Understanding the evidence as a part of clinical reasoning

Prof. Roman Jaeschke
McMaster University, Canada
Recorded at the 8th McMaster International Review Course in Internal Medicine (MIRCIM).

Partially financed through state budget funds granted by the Republic of Poland’s Ministry of Science and Higher Education under the program “Excellent Science II”

Understanding the evidence as a part of clinical reasoning

In the concept of teaching of all these skills—or bedside skills, or clinical skills—I would like to talk for a moment about the role of evidence in this process. The question is, we are always using a certain amount of language, and the language is our skill, and the skill is crucial for communication. It struck me when I was reading, after probably 2 years of not being on the internal medicine ward—I work in critical care—I read something like this: HPI: CAP; PMH: RecMJU, IVDU, and so forth.

I was trying to decipher what it means, and it actually means history of present illness: community-acquired pneumonia; past medical history: recreational marijuana use, intravenous drug use; CONS—I didn’t decipher this one, percutaneous nephrolithotripsy, acute kidney injury, ventilator-associated pneumonia, and so forth. I didn’t decipher CIH, so I actually went on Google and asked what it is, and I got certified industrial hygienist, complementary integrative care, and so forth.

So, what I am saying is I am confronted with a part of my daily medical practice and I have no clue what people are talking about. Now, when we want to introduce it… [My phones are acting up, I’m sorry.] When we want to introduce the discussion of evidence at the bedside, I will first use a similar statement of how probably not to do it. So, if we want to tell somebody that they should use a beta-blocker post myocardial infarction because there was an RCT with a concealed and stratified randomization and block size of 8, hazard ratio and 95% confidence generated with the use of a Cox proportional.... You get the point. I mean, you will lose absolutely everybody.

And this was noted by our guru, if I could use this term, which was Professor David Sackett, who years ago told us that after the 7th course of statistics, which would be required if you want to follow the previous page, a normal clinician knows as much statistics as before the first course and the reasons are that mathematical formulas are impossible to remember; because classic statistical techniques are totally isolated from patients’ care; and mastering them, even for a short time, requires sacrifice of family and social time, lowering your self-esteem and total loss of sense of humor. And it ties to your question… [inaudible]

So, what I would like to do at the moment is present the results of our experience from over 30+ cohorts of people whom we were trying to teach during evidence-based medicine (EBM) courses. And I could tell you that I will tell you the anecdotes or I could tell you that I am going to tell you the results of an observational study using a cohort of people who are interested in EBM. And we had both a derivation and a confirmation cohort. Maybe I will better tell you that it’s anecdotal, really.

So, the first thing, there are certain principles, and as you were talking about what the entrustable professional activities (EPAs) for the teaching of clinicians are and what the EPAs of the teaching of surgeons are, there are certain EPAs, which, I would like to claim, are crucial for people to have the knowledge and language of communication about the evidence. Because the first thing—and there are probably 3 or 4 I would like to take over with you—the first of them is that clinical reasoning, including evidence, leads to decisions, but the evidence never makes decisions for us.

I would like to present to you the results of what I learned from one of our colleagues, P. J. Devereaux—at the moment a cardiologist influencing perioperative care in cardiology, in surgery, but from the cardiac point of view—and I would like you to think about it for a moment. Paying attention, paying attention—I will not ask you individually, but please work out maybe with your colleagues, ask your colleagues as you are sitting, if you have a colleague sitting, what they would say.

And the story here was that in patients who had atrial fibrillation, as you know, there is a risk of stroke, and without treatment there will be 12 strokes and 3 gastrointestinal (GI) bleeds per year. Clear? Clear. Now, you go on anticoagulation and you cut it down by two-thirds. So, you will still suffer some stroke, but 4 instead of 12, and you will have 8 fewer strokes, including 4 major strokes. If you treat 100 people, you’ll have 4 fewer main strokes. Everybody clear?

The question now posed to people is, how many bleeds would you accept as a price for decreasing the amount of strokes by 4 major strokes? Think about it. I give you 15 seconds. You can prevent 4 strokes in 100 people. How many bleeds among those 100 people you would accept? Ready? I will not ask you, but I want you to know because I am going to present you the results.

