Verwendung und Interpretation von quasi-experimentellen Studien bei Infektionskrankheiten

Zusammenfassung

Quasi-experimentelle Studiendesigns, manchmal auch als nicht randomisierte Studiendesigns vor und nach der Intervention bezeichnet sind in der Literatur zu Infektionskrankheiten allgegenwärtig, insbesondere im Bereich der Interventionen zur Verringerung der Ausbreitung antibiotikaresistenter Bakterien. Über die Vor- und Nachteile des quasi-experimentellen Ansatzes wurde wenig geschrieben. Dieser Artikel beschreibt eine Hierarchie des quasi-experimentellen Studiendesigns, die auf Studien zu Infektionskrankheiten anwendbar ist und bei Anwendung zu fundierterer Forschung und überzeugenderen Kausalzusammenhängen zwischen Interventionen und Ergebnissen von Infektionskrankheiten führen kann.

Bei der Untersuchung von Infektionskrankheiten und insbesondere bei der Untersuchung der Infektionskontrolle und der Antibiotikaresistenz wird häufig das quasi-experimentelle Studiendesign verwendet, das manchmal als Design vor und nach der Intervention bezeichnet wird Vorteile spezifischer Interventionen. Wir haben in einem Zeitraum von 1,5 Jahren zwischen dem 1. Januar 2002 und dem 1. Juni 2003 Studien überprüft, die in zwei Fachzeitschriften (Klinische Infektionskrankheiten und Infektionskontrolle sowie Krankenhausepidemiologie) veröffentlicht wurden, und 36 quasi-experimentelle Studien gefunden.

Quasi-experimentell Studien umfassen ein breites Spektrum nicht randomisierter Interventionsstudien. Diese Entwürfe werden häufig verwendet, wenn es logistisch nicht machbar oder ethisch nicht vertretbar ist, eine randomisierte, kontrollierte Studie durchzuführen – den „Goldstandard“ des kausalen Forschungsdesigns. Beispiele für quasi-experimentelle Studien folgen. Zum Beispiel, wenn ein Krankenhaus die Verwendung von einführt Als Händedesinfektionsmittel auf Alkoholbasis möchte das Krankenhaus möglicherweise die Auswirkungen dieser Intervention auf das Ergebnis des Erwerbs antibiotikaresistenter Bakterien auf der Grundlage der Überwachungskultur untersuchen. Der Eingriff wird durchgeführt, die Erwerbsraten werden vor und nach dem Eingriff gemessen Die Intervention und die Ergebnisse werden analysiert. Wenn ein Krankenhaus eine zunehmende Rate an beatmungsassoziierter Pneumonie (VAP) aufweist, kann das Krankenhauspersonal eine pädagogische Intervention entwerfen, die darauf abzielt, die VAP-Rate zu senken und die Raten vorher und nachher zu vergleichen Die Intervention. Ein drittes Beispiel wäre eine Studie über die Wirkung eines antimikrobiellen Stewardship- / Bildungsprogramms auf die Prä- und Postintervention Verschreibungspraktiken für Antibiotika.

Mit zunehmender Kapazität zur Erfassung klinischer Routinedaten hat auch die Verwendung quasi-experimenteller Studiendesigns bei der Untersuchung von Infektionskrankheiten und in anderen medizinischen Disziplinen zugenommen. Über diese Studiendesigns wird jedoch in der medizinischen Literatur oder in traditionellen epidemiologischen Lehrbüchern wenig geschrieben. Im Gegensatz dazu enthält die sozialwissenschaftliche Literatur zahlreiche Beispiele für Möglichkeiten zur Implementierung und Verbesserung quasi-experimenteller Studien.

In diesem Artikel möchten wir die verschiedenen quasi-experimentellen Studiendesigns und die Hierarchie dieser Designs untersuchen in Bezug auf ihre Fähigkeit, kausale Assoziationen zwischen einer Intervention und einem Ergebnis herzustellen. Das Beispiel einer alkoholbasierten Händedesinfektionsmittelintervention zur Verringerung der Akquisitionsraten von antibiotikaresistenten Bakterien wird im gesamten Artikel verwendet, um die verschiedenen quasi-experimentellen Studiendesigns zu veranschaulichen. Wir diskutieren Probleme, die bei quasi-experimentellen Studiendesigns auftreten, und bieten Methoden zu deren Verbesserung an.

