|
Junio 2007
Investigación basada en la evidencia
en Medicina Alternativa y Complementaria II: EL PROCESO DE LA INVESTIGACIÓN
BASADA EN LA EVIDENCIA
| Es una práctica
común en la medicina contemporánea seguir de
manera estricta el método científico en el proceso
de validación de la eficacia y la efectividad de las
modalidades de tratamiento de intervención nuevas o
mejoradas. Como consecuencia, estas intervenciones complementarias
o alternativas deben ser validadas mediante una investigación
estricta antes de poder ser integradas de manera fiable en
la medicina occidental. Las próximas décadas
serán testigo del aumento de la investigación
basada en la evidencia cuyo objetivo es establecer la mejor
evidencia disponible en la medicina alternativa y complementaria
(CAM, en inglés). Este segundo artículo de esta
serie (primer
artículo, Digitalis nº10) examina
el proceso de la investigación basada en la evidencia
(IBE) en el contexto de las CAM. Destacamos los principios
fundamentales, el proceso y la relevancia de la IBE, y sus
implicaciones para las CAM. Resaltamos las áreas de
futuro desarrollo en la IBE. Subrayamos que el problema principal
de aplicar la IBE en las CAM en la actualidad está relacionado
con el hecho de que la contribución de la IBE solo puede
ser significativa si los estudios utilizados en el proceso
de la IBE son de buena calidad. Con demasiada frecuencia la
investigación en las CAM no presenta la calidad suficiente
para garantizar la creación de una declaración
de consenso. Sin embargo, la IBE puede contribuir en las CAM
identificando los puntos débiles actuales de la investigación
en las CAM. Presentamos un método revisado para evaluar
la calidad de los textos médicos. |
 |
Francesco Chiappelli
1,2,3
Paolo Prolo 1,2,3
Monica Rosenblum 4
Myeshia Edgerton 1,5
Olivia S. Cajulis 6
1 Division of Oral Biology & Medicine,
UCLA School of Dentistry CHS 63-090, Los Angeles CA, USA,
2 West Los Angeles Veterans Administration Medical Center
CA, USA, 3 Psychoneuroimmunology Group, Inc. CA, USA, 4 California State University Northridge CA, USA, 5 Tufts
University Dental School CA, USA, and 6 Dental Group of
Sherman Oaks, Inc. CA, USA
Tipo de artículo: metodología
Link al artículo original (en inglés): http://ecam.oxfordjournals.org/cgi/content/full/3/1/3
Publicado originalmente en:
eCAM
2006 3(1):3-12; doi:10.1093/ecam/nek017
* Para reimpresiones y correspondencia:
Francesco Chiappelli, Ph D, Division of Oral Biology & Medicine,
UCLA School of Dentistry, CHS 63-090, Los Angeles, CA 90095-1668,
USA. Tel: +1-310-794-6625; Fax: +1-310-794-7109; E-mail:
chiappelli@dent.ucla.edu
c)
The Authors (2006). Published by Oxford University Press.
All rights reserved.
(c) Los Autores (2006) En Castellano
The online version of this article has been published under an open access model.
Users are entitled to use, reproduce, disseminate, or display the open access
version of this article for non-commercial purposes provided that: the original
authorship is properly and fully attributed; the Journal and Oxford University
Press are attributed as the original place of publication with the correct citation
details given; if an article is subsequently reproduced or disseminated not in
its entirety but only in part or as a derivative work this must be clearly indicated.
For commercial re-use, please contact journals.permissions@oxfordjournals.org
Palabras clave: investigación basada en la evidencia
- revisión sistemática - estándares
consolidados para ensayos aleatorizados - modelo de Markov
- medicina alternativa y complementaria |
LA INVESTIGACIÓN
BASADA EN LA EVIDENCIA |
Objetivos y restricciones
En medicina, la investigación basada en la evidencia (IBE),
tal como la concibió A. Cochrane (1909-88), no debe confundirse
con la medicina basada en la evidencia de la investigación.
La IBE es una corriente de investigación en las ciencias médicas
basada en la aplicación del método científico.
Pretende conseguir la identificación, la evaluación
y el uso conscientes, explícitos y juiciosos de las mejores
pruebas conocidas en la actualidad. Es un procedimiento sistemático
cuyo objetivo es trabajar conjuntamente con los mejores resultados
de investigación conocidos y con el historial de los pacientes
y los resultados de las pruebas de laboratorio para optimizar el
proceso de toma de decisiones sobre el cuidado de cada paciente individual.
En cambio, la medicina basada en la evidencia de la investigación
es el enfoque tradicional del tratamiento médico. Se fundamenta
en las tradiciones médicas existentes y establecidas durante
largo tiempo, complementadas por trabajos individuales de investigación
surgidos de los exámenes médicos (p. ej., historial,
resultados de las pruebas), que pueden o no haber sido sometidos
a un escrutinio científico suficiente o adecuado (Ref. 1-5).
El debate sobre la medicina basada en
la evidencia frente a la medicina basada en la evidencia de la
investigación es complejo y está lejos
de concluirse (Ref. 4,6). Expone, por ejemplo, que los médicos
han dependido de las evidencias de la investigación fiables
para sus tratamientos desde el inicio de la medicina moderna (Ref.
6). El movimiento IBE no discute este punto. Subraya el hecho de
que la investigación en las ciencias de la salud avanza a
un ritmo tan rápido que el cuerpo de evidencia debe ser evaluado
y sintetizado de forma sistemática para que los pacientes,
los proveedores y la sociedad puedan beneficiarse de ello (Ref. 4,7,8).
Un segundo argumento proviene del hecho
de que, como mínimo
en algunas áreas de las ciencias de la salud, la evidencia
de la investigación puede ser deficiente, inadecuada o poco
fiable y que, por tanto, la medicina debe basarse en modalidades
de intervención tradicionales aunque éstas no hayan
sido validadas por la investigación (Ref. 6). En este contexto,
el movimiento ERB subraya que sólo mediante la evaluación
sistemática de la metodología de la investigación,
del diseño y del análisis de los datos será posible
identificar las deficiencias de la investigación en áreas
clínicas determinadas, proceso que luego servirá para
mejorar la calidad de la evidencia de la investigación (Ref.
4,5,7,9).
Un tercer punto importante de discusión sugiere que los partidarios
de la IBE cometen un error conceptual agrupando el conocimiento derivado
de la experiencia clínica y la justificación racional
bajo el título de mejor evidencia disponible, provocando errores
más graves al desarrollar jerarquías de evidencia.
Es decir, falta de evidencia y falta de beneficio no son lo mismo,
y cuantos más datos se combinan y se agregan más difícil
es comparar a los pacientes de los estudios con los pacientes individuales
visitados por el médico. Los clínicos necesitan incorporar
conocimiento proveniente de varias áreas distintas en la decisión
médica, incluyendo la evidencia empírica, la experiencia,
los principios fisiológicos, las necesidades del paciente,
las necesidades y el soporte, y los valores profesionales (Ref. 6).
