วัตถุประสงค์ของการทบทวนวรรณกรรมนี้คืออะไร
การกำเริบของโรคและการกลับเป็นซ้ำ (ไม่สบายอีกครั้งหลังจากดีขึ้น) เป็นเรื่องปกติในภาวะซึมเศร้าและนำไปสู่การไร้ความสามารถที่เพิ่มขึ้นและคุณภาพชีวิตของผู้ป่วยลดลง การกำเริบของโรคคือการเกิดขึ้นอีกครั้งของของภาวะซึมเศร้าหลังจากดีขึ้นในเบื้องต้น ในขณะที่การกลับเป็นซ้ำเป็นการเริ่มต้นของอาการซึมเศร้าครั้งใหม่หลังการหาย ผลลัพธ์ เช่นการกำเริบของโรคและการกลับเป็นซ้ำบางครั้งสามารถคาดเดาได้ในขณะที่ยังสบายดี โดยใช้ข้อมูลที่มีอยู่ในเวลานั้น การคำนวณทางคณิตศาสตร์สามารถทำได้เพื่อประเมินความเสี่ยงของแต่ละบุคคล การคำนวณนี้เรียกว่า 'แบบจำลองการพยากรณ์โรค' หรือเครื่องมือทำนาย ในบริการด้านสุขภาพส่วนใหญ่รวมถึง National Health Service (NHS) ในสหราชอาณาจักร จำเป็นต้องใช้ทรัพยากร เช่นแพทย์ และนักบำบัดอย่างดีที่สุด เพื่อผู้ที่จะได้รับประโยชน์สูงสุดจากบริการเหล่านี้ หากมีเครื่องมือในการทำนายที่แม่นยำ ข้อมูลสามารถใช้เพื่อค้นหาผู้ป่วยที่ 'มีความเสี่ยงสูง' มากที่สุดและตรวจสอบให้แน่ใจว่าพวกเขาได้รับการสนับสนุนเพิ่มเติมเพื่อป้องกันการกำเริบของโรคหรือการกลับเป็นซ้ำ
จุดมุ่งหมายของการทบทวนวรรณกรรมนี้คือ เพื่อค้นหาการศึกษาที่พยายามพัฒนาเครื่องมือทำนายการกำเริบของโรคหรือการกลับเป็นซ้ำของภาวะซึมเศร้าในผู้ใหญ่ เราสนใจในการศึกษาที่พยายามทำนายในขณะที่คนไข้สบายดี นอกจากนี้เรายังรวมเครื่องมือที่ทำนายโอกาสที่ผู้ป่วยจะสบายดี หากเราพบการศึกษาหลายรายการที่ทดสอบเครื่องมือทำนายเดียวกัน เราวางแผนที่จะรวมสิ่งเหล่านี้เข้าด้วยกันเพื่อหาข้อสรุปที่ดีขึ้นว่าเครื่องมือนั้นทำงานได้ดีเพียงใด
ใจความสำคัญ
เราระบุเครื่องมือทำนาย 10 รายการ (จากการศึกษา 11 รายการ) สำหรับการกำเริบของโรคหรือการกลับเป็นซ้ำ สิ่งเหล่านี้ไม่ได้รับการพิสูจน์ว่าดีในการทำนายการกำเริบของโรค / การกลับเป็นซ้ำ หรือการศึกษามีปัญหาเกี่ยวกับวิธีดำเนินการซึ่งหมายความว่าไม่มีเครื่องมือทำนายใดอยู่ในขั้นตอนที่สามารถใช้ในโลกแห่งความเป็นจริงได้ จำเป็นต้องมีงานเพิ่มเติมเพื่อปรับปรุงการคาดการณ์การกำเริบของโรคหรือการกลับเป็นซ้ำของภาวะซึมเศร้า
ในการทบทวนวรรณกรรมนี้สิ่งที่ศึกษาคืออะไร