There are 2 columns. One is in red, one is in blue. The blue represents [physicians]. As you could see, if you could see, there are some physicians who would accept only 1 bleed. There are some who would say, “Oh, I am ready to accept 1 to 1.” There are some physicians who would say, “Oh, I am ready to accept 8 bleeds for 4 fewer strokes” and so forth, right? And the red ones are patients. Patients ran out of space. These people were saying, “In order to prevent 4 strokes, I’m willing to accept 23 [bleeds],” and the only reason why they said 23—or 22—is that there are no more, okay?

So, the bottom line, these people—these physicians and these patients—will have completely different preferences when faced with the same evidence. So, the first thing is, the evidence doesn’t make decisions. And anytime you talk to people, it’s worthwhile to use it as a starting point. It may inform, but it will not make it for you, because what it makes is you obviously have to recognize the clinical situation. You have to know the evidence. So, 4 fewer [strokes] and a few more bleeds. And then, you have to explore the patient’s values and preferences. And only that way you could make the decision.

So, the first thing we try to teach while teaching EBM is that the evidence will never make a decision for you. You will have to make it with the patient. It’s not that the evidence is not relevant. It’s an interpretation of the evidence that differs. Then, the question is, are people capable of understanding the evidence and how well we understand that.

And again, I will present to you something that some of you had seen before, as I’ve been using this example for a long time. You’ve probably heard... Over the last 3 days, I heard that the American Radiology Association changed the recommendations for mammography. [To perform] the first mammography not from the age of 50, but from the age of 40 [years]. Have you heard it? Some of you did.

So, the way how this decision is made is on the basis of presentation, which I will go through with you. This was an experiment performed in Britain among people… You know, they have the system where you have the District Health Council, which consists of people who decide how their money is spent. So, those people were asked about buying a new mammography program and they could describe it on a scale from zero—I don’t support it— to 100—I support it 100%.

I will show you how they wanted to approve different mammography programs, but I will show you their enthusiasm. Even though there is not too many people here, I would like to calibrate your enthusiasm. Okay? So, what I will ask you for—and there will be no follow-up questions—and once I show you a certain statement, I will ask you how strongly you support it, the way how you wish: you can whistle, you can clap, you can say, whoo-hoo, or whatever.

So, the first one is, as a recognition of your participation in this Medical Education Forum, you will receive promotion to Associate Dean of Medical Education at your university. Do you like it? Well, that’s reasonable for this amount of people. But this position of Associate Dean is honorary and involves big responsibilities and no salary. Okay. Much less.

So now, I will show you those programs. The first program is Program A, which reduced the rate of deaths from breast cancer by third. So, two-thirds of people still die but one-third will not. Do you like it? Do you? Do you? Are you buying it? Hands up, who wants to buy this program?

Audience: Limited information.

Roman Jaeschke: Limited information.

Their willingness to pay was 79 out of 100. This program will be bought.

The second one, program D, means that 1592 women need to be screened yearly for seven years to prevent one death from breast cancer. Do you like it? Not that much. However, on this one, the willingness to pay was less.

Program C: increase the rate of patients not dying from breast cancer from 99.82% to 99.88%. Do you like it?

Well, probably some of you are noticing that these are the same programs, but depending on how you want to influence the decision, you will present it in a different way. And if you are not roughly skillful in this sort of mathematics, you’re lost. They will tell you, start at 40 years of age; a group of mammographers will tell you that everyone should have mammography. Well, probably they know the best. The reason is that if we ask ourselves how much we understand from this simplest mathematics, my statement is you cannot overestimate the lack of knowledge and lack of understanding of the things we assume everybody knows.

I was thinking, when you were talking, I remember looking at a 4. year resident who was putting the central line. And here is the patient and here is the resident, and I see this kind of movement, with fairly big rage. And then I ask him, “How are doing this?” And we started to talk and he said, “You know, I’m now a 4. year resident. Everybody assumes that I know how to do it and I was never told. I didn’t know.” Mind you, it was still before the time of Google, and maybe YouTube, and so forth. When we start to learn the insertion of a central line from YouTube, we’ll be out of work.

So, I tell you the trick, this is the second part: first, evidence doesn’t make the decision. Two, you cannot overestimate the lack of knowledge. If you tell sensitivity and specificity, I guarantee you that there is confusion. Everybody assumes that everybody knows what sensitivity and specificity are. They don’t, especially if you are dealing with people you are teaching. So, instead of talking about risks, please talk about money. Money usually interests people much more than risks and diseases, especially in medicine. Sorry, I didn’t say that. Please erase this part.

