Användning och tolkning av kvasi-experimentella studier vid infektionssjukdomar

Sammanfattning

Quasi-experimentella studiedesigner, ibland kallade icke-randomiserade, design före studien , är allmänt förekommande i litteraturen om infektionssjukdomar, särskilt inom området för interventioner som syftar till att minska spridningen av antibiotikaresistenta bakterier. Lite har skrivits om fördelarna och begränsningarna med det kvasi-experimentella tillvägagångssättet. Den här artikeln beskriver en hierarki av kvasi-experimentell studiedesign som är tillämplig på studier av infektionssjukdomar och som, om den tillämpas, kan leda till sundare forskning och mer övertygande orsakssamband mellan infektionssjukdomsinterventioner och resultat. / div>

I studien av infektionssjukdomar och i synnerhet i studien av infektionskontroll och antibiotikaresistens används ofta den kvasi-experimentella studiedesignen, ibland kallad design före interventionen, för att utvärdera fördelarna med specifika insatser. Vi granskade studier som publicerades i två tidskrifter (Clinical Infectious Diseases and Infection Control and Hospital Epidemiology) under en 1,5-årsperiod mellan 1 januari 2002 och 1 juni 2003 och fann 36 kvasi-experimentella studier.

Quasi-experimentell studier omfattar ett brett spektrum av icke-randomiserade interventionsstudier. Dessa mönster används ofta när det inte är logistiskt genomförbart eller inte etiskt att genomföra en randomiserad, kontrollerad studie – den ”guldstandarden” för kausal forskningsdesign. Exempel på kvasi-experimentella studier följer. Till exempel om ett sjukhus introducerar användning av ett alkoholbaserat handdesinfektionsmedel, kanske sjukhuset vill studera effekterna av denna intervention på resultatet av förvärv av antibiotikaresistenta bakterier, på basis av övervakningskulturen. Interventionen genomförs, förvärvsgraden mäts före interventionen och efter interventionen och resultaten analyseras. Som ett annat exempel, om ett sjukhus har en ökad andel ventilatorassocierad lunginflammation (VAP), kan sjukhuspersonalen utforma en utbildningsinsats som syftar till att minska VAP-hastigheten och jämföra priser före och efter Ett tredje exempel skulle vara en studie av effekten av ett antimikrobiellt förvaltnings- / utbildningsprogram på preintervention och postintervju. förskrivningspraxis för antibiotika.

Eftersom kapaciteten att samla in rutinmässiga kliniska data har ökat, har också användningen av kvasi-experimentella studiedesigner i studien av infektionssjukdomar och i andra medicinska discipliner. Emellertid skrivs lite om dessa studiedesigner i medicinsk litteratur eller i traditionella epidemiologiska läroböcker. Däremot är samhällsvetenskaplig litteratur fylld med exempel på sätt att implementera och förbättra kvasi-experimentella studier.

I den här artikeln syftar vi till att granska de olika kvasi-experimentella studiedesignerna och hierarkin för dessa mönster med avseende på deras förmåga att etablera orsakssamband mellan en intervention och ett resultat. Exemplet på ett alkoholbaserat handdesinfektionsmedel som syftar till att minska antibiotikaresistenta förvärvshastigheter kommer att användas i hela artikeln för att illustrera de olika kvasi-experimentella studiedesignerna. Vi diskuterar problem som uppstår i kvasi-experimentella studiedesigner och erbjuder metoder för att förbättra dem.

Metoder

Vi granskade artiklar och bokkapitel som diskuterar utformningen av kvasi-experimentella studier. De flesta artiklarna hänvisade till två läroböcker, som sedan granskades djupare.

Viktiga fördelar och nackdelar med kvasi-experimentella studier, eftersom de hänför sig till studien av infektionssjukdomar, identifierades. Potentiella metodologiska brister i kvasi-experiment i studien av infektionssjukdomar identifierades. Dessutom tillhandahålls en sammanfattande figur som visar en hierarki av kvasi-experimentella studiedesigner (figur 1): mönster med högre antal har mer intern giltighet gentemot potentiell orsak mellan interventionen och resultatet.

Resultat och diskussion

Vad är en kvasi experiment?

Quasi experiment är studier som syftar till att utvärdera interventioner men som inte använder randomisering.Liksom randomiserade försök syftar kvasi-experiment till att visa kausalitet mellan en intervention och ett resultat.

