Klii­ni­nen tutkimus ja tie­teel­li­syys valmistuvan lääkärin osaamistavoitteissa

Lääketieteellinen koulutus Ei kommentteja

Tämä on päivittyvä artikkeli – edellinen päivitys 2.8.2024

Valtakunnalliset valmistuvan lääkärin osaamistavoitteet löytyvät osoitteesta: https://www.helsinki.fi/fi/laaketieteellinen-tiedekunta/valmistuvan-laakarin-osaamistavoitteet.

Otsikon Kliininen tutkimus ja tieteellisyys alta löytyy tavoitekohta 24, jossa todetaan “Lää­kä­ri osaa käyt­tää tie­teel­lis­tä ajat­te­lua ja tut­ki­mus­me­ne­tel­miä sekä so­vel­taa nii­tä eri­lai­sis­ta läh­teis­tä saa­tuun tie­toon teh­des­sään hoi­to­pää­tök­siä“.

Tämän alta löytyy edelleen seuraavat 9 kohtaa:

  • 24.1 selittää näytönasteet ja niiden merkityksen kliinisessä työssä ja potilaiden kanssa tehtävissä päätöksissä 
  • 24.2 tulkita ja selittää tutkimustietoa ymmärrettävästi auttaakseen potilasta tekemään tietoisia päätöksiä hoidostaan ja sen toteuttamisesta 
  • 24.3 kuvailla määrällisten ja laadullisten menetelmien käyttöä ja merkitystä tieteellisessä tutkimuksessa 
  • 24.4 tulkita tavallisia tilastollisia menetelmiä, joita lääketieteellisissä julkaisuissa käytetään 
  • 24.5 arvioida kriittisesti tieteellisiä tutkimuksia: tutkimusasetelma, menetelmät, tulokset, sovellettavuus sekä määrällisten ja laadullisten tutkimusten arviointi 
  • 24.6 muotoilla yksinkertaisia, relevantteja tutkimuskysymyksiä lääketieteen eri aloilta ja olla mukana suunnittelemassa tutkimuksia tai kokeita, joilla kysymyksiin voi vastata 
  • 24.7 kuvailla tutkimuksen toteuttamisen perusperiaatteita ja etiikkaa 
  • 24.8 käyttää näyttöä suurista väestötutkimuksista ja muista kansanterveyden tietolähteistä ohjaamaan yksittäisten potilaiden hoitopäätöksiä 
  • 24.9 soveltaa riskiryhmäajattelun ja yksilöllisen lääketieteen periaatteita, kun hoitoa räätälöidään potilaan tarpeisiin.

Tässä artikkelissa käydään tarkemmin läpi jokaisen kohdan sisältöä.


Tavoite 24.1

Vastavalmistunut lääkäri osaa selittää näytönasteet ja niiden merkityksen kliinisessä työssä ja potilaiden kanssa tehtävissä päätöksissä

Näytönaste tarkoittaa näytön vahvuutta tai varmuutta. Yleensä näytön varmuus liittyy jonkin toimenpiteen tai intervention vaikutukseen tietyn vian, vamman tai sairauden hoidossa. Näytönasteesta ja näytön varmuudesta puhutaan esimerkiksi arvioitaessa statiinien vaikutusta sydäntautien primaaripreventiossa eli sydäntapahtumien ehkäisyssä tai antikoagulaation vaikutusta leikkauksen jälkeisen syvänaskimotukoksen estossa. Näytön varmuudesta voidaan puhua myös arvioitaessa jonkin menetelmän käyttöä tietyn syövän seulonnassa.

Yksittäisen tutkimuksen kohdalla ei oikeastaan voida puhua näytönasteesta tai näytön varmuudesta. Näytön varmuus liittyy selkeimmin hoitosuosituksiin tai meta-analyyseihin, joissa useamman eri tutkimuksen tuloksista on tehty summamuuttujia ja tulokset on esitelty yhteenvetona useampaan tutkimukseen perustuen. Tavallisesti yhdestä aihepiiristä laaditussa hoitosuosituksessa (eng. clinical guideline, clinical practice guideline) on monta eri näytönastekatsausta tai näytön varmuutta arvioivaa yhteenvetoa.

