Médecine basée sur les évidences

De Wikimedica
Aller à la navigation Aller à la recherche
Médecine basée sur les évidences (EBM)
Concept
Informations
Autres noms Médecine factuelle
Wikidata ID Q691640
Spécialité Épidémiologie

OOjs UI icon help-ltr.svgPage non révisée par un comité éditorial

La médecine basée sur les évidences (EBM) est l'utilisation de la méthode scientifique pour organiser et appliquer les données actuelles afin d'améliorer les décisions en matière de soins de santé. Ainsi, la meilleure science disponible est combinée à l'expérience clinique du professionnel de la santé et aux valeurs du patient pour arriver à la meilleure décision médicale pour le patient[1].

Il y a 5 étapes principales pour appliquer l'EBM à la pratique clinique[2][3][4]:

  1. Définition d'une question cliniquement pertinente
  2. Recherche des meilleures preuves
  3. Évaluation critique des preuves
  4. Application des preuves
  5. Évaluation des performances

La médecine factuelle peut également être appliquée à une population afin de générer des recommandations pour la population sur la base des preuves médicales actuelles. Les recommandations de population sont généralement classées en fonction de la science sous-jacente aux lignes directrices. Divers systèmes de notation existent, et ces systèmes classent les recommandations des preuves solides (pour soutenir les lignes directrices) à des preuves médiocres ou inexistantes (pour soutenir les lignes directrices avec différents niveaux de soutien entre les deux). [1]

1 Processus[modifier | w]

L'EBM commence par une question clinique. Une fois la question clinique formulée, des preuves scientifiques pertinentes sont recherchées en rapport avec la question clinique. Les preuves scientifiques comprennent les résultats d'études et les opinions d'expert. Toutes les données n'ont pas la même force. Les recommandations d'un expert ne sont pas aussi solides que les résultats d'une étude bien menée, qui n'est pas aussi intéressant qu'une méta-analyse ou revue systématique. Ainsi, en médecine factuelle, les niveaux de preuves ou de données doivent être classés en fonction de leur force relative. Des preuves plus solides devraient être davantage prises en compte lors de la prise de décisions cliniques.[1]

Les preuves sont généralement stratifiées en six niveaux différents: [1]

  1. Niveau IA: preuves obtenues à partir d'une méta-analyse d'essais randomisés multiples, bien conduits et bien conçus. Les essais randomisés fournissent certaines des preuves cliniques les plus solides, et si celles-ci sont répétées et les résultats combinés dans une méta-analyse, les résultats globaux sont supposés être encore plus solides.
  2. Niveau IB: preuves obtenues à partir d'un seul essai contrôlé randomisé bien menée et bien conçue.
  3. Niveau IIA: preuves d'au moins une étude contrôlée non randomisée bien conçue et exécutée. Lorsque la randomisation ne se produit pas, il peut y avoir plus de biais introduit dans l'étude.
  4. Niveau IIB: les preuves constituent au moins une étude cas-témoins ou de cohorte bien conçue[note 1].
  5. Niveau III: preuves d'au moins une étude non expérimentale. En règle générale, les données de niveau III comprennent des séries de cas ainsi que des études cas-témoins ou de cohorte mal conçues.
  6. Niveau IV: avis d'experts d'autorités respectées sur le sujet sur la base de leur expérience clinique.[1]

1.1 Validité clinique[modifier | w]

Toutes les études cliniques ou preuves scientifiques peuvent être classées dans l'une des catégories ci-dessus. Le clinicien doit ensuite utiliser son expérience clinique professionnelle pour extrapoler les preuves scientifiques telles qu'elles s'appliquent au patient spécifique. La plupart des études cliniques ont des critères d'inclusion et d'exclusion spécifiques ainsi qu'une population spécifique étudiée. Le plus souvent, le patient traité par le clinicien présentera une ou plusieurs différences substantielles par rapport à la population de l'étude. Le prestataire médical doit ensuite utiliser son jugement clinique pour déterminer en quoi les variations entre le patient et la population étudiée sont importantes ou non et comment elles affectent l'application des résultats de l'étude au patient spécifique.