På grundval av denna definition är det uppenbart att många publicerade studier i litteraturen om infektionssjukdomar och i synnerhet i studie av antibiotikaresistens använder den kvasi-experimentella studiedesignen. Den randomiserade, kontrollerade prövningen anses generellt ha den högsta trovärdigheten när det gäller att bedöma orsakssamband; emellertid, på sjukhus eller folkhälsa, kan ingripandet ofta inte randomiseras, av en eller flera anledningar: (1) etiska överväganden, (2) en oförmåga att randomisera patienter, (3) en oförmåga att randomisera platser och (4) ) ett behov av att ingripa snabbt. Vart och ett av dessa skäl diskuteras nedan.

Etiska överväganden tillåter vanligtvis inte att ett ingripande som har känt effektivitet hålls kvar. Om effekten av en intervention inte är fastställd, är en randomiserad, kontrollerad studie den design som valts för att bestämma effekten. Men om interventionen som studeras innehåller en accepterad, väletablerad terapeutisk intervention, eller om interventionen har tveksam effekt på grundval av tidigare genomförda kvasi-experimentella eller observationsstudier, så tas etiska frågor angående randomisering av patienter upp.

Insatser kan ofta inte randomiseras till enskilda patienter. Till exempel är det svårt att randomisera användningen av desinfektionsmedel till enskilda rum eller enskilda patienter när man studerar effekten av användning av ett alkoholbaserat handdesinfektionsmedel på vankomycinresistent enterokock (VRE), bestämt av övervakningskultur. När en anställd väl är desinficerad kommer han troligen inte att gå med på att återkontamineras innan han eller hon ser nästa patient – och det är inte heller en IRB som sannolikt kommer att gå med på detta. På samma sätt kan en utbildningsbaserad intervention för att minska VAP inte randomiseras till enskilda patienter.

Interventioner kan ofta inte randomiseras till enskilda platser. Det är till exempel svårt att randomisera användningen av det alkoholbaserade handdesinfektionsmedlet till endast vissa vårdpersonal. När denna design av randomiserade platser används framgångsrikt är platserna vanligtvis geografiskt åtskilda. detta innebär ytterligare frågor om andra faktorer om miljön är olika, vilket ytterligare komplicerar designen och analysen. En kompromiss som har använts är att randomisera olika enheter på samma sjukhus. Det är emellertid politiskt svårt att implementera användningen av ett alkoholbaserat desinfektionsmedel endast i vissa delar av ett sjukhus eller bara på vissa sidor av en avdelning. Ett annat underutnyttjat alternativ är kluster randomiseringsförsöket, där intakta grupper eller ”kluster” snarare än individer randomiseras.

Det finns ofta ett behov av att ingripa snabbt när man försöker kontrollera en smittsam sjukdom. vilket gör det svårt att ordentligt genomföra en randomiserad studie. Vid infektionsutbrott orsakade av exempelvis antibiotikaresistenta bakterier finns det ofta ett tryck för att avsluta utbrottet genom att ingripa i alla möjliga områden, och det är således inte möjligt att hålla tillbaka vård, som skulle inträffa i en randomiserad kontrollerad studie där en av grupperna inte fick någon behandling. Den kliniska och etiska nödvändigheten av att ingripa gör det snabbt eller omöjligt att genomföra den långa processen för att genomföra en randomiserad studie. Dessutom finns det betydande diskussion i litteraturen om överensstämmelsefrekvensen mellan randomiserade studier och observationsstudier. Följaktligen genomförs många studier i efterhand efter ett ingripande genomfördes för att avsluta ett sådant utbrott.

Vilka är hoten mot att fastställa kausalitet när kvasi-experimentella mönster används i studien av infektionssjukdomar?

Bristen på slumpmässig tilldelning är den största svagheten i den kvasi-experimentella studiedesignen. Föreningar som identifierats i kvasi-experiment uppfyller vissa kausalitetskrav, eftersom interventionen föregår mätningen av resultatet. Resultatet kan också visas att det varierar statistiskt med interventionen. Tyvärr innebär statistisk association inte orsakssamband, särskilt om studien är dåligt utformad. Således, i många kvasi-experiment, är man oftast kvar med frågan: Finns det alternativa förklaringar för den uppenbara orsakssammanhanget? Om dessa alternativa förklaringar är trovärdiga är bevisen mindre än övertygande. Dessa rivaliserande hypoteser eller alternativa förklaringar härrör från principerna för epidemiologisk studiedesign.

De metodologiska principerna som oftast resulterar i alternativa förklaringar i kvasi-experimentella studier av infektionssjukdomar inkluderar följande: (1) svårighet att kontrollera för viktiga förvirrande variabler, (2) resultat som förklaras av den statistiska principen om regression till medelvärdet och (3) mognadseffekter.