Näytönastetta ja varmuutta voidaan määrittää eri tavoin eikä ole olemassa yhtä yksittäistä tapaa määrittää sitä. Duodecimin Käypä Hoito -suosituksissa näytönaste luokitellaan alla olevan taulukon mukaisesti (https://www.kaypahoito.fi/nix02087):

Kansainvälisellä tasolla kaikista käytetyin menetelmän näytön varmuuden arviointiin lienee Grading of Recommendations, Assessment, Development and Evaluation eli GRADE -menetelmä. GRADE-työryhmän laatima opas menetelmän käyttöön on vapaasti saatavilla https://gdt.gradepro.org/app/handbook/handbook.html. GRADE-menetelmää käytetään erittäin laajalti kansainvälisissä hoitosuosituksissa sekä hoito-ohjeissa. GRADE-menetelmässä näytön varmuus (quality of evidence) jaetaan seuraavasti (suomennettu lähteestä):

Arvovaltainen Euroopan kardiologiyhdistys julkaisee laajoja hoitosuosituksia sydäntauteihin liittyen. Heidän suosituksissaan näytön varmuutta arvioidaan kaksiportaisesti. Jokaiselle yksittäiselle suositukselle määritetään suositusluokka (eng. class of recommendation). Tämän lisäksi määritetään kolmiluokkainen näytön varmuuden aste, kuten GRADE-menetelmässä tai Käypä Hoito -suosituksissa.

Näytön varmuuden luokittelu ei ole vain yksittäinen subjektiivinen arvio kirjallisuuden laadusta. Varsinkin GRADE-menetelmässä on kuvattu varsin yksityiskohtaisesti, mitkä tekijät vaikuttavat varmuuden arviointiin. Erittäin oleellista on hahmottaa, että esimerkiksi Euroopan Kardiologiyhdistyksen sekä myös Käypä Hoidon käyttämässä asteikossa korostetaan erittäin paljon pelkkää tutkimusasetelmaa. Satunnaistettu vertailututkimus voi olla laadultaan heikko tai menetelmiltään kyseenalainen. Toisaalta havainnoiva tutkimus saattaa olla erittäin korkealaatuinen ja antaa vakuuttaa näyttöä tutkittavasta asiasta. Näitä seikkoja käydään tarkemmin läpi kohdassa 24.5 (tulossa).

Näytönaste tai näytön varmuuden merkitys käytännön työssä ei perustu vain edellä oleviin laadullisiin määritelmiin. Huolellisesti laaditussa näytönastekatsauksessa eli näytön varmuutta arvioivassa katsauksessa pitää mainita myös taustariski, riski hoidon jälkeen, suhteellinen vaikutuskoko ja absoluuttinen vaikutuskoko sekä ajanjakso, jolla näitä on tarkasteltu. Ilman näitä tietoja näytönastekatsauksen toteamus voi olla esimerkiksi: Kaulavaltimon endarterektomia (sisäkalvon ja sen alaisen plakin poisto) vähentää aivohalvausten riskiä oireettomilla potilailla, joilla on tiukka oireeton kaulavaltimoahtauma. Tästä puuttuu eritoten maininta absoluuttisista riskeistä, joilla saattaa olla hyvinkin tärkeä merkitys potilaalle mietittäessä toimenpiteestä saatavia hyötyjä ja haittoja.

Taustariski tarkoittaa riskiä saada päätetapahtuma ilman hoitoa tai interventiota. Tässä yhteydessä olisi hyvä myös raportoida tarkasteltava ajanjakso. 1% riskillä yhden tai 10 vuoden ajanjaksolla voi olla hyvin erilainen merkitys potilaan kannalta. Riski hoidon jälkeen tarkoittaa riskiä saada päätetapahtuma intervention tai hoidon jälkeen tai sen aikana. Absoluuttinen vaikutuskoko tarkoittaa absoluuttisten riskien eroa. Jos riski saada aivohalvaus ilman endarterektomiaa on 2.5% ja endarterektomian jälkeen 1.5%, absoluuttinen vaikutuskoko on 1.0%. Suhteellinen vaikutuskoko tarkoittaa suhteellista riskin alenemaa tai nousua. Edellä olevassa esimerkissä suhteellinen riskin alenema on 1.0/2.5= 0.4 eli 40%.

