؟ درحالی‌که مطالعات غیراحتمالاتی و احتمالاتی بیزین (Bayesian) شواهد محکم‌تری به‌دست می‌دهند. از طرف دیگر، مفاهیم P-Value و فاصله اطمینان در چارچوب روش مشخص پزشکی مبتنی بر شواهد، شواهد خوبی هستند. دقتی که با این دو مفهوم به‌دست می‌آید، در مدل پزشکی مبتنی بر شواهد دقت زیادی است، ولی قابل قیاس با مدل‌های دیگر نیست. این دو مفهوم سنجه مشترکی بین دو نوع مطالعه نیستند که با کم یا زیاد بودن آن به برتری یکی بر دیگری برسیم.
بحث
پزشکی عصر حاضر، حاصل تقابل دو دیدگاه تجربه‌گرایی و عقل‌گرایی است. در دیدگاه عقل‌گرایی، کشف علت ایجاد بیماریها اساس تشخیص و درمان قلمداد میشود. در مقابل، تجربه‌گرایان برای تشخیص و درمان، تجربه پزشکان در موارد مشابه را اصل می‌دانند. در این میان، دیدگاه تجربه‌گرایان به ایجاد سازوکار جدیدی برای جمع‌آوری و سازمان‌دهی تجارب و شواهد منجر شد. این گروه بر آن شدند تحقیقات بالینی را رتبه‌بندی کنند و از شواهد به‌دست‌آمده، دستورالعمل‌هایی را برای استفاده پزشکان طراحی کنند. به این شیوه، پزشکی مبتنی بر شواهد می‌گویند (20). نخستین کارگروه پزشکی مبتنی بر شواهد در دانشگاه مکمستر تشکیل شد.
ادعای حامیان پزشکی مبتنی بر شواهد بر دو چیز استوار است؛ پزشکی یک علم است و با استفاده از نتایج مطالعات، علمی‌تر میشود و تصمیم‌گیری‌های بالینی باید مبتنی بر شواهد به‌دست‌آمده از تحقیقات بالینی باشد. در این مقاله فلسفی، ابتدا به ادعای اول آنان پرداختیم که اساساً پزشکی علم است یا خیر. درصورتی‌که علم باشد، حامیان پزشکی مبتنی بر شواهد چه معیارهایی را ارائه می‌دهند که با پیاده‌سازی آن‌ها، پزشکی علمی‌تر شود؟ موضوع بخش بعدی مقاله این بود که در صورت مستدل‌بودن ادعای نخست آنان، آیا رتبه‌بندی شواهد، سازوکار محکمی است و آیا تنها سازوکاری است که با کمک آن میشود شواهد مستحکمی یافت. درصورتی‌که تنها سازوکار موجود باشد، آیا دستاوردهای حاصل از تحقیقات، نیازهای پزشک برای تشخیص و درمان را در اختیار او می‌گذارد؟
نتیجه‌گیری
هدف از این نوشتار، نقد فلسفی پزشکی مبتنی بر شواهد بود. در کنار انگیزه مالی گسترش پزشکی مبتنی بر شواهد که در این مجال به آن پرداخته نشد و البته با درجاتی می‌تواند در هر نوع مطالعهای خدشه وارد کند (6)، اگر در حال حاضر چارچوبی جز پزشکی مبتنی بر شواهد وجود نداشته باشد، این بدین معنی نیست که اشکالات آن را نادیده انگاریم و بگوییم که بهترین راه است (21)؛ چراکه نتایج حاصل از این نوع مطالعات معمولاً باعث به‌وجودآمدن دستورالعمل‌هایی برای عمل پزشکی میشوند؛ بنابراین، نقدها و چالش‌های پزشکی مبتنی بر شواهد، حتی اگر تنها راه موجود تا این زمان باشند، باید موردتوجه قرار گیرند.
تشکر و قدردانی
از تمام عزیزانی که با نظرات ارزشمند خود ما را در تهیه این مقاله یاری نمودند، قدردانی میشود.