Par exemple, un patient spécifique peut être une femme de 70 ans ayant des antécédents d'hyperlipidémie et un nouveau diagnostic d'hypertension qui examine les options de traitement de l'hypertension. Le clinicien peut trouver un bon essai contrôlé randomisé portant sur les médicaments pour contrôler l'hypertension, mais les critères d'inclusion de l'étude étaient une population de 18 à 65 ans. Le clinicien devrait-il ignorer les résultats car le patient spécifique ne correspond pas aux données démographiques de l'étude? Le clinicien devrait-il ignorer la différence d'âge entre le patient spécifique et la population étudiée? C'est là que le jugement clinique aide à combler le fossé entre les preuves scientifiques pertinentes et le patient spécifique à traiter.[1]

Enfin, les cliniciens utilisant la médecine factuelle doivent replacer toutes les informations dans le contexte des valeurs ou des préférences du patient. Les valeurs ou préférences du patient peuvent entrer en conflit avec certaines des options possibles. Même des preuves solides soutenant un traitement spécifique peuvent ne pas être compatibles avec les préférences du patient et, par conséquent, le clinicien peut ne pas recommander le traitement au patient. De plus, le traitement peut ne pas s'appliquer au patient en particulier.[1]

A titre d'exemple, un patient peut avoir une forme particulière de cancer. Les preuves de niveau IA peuvent suggérer que l'espérance de vie peut doubler de 8 à 16 mois avec la chimiothérapie. La chimiothérapie a des effets secondaires importants. Le patient peut trouver ces effets secondaires inacceptables et choisir de ne pas poursuivre de chimiothérapie secondaire aux préférences et aux valeurs spécifiques du patient.[1]

Une fois la question clinique formulée, les informations scientifiques pertinentes évaluées et le jugement clinique utilisé pour appliquer les preuves scientifiques pertinentes au patient spécifique et à leurs valeurs, le résultat doit être évalué. La dernière étape est une réévaluation du patient et des résultats cliniques après application des informations appliquées. L'intervention a-t-elle aidé? Les résultats étaient-ils conformes aux attentes? Quelles nouvelles informations sont obtenues? Comment ces informations peuvent-elles être appliquées aux situations et aux patients futurs? [1]

La médecine factuelle commence par la question clinique et revient à la question clinique à la fin pour voir à quel effet le processus a fonctionné. Sans une réévaluation continue, le prestataire médical ne sera pas sûr si l'impact qu'ils ont est positif ou négatif. La médecine factuelle est une roue d'amélioration perpétuelle plutôt qu'un processus linéaire ponctuel.[1]

2 Critiques[modifier | w]

Page principale: Biais

Il existe de nombreuses critiques de la médecine factuelle[5][6][7][8][9].

2.1 Biais de publication[modifier | w]

La médecine factuelle est basée sur les résultats publiés, ce qui donne plus de poids aux preuves de classe I et II. De nombreuses études ont montré que les résultats positifs sont plus susceptibles d'être publiés que les résultats négatifs. Cela conduit à un biais de publication des études à résultats positifs qui peut fausser les preuves disponibles. De plus, les études financées par les entreprises sont plus susceptibles d'être publiées pour pousser à l'utilisation du médicament ou du dispositif étudié, ce qui peut également fausser les preuves disponibles.[1]

2.2 Biais d'essai randomisé contrôlé[modifier | w]

La médecine factuelle place le poids le plus élevé dans les essais contrôlés randomisés. Bien que ces essais contrôlés randomisés puissent fournir des preuves solides, un essai contrôlé randomisé n'est pas toujours possible ou faisable. Si un processus pathologique a une prévalence très faible, il peut être extrêmement prohibitif, voire impossible, d'obtenir suffisamment de participants pour une étude.[1]

Par exemple, la progeria est une maladie rare avec une incidence d'environ un sur quatre à huit millions de naissances vivantes et une durée de vie moyenne de 14 ans. Avec une population mondiale d'environ 7,6 milliards d'habitants et un taux de natalité annuel de 18,5 naissances pour 1 000 personnes par an, il n'y aurait que 100 à 400 individus au total atteints de progeria dans le monde. Avec si peu de patients, il est impossible de mener un essai contrôlé randomisé qui produirait des résultats significatifs.[1]

Comme deuxième exemple, considérons les implications éthiques des essais contrôlés randomisés. Un article de Smith et al. (2003)[note 2], soutient que nous tenons pour acquis que les parachutes aident à prévenir les blessures et à sauver des vies après qu'une personne saute d'un avion. Cette observation de bon sens n'a pas encore été étudiée et prouvée avec un essai contrôlé randomisé. L'article soutient que les gens devraient accepter certaines idées de bon sens et que les essais contrôlés randomisés ne sont pas toujours nécessaires. Après tout, les chercheurs peuvent-ils facilement trouver des puristes de la médecine factuelle qui seraient prêts à s'inscrire à un essai randomisé, croisé et contrôlé par placebo testant l'utilité des parachutes pour réduire les blessures ou la mort après avoir sauté d'un avion? [1]

Enfin, il y a beaucoup plus de questions cliniques que d'essais contrôlés randomisés. Les nombreuses questions qui conviennent à un essai contrôlé randomisé bien conçu et bien mené dépassent de loin les ressources disponibles pour mener les essais. Nous devons admettre que les ressources sont limitées et que leur consacrer du temps à toutes les questions cliniques possibles ou à toutes les configurations d'importance clinique peut ne pas être pratique ou souhaitable et nous devrions plutôt consacrer ces ressources à nous concentrer sur des questions cliniques à plus fort impact.