Hoitopäätöksessä on aina osallisena lääkäri ja potilas. Potilaan keskeinen rooli päätöksenteossa on tuoda esille omat arvonsa ja näkemyksensä liittyen hoidon mahdollisiin hyötyihin ja haittoihin. Keskeisin keino tämä edistämiseen on raportoida hoitojen saavutettavissa olevat hyödyt ja haitat näytönastekatsauksissa käyttäen sekä suhteellisia että absoluuttisia vaikutuskokoja, kuten edellä kuvattu.

Keskeinen huomio hoitosuositusten ja näytönastekatsausten osalta on huomioida, että niissä annetaan yleensä enemmän hoitoja puoltavia ja käyttöä suosivia ohjeita kuin niitä välttäviä. Hoitojen ja toimenpiteiden välttäminen on potilashoidossa luonnollisesti haastavampaa kuin lääkkeiden määrääminen tai toimeenpiteeseen ohjaaminen. Ns. välttösuositukset ovat erittäin tärkeitä huomioida potilastyössä, koska niillä pyritään vähentämään matalan hyödyn hoitoja (eng. low value care). Välttösuositusten huomioiminen on tärkeää myös ylihoidon ja ylidiagnostiikan vähentämisen kannalta.

Oleellista on myös huomioida tilanteet, joissa näytönaste ja varmuus on matala. Tämä tarkoittaa, että hoitopäätökseem liittyy huomattavaa epävarmuutta. Tämä on tärkeä huomioida myös potilaan kanssa keskustellessa. Potilaalle kannattaa tuoda esille, että kyseiseen hoitopäätökseen ei ole selkeästi näyttöön perustuvaa toimintatapaa vaan asiassa joudutaan nojaamaan toisaalta asiantuntijanäkemykseen sekä lääkärin omaan kliiniseen kokemukseen. Potilaan arvojen ja näkemysten huomiointi on erityisen tärkeää silloin, kun hoitopäätökseen liittyy suuri epävarmuus.

Aiheeseen liittyvää luettavaa:

Raittio R, Raittio L. Statements considering intervention effects in Finnish clinical practice guidelines: Recommending interventions with non‐numeric effect‐sizes or unspecified outcomes. J Eval Clin Pract. 2020. https://onlinelibrary.wiley.com/doi/full/10.1111/jep.13455

Jousimaa J ym. Hoitosuositusten näytönasteen ja vahvuuden arviointi GRADE-työryhmän tapaan. Duodecim. 2010;126(16):1936-43. https://www.duodecimlehti.fi/duo99022.

Markovitz AA ym. An Examination of Deintensification Recommendations in Clinical Practice Guidelines. JAMA Intern Med. 2018;178(3):414-416. https://jamanetwork.com/journals/jamainternalmedicine/fullarticle/2665384


Tavoite 24.2

Vastavalmistunut lääkäri osaa tulkita ja selittää tutkimustietoa ymmärrettävästi auttaakseen potilasta tekemään tietoisia päätöksiä hoidostaan ja sen toteuttamisesta.

Yleistä ohjetta tulkita ja selittää tutkimustietoa ymmärrettävästi ei ole olemassa. Tutkimustiedon ymmärtämisen kannalta tärkeää ovat substanssi- eli aiheosaaminen sekä menetelmäosaaminen. Aiheosaaminen tarkoittaa esimerkiksi tietoa amlodipiinin verenpainetta alentavasta mekanismista tai tietoa stabiilin sepelvaltimotaudin lääkkeellisistä ja kirurgisista hoidoista. Menetelmäosaaminen tarkoittaa taas kaikkea sitä tietoa ja osaamista, joka liittyy tutkimusten analyysiin, tulkintaan ja päättelyyn. Tutkimustiedon tulkinnassa menetelmäosaamisen kannalta on monia yksittäisiä tärkeitä huomioitavia näkökulmia, joita tässä käydään lävitse.