Methoden

Wir haben Artikel und Buchkapitel besprochen, in denen das Design quasi-experimenteller Studien diskutiert wird. Die meisten Artikel bezogen sich auf zwei Lehrbücher, die anschließend eingehend geprüft wurden.

Die wichtigsten Vor- und Nachteile quasi-experimenteller Studien, die sich auf die Untersuchung von Infektionskrankheiten beziehen, wurden identifiziert. Mögliche methodische Mängel von Quasi-Experimenten bei der Untersuchung von Infektionskrankheiten wurden identifiziert. Darüber hinaus wird eine zusammenfassende Abbildung bereitgestellt, die eine Hierarchie quasi-experimenteller Studiendesigns umreißt (Abbildung 1): Designs mit höheren Zahlen haben eine höhere interne Gültigkeit im Hinblick auf eine mögliche Ursache zwischen Intervention und Ergebnis.

Ergebnisse und Diskussion

Was ist a Quasi-Experiment?

Quasi-Experimente sind Studien, die darauf abzielen, Interventionen zu bewerten, aber keine Randomisierung verwenden.Wie bei randomisierten Studien zielen Quasi-Experimente darauf ab, die Kausalität zwischen einer Intervention und einem Ergebnis nachzuweisen.

Auf der Grundlage dieser Definition ist ersichtlich, dass viele veröffentlichte Studien in der Literatur zu Infektionskrankheiten und insbesondere in der Studie zur Antibiotikaresistenz verwenden das quasi-experimentelle Studiendesign. Die randomisierte, kontrollierte Studie wird im Allgemeinen als äußerst glaubwürdig in Bezug auf die Beurteilung der Kausalität angesehen. In einem Krankenhaus oder im öffentlichen Gesundheitswesen kann die Intervention jedoch häufig aus einem oder mehreren Gründen nicht randomisiert werden: (1) ethische Überlegungen, (2) Unfähigkeit, Patienten zu randomisieren, (3) Unfähigkeit, Standorte zu randomisieren, und (4) ) die Notwendigkeit, schnell einzugreifen. Jeder dieser Gründe wird nachstehend erörtert.

Ethische Überlegungen erlauben es normalerweise nicht, eine Intervention zurückzuhalten, deren Wirksamkeit bekannt ist. Wenn die Wirksamkeit einer Intervention nicht nachgewiesen ist, ist eine randomisierte, kontrollierte Studie das Design der Wahl, um die Wirksamkeit zu bestimmen. Wenn die untersuchte Intervention jedoch eine akzeptierte, gut etablierte therapeutische Intervention beinhaltet oder wenn die Intervention aufgrund zuvor durchgeführter quasi-experimenteller Studien oder Beobachtungsstudien eine fragwürdige Wirksamkeit aufweist, werden ethische Fragen hinsichtlich der Randomisierung von Patienten aufgeworfen. P. >

Interventionen können oft nicht auf einzelne Patienten randomisiert werden. Beispielsweise ist es bei der Untersuchung der Wirkung der Verwendung eines Händedesinfektionsmittels auf Alkoholbasis auf die Erwerbsraten von Vancomycin-resistenten Enterokokken (VRE), wie durch die Überwachungskultur bestimmt, schwierig, die Verwendung des Desinfektionsmittels für einzelne Räume oder einzelne Patienten zu randomisieren, weil Nach der Desinfektion ist es unwahrscheinlich, dass ein Mitarbeiter einer erneuten Kontamination zustimmt, bevor er den nächsten Patienten sieht. Ein IRB ist auch nicht damit einverstanden. In ähnlicher Weise kann eine bildungsbasierte Intervention zur Verringerung des VAP nicht auf einzelne Patienten randomisiert werden.