เรารวบรวมและวิเคราะห์ผลการศึกษา 11 รายการที่เกี่ยวข้อง เราสนใจในหลายสิ่ง: วิธีที่นักวิจัยกำหนดอาการกำเริบ และการกลับเป็นซ้ำ (เช่น พวกเขาใช้การสัมภาษณ์ทางคลินิก หรือแบบสอบถามรายงานตนเองเพื่อวินิจฉัยอาการซึมเศร้า); ข้อมูลใดที่รวบรวมเพื่อช่วยในการคาดการณ์ เทคนิคที่นักวิจัยใช้เพื่อช่วยในการพัฒนาเครื่องมือ และเครื่องมือคาดการณ์ได้ดีเพียงใด นอกจากนี้เรายังสนใจด้วยว่าเครื่องมือได้รับการทดสอบในกลุ่มผู้เข้าร่วมที่แยกจากกันหรือไม่ ซึ่งเป็นสิ่งสำคัญเพื่อให้แน่ใจว่าแบบจำลองสามารถทำนายได้อย่างแม่นยำในผู้ป่วยในโลกแห่งความเป็นจริง
ในที่สุดเราได้ประเมินการศึกษาเพื่อพิจารณาว่าเราจะมั่นใจในผลลัพธ์ได้เพียงใดจากแนวทางที่นักวิจัยนำมาใช้ (ซึ่งเรียกว่า 'ความเสี่ยงต่อการเกิดอคติ') และความเกี่ยวข้องของการศึกษาต่อการทบทวนของเรา (ซึ่งเรียกว่า 'การนำไปใช้')
ผลลัพธ์หลักของการทบทวนวรรณกรรมนี้คืออะไร
เราพบการศึกษา 11 รายการ การศึกษา 10 รายการพัฒนาแบบจำลอง และการศึกษา 1 รายการ ทดสอบ 1 โมเดลที่พัฒนาในการศึกษาก่อนหน้านี้ ไม่สามารถรวมผลลัพธ์สำหรับเครื่องมือใด ๆ โดยเฉพาะได้
การศึกษา 10 จาก 11 รายการได้รับการจัดอันดับที่มีความเสี่ยงสูงต่อการเกิดอคติ ซึ่งหมายความว่าเราไม่สามารถมั่นใจในผลลัพธ์ที่นำเสนอได้เนื่องจากปัญหาบางประการเกี่ยวกับวิธีการศึกษาที่ดำเนินการ ปัญหาที่พบบ่อยที่สุดคือมีผู้เข้าร่วมในการศึกษาไม่เพียงพอ ปัญหาทั่วไปอื่น ๆ ที่เกี่ยวข้องกับวิธีการทางสถิติที่นักวิจัยใช้
การศึกษา 1 รายการมีความเสี่ยงในการเกิดอคติโดยรวมต่ำ ซึ่งหมายความว่าเราสามารถมั่นใจในผลการวิจัยได้มากขึ้น อย่างไรก็ตามเครื่องมือนี้ไม่สามารถคาดการณ์ได้อย่างแม่นยำเกี่ยวกับการกำเริบของโรคหรือการกลับเป็นซ้ำ
เราไม่พบการศึกษาที่สามารถใช้ในการปฏิบัติทางคลินิก จำเป็นต้องมีงานเพิ่มเติมเพื่อพัฒนาเครื่องมือในการทำนายการกำเริบของโรคหรือการกลับเป็นซ้ำของภาวะซึมเศร้า
ความเป็นปัจจุบันของการทบทวนนี้เป็นอย่างไร
การสืบค้นวรรณกรรมสำหรับการทบทวนวรรณกรรมนี้เสร็จสมบูรณ์ในเดือนพฤษภาคม 2020
Read the full abstract
การกำเริบของโรค (การเกิดขึ้นอีกครั้งของอาการซึมเศร้าหลังจากการดีขึ้นระดับหนึ่ง แต่ก่อนการหาย) และการกลับเป็นซ้ำ (การเริ่มมีอาการซึมเศร้าครั้งใหม่หลังการหาย) เป็นเรื่องปกติในภาวะซึมเศร้า นำไปสู่ผลลัพธ์และคุณภาพชีวิตที่แย่ลงของผู้ป่วย และมีค่าใช้จ่ายที่สูงต่อสังคม ผลลัพธ์สามารถทำนายได้โดยใช้แบบจำลองการพยากรณ์หลายตัวแปร (multivariable prognostic model) ซึ่งใช้ข้อมูลเกี่ยวกับตัวทำนายหลายตัวเพื่อสร้างการประมาณความเสี่ยงเป็นรายบุคคล ความสามารถในการทำนายการกำเริบของโรคหรือการกลับเป็นซ้ำได้อย่างถูกต้องในขณะที่ผู้ป่วยยังอยู่ในเกณฑ์ดี (ในการบรรเทาอาการ) จะช่วยให้สามารถระบุบุคคลที่มีความเสี่ยงสูงและอาจปรับปรุงผลการรักษาโดยรวมสำหรับผู้ป่วยโดยการจัดวิธีการที่มีประสิทธิภาพมากขึ้นเพื่อป้องกันการกำเริบของโรคและการกลับเป็นซ้ำ
