Bewijs het maar!
Er zijn veel factoren waarop keuzes in de geneeskunde gebaseerd worden, in het geval van chirurgen soms zelfs een flinke dosis zelfvertrouwen, maar één van die factoren is evidence, bewijs. EBM: Evidence Based Medicine, oftewel 'the integration of best research evidence with clinical expertise and patient values.' Maar wat is dan precies een bewijs in de geneeskunde? Wanneer is de betrouwbaarheid van een bepaalde behandeling voldoende aangetoond? Kun je eigenlijk wel echt iets zeker weten als er zo veel soorten ziekten, en zelfs nog meer soorten patiënten, zijn?
Deze vragen beantwoordt hoogleraar klinische epidemiologie Prof. dr. Rick Grobbee tijdens zijn lezing Bewezen beter, de laatste lezing in de lezingenserie Bewijs het maar! Zo blijkt toegepaste statistiek de kern te zijn van een medisch bewijs gebaseerd op empirisch onderzoek. En daarmee verschilt een medisch bewijs niet eens zo veel van een bewijs in de deeltjesfysica, waarvoor, zo vertelde natuurkundige prof. dr. Gerard 't Hooft, statistiek en afspraken over significantie ook erg belangrijk zijn. Maar, met alleen statistiek ben je er nog niet. Het kan namelijk zo maar eens zo zijn dat de statistisch significante daling in de bloeddruk van mevrouw X niet komt doordat zij braaf haar pilletjes heeft ingenomen, maar omdat ze meer is gaan sporten, de bloeddrukmeter verkeerd werd afgelezen, de pillen als placebo werkten of omdat ze eindelijk verlost is van haar vervelende buurman. Op het eerste gezicht lijk je op deze manier dus niets te kunnen zeggen over de werking van het medicijn.
Trials
Gelukkig heeft de medisch wetenschapper hier iets op gevonden. Via gerandomiseerde en geblindeerde trials wordt dit zogenaamde confounding -het probleem van een extra factor die de waarneming verstoort- zo veel mogelijk voorkomen. Het randomiseren zorgt ervoor dat het effect van het natuurlijke verloop van een ziekte zo veel mogelijk uit de data wordt gefilterd en blindering beperkt de invloed van externe factoren en waarneemfouten. Zo kan de werking van het geneesmiddel dus toch worden achterhaald.
Errors
Toch liggen fouten nog steeds op de loer. Bijvoorbeeld als tijdens de trial de gerandomiseerde groepen niet goed gescheiden blijven. Een scheiding die soms best lastig in stand te houden is op het moment dat de ene groep stuk betere resultaten behaalt dan de ander: wanneer is er genoeg bewijs verzameld en mag iedereen profiteren van de goed werkende behandelmethode? Een ander probleem is dat onderzoeksresultaten selectief worden gepubliceerd. Eerst kiest de onderzoeker wat interessant is en vervolgens doet een tijdschrift dat ook nog een keer. Onderzoeken die niet zo spectaculair zijn, maar wel uitermate nuttig voor het totaalplaatje, worden hier het slachtoffer van. Met als gevolg dat conclusies gebaseerd op meerdere onderzoeken over hetzelfde onderwerp een vertekend beeld geven.
Ervan uitgaande dat dit soort fouten niet vaak voorkomen, levert het medisch empirisch onderzoek met zo een negentig trials per dag ontzettend veel, hopelijk betrouwbare, kennis op. Is het dan niet een goed idee om de computer gewoon op basis van deze kennis en van algoritmes de diagnoses te laten stellen? Grobbee ziet hier in ieder geval niets in, want 75% van de geneeskunde bestaat nog steeds uit klinische waarneming en mechanistisch redeneren: geen taken voor de computer. Significantie en statistiek hebben het dus nog niet gewonnen van stethoscoop en snelverband.
Kijk de lezing Bewezen beter van prof. dr. Rick Grobbee terug.
We hebben in de serie Bewijs het maar! onderzocht, met meerdere sprekers, wat bewijs in verschillende disciplines betekent. En na al deze weken nadenken over bewijs kan vooral gezegd worden dat we zijn minder naïef geworden zijn: bewijs is niet statisch en definitief, het is vloeibaar en afhankelijk van de context. Bekijk ook de andere lezingen uit deze reeks.