Interventionen können häufig nicht auf einzelne Standorte randomisiert werden. Zum Beispiel ist es schwierig, die Verwendung des alkoholbasierten Händedesinfektionsmittels nur einigen Angehörigen der Gesundheitsberufe zuzuordnen. Wenn dieses Design von zufälligen Standorten erfolgreich angewendet wird, sind die Standorte normalerweise geografisch getrennt. Dies beinhaltet zusätzliche Fragen, ob andere Faktoren in Bezug auf die Umgebung unterschiedlich sind, was das Design und die Analyse weiter erschwert. Ein Kompromiss, der angewendet wurde, besteht darin, verschiedene Einheiten im selben Krankenhaus zu randomisieren. Politisch ist es jedoch schwierig, die Verwendung eines Desinfektionsmittels auf Alkoholbasis nur in bestimmten Teilen eines Krankenhauses oder nur auf bestimmten Seiten einer Station durchzuführen. Eine andere nicht ausreichend genutzte Alternative ist die Cluster-Randomisierungsstudie, bei der intakte Gruppen oder „Cluster“ anstelle von Einzelpersonen randomisiert werden.

Bei der Bekämpfung einer Infektionskrankheit besteht häufig die Notwendigkeit, schnell einzugreifen. Dies macht es schwierig, eine randomisierte Studie ordnungsgemäß durchzuführen. Beispielsweise besteht bei Infektionsausbrüchen, die beispielsweise durch antibiotikaresistente Bakterien verursacht werden, häufig der Druck, den Ausbruch durch Eingriffe in alle möglichen Bereiche zu beenden, und daher ist es nicht möglich, ihn zurückzuhalten Pflege, die in einer randomisierten kontrollierten Studie stattfinden würde, in der eine der Gruppen keine Behandlung erhielt. Die klinische und ethische Notwendigkeit eines schnellen Eingreifens macht es schwierig oder unmöglich, den langwierigen Prozess der Durchführung einer randomisierten Studie durchzuführen. Darüber hinaus gibt es erhebliche Debatte in der Literatur über die Übereinstimmungsrate zwischen randomisierten Studien und Beobachtungsstudien. Folglich werden nach einer Intervention zahlreiche Studien retrospektiv durchgeführt Um einen solchen Ausbruch zu beenden, wurden Maßnahmen ergriffen.

Was sind die Bedrohungen für die Feststellung der Kausalität, wenn bei der Untersuchung von Infektionskrankheiten quasi-experimentelle Designs verwendet werden?

Das Fehlen einer zufälligen Zuordnung ist die Hauptschwäche des quasi-experimentellen Studiendesigns. In Quasi-Experimenten identifizierte Assoziationen erfüllen einige Anforderungen an die Kausalität, da die Intervention der Messung des Ergebnisses vorausgeht. Es kann auch gezeigt werden, dass das Ergebnis mit der Intervention statistisch variiert. Leider impliziert die statistische Assoziation keinen kausalen Zusammenhang, insbesondere wenn die Studie schlecht konzipiert ist. So bleibt in vielen Quasi-Experimenten am häufigsten die Frage: Gibt es alternative Erklärungen für den offensichtlichen Kausalzusammenhang? Wenn diese alternativen Erklärungen glaubwürdig sind, sind die Beweise weniger als überzeugend. Diese konkurrierenden Hypothesen oder alternativen Erklärungen ergeben sich aus Prinzipien des epidemiologischen Studiendesigns.

Die methodischen Prinzipien, die in quasi-experimentellen Studien zu Infektionskrankheiten am häufigsten zu alternativen Erklärungen führen, umfassen Folgendes: (1) Schwierigkeiten bei der Kontrolle von wichtige verwirrende Variablen, (2) Ergebnisse, die durch das statistische Prinzip der Regression auf den Mittelwert erklärt werden, und (3) Reifungseffekte.