So, the way how to go is, rather than say something like, “this is risk, this is absolute risk, this is negative risk, this is relative risk reduction,” start to talk to them about money and you can figure out the examples. Before lunch, you have 4 coins. After lunch, you have 3 coins. How much money did you spend? Talk to your colleagues. How much did you spend? One. Right. Remember which finger to show.

Then, what is your absolute wealth difference? Absolute. I am saying that, you know, there are only 4 mathematical formulas. Forget about multiplication and addition. Talk about division or subtraction. So, how much you spent would be a proportion or a difference?

Audience: One coin.

Roman Jaeschke: One coin. Okay. And what is your absolute wealth reduction? Okay, so we know that. And now, we say, you had 4, you have 3. What is the proportion of wealth you still have? You have 3, you had 4. How much do you still have. Huh? Three quarters, 75%. Okay, good. What is the proportion of wealth you lost? Twenty-five. The funny thing is, what you still have and what you lost usually adds to 1. So, that’s important to remember. What is your relative—you know, you keep introducing this one—what is your relative wealth now compared to before lunch? Seventy-five percent or three quarters. What is your relative wealth reduction? Okay.

Now, there is another trick that is important to understand. On the higher level, you have this, say 4 and 3, and here you have 40 and 30. So, I will ask you again, what is the proportion of wealth you still have, if you had 40 coins before and now you have 30? Seventy-five percent. You could spend 1 and still have 75%, or you could spend 10 and still have 75%. So, how much money have you spent in this example? One. In this? Ten. Okay. What is your absolute wealth difference? And here? Ten.

And once you go with all this money, even better, if you buy them lunch, you can substitute the word wealth, or money, or dollars, or Polish zloty, for risk. And now, we are talking about the risk difference, relative risk, relative risk reduction. And if they get confused, you immediately reverse to money. Much easier.

I was telling you about language, money, and wealth. I was talking about that. Now, this third thing that I would like to sell you is Matrix. And matrix is something that I am trying to force any clinical or research discussion into making sure that we will address 4 issues: What are we dealing with? Can we trust the evidence? What is the evidence and how will this apply to my patients? I will go only and mostly to the first one because usually when we disagree it’s because we have different questions in mind.

And the question is defined by person, population, in an individual situation it’s the person with individual characteristics; intervention that would be tested, or treatment; what are we comparing it with; and what is the outcome? Each of them could be subject to manipulation or misunderstanding. I’ll show you one of my favorite examples.

This was an example that changed the resuscitation in outpatient sudden cardiac death, where the company was saying, “If you get the medication, they will take you to hospital and if you don’t take this medication, they will take you the other way.” Now, the problem is that you will get more commonly to hospital here, but people don’t necessarily want to go to hospital. People would like to go home. So, the story is, more people go to hospital, that’s true, but in terms of how many of them go home in a reasonable shape down the road, it is absolutely the same.

The last, and a very common one, which I will still try to introduce in these 2 minutes, is the concept of... Before I even introduce the concept, I will try to avoid to name it. So, I had a colleague who was a surgeon, a thoracic surgeon, who wanted to try new laparoscopic resection of the esophagus. It was 15 years ago. It was one of the first operations performed. The patient died. The surgeon was really upset. He made a publication of the case report to make him feel a little better.

The question is, why did this patient die? What do you think? Give me one reason why this patient died. Natural history. So, maybe the cancer was so bloody advanced. Anything else? An incompetent surgeon or incompetent procedure. The story is that this person might have died for different reasons. What was the first patient this guy operated on? Who would be the chosen patient to operate? A first-time operation… I think there are two possibilities. One, extremely ill; and two, extremely healthy. Let’s hope… That’s how I would do it.

So, this patient of this surgeon… five patients were operated, 80% of them are dead, he’s really upset. He is worried, but he publishes it as a case series, so it’s a little better. Why did these patients die? They were extremely ill, they were extremely old. The problem is, and I will skip the next slide, there were a number of reasons why these patients were dying, other than the technique of operation.

And those things that influence the outcome but are not related to [what] we are asking for, now, you could tell them, you know what, in this stupid jargon we call them... How do we call them? I will figure it out. We are calling them confounders or confounding factors. You are old, you are sick. The suction machined broke during your operation, the lights went out. Whatever. This was not related to the operation itself.

