7. Описание отдельных случаев – кто-то что-то заметил и написал статью. Полезно для казуистики, но не имеет смысла в описании глобальных проблем и выведения серьезных заключений, т. к. любой отдельный случай сам в себе достоверности не несет. Конечно, описание редких случаев крайне важно для расширения нозологических границ, но строить по ним гипотезы ошибочно.

«В соседних деревнях Вилларибо и Виллабаджо изучали половые органы, и оказалось, что средний размер члена в Вилларибо – 14 см, а в Виллабаджо – 25 см. Откуда же такая разница? Все просто: в Вилларибо меряли линейкой, а в Виллабаджо проводили опрос».

Рейтинг, чтобы показать какое вещество по-настоящему упарывает, какие манипуляции реально приводят к значимому эффекту, а какие – говно и рефлексотерапия.

Обозначаются буквами (уровень результата клинического испытания):

1. A – крутые двойные слепые РКИ на больших выборках и метаанализы.

2. B – мелкие РКИ, особенно с противоречивыми результатами.

3. C – нерандомизированные исследования, основа для фуфломицинов.

4. D – мнение эксперта/группы экспертов.

И цифрами (класс доказательности принятых рекомендаций):

• Класс I. Доказательства и/или общее согласие, что данные методы диагностики/лечения – благоприятные, полезные и эффективные.

• Класс II. Доказательства противоречивы и/или противоположные мнения относительно полезности/эффективности лечения.

• Класс II-а. Большинство доказательств/мнений в пользу полезности/эффективности.

• Класс II-б. Полезность/эффективность не имеют достаточных доказательств/определенного мнения.

• Класс III. Доказательства и/или общее согласие свидетельствует о том, что лечение не является полезным/эффективным и, в некоторых случаях, может быть вредным.

Обратите внимание: здесь не учитываются мнения пациентов на тему «А я принял и мне помогло!».

«Bias» (баес), оно же смещение, или систематические ошибки – это собственно то, с чем должна бороться доказательная медицина благодаря РКИ и метаанализам. Исследование с хорошим дизайном, большой выборкой, внятно составленным протоколом, адекватно выбранными измеряемыми исходами и полностью публикуемыми результатами (включая сообщения о прошлой и нынешней заинтересованности участников) приближает долю таких ошибок к нулю.

Все баесы не перечислить, их количество стремится к бесконечности:

• Ошибки репрезентативности («selecting bias») – возникают из-за неправильных выборок и устраняются лишь грамотным подбором критериев включения и рандомизацией.

• Пациентское смещение («reporting bias») – сообщаемое человеком улучшение, которого на самом деле нет, но очень хочется показать, ведь он же лечится и тратит деньги/время. Не обязательно умышленное, сам факт участия в эксперименте влияет на самочувствие испытуемого, это называется хоторнским эффектом.

• Ошибки регистрации («bias of an estimator» или «positive bias») – исследователям тоже приятно, когда их лечение работает, и не важно, что больной мнется с ответом – интерпретируем как «помогло».

• Заинтересованность («funding bias») – в объемах спонсорских денег или собственном тщеславии исследователя.

Конечно, даже учитывая все это и получив высококачественный результат, приходится брать во внимание немодифицируемые, неспецифические и не зависящие от работы факторы: например, то, что заболевания имеют ограниченный период пиковой выраженности симптомов, которые и без лечения снизятся – многие болезни (например, БАР) цикличны или вообще саморазрешающиеся (что удобно для разработки «противопростудных» препаратов – за время наблюдения все пациенты гарантированно выздоровеют). При использовании второй группы контроля (которая даже плацебо не получает, а просто стоит в очереди на лечение) там тоже можно найти улучшение.

«Врач, который видел один клинический случай, говорит:

– Исходя из моего опыта…

Врач, который видел два случая:

– А вот в серии моих наблюдений…

Врач, видевший три случая:

– Ну, это же обычное дело!»

Много ли реально действующих лекарств, производители которых просто не стали заморачиваться с тройным слепым, глухим и немым исследованием? Их нет, потому что это некорректно: без качественных исследований мы не можем оценить реальное действие. Нет, это не препятствие выходу новых препаратов – научный мир только рад будет насадить свежие разработки по всему миру, однако доказательность должна сначала превысить уровень «трем бомжам в мухосранской больнице помогло», ведь бремя доказательства лежит на заявляющем. Фармкомпания должна тратить деньги на исследования и обеспечивать доказательную базу. Если препарат относительно новый (выпущен не десятки лет назад), рекомендуется к применению, рекламируется везде, но нет ни одного РКИ, то он состоит из пустоты на 146 %.

Поскольку нечистым на руку товарищам нужно чем-то прикрывать свою некомпетентность, они забираются в тыл врага и используют инструменты доказательной медицины не по назначению. Учитывая это, стоит с осторожностью подходить к любым научным работам вообще, особенно когда они заявляют о чем-либо принципиально новом, будь то лекарство или метод диагностики. Если не анализировать качество работ и не проверять повторяемость результатов, то можно легко подпасть под влияние следующих способов заработка денег и имени.

• Фуфломицины: для их разработки лучше всего подходит описание серии случаев – вроде и научненько (народ поведется), да и перед законом чист. Так рождаются «доказательства эффективности» псевдопрепаратов-арбидолов: фармкомпания приглашает на свидание голодного российского профессора, они вместе придумывают плацебо с желаемыми свойствами, а затем начинают впихивать в каждого страждущего, благо у профессуры их завались. Конечно, если не у каждого первого, то у 95 % пациентов искомые положительные «эффекты» препарата обязательно проявятся, и вот, встречайте: «Опыт пятилетнего применения фуфломицина. Серия клинических случаев. Проф. Залупкин Х. Й.». Не придерешься, придется покупать.

• Фуфлоученые: чтобы примазаться к научной тусовке, можно начать с описания отдельных случаев – именно из-за отсутствия достоверности и проверяемости этот самый последний пункт более остальных любим разного рода шарлатанами: достаточно накатать памфлет про одно-единственное наблюдение, и вот – ты уже учОный. Как ни печально, на этом держится 99,9 % диссертаций.

«На фармацевтической фабрике придумали новые лекарства, для которых еще нет болезней. Теперь ищут врачей, которые их придумают». – И таки находят на просторах СНГ.