Este último punto es particularmente relevante para evaluar
imparcialmente la IBE, y el resto de este artículo responde
a esta cuestión, enfatizando su papel en la medicina alternativa
y complementaria (CAM, en inglés).
Consenso de la mejor evidencia disponible
Ciertas restricciones limitan la aplicación práctica
de la IBE en la práctica médica diaria (Ref. 2-4,10),
especialmente en el contexto de ciertos protocolos CAM, como por
ejemplo la acupuntura (Ref. 9). Algunas de estas limitaciones principales
aparecen enumerados en la Tabla 1. Sin embargo, también es
cierto que el objetivo fundamental de la IBE es validar la práctica
médica moderna y, por consiguiente, la evolución y
el establecimiento de una práctica médica basada en
la evidencia es una condición sine quan non para la medicina
del siglo XXI (Ref. 7).
Tabla1
La IBE contribuye a la validación de la práctica médica
evaluando de manera sistemática la solidez de la evidencia
disponible (Ref. 2,4,5,7). El objetivo de la IBE no es agrupar el
conocimiento derivado de la experiencia clínica y la justificación
racional bajo el título de mejor evidencia disponible (Ref.
6), ni tampoco pretende desarrolar jerarquías de evidencia
(Ref. 6). Más bien al contrario, el objetivo de la IBE es
crear una declaración de consenso que resuma los resultados
de un proceso de evaluación sistemática de los textos
médicos. La declaración proporciona ipso facto una
validación científica de la mejor evidencia disponible
generada hasta el momento a partir de toda la investigación
conocida y del proceso de toma de decisiones clínicas (Ref.
2,7,8,10).
La declaración de consenso es el resultado del proceso de
revisión y evaluación sistemáticas de toda la
evidencia disponible. Presenta las deducciones, las evaluaciones
aditivas y las síntesis narrativas concluyentes de los resultados.
Analiza algunos problemas relativos a la presentación y la
relevancia de las conclusiones, incluyendo la claridad de exposición
de los elementos clave de cada estudio, la significación estadística
de la magnitud de los resultados y la homogeneidad o heterogeneidad
de los resultados. La declaración de consenso también
trata temas relacionados con la relevancia clínica, con la
validez del proceso de integración (p. ej., la inclusión
y exclusión de criterios, las estrategias de investigación
exhaustivas) y con el rigor del proceso de evaluación (p.
ej., la calidad de la evaluación de la evidencia, cfr. la
flecha doble en la Figura 1). El objetivo central de la declaración
de consenso es analizar la sensibilidad y especificidad de los análisis,
y comprobar si los resultados globales sugieren un beneficio neto
global para los pacientes. Para valorar el control de calidad del
proceso de integración, normalmente es necesaria la participación
de una tercera persona independiente, situada "al mismo nivel" que
los otros lectores (Ref. 11), que valore sistemáticamente
la validez de los estudios y su significación clínica
y estadística. La declaración de consenso también
incluye una discusión sobre estos temas. En resumen, la declaración
de consenso analiza la calidad de las evidencias de cada informe
individual, y también proporciona una declaración de
fondo y un resumen convincente de la investigación, que ayudan
a comprender la mejor evidencia disponible (Ref. 2-5,7).
 |
Figura 1. El proceso de investigación basada en la evidencia
en la medicina alternativa y complementaria. |
La comisión de expertos que lleva a cabo la revisión
sistemática redacta el borrador de la declaración de
consenso. El borrador es entonces presentado y discutido a puertas
abiertas ante defensores de los pacientes y el público en
general. La comisión finaliza la declaración de consenso
en sesión ejecutiva y se redacta el informe final. Algunos
grupos de revisión (p. ej., el Grupo Cochrane) insisten en
la necesidad de actualizar regularmente la declaración de
consenso (normalmente cada 6 meses) y otros no (p. ej., los Institutos
Nacionales de Salud; NIH, en inglés). Desarrollo de la declaración
de consenso
Evidentemente, el informe general redactado
en el momento de completar el procedimiento de IBE va mucho más lejos que los textos
médicos de revisión rutinarios. Es una revisión
sistemática de toda la evidencia de investigación conocida
-buena y mala (teniendo en cuenta criterios de diseño de la
investigación, metodología y análisis de datos)-
que culmina en la declaración de consenso. El proceso sistemático
de investigación crítica evaluativa de la evidencia
disponible sigue el método científico (Ref. 2,5,7).
No tiene como objetivo combinar y agregar los datos de los estudios
de manera indiscriminada. El objetivo de la IBE es determinar la
calidad de cada informe, basándose en criterios estrictos
de metodología de investigación, diseño y análisis
de los datos. Los informes considerados aceptables se utilizan en
la segunda fase del proceso, que sintetiza la evidencia mediante
técnicas de metaanálisis y genera una declaración
de fondo, que ayuda a la toma de decisiones clínicas.
Claramente el objetivo no es
comparar los pacientes de los estudios con los pacientes individuales
que visita el médico (Ref.
6). Es aplicar mejor lo que los textos médicos de investigación
proporcionan para conseguir un beneficio directo en los pacientes
de las consultas.
La investigación clínica en CAM en el siglo XXI requiere
el enfoque estricto, riguroso y sistemático proporcionado
por la IBE. La insuficiencia de medidas validadas específicamente
para las CAM o el uso de medidas más genéricas tendrá un
impacto directo en el procedimiento de la IBE: la importante discusión
actual sobre qué resultados deberían ser analizados
y cómo son analizados no ha concluido. El futuro de la investigación
clínica y translacional en CAM se fundamenta en la evaluación
sistemática de la evidencia de la investigación en
los tratamientos de intervención en pacientes, y en la creación
juiciosa y oportuna de la declaración de consenso (Ref. 7,9,14,15).
INVESTIGACIÓN
SOBRE LA INVESTIGACIÓN |
El procedimiento de la IBE
La dinámica de la IBE, resumida en la Fig. 1, se aplica a
la realización de revisiones sistemáticas, que acompañan
a todos los textos médicos conocidos. Los mejores estudios
de casos en IBE implican la realización del procedimiento
de la IBE en una muestra al azar de textos médicos conocidos.
El procedimiento científico de la IBE depende de instrumentos
y métodos esenciales para llevar a cabo una lectura crítica
cuantitativa y cualitativa fiable de los estudios individuales en
el contexto de los mejores estudios de casos y, en términos
más generales, de las revisiones sistemáticas. Esta
figura ilustra que el producto final, la declaración de fondo
de la IBE, es la creación de una declaración de consenso,
tal como se ha comentado anteriormente. Esta figura también
indica una influencia recíproca entre el cuadro de los instrumentos
de la IBE y la declaración de consenso. Esto es así porque
el procedimiento completo de la IBE utiliza una serie de herramientas
e instrumentos de investigación seleccionados y específicos,
hecho que genera el análisis de los resultados, que es presentado
y discutido en la declaración de consenso. Así, idealmente
la declaración de consenso debería incluir una discusión
de los puntos fuertes, los puntos débiles, las limitaciones
y las restricciones de estos instrumentos y herramientas. La flecha
doble pretende representar esta influencia recíproca, gracias
a la cual la creación de la declaración de consenso
deriva del uso de determinados instrumentos de investigación
y proporciona un componente evaluativo con respecto a si y cómo
estas herramientas deberían perfeccionarse en la investigación
basada en la evidencia del futuro.