So, we are trying to introduce those concepts after you describe the situation rather than saying, “Now we’ll talk about confounders” and everybody switches off. So, this is another thing which I would like to share with you. I will skip here because the next step would be how to get the comparable control group and so forth, and you can go into randomization and so forth.

I would like to remind you that we were talking that evidence doesn’t make decisions; that rather than talking about the risks, talk about money; always remember about the description of population, intervention, comparator, and outcome; and don’t introduce difficult concepts by saying, “Now, we will be talking about difficult concepts.” Try to use your own examples from your own life and then say “And we call this [then call it].”

What I was talking about is the language which we are using and the way of communication, because if we do not communicate closely, we could run into trouble.

[Video:] “Mayday, Mayday. Hello? Can you hear us? can you hear us? Over? We are sinking. We are sinking.

Hello. This is the German coast guard.

We are sinking. We are sinking.

What are you thinking about?”

It’s not only English, it’s also how we communicate with each other in our own languages. Sometimes we don’t understand. And in order to introduce the concept of evidence at the bedside, we have to learn these basic skills. Thank you.

Interpretacja danych naukowych w procesie podejmowania decyzji

Skoro jesteśmy przy nauczaniu tych wszystkich umiejętności – nazwijmy je kompetencjami przyłóżkowymi albo klinicznymi – chciałbym w swoim wystąpieniu nawiązać do roli, jaką w tym procesie odgrywają dane naukowe. Umiejętnością, z której w jakimś stopniu korzystamy zawsze – i która jest kluczowa dla komunikacji – jest język. Na co dzień pracuję na oddziale intensywnej terapii i po mniej więcej dwuletniej nieobecności na oddziale chorób wewnętrznych natknąłem się na taki zapis: HPI: CAP; PMH: RecMJU, IVDU, i tak dalej.

Zaskoczony, próbowałem te skróty rozszyfrować. HPI to wywiad dotyczący obecnych dolegliwości. CAP - pozaszpitalne zapalenie płuc. PMH - przeszłość chorobowa. RecMJU, marihuana w celach rekreacyjnych. IVDU, leki podawane dożylnie; CONS – tego nie udało mi się rozszyfrować. Dalej – przezskórna ne fro lito trypsja, ostre uszkodzenie nerek, zapalenie płuc związane z wentylacją mechaniczną itd. Nie rozszyfrowałem skrótowca CIH, więc spróbowałem znaleźć jego rozwinięcie przez Google. Oto możliwe odpowiedzi: specjalista ds. BHP, komplementarna opieka integracyjna i tak dalej.

Po co o tym mówię? Bo napotykam coś, z czym mam do czynienia na co dzień i nie mam pojęcia, o czym mowa. [Przepraszam, to mój telefon.] Dlatego w pierwszej kolejności dam Państwu przykład, czego nie robić, rozmawiając przy łóżku chorego o danych naukowych. Jeżeli powiemy, że po przebytym zawale mięśnia sercowego pacjent powinien stosować beta-blokery, ponieważ tak wynika z przeprowadzonego badania klinicznego z zaślepioną stratyfikowaną randomizacją blokową z wielkością bloku 8 i względnym ryzykiem przy 95% przedziale ufności wyliczonym na podstawie modelu proporcjonalnego hazardu Coxa… nikt nie będzie tego słuchał.

Zauważył to już lata temu nasz guru – chyba mogę tak powiedzieć – profesor David Sackett, który był zdania, że po siódmym kursie ze statystyki koniecznym do zrozumienia zapisu z poprzedniego slajdu przeciętny lekarz wie tyle samo na temat statystyki, co przed kursem numer jeden, głównie dlatego, że: wzory matematyczne są nie do zapamiętania; klasyczne techniki statystyczne są oderwane od opieki nad pacjentem; a ich opanowanie wiąże się z poświęceniem życia rodzinnego i towarzyskiego, obniżeniem samooceny i całkowitą utratą poczucia humoru. I tu wracamy do pytania… [dźwięk niewyraźny]

Przejdę teraz do wniosków z naszych doświadczeń z pracy z ponad 30 kohortami osób, które próbowaliśmy uczyć na kursach medycyny opartej na danych naukowych. Mogę powiedzieć, że to dane niepotwierdzone albo że pochodzą z obserwacji grupy osób zainteresowanych EBM. Mamy kohortę derywacyjną i walidacyjną. Może lepiej pozostańmy przy danych anegdotycznych.