“Negatiiviset” tutkimukset

Yksi keskeinen näkökulma liittyy ns. negatiivisiin tutkimuksiin. Niillä tarkoitetaan tutkimuksia, joiden päätulos ei saavuta tilastollista merkitsevyyttä. Näissä tutkimuksissa todetaan hyvin usein, että hoidolla X “ei ole vaikutusta”, jos sitä verrattiin esimerkiksi lumehoitoon. Jos sen sijaan tutkimuksessa verrattiin kahta aktiivista hoitoa, usein todetaan, että hoidot ovat “yhtä tehokkaita”. Jos tutkimuksessa taas selvitettiin esimerkiksi kahden eri asian tai ilmiön korrelaatiota tai yhteyttä, yleinen päätelmä ei-tilastollisesti merkitsevän tuloksen jälkeen on todeta, että “X ei liity muuttujaan Y”. Nämä eivät ole koskaan oikeita tapoja tehdä päätelmiä negatiivisista tuloksista, jos tilastollinen menetelmä perustui p-arvojen määrittämiseen ja hypoteesin testaamiseen eli ns. frekventistiseen tilastotieteeseen.

Jos tutkimuksessa ei saavutettu tilastollista merkitsevyyttä hoidon X ja lumehoidon välillä, oikea tapa on sanoa, että “hoidolla X ei voitu osoittaa vaikutusta verrattuna lumehoitoon”. Jos taas tutkimuksen tarkoitus oli selvittää muuttujien tai asioiden välistä korrelaatiota, oikea tapa on todeta, että “muuttujien X ja Y välille ei voitu osoittaa yhteyttä”. Keskeistä on ymmärtää, että kyseisissä päätelmissä ei siis yksiselitteisesti todeta, että jotain ei ole olemassa vaan, että jotain ei vain pystytty havaitsemaan tai osoittamaan. Nämä ovat täysin eri asioita ja tärkeitä ymmärtää tutkimustulosten tulkinnassa.

Keskimääräinen hoitovaikuus

Tutkimustiedon tulkinnassa on tärkeää ymmärtää, että lähes aina tutkimustulokset ovat keskimääräisiä vaikutuksia ryhmätasolla. Tämä on erittäin oleellista, kun pohditaan tutkimustulosten soveltamista yksittäisen potilaan hoidossa. Tutkimuksessa voidaan esimerkiksi raportoida, että kipulääke vähentää kroonista kipua 15 millimetriä käytettäessä 100 mm:n VAS-asteikkoa tai, että verenpainelääke laskee systolista verenpainetta 10 mmHg. Lähes poikkeuksetta nämä tutkimustulokset on saatu vertaamalla kahden eri ryhmän keskiarvoja ja edellä olevat tulokset ovat ryhmien keskiarvoerotuksia (eng. mean difference). Varsinkin, jos kyseessä on RCT eli satunnaistettu vertailututkimus, käytetään tuloksista monesti termiä keskimääräinen hoitovaikutus (eng. average treatment effect, ATE).

ATE ei tarkoita hoitovastetta, jonka jokainen potilas saa annetun hoidon jälkeen. Hoidon aikaan saama vaste vaihtelee aina potilaasta toiseen. ATE tarkoittaa keskimääräistä hyötyä tai vastetta ryhmätasolla. Hoitovasteen vaihtelu tarkoittaa, että osa hyötyy selkeästi alle keskiarvon ja osa hyötyy selkeästi yli keskiarvon. Keskeistä on siis korostaa potilaalle, että keskimäärin potilaat hyötyvät tietyn verran. Potilaalle ei voi sanoa, että hoitovaste on raportoidun ryhmäkeskiarvon eli ATE:n verran. Keskeistä on lisäksi ymmärtää kaikkeen lääketieteelliseen päätöksentekoon liittyvä epävarmuus, josta ylläoleva on tyyppiesimerkki.