วัตถุประสงค์
เพื่อสรุปประสิทธิภาพการทำนายของแบบจำลองการพยากรณ์โรคที่พัฒนาขึ้น เพื่อทำนายความเสี่ยงของการกำเริบของโรค การกลับเป็นซ้ำ การบรรเทาอาการ หรือการฟื้นตัวอย่างต่อเนื่องในผู้ใหญ่ที่เป็นโรคซึมเศร้าที่มีคุณสมบัติตรงตามเกณฑ์สำหรับการบรรเทาอาการ หรือการหาย
วิธีการสืบค้น
เราค้นหา Cochrane Library (ฉบับปัจจุบัน); Ovid MEDLINE (1946 เป็นต้นไป); Ovid Embase (1980 เป็นต้นไป); Ovid PsycINFO (1806 เป็นต้นไป); และ Web of Science (1900 เป็นต้นไป) จนถึงพฤษภาคม 2020 นอกจากนี้เรายังค้นหาแหล่งที่มาของ grey literature คัดกรองรายการอ้างอิงของการศึกษาที่รวมไว้ และทำการสืบค้นหาการอ้างอิงไปข้างหน้า เราไม่มีข้อจำกัดในการกำหนดเกณฑ์การสืบค้นเกี่ยวกับวันที่ ภาษา หรือสถานะการตีพิมพ์
เกณฑ์การคัดเลือก
เรารวมการพัฒนาและการตรวจสอบภายนอก (การทดสอบประสิทธิภาพของโมเดลในข้อมูลแยกต่างหากจากข้อมูลการพัฒนา) การศึกษาแบบจำลองการพยากรณ์หลายตัวแปร (รวมถึงตัวทำนาย 2 ตัวขึ้นไป) เพื่อทำนายการกำเริบของโรค การกลับเป็นซ้ำ การบรรเทาอาการอย่างต่อเนื่อง หรือการฟื้นตัวในผู้ใหญ่ (อายุ 18 ปีขึ้นไป ) ด้วยภาวะซึมเศร้าที่ดึขึ้น ในสภาพแวดล้อมทางคลินิกต่างๆ ๆ เราได้รวมการศึกษาทุกแบบ และยอมรับคำจำกัดความทุกอย่าง ของการกำเริบของโรค การกลับเป็นซ้ำ และผลลัพธ์อื่น ๆ ที่เกี่ยวข้อง เราไม่ได้ระบุแบบจำลองการพยากรณ์เปรียบเทียบ
การรวบรวมและวิเคราะห์ข้อมูล
ผู้ประพันธ์การทบทวนวรรณกรรม 2 คน คัดกรองข้อมูลอ้างอิง ดึงข้อมูล (โดยใช้ CHecklist สำหรับการประเมินที่สำคัญ และการคัดลอกข้อมูลเพื่อการทบทวนการศึกษาแบบจำลองการทำนายอย่างเป็นระบบ (CHARMS)); และประเมินความเสี่ยงของอคติ ของการศึกษาที่รวมไว้ (โดยใช้แบบจำลองการทำนาย Risk Of Bias ASsessment Tool (PROBAST)) โดยอิสระต่อกัน เราได้ส่งต่อความไม่เห็นด้วยใด ๆ ไปยังผู้ประพันธ์การทบทวนวรรณกรรมคนที่ 3 ในกรณีที่เราพบการศึกษาการตรวจสอบความถูกต้องภายนอกที่เพียงพอ (10 หรือมากกว่า) ของแต่ละแบบจำลอง เราได้วางแผนที่จะทำ meta-analysis ของประสิทธิภาพการคาดการณ์ โดยเฉพาะในส่วนที่เกี่ยวกับการสอบเทียบ (ความน่าจะเป็นที่คาดการณ์นั้นตรงกับสัดส่วนที่สังเกตได้ของแต่ละบุคคลที่มีผลลัพธ์มากเพียงใด) และการเลือกปฏิบัติ (ความสามารถของแบบจำลองในการแยกความแตกต่างระหว่างผู้ที่มีและไม่มีผลลัพธ์) คำแนะนำไม่สามารถผ่านการตรวจสอบโดยใช้ระบบ GRADE เนื่องจากยังไม่มีคำแนะนำสำหรับการตรวจสอบแบบจำลองการพยากรณ์