Po pierwsze, istnieją pewne zasady – nawiązując do dzisiejszego wystąpienia o EPA w nauczaniu klinicystów i chirurgów, powiedziałbym, że istnieją pewne EPA, które wg mnie są kluczowe w nauce i komunikacji dotyczącej danych naukowych. Chciałbym dzisiaj omówić 3–4 z nich. Zasada nr 1: wnioskowanie kliniczne, w tym dane naukowe, prowadzą lekarza przez proces podejmowania decyzji, ale nie podejmują jej za niego.

Oto czego nauczyłem się od jednego z naszych kolegów, P. J. Devereaux, który zajmuje się kardiologiczną opieką okołooperacyjną nad pacjentami. Chciałbym, żeby się Państwo przez chwilę zastanowili nad taką sytuacją – nie będę pytał indywidualnie, ale proszę o wymianę spostrzeżeń z osobami siedzącymi obok.

Otóż mamy pacjentów z migotaniem przedsionków, a jak wiadomo, wiąże się ono z ryzykiem udaru mózgu. Bez leczenia w naszej grupie będziemy mieli 12 udarów i 3 krwawienia z przewodu pokarmowego rocznie. Do tej pory jasne? Jasne. Jeżeli zastosujemy leczenie przeciwkrzepliwe, zmniejszymy to ryzyko o 2/3, czyli zamiast 12 udarów wystąpią 4. W sumie o 8 udarów mniej, w tym 4 ciężkie. Na 100 leczonych osób zapobiegniemy 4 ciężkim udarom. Wszystko jasne?

Pytanie brzmi: Ile krwawień zaakceptowaliby Państwo jako cenę za zapobiegnięcie 4 ciężkim udarom? Proszę się zastanowić – daję Państwu 15 sekund. Można zapobiec 4 udarom w grupie 100 osób. Ile krwawień w tej grupie jesteście w stanie zaakceptować? Gotowi? Nie będę Was pytał, ale chcę, żebyście się zastanowili, zanim zobaczycie wyniki.

Mamy 2 słupki – czerwony i niebieski. Niebieski to lekarze. Jak widać – o ile widać – niektórzy lekarze zaakceptowaliby 1 krwawienie; inni powiedzieliby, że 1 krwawienie za 1 udar; dla kolejnych do przyjęcia byłoby 8 krwawień jako cena za zapobiegnięcie 4 udarom itd. Czerwone słupki to pacjenci. I tu brakło miejsca, bo pacjenci byli skłonni zaakceptować 23 krwawienia, żeby zapobiec 4 udarom, przy czym podawali liczbę 23 – czy 22 – tylko dlatego, że nie mogli podać większej. Widzą Państwo?

Ten wykres pokazuje, jak bardzo różnią się preferencje lekarzy i pacjentów w obliczu tych samych danych naukowych. Czyli jeszcze raz, zasada nr 1 – dane naukowe nie podejmują decyzji. Warto od tej informacji zaczynać rozmowę. Mogą stanowić źródło wiedzy, ale nie podejmą za nas decyzji, ponieważ trzeba jeszcze przeanalizować sytuację kliniczną. Oczywiście należy je znać: zapobiegnięcie 4 udarom kosztem nieco większej liczby krwawień. Ale trzeba też poznać wartości i preferencje pacjenta – tylko na podstawie tych wszystkich informacji można podjąć decyzję.

Podstawowa zasada, której uczymy na kursach EBM, brzmi: to nie dane podejmują decyzję, ale lekarz w porozumieniu z pacjentem. I nie oznacza to, że dane są nieistotne. Chodzi o to, że można je różnie interpretować. Dlatego trzeba sobie zadać pytanie, czy i jak dobrze je rozumiemy.

Kolejne zagadnienie część z Państwa już zna, bo posługuję się tym przykładem od dawna. Być może Państwo słyszeli... W ostatnich dniach mówi się, że Amerykańskie Towarzystwo Radiologiczne zmieniło zalecenia dotyczące mammografii i pierwszą mammografię zaleca nie w wieku 50, ale 40 lat. Słyszeli Państwo o tym? Niektórzy słyszeli.