Svårigheten att kontrollera viktiga förvirrande variabler beror på bristen på randomisering. I en studie som syftar till att visa att införandet av ett alkoholbaserat handdesinfektionsmedel ledde till lägre förvärv av antibiotikaresistenta bakterier, finns det ett antal viktiga potentiella förvirrande variabler som kan ha skiljt sig mellan de två perioderna (dvs. , perioderna före ingripande och efter intervention); variabler inkluderar sjukdomens svårighetsgrad, kvaliteten på medicinsk vård och omvårdnad samt förskrivningsmetoder för antibiotika. I en multivariabel regression kunde den första variabeln hanteras genom svårighetsgrad av sjukdom, men den andra och tredje förvirrande variablerna skulle vara svåra, om inte nästan omöjliga, att mäta och kontrollera.

Regression till medelvärde är ett utbrett statistiskt fenomen. Det kan leda till att man felaktigt drar slutsatsen att en effekt beror på behandlingen när den faktiskt beror på slumpen. Fenomenet beskrevs först 1886 av Francis Galton. Han mätte barnens och deras föräldrars vuxenhöjd och noterade att när föräldrarnas genomsnittliga höjd var högre än medelhöjden i befolkningen tenderade barnen att vara kortare än sina föräldrar. När föräldrarnas genomsnittliga höjd var kortare än medelhöjden i befolkningen tenderade barnen att vara högre än sina föräldrar.

Vad som utlöser implementeringen av en infektionssjukdom vid behandling av många infektionssjukdomar. intervention är en ökning av andelen över medelvärdet eller normen. Exempelvis används ofta statistiska kontrolldiagram i infektionskontroll för att varna infektionskontrollpersonal om att frekvensen av VAP eller förvärv av antibiotikaresistenta bakterier är högre än vanligt. Den statistiska principen om regression till medelvärdet förutspår att dessa förhöjda frekvenser tenderar att minska, även utan ingripande. Sjukhuspersonal kan dock inte vänta passivt på att denna nedgång ska inträffa. Därför genomför sjukhuspersonal ofta en eller flera interventioner, och om en nedgång i frekvensen inträffar kan de felaktigt dra slutsatsen att nedgången är kausalt relaterad till interventionen. I själva verket kan en alternativ förklaring vara regression till medelvärdet.

Mognadseffekter är ett hot mot giltigheten av att dra slutsatsen att en intervention orsakade ett resultat. Dessa effekter är relaterade till naturliga förändringar som patienter upplever med tiden. Dessa mognadsförändringar kan hota studiens interna giltighet. Dessutom finns det cykliska säsongsmässiga trender som kan utgöra ett hot mot giltigheten att tillskriva ett observerat resultat till en intervention. Exempelvis har virusinfektioner säsongsmönster som leder till högre VAP-hastigheter på vintern. I vår exempelstudie, om VAP-frekvensen före interventionen mäts på vintern och interventionen sker på våren, kan minskningen av VAP-hastigheten bero på säsongsutvecklingen och inte interventionen.

Vilka är de olika kvasi-experimentella studiedesignerna?

I samhällsvetenskaplig litteratur är kvasi-experimentella studier uppdelade i tre kategorier av studiedesign:

1. Kvasi-experimentella designdesigner som inte använder kontrollgrupper

2. Kvasi-experimentella studiedesigner som använder kontrollgrupper men ingen förprovning

3. Kvasi-experimentella studiedesigner som använder kontrollgrupper och förprov

Det finns en hierarki inom dessa kategorier av studiedesigner, där kategori 3-studier är sundare än de i kategorierna 2 eller 1, när det gäller att fastställa kausalitet. Således, om möjligt, bör utredarna sträva efter att utforma studier som faller inom kategori 3.

Shadish et al. diskutera 7 mönster i kategori 1; 3 mönster i kategori 2; och 6 mönster i kategori 3. Vi bestämde att kategori 2-studier sällan är tillämpliga vid forskning om infektionssjukdomar, eftersom förmätningar nästan alltid är tillgängliga. Vidare bestämde vi att de flesta kvasi-experiment i studien av infektionssjukdomar kunde kännetecknas av 5 studiedesigner i kategori 1 och av 3 mönster i kategori 3, eftersom de andra studiedesignerna inte användes i studien av infektionssjukdomar, enligt litteratur. Så för enkelhetens skull har vi sammanfattat de 8 studieutformningar som är mest relevanta för forskning om infektionssjukdomar i följande avsnitt och i figur 1. I varje symbolisk notation rör sig tiden från vänster till höger.

Kategori 1: kvasi -experimentella studiedesigner som inte använder kontrollgrupper.

1. 1-gruppens förprovning efter posttestdesign.