Riskiviestintä

Keskeinen osa tutkimustulosten viestintää potilaan suuntaan on ns. riskiviestintä hoitopäätöksen yhteydessä. Riski liittyy käsitteenä niin ennaltaehkäisyyn kuin hoidon hyötyihin ja haittoihin. Lääketieteelliseen päätöksentekoon liittyy aina jokin riski jostain päätetapahtumasta. Riskiviestinnässä pitää olla äärimmäisen huolellinen, koska siihen liittyy hyvin suuri väärin ymmärryksen riski niin potilaan kuin lääkärinkin taholta.

Riski ei ole koskaan deterministinen. Esimerkiksi tupakointi on keuhkosyövän vahva riskitekijä. Tämä ei kuitenkaan tarkoita, että tupakoiva potilas saa aina keuhkosyövän eikä potilaalle voi näin koskaan todeta. Toisaalta tupakoimaton potilas ei ole kokonaan suojassa keuhkosyövältä eli potilaalle ei voi sanoa, että et voi saada keuhkosyöpää, koska et tupakoi. Riski siis tarkoittaa aina todennäköisyyttä jollekin tapahtumalle.

Riskikäsitteeseen liittyy oleellisesi kohdassa 24.1 mainitut absoluuttinen ja suhteellinen riski. Potilaan kanssa keskustellessa tulisi aina varmistua, että potilas ymmärtää molemmat käsitteet, koska niillä saattaa olla hyvinkin erilaisia subjektiivisia merkityksiä suhteessa potilaan arvomaailmaan ja näkemyksiin. Esimerkiksi uuden lääkkeen aloitukseen saattaa liittyä kymmenkertainen riski tietylle haittatapahtumalle. Toisaalta, jos kyseessä on absoluuttisen riskin nousu tasolta 0.1% tasolle 1.0%, se saattaa olla potilaalle merkityksetön vaikka kymmenkertainen riski kuulostaa aina suurelta. Solisluumurtuman konservatiiviseen hoitoon saattaa liittyä jopa kymmenkertainen riski luutumattomuudelle verrattuna leikkaukselliseen hoitoon. Absoluuttinen riski solisluumurtuman luutumattomuudelle on noin 10% konservatiivisessa hoidossa ja noin 1% leikkaushoidossa. Edellä oleva voidaan myös todeta sanomalla, että 90% todennäköisyydellä murtuma luutuu konservatiivisella hoidolla. Tämä luku saattaa olla monelle potilaalle riittävän korkea välttämään leikkaukseen liittyvät komplikaatiot. Riskiviestinnässä on siis keskeistä pyrkiä kommunikoimaan monipuolisesti eri tavoilla.

Korrelaatio ja kausaatio

Tutkimustiedon selittämisessä ja tulkinnassa on keskeistä erottaa korrelaatio ja kausaatio. Korrelaatio tarkoittaa kahden muuttujan välistä riippuvuutta tai yhteyttä. Kausaatio tarkoittaa syy-seuraussuhdetta. Korrelaation tai assosiaation osoittaminen tutkimuksessa ei ole vaikeaa. Erittäin monilla biologisilla muuttujilla ja asioilla on jonkinlainen korrelaatio keskenään. Mitä suurempi aineisto on käytettävissä, sitä todennäköisemmin siitä löytyy erilaisia tilastollisesti merkitseviä korrelaatiota. Suurin haaste on pohtia, milloin todettu korrelaatio on oikeasti merkityksellinen ja milloin ei.