La IBE es un tipo de investigación crítica sobre investigación
que sigue el proceso científico de los 5 pasos:
i) El primer paso consiste
en enunciar la pregunta de la investigación,
que incluye la pregunta PIC/PR. La pregunta define la población
de pacientes que está siendo examinada y las intervenciones
consideradas (p. ej., tratamiento convencional frente a tratamiento
convencional complementado con CAM), si las intervenciones se comparán
o se estudiarán desde la perspectiva longitudinal y se están
formulando predicciones; y especifica el resultado de interés
(Ref. 5,7).
ii) El segundo paso implica cuestiones metodológicas,
incluyendo la el proceso de selección de la muestra y el
acceso a los textos médicos de investigación y a
los instrumentos para el análisis crítico de los
informes (Ref. 5,7). El proceso de toma de muestras requiere una
amplia investigación
de los materiales publicados (p. ej., ensayos clínicos)
y comunicaciones individuales complementarias con investigadores
y autores concretos, cuando sea necesario obtener información
adicional. Ç
iii) Las muestras son evaluadas críticamente utilizando estándares
específicos [p. ej., los Estándares Consolidados para
Estudios Aleatorizados (CONSORT, en inglés) (Ref. 16,17)].
En el caso de la acupuntura, las normas STRICTA (Estándares
para la Documentación de Intervenciones en Ensayos Controlados
de Acupuntura) también son recomendadas (Ref. 9). Instrumentos
fiables y válidos {p. ej., la escala de Timmer, la escala
de Jadad, Wong [cfr. Apéndice 1; (Ref. 18)], las escalas de
validez interna de Linde; para ampliar información, ver (Ref.
5)} se utilizan con esta finalidad. Medios alternativos [p. ej.,
GRADE, ASSERT; para ampliar información, ver (Ref. 19)] también
se utilizan y convergen con los anteriores a la hora de calificar
los niveles de calidad de la investigación y los niveles de
significación de la evidencia.
iv) Los datos de diferentes informes se combinan, se analiza su
aceptabilidad (Ref. 20) y, cuando sea necesario, se utilizan en
metaanálisis
o en metaanálisis de regresión para generar y generalizar
su significación estadística (Ref. 5,12,21,22). Los
datos de la IBE también pueden analizarse mediante los Datos
del Paciente Individual (IPD, en inglés) (Ref. 23) o los análisis
del Número de pacientes que será Necesario Tratar (NNT)
(Ref. 3). Estos formatos difieren de las modalidades tradicionales
de análisis estadístico en el hecho que analizan datos
obtenidos de pacientes individuales en vez de analizar datos obtenidos
de grupos de pacientes. Además, en general, a la hora de interpretar
los datos de la investigación en el marco de la significación
estadística y de la relevancia clínica, los datos de
la IBE se analizan mejor con las técnicas estadísticas
Bayesianas que con las tradicionales Fisherianas.
v) El último paso es una síntesis acumulativa, que
resume el proceso y los resultados.La declaración de consenso
tiene que reflejar y ser coherente con la mejor evidencia disponible
respecto a la pregunta PIC/PR formulada [cfr. Apéndice 2
adaptado de (Ref. 7)] (Ref. 2,10,24,25).
Valía y puntos fuertes de la IBE en la toma de decisiones
clínicas
La valía y los puntos fuertes de la IBE no sólo se
encuentran en el rigor del método científico utilizado
sino también en la validez del resultado: la declaración
de consenso. La IBE y los resultados que genera proporcionan aplicaciones
y mejoras directas en las necesidades inmediatas de los pacientes,
en la mejor evidencia disponible para la intervención y en
el coste (Ref. 2,7,8,10). Una declaración de consenso bien
realizada incluye un análisis coste-efectividad, que es un
procedimiento de análisis de decisión que tiene en
cuenta los riesgos y también los costes. Esto se consigue
mediante un enfoque sistemático que generalmente incluye la
evaluación de la relevancia clínica del planteamiento
del problema (es decir, la pregunta PIC/PR), de la validez de la
información integrada (es decir, la evaluación crítica
de los textos médicos), del rigor del proceso de integración
[es decir, criterios de inclusión y exclusión de la
evidencia fiable frente a la no fiable (aceptable frente a no aceptable)],
y de la presentación y la calidad de los resultados (es decir,
evaluación acumulativa) (Ref. 7).
La mayoría de veces, los resultados relevantes de este análisis
coste-efectividad se expresan como el coste-efectividad incremental
del tratamiento convencional complementado con tratamientos alternativos
complementarios respecto al tratamiento convencional solo. Normalmente
la relación incremental, que es la diferencia del coste de
las dos estrategias dividida por la diferencia de la efectividad
de las dos estrategias, también se presenta (Figura 2) (Ref.
5).
 |
Figura
2. Algoritmo del proceso
de aplicación de la evidencia de la investigación
en la toma de decisiones clínicas [adaptado de (Ref. 5)]. |
La Figura 2 ilustra que siguiendo el
procedimiento científico
de la IBE y creando la declaración de consenso, el especialista
clínico examina, implementa y evalúa la relevancia
clínica global. Se estiman los datos de la efectividad y de
los recursos (p. ej., modelo de Markov; cfr. Apéndice 3: el
procedimiento de Markov) para mejorar el proceso final de toma de
decisiones clínicas (Ref. 5,10).
El procedimiento de la IBE evalúa todas las estrategias competitivas,
normalmente mediante el modelo de Markov, que se basa en un árbol
de decisión. Este enfoque permite tener en cuenta acontecimientos
que pueden suceder en el futuro como consecuencia directa del tratamiento
o como efecto secundario. El modelo genera un árbol de decisión
que presenta ciclos de intervalos fijos de tiempo e incorpora probabilidades
de ocurrencia. Incluso si la diferencia entre las dos estrategias
de tratamiento parece cuantitativamente pequeña, el resultado
del modelo de Markov refleja la decisión clínica óptima,
porque se basa en los mejores valores posibles para las probabilidades
y los recursos incorporados en el árbol. El resultado originado
a partir del análisis de decisión de Markov generalmente
se obtiene mediante el análisis de sensibilidad que se utiliza
para comprobar la estabilidad en un rango de estimaciones de probabilidad,
y por tanto el tratamiento más adecuado aparece reflejado
(Ref. 25,26).
