Bruk av risikotall ved kroniske sykdommer

Redaksjonelt
    ()

    sporsmal_grey_rgb
    Artikkel

    Number needed to cheat?

    Risikofaktorer er en betegnelse vi bruker på alle forhold og faktorer som er assosiert med risiko for sykdom. Debehøver ikke være årsaker til sykdom, men kan f.eks. opptre som markører for grupper med høy sykdomsrisiko. Endringer irisikofaktornivå behøver derfor ikke ha noen betydning for sykdomsforekomsten. Epidemiologisk forskning handler ofte omå skille ut de påvirkbare årsaksfaktorene fra mylderet av risikofaktorer som er assosiert med kroniske folkesykdommersom kreft, hjerte- og karsykdommer og osteoporose. En av de viktigste tilnærmingsmåtene er det randomisertekontrollerte forsøk, der én risikofaktor blir påvirket i en intervensjonsgruppe, mens andre faktorer forblir upåvirket.Hvis man finner en redusert risiko for sykdom i intervensjonsgruppen sammenliknet med en tilsvarende kontrollgruppe,tyder det randomiserte forsøk på at denne faktoren er årsak til sykdom.

    Et sentralt spørsmål er hvor effektiv intervensjonen er, dvs. hvor stor risikoreduksjonen er. Tonstad drøfter idette nummer av Tidsskriftet hvordan intervensjonseffekter kan tallfestes på ulike måter (1). Anta at man i etintervensjonsforsøk kunne vise at ti av 1000 kvinner i behandlingsgruppen fikk hjerteinfarkt i løpet avoppfølgingstiden, mot 20 av 1000 i kontrollgruppen. Det var med andre ord 50% reduksjon i sykdomsforekomst, eller enrelativ risikoreduksjon på 0,5 om man vil. Den absolutte risikoreduksjon var ti per 1000 (dvs. 0,01).Effekten kan også fremstilles som antall personer som må utsettes for tiltaket for at man skal unngå énsykdomshendelse: "number needed to treat" (NNT). Dette antallet finner man ved å ta det inverse tallet av den absolutterisikoreduksjon - 1:0,01, som blir 100. Alternativt kan man angi hvor mange som holder seg friske iintervensjonsgruppen i forhold til den upåvirkede gruppen. Blant våre 1000 kvinner vil antallet være henholdsvis 990mot 980 kvinner. Vårt spørsmål gav mange forskjellige svar, som alle er korrekte.

    Antall som må behandles (NNT) er på mange måter et tiltalende effektmål. Det er lett å forstå, og kan lett beregnespå basis av et randomisert forsøk. Imidlertid behøver ikke tallet være representativt for de pasientgrupper klinikerenoftest står overfor. Randomiserte forsøk utelukker vanligvis personer med multiple sykdommer, og varigheten av studieneer oftest mer begrenset enn i klinisk praksis. Dermed har man selektert en gruppe individer som sannsynligvis harlavere sykdomsrisiko enn de pasienter klinikerne kommer i kontakt med, og der effekten av tiltaket kan væreundervurdert på grunn av kort observasjonstid.

    Antall som må behandles forteller om absolutt risikoreduksjon, men vi er også opptatt av relativreduksjon. Studier av folks betalingsvilje tyder på at denne er relatert til så vel relativ som absoluttrisikoreduksjon, hva enten det dreier seg om tiltak mot trafikkulykker (2) eller blodtrykksreduksjon (3). Når mangeforetrekker å fly med SAS fremfor Aeroflot, er nok begrunnelsen den relative risikoreduksjonen. En del av detforebyggende helsearbeidet baseres da også på endringer i relativ risiko. En 40-årig dagligrøyker blir neppe spesieltmotivert til å stumpe røyken hvis legen forteller ham at 4 000 i hans situasjon må slutte å røyke for at én skal unngålungekreft de neste ti år (4). Kanskje er kunnskapen om 20-dobling av lungekreftrisikoen tross alt viktig for40-åringen?

    Det siste året har man sett flere eksempler på at antall som må behandles er blitt brukt til å beregne kostnad perunngått sykdomshendelse for å vurdere om en intervensjon bør gjennomføres. Slike analyser kan av mange grunner blisvært misvisende. Det randomiserte forsøk behøver ikke være representativt for klinisk praksis, og ikke-etterlevelsekompliserer kostnadsberegningen. Kostnad per unngått sykdomshendelse gir liten mening når man må prioritere mellomulike sykdomsgrupper eller når intervensjonen påvirker flere typer hendelser (f.eks. slag og infarkt). Antall som måbehandles kan avhenge mye av hvilken intervensjon man sammenlikner med (placebo, ingen behandling, annen behandlingetc.) (5). Økonomiske analyser basert på antall som må behandles, kan selvfølgelig ta høyde for alle disse forhold, menblir da like kompliserte som vanlige kostnad-effekt-analyser.

    Legene står overfor en betydelig utfordring når de skal gi råd om forebygging av kroniske sykdommer. Vi tror ikke, ilikhet med Tonstad (1), at ett enkelt risikotall gir tilstrekkelig informasjon for pasient og samfunn som skal treffevalg om intervensjon. Langt flere forhold enn det utmerkede "antall som må behandles" bør tas inn i vurderingen når manskal beslutte om tiltak skal settes i verk.

    Spørsmålet er hvor vi skal hente tallene. Det randomiserte forsøk står sentralt, men vil i praksis bare gi svar pået fåtall av alle våre spørsmål om effekt i ulike pasientgrupper, om dosering, om varighet av intervensjon m.m.Intervensjoner som krever spesiell kompetanse eller motivasjon hos helsepersonellet kan gi gode resultater irandomiserte forsøk, men behøver ikke være representative for vanlig klinisk praksis. Systematiske litteraturoversikterkan være nyttige, men de er metodologisk diskutable (6, 7) og gir til dels andre svar enn store, randomiserte forsøk(8). I overskuelig fremtid vil epidemiologiske observasjonsstudier og kvalifisert skjønn være nødvendigbeslutningsstøtte der de randomiserte studier ikke gir oss svar.

    Ivar Sønbø Kristiansen

    Dag S. Thelle

    PDF
    Skriv ut

    Anbefalte artikler

    Laget av Ramsalt med Ramsalt Media