Tutkimusaineistosta voidaan todeta esimerkiksi, että painoindeksi korreloi käänteisesti selkäkivun kanssa. Tästä ei kuitenkaan voida päätellä kausaatiota eli syy-seuraussuhdetta. Pelkkä tilastollinen assosiaatio ei anna oikeutta todeta, että ylipaino aiheuttaa selkäkipua. Alaselkäkipu voi myös aiheuttaa ylipainoa epäsuorilla vaikutusmekanismeilla. Kausaation osoittaminen on yleensä huomattavasti vaikeampaa kuin korrelaation osoittaminen. Satunnaistetun vertailututkimuksen keskeinen tavoite on selvittää interventioiden syy-seuraussuhteita. Havainnoivassa tutkimuksessa voidaan myös arvioida syy-seuraussuhdetta, mutta pelkän assosiaatio lisäksi vaaditaan myös muita taustaoletuksia. Näitä kuitenkin käsitellään valitettavan harvoin havainnoivissa tutkimuksissa. Oletukseen syy-seuraussuhteesta havainnoivassa tutkimuksissa pitää yleensä suhtautua kriittisesti.

Aiheeseen liittyvää luettavaa:

Reito A. Ei vaikutusta eikä eroa – ei oikeaa tilastollista päättelyä. Suom Lääkäril. 22/2020.


Tavoite 24.3

Vastavalmistunut lääkäri osaa kuvailla määrällisten ja laadullisten menetelmien käyttöä ja merkitystä tieteellisessä tutkimuksessa.

Tutkimuksen voidaan sanoa olevan systemaattisin keinoin tapahtuvaa tiedonkeruuta maailmasta. Nämä systemaattiset keinot poikkeavat määrällisten ja laadullisten tutkimusmetodologioiden välillä, vaikka molemmissa tavoitteena on tieteellisellä menetelmällä tutkittu, toistettava tieto, eli tieteellinen ‘totuus’.

Valtaosa lääketieteellisestä tutkimuksesta on tutkimusmetodologian kannalta määrällistä (“kvantitatiivista”) tutkimusta. Siinä pyritään todennäköisyys- tai järjestysjakaumia hyödyntäen selvittämään asioiden välisten yhteyksien ja assosiaatioiden suuruutta sekä syy-seuraussuhteita. Monissa ihmistieteiden tutkimusaiheissa hyödynnetään puolestaan laadullista (“kvalitatiivista”) tutkimusmetodologiaa. Siinä pyritään erilaisin menetelmin, kuten dokumenttien ja asiakirjojen tekstianalyysillä, ihmisten haastatteluilla ja havainnoinnilla ymmärtämään asioiden välisten yhteyksien olemassaoloa ja syy-seuraussuhteita.

Laadullisessa tutkimuksessa pureudutaan usein sellaisiin kysymyksiin, joista ei ole järjestettävissä samanlaista koeasetelmaa, jolla esimerkiksi uusia lääkkeitä tutkitaan. Tutkimuksen kohteena laadullisessa tutkimuksessa on tyypillisesti ihmisten elämis- ja kokemismaailma. Esimerkiksi kysymys siitä, miksi ihmiset polttavat tupakkaa, on tutkimusaiheena sellainen, josta on hankalaa tehdä satunnaistettua koetta, ainakaan vapaassa yhteiskunnassa.

Määrällistä tutkimusmetodologiaa käyttäen asiaa voisi tutkia vertaamalla tupakoinnin aloittavia ja tupakoimattomia ihmisiä. Määrällisen tutkimuksen tuloksia voivat olla esimerkiksi seuraavat havainnot: tupakoinnin aloittavat useammin alle 18-vuotiaat, tupakoinnin aloittaminen on yleisempää keskimääräistä matalamman tulotason perheessä asuvilla, tupakoinnin aloittaa useammin pojat kuin tytöt sekä useammin maaseudulla kuin kaupunkiseudulla asuvat. Ilman erityistä koeasetelmaa pystymme määrällisesti vain osoittamaan tupakoinnin yleisyyden ja erilaisten ominaisuuksien yhteyksiä, mutta kysymys siitä miksi nämä ihmisryhmät polttavat muita ihmisryhmiä useammin tupakkaa voidaan yrittää tutkia laadullisin menetelmin. Tässä tapauksessa laadullisia menetelmiä voisivat olla haastattelu ja havainnointi, joilla yritetään ymmärtää niitä inhimillisiä kehityspolkuja, jotka johtavat tupakointiin. Usein näitä havaintoja yritetään kytkeä erilaisiin teorioihin. Laadullisessa tutkimuksessa myös voidaan arvioida tarkasteltavan ihmisen elämis- ja kokemismaailman tapahtumia suhteessa tiettyyn yhteiskunnalliseen aikaan – tupakoinnin syyt ovat voineet hyvin muuttua 1940-luvulta tähän päivään verrattuna. Yhteiskunnallisten tekijöiden painoarvon asettaminen ihmisten elämis- ja kokemismaailman asioiden syy-seuraussuhteille onkin yksi merkittäviä kysymyksiä ja tutkijan ‘valintoja’ laadullisen tutkimustulosten tulkitsemisessa.