Die Schwierigkeit bei der Kontrolle wichtiger Störgrößen ergibt sich aus dem Mangel an Randomisierung. Zum Beispiel gibt es in einer Studie, die zeigen soll, dass die Einführung eines Händedesinfektionsmittels auf Alkoholbasis zu niedrigeren Erwerbsraten von antibiotikaresistenten Bakterien führte, eine Reihe wichtiger potenzieller Störgrößen, die sich zwischen den beiden Zeiträumen unterscheiden können (d. H. die Zeiträume vor und nach der Intervention); Zu den Variablen gehören die Schwere der Erkrankung, die Qualität der medizinischen und pflegerischen Versorgung sowie die Verschreibungspraktiken für Antibiotika. In einer multivariablen Regression könnte die erste Variable durch Maßnahmen zum Schweregrad der Erkrankung angegangen werden, aber die zweite und dritte verwirrende Variable wären schwierig, wenn nicht nahezu unmöglich zu messen und zu kontrollieren.

Regression auf die Mittelwert ist ein weit verbreitetes statistisches Phänomen. Dies kann zu der falschen Schlussfolgerung führen, dass ein Effekt auf eine Behandlung zurückzuführen ist, obwohl er tatsächlich auf einen Zufall zurückzuführen ist. Das Phänomen wurde erstmals 1886 von Francis Galton beschrieben. Er maß die Erwachsenengröße von Kindern und ihren Eltern und stellte fest, dass die Kinder tendenziell kürzer waren als ihre Eltern, wenn die durchschnittliche Größe der Eltern größer als die mittlere Größe in der Bevölkerung war. Wenn die durchschnittliche Größe der Eltern kürzer als die durchschnittliche Größe in der Bevölkerung war, waren die Kinder tendenziell größer als ihre Eltern.

Was löst bei der Behandlung vieler Infektionskrankheiten die Umsetzung einer Intervention ist ein Anstieg der Rate über den Mittelwert oder die Norm. Beispielsweise werden bei der Infektionskontrolle häufig statistische Kontrollkarten verwendet, um das Personal der Infektionskontrolle darauf aufmerksam zu machen, dass die VAP- oder Akquisitionsraten von Antibiotika-resistenten Bakterien höher sind als üblich. Das statistische Prinzip der Regression auf den Mittelwert sagt voraus, dass diese erhöhten Raten auch ohne Intervention tendenziell sinken werden. Das Krankenhauspersonal kann jedoch nicht passiv auf diesen Rückgang warten. Daher führen Krankenhauspersonal häufig eine oder mehrere Interventionen durch, und wenn ein Rückgang der Rate auftritt, können sie fälschlicherweise den Schluss ziehen, dass der Rückgang ursächlich mit der Intervention zusammenhängt. Tatsächlich könnte eine alternative Erklärung die Regression auf den Mittelwert sein.

Reifungseffekte gefährden die Gültigkeit der Schlussfolgerung, dass eine Intervention ein Ergebnis verursacht hat. Diese Effekte hängen mit natürlichen Veränderungen zusammen, die Patienten im Laufe der Zeit erfahren. Diese Reifungsänderungen können die interne Validität der Studie gefährden. Darüber hinaus gibt es zyklische saisonale Trends, die die Gültigkeit der Zuordnung eines beobachteten Ergebnisses zu einer Intervention gefährden können. Beispielsweise weisen Virusinfektionen saisonale Muster auf, die im Winter zu höheren VAP-Raten führen. Wenn in unserer Beispielstudie die VAP-Rate vor der Intervention im Winter gemessen wird und die Intervention im Frühjahr erfolgt, kann der Rückgang der VAP-Rate auf den saisonalen Trend und nicht auf die Intervention zurückzuführen sein.

Was sind die verschiedenen quasi-experimentellen Studiendesigns?

In der sozialwissenschaftlichen Literatur sind quasi-experimentelle Studien in drei Kategorien für Studiendesigns unterteilt:

1. Quasi-experimentelle Studiendesigns ohne Kontrollgruppen

2. Quasi-experimentelle Studiendesigns, die Kontrollgruppen verwenden, aber keinen Vortest

3. Quasi-experimentelle Studiendesigns, die Kontrollgruppen und Vortests verwenden

Innerhalb dieser Kategorien von Studiendesigns gibt es eine Hierarchie, wobei Studien der Kategorie 3 hinsichtlich der Feststellung der Kausalität solider sind als Studien der Kategorien 2 oder 1. Daher sollten die Forscher nach Möglichkeit darauf abzielen, Studien zu entwerfen, die in die Kategorie 3 fallen.