Teraz pokażę Państwu, w jaki sposób podejmuje się takie decyzje. Taki eksperyment przeprowadzono w Wielkiej Brytanii. W ramach systemu obowiązującego w Wielkiej Brytanii działa Okręgowa Rada Zdrowia, składająca się z osób, które decydują o sposobie wydatkowania pieniędzy. Te osoby zapytano o zakup nowego programu mammograficznego, przy czym możliwe były odpowiedzi w skali 0-100, gdzie 0 oznaczało „nie popieram” a 100 „całkowicie popieram”.

Teraz pokażę Państwu, w jaki sposób chciano zatwierdzać różne programy mammografii i jak oceniano ich poparcie. Żeby to zrobić, choć nie mamy pełnej sali, chciałbym skalibrować Państwa poparcie. Dobrze? A więc pokażę Państwu pewne stwierdzenie – bez pytań uzupełniających – i poproszę o ustosunkowanie się. Poparcie można manifestować dowolnie: można gwizdać, klaskać, krzyczeć lub zrobić cokolwiek innego.

Stwierdzenie pierwsze: „W ramach podziękowania za udział w Medical Education Forum, otrzyma Pan/Pani awans na stanowisko prodziekana ds. edukacji medycznej na swojej uczelni”. Podoba się Państwu taka propozycja? Dość spore poparcie jak na tę liczbę obecnych. Ale uwaga, to honorowe stanowisko – wiąże się z dużymi obowiązkami i brakiem wynagrodzenia. Znacznie mniejsze poparcie.

Teraz pokażę Państwu programy, o których wspominałem. Pierwszy to Program A, który zmniejszył liczbę zgonów z powodu raka piersi o 1/3. Czyli 2/3 chorych nadal umiera, a 1/3 nie. Co Państwo sądzą? Podoba Wam się taki program? Kupują go Państwo? Ręka do góry, kto chce kupić ten program?

Publiczność: Za mało danych.

Roman Jaeschke: Za mało danych.

Zakup tego programu został przegłosowany 79 do 100.

Drugi program, D, zakłada, że przez 7 lat rocznie trzeba wykonywać badania przesiewowe u 1592 osób, żeby zapobiec 1 zgonowi z powodu raka piersi. Podoba się Państwu taki program? Nie za bardzo. Wśród członków Rady też mniej osób było gotowych, żeby za niego zapłacić.

Program C: zwiększenie odsetka osób, które nie umrą z powodu raka piersi z 99,82% do 99,88%. Co Państwo o tym myślą?

Prawdopodobnie część z Państwa się zorientowała, że to jeden i ten sam program, który można przedstawić na różne sposoby w zależności od tego, jak bardzo chce się wpłynąć na decyzję. Kto nie jest wystarczająco biegły w tego typu matematyce, ten traci. Tu słyszymy, żeby wykonywać pierwszą mammografię w wieku 40 lat, specjaliści wykonujący mammografię powiedzą, żeby ją przeprowadzać u wszystkich – a kto wie lepiej niż oni? Jeżeli zadamy sobie pytanie, na ile rozumiemy najprostszą matematykę… rola braku wiedzy i rozumienia rzeczy, które – jak nam się wydaje – są oczywiste dla wszystkich, jest według mnie nie do przecenienia.

Podczas Twojego wystąpienia przypomniał mi się rezydent z 4. roku, który miał za zadanie założyć cewnik centralny. Patrzę na niego i na pacjenta, widzę, jak robi mniej więcej taki gwałtowny ruch. Pytam go, jak zamierza ten cewnik założyć i zaczynamy rozmawiać, a on mówi: „Jestem na 4. roku rezydentury i wszyscy myślą, że potrafię założyć cewnik centralny, ale nigdy mnie tego nie nauczono i nie potrafię”. To było jeszcze przed epoką Google’a czy YouTube’a. Zresztą jak będzie się można tego nauczyć z YouTube’a, będziemy bezrobotni.

Idźmy dalej. Zasada pierwsza dotyczyła tego, że dane nie podejmują za nas decyzji, a zasada nr 2 brzmi: „nie da się przecenić braku wiedzy”. Gwarantuję, że kiedy zaczniecie mówić o czułości i swoistości, odbiorca będzie zdezorientowany. Wszyscy zakładają, że każdy rozumie różnicę między jednym a drugim. Tymczasem wcale tak nie jest, zwłaszcza wśród ludzi, których uczymy. Zamiast o ryzyku, mówcie więc o pieniądzach. Pieniądze zwykle interesują ludzi znacznie bardziej niż ryzyko i choroby, szczególnie w medycynie. Przepraszam, nie powiedziałem tego. Wytnijcie to zdanie.