ผลการวิจัย
เราพบการศึกษาแบบจำลองการพยากรณ์โรคที่เข้าเกณฑ์ 11 รายการ (แบบจำลองการพยากรณ์โรคเฉพาะ 10 แบบ) มี 7 รายการคือการศึกษา; การพัฒนาแบบจำลอง; 3 รายการคือการพัฒนาแบบจำลองและการศึกษาการตรวจสอบภายนอก และอีก 1 รายการเป็นการศึกษาเพื่อตรวจสอบความถูกต้องภายนอกเท่านั้น ไม่มีการประมาณค่าการวัดประสิทธิภาพหลายแบบสำหรับโมเดลใด ๆ และ meta-analysis จึงไม่สามารถทำได้ การศึกษา 10 ใน 11 รายการได้รับการประเมินว่ามีความเสี่ยงของการมีอคติโดยรวมสูง จุดอ่อนที่พบบ่อย ได้แก่ ขนาดตัวอย่างไม่เพียงพอ การจัดการข้อมูลที่ขาดหายไปอย่างไม่เหมาะสม และขาดข้อมูลเกี่ยวกับ discrimination และ calibration บทความ 1 รายการ (Klein 2018) มีความเสี่ยงของการมีอคติโดยรวมในระดับต่ำ และนำเสนอแบบจำลองการพยากรณ์โรคซึ่งรวมถึงตัวทำนายต่อไปนี้: จำนวนครั้งของการซึมเศร้าก่อนหน้านี้ อาการซึมเศร้าที่เหลือ และความรุนแรงของอาการซึมเศร้าครั้งสุดท้าย ประสิทธิภาพการคาดการณ์ของแบบจำลองนี้ไม่ดีเมื่อนำไปใช้กับกลุ่มประชากรอื่น (C-statistic 0.59; calibration slope 0.56; ไม่ได้รายงานช่วงความเชื่อมั่น) ไม่มีการศึกษาใดที่พบ ได้ตรวจสอบประโยชน์ทางคลินิก (ผลประโยชน์สุทธิ) ของแบบจำลองที่พัฒนาขึ้น
ข้อสรุปของผู้วิจัย
จากแบบจำลองการพยากรณ์โรค 10 รายการที่พบ (ใน 11 การศึกษา) มีเพียง 4 รายการเท่านั้นที่มีการตรวจสอบภายนอก (external validation) การศึกษาส่วนใหญ่ (n = 10) ได้รับการประเมินว่ามีความเสี่ยงของการมีอคติโดยรวมสูง และการศึกษา 1 รายการที่มีความเสี่ยงต่ำในการเกิดอคติได้นำเสนอแบบจำลองที่มีประสิทธิภาพในการทำนายต่ำ จำเป็นต้องมีการวิจัยเชิงพยากรณ์ที่ดีขึ้นในเรื่องทางคลินิกนี้โดยการศึกษาในอนาคตจะสอดคล้องกับคำแนะนำแนวทางปฏิบัติที่ดีที่สุดในปัจจุบันสำหรับการพัฒนารูปแบบการพยากรณ์โรค / การตรวจสอบความถูกต้องและการรายงานผลการวิจัยที่สอดคล้องกับการรายงานแบบโปร่งใสของแบบจำลองการทำนายหลายตัวแปรสำหรับการพยากรณ์โรคหรือการวินิจฉัยส่วนบุคคล (TRIPOD)
แปลโดย ศ.นพ.ภิเศก ลุมพิกานนท์ ภาควิชาสูติศาสตร์และนรีเวชวิทยา คณะแพทยศาสตร์ มหาวิทยาลัยขอนแก่น 17พฤษภาคม 2021