LA
IBE EN EL CONTEXTO DE LAS CAM |
En resumen, la puesta en práctica de la IBE es una ciencia
por derecho propio. Ya ha sido reconocida la integración del
paradigma de la IBE en las CAM (Ref. 7,14,15,27). Sin lugar a dudas,
la IBE cada vez desempeñará un papel más importante
a la hora de distinguir las intervenciones basadas en las CAM apropiadas
de las no apropiadas (es decir, aceptables frente a no aceptables;
ver más abajo) en el futuro. La investigación clínica
y translacional en las CAM en el siglo XXI se basará en la
evaluación sistemática de la evidencia de la investigación.
En progreso en la IBE de las CAM debe trabajar en estas direcciones.
Instrumentos y protocolos
En primer lugar, el campo de la IBE
necesita mejorar y ultimar sus instrumentos y protocolos. El proceso
crítico de la IBE implica
la evalución crítica de la metodología de la
investigación, el diseño y el análisis de los
datos.Dependiendo de los instrumentos utilizados para evaluar los
textos científicos, se obtienen calificaciones sobre la compleción
y la calidad de la metodología de la investigación,
y se genera el diseño y el manejo estadístico de los
resultados (SESTA, en inglés, evaluación sistemática
del análisis estadístico). El Apéndice 1 ofrece
una revisión de la escala de Wong (Ref. 18), seguida de una
especificación de los puntos principales del paradigma SESTA.
La utilización de esta escala y del paradigma SESTA permite
la evaluación cualitativa y cuantitativa de la metodología
de la investigación, del diseño y del análisis
de los datos. La cuantificación proporciona valores que son
analizados mediante protocolos estadísticos de muestreo aceptables
para establecer si las muestras de los informes de investigación
estudiados por medio del procedimiento basado en la evidencia reúnen
los criterios de aceptabilidad necesarios para generar metaanálisis
y deducciones generales fiables.
Este protocolo no intenta evaluar la
calidad del conjunto, que sería
equivalente a evaluar la calidad del proceso de búsqueda de
los textos científicos, sino estimar su aceptabilidad (Ref.
20). El muestreo de aceptación genera información basada
o bien en los atributos (es decir, variable nominal: aceptable basado
en una serie de criterios establecidos rigurosamente frente a no
aceptable) o bien en las características de la información
identificada (es decir, variable continua calculada en una escala
de intervalos determinada).
Un ejemplo práctico: el mejor estudio de casos que llevamos
a cabo sobre el uso de la musicoterapia como intervención
alternativa para mitigar la ansiedad proporcionó datos fibles,
que permitieron demostrar las coherencias e incoherencias relativas
en la metodología de la investigación, el diseño
de la investigación y el análisis de datos en los informes
evaluados en la revisión sistemática. Los datos pudieron
ser utilizados para cuantificar y hacer hincapié en los puntos
fuertes y en las deficiencias de este campo específico en
los textos científicos de las CAM. Este mejor caso de estudio
sobre musicoterapia como modalidad de intervención alternativa
para la ansiedad reveló que los dos campos menos consolidados
de este tipo de textos de investigación son la información
proporcionada sobre el número de pacientes que hay que tratar
y el análisis estadístico de los datos. Otro punto
débil importante de este tipo de textos está relacionado
con los instrumentos de medición. El análisis del muestreo
de aceptación de estos resultados indicó que estas
tres deficiencias eran estadísticamente significativas (Greenhouse-Geisser
F = 7.58, P < 0.0001; Scheffé, P < 0.05). El campo de
investigación que pertenece al establecimiento de significación
estadística y clínica estaba en el límite de
la significación estadística (P < 0.1).
En resumen, este análisis permite evaluar los puntos fuertes
y el rigor de la musicoterapia como modalidad alternativa de intervención
para la ansiedad. Estableció que el 90% de este tipo de textos
utiliza métodos de investigación, diseño y análisis
de datos apropiados, con una puntuación global (21.09 ± 3.14)
dentro del intervalo de confianza del 95% de primer orden. También
identificó los principales campos débiles en este tipo
de textos sobre CAM (p. ej., la información sobre el número
de pacientes que hay que tratar, el análisis estadístico
de los datos, instrumentos de medición), que deben ser enmendados
en investigaciones futuras. Por último, este análisis
subrayó el hecho que hasta el momento los textos médicos
sobre musicoterapia para tratar la ansiedad no han conseguido determinar
claramente la relación entre la significación estadística
de los resultados y su relevancia clínica.
Análisis futuros en la IBE Para el futuro, es importante darse
cuenta de que estas escalas de puntuación de la calidad de la investigación posibilitan
una evaluación siguiendo los principios de la lógica
booleana. En otras palabras, si, por ejemplo, se evalúa que
las dos primeras preguntas (es decir, la pregunta de estudio y el
resultado del estudio) son congruentes, entonces se produce una asociación
lógica conjuntiva (pregunta de estudio = 1, resultado del
estudio = 1, conjunción = 1). Así, este resultado permite
evaluar si las mediciones y el diseño son de hecho congruentes
con la pregunta de estudio y con el resultado presentados. Una asociación
lógica conjuntiva permite avanzar en el proceso y utilizar
el paradigma SESTA, que también puede reducirse a una serie
de argumentos booleanos. El resultado del proceso, que actualmente
estamos automatizando mediante un software asistido por ordenador,
es o bien 1 (informe aceptable en general basándose en criterios
de métodos de investigación, diseño y análisis)
o bien 0 (informe inaceptable).Los zeros aparecen en el proceso booleano
simpre que se llega a una disyunción (p.ej., diseño
incongruente con la pregunta de estudio formulada y con el resultado
del estudio).Tanto los informes aceptables como los no aceptables
se incluyen en la declaración de consenso. Mientras que la
declaración de consenso contribuye a la formulación
de recomendaciones para la mejor evidencia disponible para la toma
de decisiones clínicas, las deficiencias de los informes inaceptables
y la información que pueden proporcionar para futuras mejoras
de la investigación se discuten.
Evaluaciones de la IBE como las que
acabamos de comentar prometen una considerable consolidación de la cuantificación
del proceso de la IBE, y por tanto incrementan considerablemente
el valor de la declaración de consenso. Esto contribuirá a
mejorar el papel y la valía de la IBE a la hora de proporcionar
declaraciones de aceptabilidad, documentadas y secundadas científicamente,
para las CAM.
Factibilidad y difusión
de la IBE en las CAM
La difusión de la IBE en las CAM debe ser cada vez más
práctica y contextual para conseguir ser comprensible para
los terapeutas, los grupos de pacientes y las aseguradoras. Esto
es necesario para facilitar su integración en la toma de decisiones
médicas y los tratamientos diarios (Ref. 5,10,28). Esto requerirá esfuerzos
conjuntos para expandir y profundizar la educación sobre el
conocimiento del proceso, el resultado y los usos prácticos
de la IBE (Ref. 24), y utilizar la IBE en los procedimientos y protocolos
diarios para poder pasar de "profesiones comerciales" a "profesiones
basadas en la evidencia". Los metaanálisis y las revisiones
sistemáticas existentes (p. ej., los informes Cochrane) deberían
ser catalogados, revisados y resumidos, y sus resultados deberían
ser difundidos de manera eficaz entre los proveedores, los pacientes
y las aseguradoras (Ref. 17).