Määrällistä ja laadullista tutkimusmetodologiaa sanotaan usein erottavan useampi seikka, mutta on hyvä huomata erojen olevan jatkumo kuin selvä raja-aita. Määrällisessä tutkimuksessa tutkijan roolia pidetään yleisesti ottaen vähäisenä tutkimustulosten synnyssä ja tulkitsemisessa, kun taas laadullisessa tutkimuksessa tutkijan rooli on usein merkittävä ja tutkimusartikkelissa yksi keskeinen osa on kuvata kuinka tutkijan oma subjekti suhteutuu kyseessä olevaan tutkimukseen.

Usein myös puhutaan määrällisen tutkimustulosten päättelyn olevan deduktiivista eli tehdään löydetystä säännönmukaisuudesta yleistys kohti yksittäistapahtumaa. Laadullista tutkimustulosten päättelyä ajatellaan usein induktiona eli yksittäistapauksesta mennään kohti säännönmukaisuutta. Monissa laadullisissa tutkimuksissa yhdistellään määrällistä ja laadullista tutkimusmetodologiaa tutkittavan ilmiön ymmärtämiseksi. Kuten sanottua, nämäkin erot määrällisen ja laadullisen välillä ovat pikemmin yksinkertaistuksia tutkimusmetodologian moninaisuuden ymmärtämisestä kuin oikeita raja-aitoja.

Alla olevassa taulukossa on vielä kuvattu määrällisen ja laadullisen tutkimuksen eroja.

LaadullinenMäärällinen
Otoskoko yleensä iso, jopa satoja tuhansiaOtoskoko pieni tai rajallinen
Lähtökohtana selkeä tutkimuskysymys
Lähtökohtana yleensä jokin taustateoria
Aineiston keräämisessä keskeistä mittaaminen ja kokeellisuusAineiston keräämisessä keskeistä havainnointi ja tulkinta
Analyysimenetelmät tilastomatemaattisiaAnalyysimenetelmät kuvailevia ja luokittelevia
Pyrkimyksenä löytää yleistettäviä tai toistettavia tuloksiaTuloksia vaikea yleistää

Tavoite 24.4 

Vastavalmistunut lääkäri tulkita tavallisia tilastollisia menetelmiä, joita lääketieteellisissä julkaisuissa käytetään

Lääketieteellisissä tutkimuksissa tavallisimpia tilastollisia menetelmiä ovat yksittäisten muuttujien vertailu ja jakaumien tarkastelu. t-testi, Mann-Whitneyn U-testi, varianssianalyysi eli ANOVA ja Kruskal-Wallisin testi ovat yleisimpiä jatkuvien muuttujien vertailuissa käytetyistä menetelmistä. Luokkamuuttujien vertailussa khiin neliö ja Fisherin testi ovat tavallisia. Erilaiset korrelaatiomenetelmät ovat myös yleisiä, joista käytetyimpiä ovat Pearsonin ja Spearmanin korrelaatiotestit.