2.3 Délai[modifier | w]

Un essai contrôlé randomisé bien conçu et bien mené prend du temps à concevoir, à réaliser et à rapporter. Il peut y avoir des changements importants dans le paysage médical entre le moment où l'essai est conçu et lancé et celui où les résultats sont publiés. Plus d'une fois, une étude a cherché à examiner un schéma de chimiothérapie pour un cancer spécifique uniquement pour que ce schéma de chimiothérapie soit obsolète et supplanté au moment de la publication des résultats de l'essai.[1]

2.4 Valeurs[modifier | w]

Bien que les valeurs des patients soient explicites dans le modèle de la médecine factuelle, de nombreux professionnels de la santé omettent ou minimisent les valeurs des patients. Il n'est pas rare que le fournisseur de soins de santé reconnaisse le problème médical, effectue l'examen, évalue et assimile les informations scientifiques pertinentes et met en œuvre une intervention sans trop prendre en compte les valeurs du patient. Il est facile pour les prestataires de se laisser emporter par la mise en œuvre des «meilleures preuves» ou des «meilleures pratiques» avant de comprendre en quoi celles-ci correspondent ou contredisent les valeurs du patient.

3 Notes[modifier | w]

  1. Toutes les questions cliniques ne peuvent pas être étudiées de manière efficace ou éthique avec une étude contrôlée randomisée.
  2. Un article fictif.

4 Références[modifier | w]

  1. 1,00 1,01 1,02 1,03 1,04 1,05 1,06 1,07 1,08 1,09 1,10 1,11 1,12 1,13 et 1,14 Steven Tenny et Matthew Varacallo, StatPearls, StatPearls Publishing, (PMID 29262040, lire en ligne)
  2. David L. Sackett, William M. C. Rosenberg, J. A. Muir Gray et R. Brian Haynes, « Evidence based medicine: what it is and what it isn't. 1996 », Clinical Orthopaedics and Related Research, vol. 455,‎ , p. 3–5 (ISSN 0009-921X, PMID 17340682, lire en ligne)
  3. D. L. Sackett et S. E. Straus, « Finding and applying evidence during clinical rounds: the "evidence cart" », JAMA, vol. 280, no 15,‎ , p. 1336–1338 (ISSN 0098-7484, PMID 9794314, DOI 10.1001/jama.280.15.1336, lire en ligne)
  4. D. L. Sackett, « Evidence-based medicine », Spine, vol. 23, no 10,‎ , p. 1085–1086 (ISSN 0362-2436, PMID 9615357, DOI 10.1097/00007632-199805150-00001, lire en ligne)
  5. Ana Fernandez, Joachim Sturmberg, Sue Lukersmith et Rosamond Madden, « Evidence-based medicine: is it a bridge too far? », Health Research Policy and Systems, vol. 13,‎ , p. 66 (ISSN 1478-4505, PMID 26546273, Central PMCID 4636779, DOI 10.1186/s12961-015-0057-0, lire en ligne)
  6. Ralph I. Horwitz, Mary E. Charlson et Burton H. Singer, « Medicine based evidence and personalized care of patients », European Journal of Clinical Investigation, vol. 48, no 7,‎ , e12945 (ISSN 1365-2362, PMID 29700817, DOI 10.1111/eci.12945, lire en ligne)
  7. Ashley E. Wivel, Kate Lapane, Christi Kleoudis et Burton H. Singer, « Medicine Based Evidence for Individualized Decision Making: Case Study of Systemic Lupus Erythematosus », The American Journal of Medicine, vol. 130, no 11,‎ , p. 1290–1297.e6 (ISSN 1555-7162, PMID 28711556, DOI 10.1016/j.amjmed.2017.06.013, lire en ligne)
  8. Tom Jefferson, Peter Doshi, Isabelle Boutron et Su Golder, « When to include clinical study reports and regulatory documents in systematic reviews », BMJ evidence-based medicine, vol. 23, no 6,‎ , p. 210–217 (ISSN 2515-4478, PMID 30309870, DOI 10.1136/bmjebm-2018-110963, lire en ligne)
  9. Ralph I. Horwitz et Burton H. Singer, « Why evidence-based medicine failed in patient care and medicine-based evidence will succeed », Journal of Clinical Epidemiology, vol. 84,‎ , p. 14–17 (ISSN 1878-5921, PMID 28532612, DOI 10.1016/j.jclinepi.2017.02.003, lire en ligne)

Les sections suivantes sont remplies automatiquement et se peupleront d'éléments à mesure que des pages sont crées sur la plateforme. Pour participer à l'effort, allez sur la page Gestion:Contribuer. Pour comprendre comment fonctionne cette section, voir Aide:Fonctions sémantiques.