A więc zamiast mówić: „to jest ryzyko, to jest ryzyko bezwzględne, to jest ryzyko ujemne, a to jest względne zmniejszenie ryzyka”, wykorzystujmy w rozmowie własne przykłady z pieniędzmi, np. przed obiadem miałem 4 monety, po obiedzie mam 3 monety. Ile pieniędzy wydałem? Konsultujcie się z osobami obok. Ile wydałem? Jedną monetę. Tak jest. Proszę pamiętać, żeby pokazać dobry palec.

Idźmy dalej: jaka jest bezwzględna różnica w moim majątku? Bezwzględna. Zwykle powtarzam, że mamy do dyspozycji 4 działania matematyczne, ale tutaj zapominamy o mnożeniu i dodawaniu. Zostaje nam dzielenie lub odejmowanie. Czy mój wydatek będzie odsetkiem czy różnicą?

Publiczność: Jedna moneta.

Roman Jaeschke: Jedna moneta. Dobrze. To jaka będzie bezwzględna różnica w moim majątku? Dobrze, więc to już wiemy. A teraz uwaga: miałem 4 monety, a mam 3. Jaki odsetek majątku nadal posiadam? Mam 3 monety, miałem 4 – ile mam nadal? Trzy czwarte, 75%. Dobrze. Czyli jaki odsetek wydałem? 25%. I co ciekawe, to, co nadal posiadam plus to, co wydałem daje jeden. Ważne, żeby o tym pamiętać. A jaki jest mój majątek względny – drążymy temat – w porównaniu do tego, który miałem przed lunchem? Siedemdziesiąt pięć procent albo 3/4. Czyli jaka jest względna różnica w moim majątku? Dobrze.

Teraz kolejna ciekawostka, nie mniej ważna – działania na wyższym poziomie. Mówiliśmy o 4 i 3 monetach, a co jeśli miałem ich odpowiednio 40 i 30? Jaka część majątku mi została, jeżeli miałem przed lunchem 40 monet a teraz mam 30? Siedemdziesiąt pięć procent. Czyli bez względu na to, czy wydam 1 monetę czy 10 monet, mogę nadal mieć 75%. Ile wydałem monet w tym przykładzie? Jedną. A w tym? Dziesięć. Dobrze. A więc jaka jest bezwzględna różnica w moim majątku? Jeden. A tu? Dziesięć.

Kiedy już przebrną Państwo z rozmówcą przez kwestie finansowe, a może nawet postawią mu lunch, będą Państwo mogli zamienić słowo majątek/pieniądze/dolary/złotówki na ryzyko – różnicę ryzyka, ryzyko względne, względne zmniejszenie ryzyka – a jeśli rozmówca poczuje się zagubiony, wrócić do pieniędzy. To dużo ułatwia.

Czyli powiedziałem już o języku, pieniądzach i majątku. Teraz czas na matrycę. Temat matrycy staram się poruszyć w każdej dyskusji dotyczącej praktyki klinicznej i badań, aby mieć pewność, że w analizie danych znajdzie się miejsce na 4 pytania: Z czym mamy do czynienia? Czy możemy ufać danym? Jakie są te dane? Jak się mają do danego pacjenta? Odniosę się teraz przede wszystkim do pierwszego z nich, ponieważ zwykle różnice w opinii wynikają z różnego rozumienia tego zagadnienia.

A trzeba w nim uwzględnić osobę, populację – w konkretnej sytuacji jest to konkretna osoba z konkretnymi cechami; badaną interwencję lub leczenie; interwencję/leczenie, z którymi je porównujemy; oraz skutek. Każdy z tych elementów może być przedmiotem manipulacji lub nieporozumienia.