Shadish et al. 7 Entwürfe in Kategorie 1 diskutieren; 3 Designs in Kategorie 2; und 6 Designs in Kategorie 3. Wir haben festgestellt, dass Studien der Kategorie 2 in der Infektionsforschung selten anwendbar sind, da fast immer Vortestmessungen verfügbar sind. Darüber hinaus stellten wir fest, dass die meisten Quasi-Experimente zur Untersuchung von Infektionskrankheiten durch 5 Studiendesigns in Kategorie 1 und durch 3 Designs in Kategorie 3 charakterisiert werden konnten, da die anderen Studiendesigns bei der Untersuchung von Infektionskrankheiten nicht verwendet wurden Literatur. Der Einfachheit halber haben wir die 8 für die Erforschung von Infektionskrankheiten relevantesten Studiendesigns in den folgenden Abschnitten und in Abbildung 1 zusammengefasst. In jeder symbolischen Notation bewegt sich die Zeit von links nach rechts.

Kategorie 1: Quasi -experimentelle Studiendesigns, die keine Kontrollgruppen verwenden.

1. Das 1-Gruppen-Pretest-Posttest-Design.

Dies ist ein häufig verwendetes Studiendesign. Eine einzelne Pretest-Beobachtungsmessung (O1) wird durchgeführt, ein Eingriff (X) wird durchgeführt und eine Posttest-Messung (O2) wird durchgeführt.Zum Beispiel könnte O1 die Akquisitionsrate von VRE sein, wie sie durch die Ergebnisse perirektaler Überwachungskulturen bestimmt wird, X könnte die Einführung eines alkoholbasierten Händedesinfektionsmittels sein und O2 könnte die Akquisitionsrate von VRE nach dem Eingriff sein . Die Aufnahme eines Vortests liefert einige Informationen darüber, wie hoch die Akquisitionsraten gewesen wären, wenn die Intervention nicht stattgefunden hätte.

2. Das 1-Gruppen-Pretest-Posttest-Design, bei dem ein doppelter Pretest verwendet wird.

Der Vorteil dieses Studiendesigns gegenüber Design 1 besteht darin, dass durch Hinzufügen einer zweiten Pretest-Messung vor dem Eingriff die Wahrscheinlichkeit einer Regression auf den Test verringert wird Mittelwert, Reifung und / oder Saisonalität könnten den beobachteten Zusammenhang zwischen der Intervention und dem Ergebnis nach dem Test erklären. Zum Beispiel in einer Studie, in der die Verwendung eines Händedesinfektionsmittels auf Alkoholbasis zu niedrigeren VRE-Akquisitionsraten führte (O3 < O2 und O1), wenn 1 Studie 2 VRE-Messungen vor der Intervention aufwies Die Akquisitionsraten (O1 und O2), die beide erhöht waren, deuten darauf hin, dass die Wahrscheinlichkeit, dass O3 aufgrund von verwirrenden Variablen, Reifungseffekten, saisonalen Effekten oder einer Regression auf den Mittelwert niedriger ist, geringer ist.