Especialistas en IBE para beneficiar el ejercicio de las CAM
En último lugar, el establecimiento de un "especialista
en IBE" debe ser seriamente considerado (Ref. 3). Este especialista
podrá trabajar desde dentro del estamento médico para
obtener, leer, evaluar y presentar la mejor evidencia disponible
referente a las modalidades de intervención complementarias
y alternativas. Este especialista contribuirá al establecimiento
de criterios de la IBE y de directrices clínicas prácticas
basadas en la evidencia que deberán ser validadas, evaluadas
y monitorizadas por una red de profesionales practicantes de IBE
en CAM bajo la supervisión de associaciones profesionales
y médicas de CAM nacionales e internacionales.
El especialista en IBE contribuirá al proceso de revisión,
valoración y evaluación de las declaraciones de consenso,
y también de las quejas por mala práctica basadas en
las directrices clínicas prácticas basadas en la evidencia.
Este último punto es especialmente importante en el contexto
de las intervenciones de las CAM, que normalmente tienen tendencia
a despertar desconfianza en el establecimiento médico occidental
a causa de la falta de evidencia de la investigación consolidada.
El especilista en IBE intentará, por ejemplo, difundir los
resultados de las revisiones sistemáticas de las CAM en internet
para conseguir un acceso, entendimiento y uso fáciles de la
IBE. Esto requerirá la difusión de las declaraciones
de consenso de manera asequible y en lenguas extranjeras.
En resumen, los esfuerzos conjuntos
que hemos destacado prometen un aumento de la aceptación
y de la difusión de las
modalidades de tratamiento de las CAM para el beneficio último
de los pacientes (Ref. 29,30). Este objetivo solo puede conseguirse
mediante un seguimiento estricto del método científico
en la IBE durante las próximas décadas (Ref. 7). La
IBE puede convertirse en un instrumento poderoso para identificar
las preguntas para las cuales no existe evidencia satisfactoria -una
situación muy común en las CAM. Sin embargo, también
debe reconocerse que el principal problema a la hora de aplicar la
IBE en las CAM está relacionado con el hecho de que la IBE
solo será útil en este campo de la ciencia si los estudios
utilizados en el proceso de la IBE son de buena calidad, comparables
y fiables. Desgraciadamente, hoy en día en demasiadas ocasiones
los estudios sobre las modalidades de las CAM todavía son
de calidad inferior e imposibilitan un enfoque sólido de la
IBE. Un análisis aceptable del tipo descrito anteriormente,
y el uso de ciertos instrumentos de la IBE, servirán para
identificar los puntos débiles de la investigación
en CAM.
Apéndice 1: Escala de Wong (Revisada)
1. Qué
A. ¿Cuál es la pregunta
de investigación/el objetivo/el resultado buscado? ¿El
objetivo planteado se ha calculado y probado correctamente?
2-3 frases
Puntuación: 1 = inadecuado, despierta dudas
y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
B. ¿Cuáles son los
resultados? ¿Cómo están presentados? ¿Los
resultados responden al planteamiento del objetivo/resultado
buscado?
2-3 frases
Puntuación: 1 = inadecuado, despierta dudas
y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
C. ¿Cuál es la significación
clínica de los resultados y cuál es su significación
estadística? De todos modos, ¿los resultados
tienen un significado clínico o relacionado con la
investigación?
2-3 frases
Nota: temas sobre cociente riesgo-beneficio,
cociente coste-beneficio; también hay que tener en
cuenta los temas sobre el P-valor frente al nivel a
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
2. Quién
A. ¿Cuál era la muestra
estudiada? ¿La muestra es representativa de la población
que está siendo estudiada, de vuestros pacientes?
2-3 frases
Nota: temas de muestreo y amenazas relacionadas
con la validez externa (es decir, selección de una
muestra representativa de la población que está siendo
estudiada) y con la validez interna [es decir, temas de maduración,
mortalidad (es decir, pérdida de sujetos), historia].
Hay que tener en cuenta que esta pregunta incluye la pregunta
sobre las pérdidas de sujetos de la escala de Jadad.
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
B. ¿Los números presentados
en el informe son fiables y permitirían computar el
número de pacientes que hay que tratar (NNT, en inglés)?
Enumere la tasa de acontecimientos del grupo experimental
(EER, en inglés) y la tasa de acontecimientos del
grupo de control (CER, en inglés), y compute el NNT. ¿Aparece
alguna información sobre la Intención de Tratamiento
(ITT, en inglés)?
2-3 frases
Nota: esta pregunta pertenece SOLO a los fundamentos
para ensayos clínicos ITT, si se proporciona la información.
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
C. ¿La información
proporcionada por el informe puede beneficiar directamente
a cualquier paciente o grupo de pacientes que esté tratando
ahora?
2-3 frases
Puntuación: 1 = inadecuado, despierta dudas
y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
3. Cómo
A. Desde la perspectiva del diseño, ¿cómo
fue enfocada la pregunta y se discutieron las restricciones
adecuadas?
2-3 frases
Nota: hay que distinguir entre estudios de
pronóstico/diagnóstico,
entre diseños observativos (prospectivos, de muestra
representativa, de control de caso) y experimentales, y dentro
de estos últimos los ensayos clínicos (periodo
de prueba inicial, cruzado, mixto). Hay que tener en cuenta
los temas de aleatorización y enmascaramiento (relacionados
con dos de las preguntas de Jadad). Hay que tener en cuenta
los temas de selección correcta de los grupos de control
y experimentales (amenazas a la validez interna).
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
B. ¿Cómo se calculó el
resultado? ¿Se presentaron temas de fiabilidad y validez?
2-3 frases
Nota: temas de selección del instrumental
(amenaza a la validez interna) utilizado para calcular el
resultado variable que está siendo estudiado; tema
de fiabilidad (inter-evaluador, intra-evaluador, consistencia
interna) y validez (criterios, contenido, constructo) del
cálculo.
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
C. ¿Cómo fueron presentados
y analizados los datos (SESTA)?
2-3 frases
Nota: referencia a los elementos fundamentales
del SESTA indicados más abajo.
Puntuación: 1 = inadecuado, despierta dudas y preocupación,
2 = adecuado, pero incompleto, 3 = correcto
Nota: elementos fundamentales del SESTA
¿Qué implicaciones tiene el análisis?
Datos categóricos frente a datos continuos; comparación
frente a predicción; series de tiempo frente a supervivencia.
Análisis de los datos categóricos
• ¿Los datos categóricos, y solo
los datos categóricos, se han analizado mediante el
test X 2 ? (s/n):
• ¿Los datos son datos categóricos
apareados y se ha utilizado el test X 2 de McNemar ?
(s/n):
• ¿Los datos categóricos se han analizado
como una diferencia a partir de la línea de base y,
por tanto, se ha utilizado el text Q X
2 de Cochran ? (s/n):
• ¿Los datos categóricos se han analizado
desde la perspectiva de un pronóstico estratificador
variable y se ha utilizado el test X 2 de Mantel-Haenzel ?