Detta är en vanligt använd studiedesign. En enda förprovningsobservationsmätning (O1) görs, en intervention (X) genomförs och en posttestmätning (O2) görs.Till exempel kan O1 vara anskaffningshastigheten för VRE som bestäms av resultaten av perirekta övervakningskulturer, X kan vara införandet av användning av ett alkoholbaserat handdesinfektionsmedel och O2 kan vara anskaffningshastigheten för förvärv av VRE efter interventionen . Införandet av ett förprov ger lite information om vad anskaffningsgraden kan ha varit om ingripandet inte inträffat.

2. Förgruppen för 1-grupp för-test efter post som använder en dubbel förprovning.

Fördelen med denna studiedesign över design 1 är att tillägget av en andra förprovningsmätning före interventionen minskar sannolikheten för att regression till medelvärde, mognad och / eller säsongsmässighet kan förklara det observerade sambandet mellan interventionen och resultatet efter testet. Till exempel i en studie där användning av ett alkoholbaserat handdesinfektionsmedel ledde till lägre VRE-anskaffningshastigheter (O3 < O2 och O1), om 1 studie hade två mätningar av VRE förvärvshastigheter (O1 och O2), och båda var förhöjda, skulle detta antyda att det var en minskad sannolikhet för att O3 var lägre på grund av förvirrande variabler, mognadseffekter, säsongseffekter eller regression till genomsnittet.

3. 1-gruppens förprovning efter post-design som använder en icke-motsvarande beroende variabel.

Denna design innefattar införandet av en icke-motsvarande beroende variabel (b), förutom den primära beroende variabeln (a). Variablerna a och b bör bedöma liknande konstruktioner; det vill säga de två mätningarna bör ha liknande potentiella orsaksvariabler och förvirrande variabler, förutom effekten av interventionen. Variabel a förväntas förändras på grund av interventionen X, medan variabel b inte är. Med vårt VAP-exempel kan variabel a vara förekomsten av VAP, och variabel b kan vara förekomsten av kateterassocierad urinvägsinfektion (UTI). Om en utbildningsinsats syftar till att uppmuntra sjukhuspersonal att höja huvudet på patientens sängar och att följa ett mekaniskt ventilationsavvänjningsprotokoll, skulle man förvänta sig att observera en minskning av förekomsten av VAP men inte i förekomsten av UTI. ett antal viktiga förvirrande variabler, såsom svårighetsgraden av sjukdom och förskrivningsmetoder för antibiotika, kan påverka båda utfallsmätningarna. Således om både VAP- och UTI-frekvensen mättes och om VAP-frekvensen minskade efter interventionen men UTI-frekvensen gjorde inte, då skulle data vara mer övertygande än om endast VAP-hastigheter mättes.

Denna design lägger till en tredje mätning efter test (03) till designen av 1-gruppens för-test efter post och tar sedan bort interventionen innan en slutlig åtgärd (O4) görs. Fördelen med denna design är att den gör det möjligt att testa hypoteser om resultatet både i närvaro och i frånvaro av ingripandet. Således, om man förutser en minskning av mellan O1 och O2 (dvs. efter genomförandet av interventionen) skulle man förutsäga en ökning av utfallet mellan O3 och O4 (dvs. efter avlägsnande av interventionen). En försiktighet är att om interventionen tros ha bestående effekter, så måste O4 mätas efter att dessa effekter sannolikt har försvunnit. Till exempel skulle en studie vara mer övertygande om den visade att frekvensen av VRE-förvärv minskade efter en intervention med alkoholbaserat handdesinfektionsmedel (O2 och O3 mindre än O1) och att när användningen av desinfektionsmedlet avbröts ökade hastigheterna (O4 större än O2 och O3 och närmare 01).

Fördelen med denna design är att den visar reproducerbarheten av sambandet mellan interventionen och resultatet. Till exempel är det mer sannolikt att sambandet är kausalt om man visar att användning av ett alkoholbaserat handdesinfektionsmedel resulterar i minskade antibiotikaresistensnivåer både när det först introduceras och igen när det återintroduceras efter ett avbrott i interventionen. Precis som i studiedesign 3 måste antagandet göras att effekten av interventionen är övergående. Denna design används inte ofta i studien av infektionssjukdomar på grund av de etiska problem som är inblandade i att ta bort en behandling som verkar vara effektiv. Men epidemiologiskt är det en bättre design än de som tidigare beskrivits.

Kategori 3: Kvasi-experimentella mönster som använder kontrollgrupper och förprov. Läsaren bör notera att ingripandet inte är randomiserat i alla dessa studiedesigner. De valda kontrollgrupperna är jämförelsesgrupper. Att erhålla förprovsmätningar för både interventions- och kontrollgrupperna gör att man kan bedöma gruppernas initiala jämförbarhet. Antagandet är att ju mindre skillnaden mellan förprovsmätningar är, desto mindre sannolikhet finns det för att det finns viktiga förvirrande variabler mellan de två grupperna.