3. Das 1-Gruppen-Pretest-Posttest-Design, das eine nicht äquivalente abhängige Variable verwendet.

Dieses Design beinhaltet die Aufnahme einer nicht äquivalenten abhängigen Variablen (b) zusätzlich zur primären abhängigen Variablen (a). Die Variablen a und b sollten ähnliche Konstrukte bewerten. Das heißt, die beiden Messungen sollten ähnliche potenzielle kausale Variablen und verwirrende Variablen aufweisen, mit Ausnahme der Wirkung der Intervention. Es wird erwartet, dass sich die Variable a aufgrund des Eingriffs X ändert, während dies bei der Variablen b nicht der Fall ist. In unserem VAP-Beispiel könnte Variable a die Inzidenz von VAP und Variable b die Inzidenz von katheterassoziierten Harnwegsinfektionen (UTI) sein. Wenn eine pädagogische Intervention darauf abzielt, das Krankenhauspersonal zu ermutigen, die Köpfe der Patientenbetten anzuheben und ein Entwöhnungsprotokoll für die mechanische Beatmung zu befolgen, würde man erwarten, dass die Inzidenz von VAP abnimmt, nicht jedoch die Inzidenz von UTI. Eine Reihe wichtiger verwirrender Variablen, wie die Schwere der Erkrankung und die Verschreibungspraktiken für Antibiotika, können beide Ergebnismessungen beeinflussen. Wenn also sowohl die VAP- als auch die UTI-Raten gemessen wurden und die VAP-Raten nach der Intervention abnahmen, die UTI-Raten jedoch nicht, dann wären die Daten überzeugender als wenn nur die VAP-Raten gemessen würden.

Dieses Design fügt dem 1-Gruppen-Pretest-Posttest-Design eine dritte Posttest-Messung (03) hinzu und entfernt dann die Intervention vor a Die letzte Maßnahme (O4) wird getroffen. Der Vorteil dieses Entwurfs besteht darin, dass man Hypothesen über das Ergebnis sowohl in Gegenwart als auch in Abwesenheit der Intervention testen kann, wenn man also eine Abnahme der OU vorhersagt Ergebnis zwischen O1 und O2 (d. h. nach Durchführung der Intervention), dann würde man eine Zunahme des Ergebnisses zwischen O3 und O4 vorhersagen (d. h. nach Entfernung der Intervention). Eine Einschränkung ist, dass O4 gemessen werden muss, wenn angenommen wird, dass die Intervention anhaltende Auswirkungen hat, nachdem diese Auswirkungen wahrscheinlich verschwunden sind. Zum Beispiel wäre eine Studie überzeugender, wenn sie zeigen würde, dass die Raten der VRE-Akquisition nach einer Intervention mit einem Händedesinfektionsmittel auf Alkoholbasis (O2 und O3 weniger als O1) abnahmen und dass sich die Raten erhöhten, wenn die Verwendung des Desinfektionsmittels eingestellt wurde (O4) größer als O2 und O3 und näher an 01).

Der Vorteil dieses Designs besteht darin, dass es die Reproduzierbarkeit der Assoziation zwischen der Intervention und dem Ergebnis demonstriert. Beispielsweise ist die Assoziation eher kausal, wenn nachgewiesen wird, dass die Verwendung eines Händedesinfektionsmittels auf Alkoholbasis sowohl bei der ersten Einführung als auch bei der Wiedereinführung nach einer Unterbrechung der Intervention zu einer Verringerung der Antibiotikaresistenz führt. Wie im Studiendesign 3 muss davon ausgegangen werden, dass die Wirkung der Intervention vorübergehend ist. Dieses Design wird bei der Untersuchung von Infektionskrankheiten aufgrund der ethischen Probleme bei der Entfernung einer Behandlung, die als wirksam erscheint, nicht häufig verwendet. Epidemiologisch gesehen ist es jedoch ein besseres Design als die zuvor beschriebenen.

Kategorie 3: Quasi-experimentelle Designs, bei denen Kontrollgruppen und Vortests verwendet werden. Der Leser sollte beachten, dass bei all diesen Studiendesigns die Intervention nicht randomisiert ist. Die ausgewählten Kontrollgruppen sind Vergleichsgruppen. Das Erhalten von Vortestmessungen sowohl für die Interventions- als auch für die Kontrollgruppe ermöglicht es, die anfängliche Vergleichbarkeit der Gruppen zu bewerten. Die Annahme ist, dass je kleiner der Unterschied zwischen den Vortestmessungen ist, desto geringer ist die Wahrscheinlichkeit, dass zwischen den beiden Gruppen wichtige Störgrößen vorliegen.