(s/n)
• ¿El diseño de la investigación
presenta un formato de 2 x 2 y por tanto utiliza la corrección
de continuidad de Yates ? (s/n):
• ¿Los valores E (frecuencias esperadas)
son >5 y, por tanto, se ha utilizado el test
exacto de Fisher ? (s/n):
• ¿El agrupamiento se ha llevado a cabo
juiciosamente e implica celdas contiguas? (s/n):
• ¿Se ha evitado extraer conclusiones demasiado
firmes y absolutas, que la naturaleza débil del test
X 2 generalmente no garantiza? (s/n):
Análisis de los datos continuos—Comparación
• ¿Las suposiciones para las
estadísticas paramétricas (es
decir, normalidad, independencia, homogeneidad de la variación)
han sido mencionadas, comprobadas y no violadas? (s/n):
• Si las suposiciones se cumplen, ¿los datos
se han analizado correctamente mediante un t- test
para datos apareados ? (s/n):
• Si las suposiciones no se cumplen, ¿los
datos se han analizado correctamente mediante el test
de Wilcoxon para muestras apareadas / test
U de Mann-Whittney ? (s/n):
• En el caso de comparar solo dos grupos sin apareamiento,
si las suposiciones se cumplen, ¿los datos se han analizado
correctamente mediante el t-test de Student ?
(s/n):
• Si las variables resultantes múltiples
se comparan en dos grupos, ¿se ha planteado el test
T 2 de Hötelling ? (s/n):
• Si las suposiciones no se cumplen, ¿los
datos se han analizado correctamente mediante el test
de Wilcoxon para muestras independientes / test
U de Mann–Whittney ? (s/n):
• Si las suposiciones se cumplen, y más
de dos grupos están siendo estudiados, ¿los datos
se han analizado correctamente mediante el análisis
de la variancia ( ANOVA )?
(s/n):
• Si las suposiciones no se cumplen, ¿se
ha planteado una corrección de Geisser Greenhouse ?
(s/n):
• ¿Se ha utilizado una de las variables
de control como covariante —es decir, una variable que puede
variar conjuntamente con la variable resultado— y que debe
ser utilizada para “corregir los cálculos de la variable
resultado para obtener resultados verdaderos y correctos que
serán analizados? (s/n):
• Si las suposiciones se cumplen, ¿los datos
se han analizado correctamente mediante el análisis
de covariancia ( ANCOVA )?
(s/n):
• Si el ANOVA o el ANCOVA han sido llevados a cabo, ¿están
las tablas del ANOVA o del ANCOVA completas con las sumas de
los cuadrados, los grados de libertad, los cuadrados medios,
y los valores del estadístico F y los valores P presentes?
(s/n):
• ¿ O los valores del
estadístico F no aparecen en el texto con, entre paréntesis,
el valor Fcrit, los grados de libertad y el P -valor?
[p. ej., F(3.45), df = 5; P = 0.001] (s/n):
• ¿ O los P -valores
no presentan una dispersión simple en el texto? (s/n):
• Si el ANOVA o el ANCOVA establecen un valor F
significativo, ¿se han verificado los efectos principales
y las interacciones mediante comparaciones pre
hoc o post hoc ? (s/n):
• ¿Se ha corregido el nivel a para el número
de comparaciones repetidas en el diseño mediante la corrección
de Bonferroni –o cualquier tipo de corrección?
(s/n):
• Después de llevar a cabo las comparaciones post
hoc y de sacar conclusiones de ellas, ¿se ha
utilizado el test apropiado (p. ej., comparando todas las
medias de grupo en el diseño mediante el test
de Scheffe , comparando todas las posibles
parejas de medias del test de la diferencia significativa
honesta de Tukey , comparando las parejas de
medias siguiendo un proceso de clasificación mediante
el test de Newman-Keul , comparando
las medias mediante un procedimiento por pasos respecto a
un grupo de control de referencia con el test
de Dunnett )? (s/n):
• Si el diseño incluye más de dos
grupos, pero ninguna de las tres suposiciones se ha cumplido, ¿incluye
el diseño una variable independiente –“unidireccional” y
ha sido correctamente analizado mediante el test
de Kruskal-Wallis ? (s/n):
• ¿ O incluye dos o más
variables independientes —o una variable independiente y una
o más variables de control, diseño “factorial”— y
ha sido correctamente analizado mediante el test
de Friedman ? (s/n):
Análisis de los datos continuos—Asociación y
predicción
• Si los datos presentan asociaciones entre dos
variables, ¿se ha utilizado correctamente el coeficiente
de correlación de Pearson solo cuando
ambas variables son continuas? (s/n):
• ¿Se ha utilizado correctamente el coeficiente
de correlación de Spearman Rho cuando
una de las dos variables es categórica? (s/n):
• ¿Se ha computado correctamente el coeficiente k de
Cohen y se ha discutido en caso de acuerdo
entre dos observadores a lo largo de una variable binaria –enfermo/no
enfermo? (s/n):
• ¿Las relaciones causales se han extraído
correctamente de la correlaciones? (s/n):
• Si los datos se presentan en un modelo de predicción, ¿los coeficientes
de regresión estandarizados aparecen
como pesos beta y se ha establecido
su significación estadística? (s/n):
• ¿La significación del modelo predictivo
se ha establecido mediante el análisis ANOVA ?
(s/n):
• ¿La relación general entre las
variables propuestas se ha establecido mediante la previsión
R 2 ? (s/n):
• En el momento de establecer la eficacia predictiva
jerárquica de cada variable propuesta, ¿se ha
adoptado un modelo de regresión jerárquico o
por pasos? (s/n):
• En el caso de una variable dependiente binaria –enfermo/no
enfermo– no continua, ¿se ha utilizado el modelo
de regresión logística ? (s/n):
• ¿Se ha presentado y discutido la
prueba de la bondad de ajuste , la diferencia
entre las probabilidades observadas y las ajustadas? (s/n):
Series temporales y supervivencia de los datos
• Si los datos presentan análisis basados
en el tiempo, ¿son estos análisis a corto plazo
y los datos se han analizado correctamente siguiendo un diseño
ANOVA con medidas repetidas ? (s/n):
• O, ¿los datos pertenecen a un diseño
de series temporales a largo plazo y están presentados
mediante tablas de vida, que se analizan mediante el modelo
de regresión de azar proporcional de Cox y
el de Kaplan-Meier ? (s/n):
Evaluation general
2-3 párrafos para destacar los puntos fuertes y los
débiles del informe y para defender la evaluación
crítica general y la puntuación.
Punctuation
Cada pregunta se puntúa de 1 a 3. La puntuación
WWH total varía entre 9-27 para los ensayos clínicos,
y entre 8-24 para los estudios que no son ensayos clínicos,
y donde el NNT no es pertinente.