نوع مطالعه: مقاله مروری |
موضوع مقاله:
کتابداری و اطلاع رسانی پزشکی
دریافت: 1398/2/24 | پذیرش: 1399/4/2 | انتشار: 1399/4/10
دریافت: 1398/2/24 | پذیرش: 1399/4/2 | انتشار: 1399/4/10
فهرست منابع
1. 1. Newton W. Rationalism and empiricism in modern medicine. Law Contemporary Problems 2001;64(4):299-316. Link [DOI:10.2307/1192299]
2. Feinstein AR. III. The architecture of clinical research. Clin Pharmacol Ther 1970;11(3):432-41. Link [DOI:10.1002/cpt1970113432]
3. Sackett DL, Haynes RB, Tugwell P. Clinical epidemiology: a basic science for clinical medicine. Boston: Little, Brown and Company; 1985. Link
4. Ingersoll GL. Evidence-based nursing: what it is and what it isn't. Nurs Outlook 2000;48(4):151-2. PMID: 10953070 [DOI:10.1067/mno.2000.107690]
5. Evidence-Based Medicine Working Group. Evidence-based medicine: a new approach to teaching the practice of medicine. JAMA 1992;268(17):2420-5. PMID: 1404801 [DOI:10.1001/jama.268.17.2420]
6. Guyatt GH, Busse JW. The philosophy of evidence-based medicine. Evidence-based endocrinology. New Jersey: Humana Press; 2006. P. 25-33. Link [DOI:10.1007/978-1-59745-008-9_3]
7. Saunders J. The practice of clinical medicine as an art and as a science. Med Humanit 2000;26(1):18-22. PMID: 12484313 [DOI:10.1136/mh.26.1.18]
8. Wyngaarden JB, Cecil RL, Bennett JC, Goldman L, Smith LH, Ausiello DA, et al. Textbook of medicine. New York: WB Saunders Co; 1985. Link
9. Rull V. The most important application of science: as scientists have to justify research funding with potential social benefits, they may well add education to the list. EMBO Rep 2014;15(9):919-22. PMID: 25135952 [DOI:10.15252/embr.201438848]
10. Wilson EO. Consilience: the unity of knowledge. New York: Vintage; 1999. Link
11. Sadegh-Zadeh K. Handbook of analytic philosophy of medicine. Berlin, Germany: Springer; 2012. Link [DOI:10.1007/978-94-007-2260-6]
12. Heilbron JL. The Oxford companion to the history of modern science. Oxford: Oxford University Press; 2003. Link
13. di Francia GT. The investigation of the physical world. Cambridge: CUP Archive; 1981. Link
14. Pocock SJ. Clinical trials: a practical approach. New Jersey: John Wiley & Sons; 2013. Link [DOI:10.1002/9781118793916]
15. Worrall J. What evidence in evidence-based medicine? Philosophy Sci 2002;69(S3):S316-30. Link [DOI:10.1086/341855]
16. Grossman J, Mackenzie FJ. The randomized controlled trial: gold standard, or merely standard? Perspect Biol Med 2005;48(4):516-34. PMID: 16227664 [DOI:10.1353/pbm.2005.0092]
17. Upshur RE. Are all evidence-based practices alike? Problems in the ranking of evidence. CMAJ 2003;169(7):672-3. PMID: 14517125
18. Greenhalgh T. How to read a paper: the basics of evidence-based medicine. New Jersey: John Wiley & Sons; 2014. Link
19. Salsburg DS. The religion of statistics as practiced in medical journals. Am Statist 1985;39(3):220-3. Link [DOI:10.1080/00031305.1985.10479435]
20. Sackett DL, Rosenberg WM, Gray JM, Haynes RB, Richardson WS. Evidence based medicine: what it is and what it isn't. BMJ 1996;312(7023):71-2. PMID: 8555924 [DOI:10.1136/bmj.312.7023.71]
21. Clarke B, Gillies D, Illari P, Russo F, Williamson J. The evidence that evidence-based medicine omits. Prev Med 2013;57(6):745-7. PMID: 23110947 [DOI:10.1016/j.ypmed.2012.10.020]
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
حق تالیف (کپی رایت) برای مولفان محفوظ است.
صاحب امتیاز: دانشگاه علوم پزشکی قم
ناشر: انتشارات دانشگاه علوم پزشکی قم
شاپا چاپی: 7799-1375
شاپا الکترونیک: 1375-2008
ایمیل مجله: journal@muq.ac.ir
j.muq.ac@gmail.com