Näillä testeillä voidaan tehdä siis tilastollista päättelyä yhden tai kahden muuttujan suhteen. Mahdolliset päätelmät ovat yleensä hyvin suppeita, kuten “keskiarvot ovat erilaiset” tai “muuttujien välistä riippuvuutta ei voida osoittaa”. Jokaisen näiden menetelmän tulkintaan liittyy kaksi tärkeää lähtökohtaa. Ensinnäkin jokainen näistä menetelmistä tuottaa tulokseksi tilastollisen merkitsevyyden eli p-arvon. Sen tulkinta ja ymmärtäminen on kriittistä. Tähän liittyy läheisesti myös hypoteesin testaaminen, jonka perusteet tulee ymmärtää. Nämä on kuvattu artikkeleissa p-arvon merkitys ja virhekäsitykset ja Nollahypoteesin merkitsevyyden testaus. Toinen tärkeä lähtökohta ovat testien taustaoletukset. Jokaiseen menetelmään liittyy tiettyjä taustaoletuksia, joiden pitäisi ainakin likipitäen pitää paikkansa, jotta menetelmä tuottaa luotettavia tuloksia. Millä tahansa aineistolla voi tehdä mitä tahansa numeerista analyysiä, mutta jos taustaoletukset käytetyn testin osalta eivät pidä paikkaansa, saadut tulokset ovat pahasti virheellisiä ja harhaisia. Näitä on kuvattu tarkemmin esimerkiksi artikkelissa Kahden jatkuvan muuttujan vertaaminen.

Edellä kuvatut testit antavat mahdollisuuden melko kapea-alaiseen aineiston tarkasteluun ja päätelmien tekoon, mutta usein tämä saattaa olla tutkimuskysymyksen kannalta riittävää. Monimuuttujamallit ovat myös hyvin yleisiä lääketieteellisessä tutkimuksessa ja ne antavat mahdollisuuden monipuolisempaan aineiston tarkasteluun. Yleisimpiä monimuuttujamalleja ovat lineaarinen, logistinen ja Coxin regressio. Monimutkaisempia monimuuttujamalleja ovat esimerkiksi RIDGE- ja LASSO-menetelmät, jotka ovat edistyneempiä menetelmiä käsitellä varsinkin erittäin laajoja aineistoja.

Monimuuttujamenetelmät mahdollistavat useiden, jopa kymmenien tai satojen muuttujien samanaikaisen analysoimisen. Klassisesti monimuuttujamenetelmiä on käytetty riskitekijöiden tutkimiseen. Monimuuttujamenetelmien tulkinnassa tärkeää on edellä kuvatut kaksi lähtökohtaa eli p-arvon ymmärtäminen sekä taustaoletusten huomiointi. Esimerkiksi regressiokertoimien kohdalla määritetään tilastollinen merkitsevyys, joka perustuu p-arvoon sekä hypoteesin testaamiseen. Monimuuttujamenetelmissä on myös aina lukuisia erilaisia taustaoletuksia, joita tulisi huomioida valittua menetelmää käytettäessä ja tuloksia tulkittaessa.

Näiden lisäksi monimuuttujamenetelmien kohdalla on tärkeää ymmärtää mihin niillä ollaan pyrkimässä eli mikä on tutkimuskysymys. Monimuuttujamalleissa on valtavasti erilaisia tulkinta- ja päätelmämahdollisuuksia riippuen siitä mitä muuttujia malliin on sisällytetty ja mitä tuloksia mallista raportoidaan. Näitä lähtökohtia on avattu tarkemmin esimerkiksi artikkeleissa Johdantoa monimuuttujamalleihin – selittäminen, ennustaminen ja vaihtelun selittäminen ja Käytännön näkökulmia monimuuttujamalleista.

Kaiken kattavaa kuvausta “tavallisten menetelmien” tulkinnasta on mahdoton antaa. Edellä kuvatut menetelmät ovat tavallisimpia ja niiden taustoihin kannattaa kliinikonkin perehtyä, koska se helpottaa tieteellisen artikkelin kriittistä tarkastelua.

Mitä mieltä olit artikkelin sisällöstä?

Klikkaa tähteä arvostellaksi artikkelin!

Keskiarvo 0 / 5. Arvostelujen lukumäärä: 0

Kukaan ei ole vielä äänestänyt, ole ensimmäinen

Vastaa

Sähköpostiosoitettasi ei julkaista. Pakolliset kentät on merkitty *