Apéndice 2: Recomendaciones de la IBE en las
CAM
[adaptado de (7)]
I. Relevancia clínica
- Determinar si una revisión sistemática es
relevante para el cuidado de los pacientes
- Establecer una pregunta de la investigación claramente
definida y clínicamente relevante expresada en términos
de la relación entre una prueba de intervención
con CAM y una comparación con métodos control
II. Criterios de recogida de muestras
- Definir explícitamente la inclusión y exclusión
de criterios apropiados para identificar los estudios utilizados
para responder la pregunta CAM clínica
- En condiciones óptimas los criterios incluyen los
puntos siguientes:
E ensayos controlados con selección
al azar (ECA) y quasi-ECA los grupos de pacientes deben pertenecer
a la población
de pacientes que está siendo estudiada las intervenciones
comparadas deben estar relacionados con la pregunta de estudio
los estudios identificados en el proceso de investigación
deben presentar evaluaciones del resultado que está siendo
investigado
Establecer una estrategia de búsqueda sistemática
para obtener un muestreo más amplio de estudios disponibles,
que debe incluir bases de datos bibliográficas extranjeras
y no habituales [ si la inclusión de literatura gris
(es decir, no revisada por expertos, dominio público)
es recomendable o no es debatible a causa de la inversión
potencial poco recomendable de los los recursos ] III. Calidad
de la evidencia
- Caracterizar las amenazas a la validez interna (es decir,
replicabilidad) y a la validez externa (es decir, generalizabilidad)
del estudio mediante escalas de valoración de la calidad
de la investigación (p. ej., Jadad, Wong, Timmer,
Linde, GRADE)
- Extraer y tabular los datos pertinentes para los metaanálisis
(p. ej., dimensiones de los grupos de muestra, y desviaciones
medias y estándar del resultado que está siendo
estudiado)
- Establecer la viabilidad de los metaanálisis justificando
la combinación estadística de los datos (es
decir, similitudes y diferencias entre los estudios incluidos
en el metaanálisis)
IV. Respuesta basada en la evidencia a la pregunta clínica
- Crear una declaración de consenso sobre los estudios
analizados que se refiera y responda específicamente
la pregunta que se investiga, y que además aborde
claramente las aplicaciones, implicaciones y limitaciones
de los resultados
- Aunque las revisiones sistemáticas son las medidas
más adecuadas disponibles actualmente para evaluar
críticamente y resumir los datos y avalar la efectividad
y la eficacia de las terapias, el éxito de esta investigación
se basa en el seguimiento estricto de sus protocolos
Apéndice 3: El proceso de Markov
Los problemas a la hora de tomar decisiones clínicas
normalmente implican transiciones múltiples entre estados
de salud. Las probabilidades de las transiciones de estado,
o los valores de utilidad relacionados, requieren cálculos
complejos en el tiempo. Ni los árboles de decisión
ni los diagramas de influencia tradicionales ofrecen una solución
tan práctica como los modelos de estado de transición
(es decir, los modelos de Markov). Esto es así porque
los modelos de Markov están diseñados tanto para
representar acontecimientos cíclicos y recurrentes como
procesos a corto plazo, y por tanto son los más adecuados
para pronosticar casos clínicos, como por ejemplo un
procedimiento quirúrgico y el seguimiento asociado o
el tratamiento a largo plazo de una enfermedad crónica –p.
ej., la enfermedad de Alzheimer–, de forma fiable y precisa.
Los modelos de Markov pueden utilizarse para calcular una amplia
variedad de resultados, incluyendo la esperanza de vida media,
la utilidad esperada, los costes de cuidado a largo plazo,
la tasa de supervivencia y el número de recurrencias.
Los modelos discretos de Markov enumeran una serie finita
de posibles estados que se excluyen mutuamente y así,
en cualquier intervalo de tiempo determinado (llamado ciclo
o fase), solo un miembro individual de la cohorte de Markov
puede encontrarse en uno de los estados. Para determinar un
valor para el proceso completo (p. ej., el coste neto o la
esperanza de vida), se asigna un valor (un coste incremental
o una utilidad) para cada intervalo transcurrido en un estado
particular. La asignación de valor en un modelo de Markov
se denomina recompensa , indistintamente de si se
trata de un coste, de una utilidad o de otro atributo. Un estado
de recompensa hace referencia a un valor que ha sido asignado
a los miembros de la cohorte ubicados en un estado concreto
durante una fase determinada. Los valores reales utilizados
para los estados de recompensa dependen del atributo que está siendo
calculado en el modelo (p. ej., coste, utilidad o esperanza
de vida). . Se utiliza un conjunto simple de probabilidades
iniciales para especificar la distribución de los sujetos
del modelo entre los posibles estados de recompensa al principio
del proceso. Se utiliza la matriz de probabilidades de transición
resultante para especificar las transiciones que son posibles
para los miembros de cada estado de recompensa de Markov al
final de cada fase consecutiva.
Habitualmente se utilizan dos métodos para calcular
el valor de un modelo discreto de Markov: (i) el cálculo
de las cohortes (valores esperados) y (ii) el método
de Monte Carlo. En un análisis de las cohortes, que
equivale de forma más real a una situación clínica,
los valores esperados del proceso se calculan multiplicando
el porcentaje de la cohorte en un estado de recompensa por
el valor incremental (es decir, el coste o la utilidad) asignado
a ese estado en concreto. Los resultados de todos los estados
de recompensa y de todas las fases se suman. En el modelo de
simulación de Monte Carlo, que es más teórico,
los valores incrementales de las series de estados de recompensa
atravesados por el individuo se suman.
El modelo de Markov normalmente se representa mediante un
gráfico llamado árbol de ciclo . Al
estar basado en una estructura de nodos y ramas, se puede integrar
fácilmente en las estructuras de árbol de decisión
estándares y puede agregarse a los caminos en un árbol
de decisión de Markov. El nodo raíz del árbol
de ciclo de Markov se llama nodo de Markov . Todos
los estados de salud posibles se enumeran en las ramas que
emanan del nodo de Markov, una rama para cada estado. Las transiciones
de estado posibles se representan gráficamente en las
ramas de la derecha. Un estado que no presenta transiciones
posibles, como por ejemplo el estado de muerte, se llama estado
absorbente . Si se está en el estado de muerte
no se reciben estados de recompensa, y se asignan valores de
zero a los estados de recompensa de todos los estados absorbentes.
De esta manera, el proceso de Markov integra una condición
de terminación, o regla de detención, especificada
en el nodo de Markov para determinar si el análisis
de las cohortes ha sido completado. Esta regla es la condición
de terminación al principio de cada fase. Cuando la
condición de terminación ha sido verificada,
el proceso de Markov finaliza y se computan la(s) recompensa(s)
neta(s). La condición de terminación puede incluir
múltiples condiciones, que pueden ser acumulativas o
alternativas.
El modelo de Markov genera un análisis de los valores
esperados que se efectúa a la izquierda de cada nodo
de Markov en el análisis de cohortes. En análisis
de los valores esperados puede proporcionar información
adicional sobre el cálculo de las cohortes markovianas.