Oto jeden z moich ulubionych przykładów, który zmienił sposób resuscytacji w przypadku nagłego zatrzymania krążenia w warunkach pozaszpitalnych. Przekaz firmy był taki: „Jeżeli otrzymasz nasz lek, trafisz do szpitala. Bez niego czeka cię droga w drugą stronę.” Problem polega na tym, że choć tutaj częściej trafia się do szpitala, to niekoniecznie o to ludziom chodzi. Ludzie chcą wrócić do domu. A więc tak, to prawda, że więcej osób trafia do szpitala, ale nie ma różnicy w liczbie tych, którzy wrócą w stosunkowo dobrym stanie do domu.

Ostatnie dwie minuty chciałbym poświęcić na omówienie bardzo powszechnej koncepcji, której nazwy postaram się nie użyć, dopóki nie wyjaśnię, o co w niej chodzi. Miałem kolegę, torakochirurga, który chciał wypróbować nową laparoskopową technikę resekcji przełyku. Było to 15 lat temu i była to jedna z pierwszych operacji tego typu. Pacjent zmarł. Chirurg bardzo to przeżył. Żeby poczuć się nieco lepiej, opublikował opis przypadku.

Pytanie brzmi: dlaczego ten pacjent zmarł? Jak Państwo sądzą? Proszę podać jeden powód śmierci chorego. Przebieg choroby – może rak był tak w bardzo zaawansowanym stadium. Coś jeszcze? Niekompetencja chirurga lub niewłaściwie przeprowadzony zabieg. Prawda jest taka, że przyczyny zgonu tego pacjenta mogą być różne. Kim był pierwszy pacjent, którego operował ten chirurg? Kogo należałoby wybrać do przeprowadzenia zabiegu? Pierwszy taki zabieg. Myślę, że są dwie możliwości – albo ciężko chory albo zupełnie zdrowy. Miejmy nadzieję… tak ja bym do tego podszedł.

Ten chirurg z kolei operował pięciu pacjentów, 80% zmarło. Jest bardzo przybity, ale publikuje serię przypadków i to mu trochę poprawia nastrój. Dlaczego ci pacjenci zmarli? Byli ciężko chorzy, w bardzo podeszłym wieku. Problem polega na tym – pozwolę sobie pominąć kolejny slajd – że ci pacjenci mogli umrzeć z wielu powodów niezwiązanych z techniką zabiegu.

Mowa o czynnikach, które wpływają na wynik, ale nie są związane z tym, o czym mówiliśmy. Teraz mogę powiedzieć, wiecie co? W tym głupim żargonie, nazywamy je... no jak? Nazywamy je czynnikami lub zmiennymi zakłócającymi. Pacjent w podeszłym wieku i w złym stanie. Podczas zabiegu awarii ulega ssak albo następuje przerwa w zasilaniu. Co istotne, to są zmienne niezwiązane z samą operacją.

Starajmy się wprowadzać tego typu koncepcje, opisując sytuację, zamiast mówić: „teraz porozmawiamy o zmiennych zakłócających”. W przeciwnym razie nikt nie będzie Państwa słuchał. To kolejna rzecz, którą chciałem się z Państwem podzielić. Następne slajdy pominę, bo dotyczą grupy kontrolnej, randomizacji i tak dalej.

Krótkie podsumowanie. Mówiliśmy o tym, że dane naukowe nie podejmują decyzji; żeby zamiast o ryzyku mówić o pieniądzach; żeby zawsze pamiętać o opisie populacji, interwencji, porównywanych interwencjach i wynikach; żeby nie wprowadzać trudnych zagadnień mówiąc “a teraz porozmawiamy o trudnych pojęciach”. Próbujmy wykorzystywać przykłady z życia i dopiero na koniec podawać terminologię.

? propos przykładów, w jaki sposób język, którego używamy oraz nieprecyzyjny sposób komunikacji mogą nas wpędzić w kłopoty:

[Nagranie:] „Mayday, Mayday. Halo? Czy nas słychać? Czy nas słychać? Odbiór. Toniemy. Toniemy.

Halo? Z tej strony niemiecka straż przybrzeżna.

Toniemy! TO-NIE-MY!

Jak to nie wy? To kto w takim razie?”

Nie chodzi tylko o język angielski czy polski, ale o sposób codziennej komunikacji w ogóle. Bywa, że się nie rozumiemy. A żeby móc pacjentowi wyjaśnić koncepcję danych naukowych, potrzebujemy tej podstawowej umiejętności. Dziękuję bardzo.

We use cookies to ensure you get the best browsing experience on our website. Refer to our Cookies Information and Privacy Policy for more details.