Por ejemplo, en un modelo diseñado para calcular el
tiempo transcurrido en el estado de enfermedad diagnosticado
como demencia del tipo Alzheimer, se generará un valor
esperado para la esperanza de vida media de un paciente de
la cohorte. Los valores adicionales calculados incluirán
la cantidad de tiempo transcurrido, de media, en cada uno de
los estados especificados de la demencia de Alzheimer. . El
porcentaje de la cohorte en cada estado se calculará al
final del proceso. . Cuando haya sido establecido que la condición
de terminación continúe el proceso hasta que
la mayoría de las cohortes sean absorbidas en el estado
de muerte, la probabilidad final de pacientes en el estado
de muerte se aproximará a 1.0. En resumen, una de las
ventajas más importantes del modelo de Markov es su
capacidad de producir tanto una amplia descripción numérica
del proceso que está siendo estudiado como una representación
gráfica detallada. |
____________________________________________________________
REFERENCIAS
1. Greenhalgh T. How to read
a paper: papers that summarise other papers (systematic reviews and
meta-analyses) BMJ 1997; 315: 672-5
2. Friedland DJ, Go AS, Davoren JB, Shlipak MG, Bent SW, Subak
LL, Mendelson T. Evidence-based Medicine: A Framework for Clinical
Practice 1998;Stamford Appleton & Lange
3. Chiappelli F and Prolo P. Evidence-based dentistry for the
21st century Gen Dent 2002; 50: 270-3
4. Abt E. Complexities of am evidence-based clinical practice
J Evid Based Dent Pract 2004; 4: 200-9
5. Chiappelli F, Prolo P, Negoatis N, Lee A, Milkus V, Bedair
D, Delgodei S, Concepcion E, Crowe J, Termeie D, Webster R. Tools
and methods for evidence-based research in dental practice: preparing
the future. In: Proceedings of 1st Int Conf Evidence-Based Dental
Practice J Evidence Based Dental Pract 2004; 4: 16-23
6. Tonelli MR. The limits of evidence-based medicine Respir Care
2001; 46: 1435-40
7. Manheimer E and Berman B. Cochrane for CAM providers: evidence
for action Alt Therap Health Med 2003; 9: 110-2
8. Prolo P, Weiss D, Edwards W, Chiappelli F. Appraising the
evidence and applying it to make wiser decisions Braz J Oral
Scien 2003; 2: 200-3
9. Hammerschlag R. Acupuncture: on what should its evidence be
based Altern Ther Health Med 2003; 9: 34-5
10. Bauer J, Spackman S, Chiappelli F, Prolo P. Model of Evidence-Based
Dental Decision-Making J Evid Based Dent Pract 2005; (In Press)
11. Ramos KD, Schafer S, Tracz SM. Validation of the Fresno test
of competence in evidence-based medicine BMJ 2003; 326: 319-21
12. Thorton A and Lee P. Publication bias in meta-analysis: its
causes and consequences J Clin Epidemiol 2000; 53: 207-16
13. Mason S, Tovey P, Long AF. Evaluating complementary medicine:
methodological challenges of randomised controlled trials BMJ
2002; 325: 832-4
14. Chang I-M. Initiative for developing evidence-based standardization
of Traditional Chinese medical therapy in the Western Pacific
region of the World Health Organization eCAM 2001; 1: 337-42
15. Walach H, Jonas WB, Lewith WB. The role of outcomes research
in evaluating complementary and alternative medicine Altern Ther
Health Med 2002; 8: 88-97
16. Moher D, Schultz KF, Altman DG. The CONSORT statement: revised
recommendations for improving the quality of reports of parallel-group
randomized trials Ann Intern Med 2001; 134: 657-62
17. Moher D, Soeken K, Sampson M, Ben-Porat L, Berman B. Assessing
the quality of reports of systematic reviews in pediatric complementary
and alternative medicine BMC Pediatr 2002; 2: 3-10
18. Wong J, Prolo P, Chiappelli F. Extending evidence-based dentistry
beyond clinical trials: implications for materials research in
endodontics Braz J Oral Sci 2003; 2: 227-31
19. GRADE Working Group. Grading quality of evidence and strength
of recommendation BMJ 2004; 328: 1-8
20. Montgomery DC. Introduction to Statistical Quality Control
2000; 4th edition New York: Wiley & Sons
21. Lau J. Schmid CH, Chalmers TC. Cummulative meta-analysis
of clinical trials builds evidence for exemplary medical care
J Clin Epidemiol 1995; 48: 45-57
22. Stroup DF, Berlin JA, Morton SC, Olkin I, Williamson GD,
Rennie D, et al. Meta-analysis of observational studies in epidemiology:
a proposal for reporting JAMA 2000; 283: 2008-12
23. Nieri M, Clauser C, Pagliaro U, PiniPrato G. Individual patient
data: a criterion in grading articles dealing with therapy outcomes
J Evid Base Dent 2004; 3: 122-6
24. Carney PA, Nierenberg DW, Pipas CF, Brooks WB, Stukel TA,
Keller AM. Educational epidemiology: applying population-based
design and analytic approaches to study medical education JAMA
2004; 292: 1044-50
25. Sugar CA, James GM, Lenert LA, Rosenheck RA. Discrete state
analysis for interpretation of data from clinical trials Med
Care 2004; 42: 183-96
26. Yu F, Morgenstern H, Hurwitz E, Berlin TR. Use of a Markov
transition model to analyse longitudinal low-back pain data Stat
Methods Med Res 2003; 12: 321-31
27. Teresawa K. Evidence-based reconstruction of Kampo medicine:
Part-III-How should Kampo be evaluated? eCAM 2004; 1: 219-22
28. Prolo P, Weiss D, Edwards W, Chiappelli F. Appraising the
evidence and applying it to make wiser decisions Brazilian Journal
of Oral Sciences 2003; 2: 200-3
29. Hankey A. CAM modalities can stimulate advances in theoretical
biology eCAM 2005; 2: 5-12
30. Rangel JAO. The systemic theory of living systems and relevance
to CAM eCAM 2005; 2: 13-8 Recibido el 3 de Agosto de 2005; aceptado el 5 de enero de 2006.
AGRADECIMIENTOS
El autor agradece a los estudiantes y a los colegas del grupo UCLA de investigación
basada en la evidencia por sus contribuciones. El autor está especialmente
agradecido al Dr. Michael Newman, al Dr. Negoita Neagos, al Dr. Javier Iribarren
y a la Dra. Janet Bauer por las discusiones que han precedido este artículo.
Parte de este estudio ha sido financiado con fondos de la Escuela de Odontología
de UCLA y de la Asociación del Alzheimer.
Journals Subscription Department
Oxford University Press
Great Clarendon Street
Oxford, OX2 6DP, UK
Tel: +44 (0)1865 353907
Fax: +44 (0)1865 353485
Consejo Editorial de eCAM
|
