GRADE：证据质量和推荐强度分级的共识

GRADE工作组致中国读者:推荐分级的评估、制定与评价(GRADE)工作组已取得长足进步。我们制定了系列指南文件,除发表文章外,该非正式组织已经发展成为一个评价证据、转化卫生保健领域知识用以指导决策者的智囊团。80余位国际专家研究和制定了该评价系统。正如其他科学一样,证据评价和指南制定科学不会停滞不前。经过十年发展,GRADE的工作将借助中国Cochrane中心的推广在中国的卫生保健领域更加广为人知。GRADE工作组的成员期待与中国的指南制定组织、方法学家、临床医生和决策者合作,实现我们的共同目标:人人享有更好的卫生保健。中国Cochrane中心翻译GRADE工作组在BMJ上发表的系列文章,是朝这个方向迈出的重要一步,也是对下一步在中国推广GRADE工作的直接贡献。感兴趣的读者可登录我们的网站www.gradeworkinggroup.org和在以下网址获取我们的软件GRADEprohttp://www.cc-ims.

意见不一致时的策略：应用GRADE网格对临床实践指南达成共识

指南制定委员会的结构庞大和多元化使达成共识变得困难。Roman Jaeschke及其同事阐述了一种达成共识的简单方法，即当无法取得一致时，应用GRADE网格对临床实践指南达成共识。

GRADE:从证据到推荐

GRADE系统将指南中的推荐分为强弱两级。本文旨在探索这种分级的含义及对患者、临床医生、政策制定者各自的意义。

GRADE：什么是“证据质量”？为什么它对临床医生重要？

指南制定者们利用各式各样的系统对证据质量进行分级，并据此给出他们的推荐意见。但这些分级系统有些过于简单，有的不易理解，还有的尽管详细却很复杂。

诊断性试验和策略的证据质量和推荐强度的分级

GRADE系统能对诊断性试验或策略的证据质量和推荐强度进行分级。本文旨在阐释在此过程中如何考虑患者的重要结局，

GRADE：在推荐分级中体现对资源利用的考虑

指南小组成员对资源利用是否会影响个体患者的治疗决策有不同看法。由于医疗费用上涨，必须考虑资源利用的影响，但指南小组成员可能会发现这有很大的挑战性。

GRADE指南：Ⅴ.证据质量评价--发表偏倚

GRADE方法中,随机试验起评即为高质量证据,观察性研究起评即为低质量证据;但若证据本身存在高发表偏倚风险,则两者证据质量级别都应降低。即使最佳证据汇总表纳入的各项研究仅有低发表偏倚风险,发表偏倚仍会极大高估效应值。当可得证据来自小样本研究、且多数由厂商资助时,作者应怀疑存在发表偏倚。若干基于检验数据类型的方法可用于评价发表偏倚,其中最常用的为漏斗图,但这些方法都有较大局限。发表偏倚可能较常见,必须特别关注早期结果、对样本量与事件数都很小的早期试验结果尤需小心。

GRADE指南：Ⅰ.导论--GRADE证据概要表和结果总结表

本文是GRADE(Grading of Recommendations Assessment,Development,and Evaluation)系列文章的导论。该系列文章为使用GRADE系统提供指导,介绍如何将该系统用于系统评价、卫生技术评估(HTAs)及临床实践指南中备选方案的证据质量评价和推荐强度评级。GRADE方法始于提出一个明晰的问题,包括对所有重要结果的详细说明。证据被收集和汇总后,GRADE提供了明确的标准来评价其质量,包括研究设计、偏倚风险、不精确性、不一致性、间接性及效应量大小。根据支撑证据质量及备选方案带来的预期和非预期结果间的平衡情况,推荐强度以强/弱(或表述为"有条件的"/"任意的")作为特征。GRADE建议用简洁、透明、信息量丰富的结果总结表来汇总证据(以显示证据质量及每一重要结果的相对效应量和绝对效应量),和(或)以证据概要表形式额外提供证据质量评价理由的详细信息。本系列的后续文章涉及如何采用GRADE方法明确构建问题、评价证据质量及形成推荐意见。

GRADE指南：Ⅲ.证据质量分级

本文介绍证据质量分级的GRADE方法。GRADE将证据质量分为高、中、低和极低四个级别。该分级应用于证据群,而非针对个别研究。系统评价中,质量反映了我们认为效应估计值正确的把握度。对推荐意见而言,质量反映了我们认为效应估计值足以支持某特定推荐的把握度。随机对照试验初定为高质量证据,观察性研究初定为低质量证据。GRADE中所使用的质量一词不只是意味着偏倚风险,还可能受研究结果的不精确性、不一致性和间接性,及发表偏倚的影响。此外,若干因素可增加我们对效应估计值的把握度。GRADE提供了一种系统方法来思考并报告各因素。GRADE将评估证据质量的过程与给出推荐建议的过程分开。推荐强度的判断不仅依赖于证据质量。

GRADE指南：Ⅵ.证据质量评价--不精确性(随机误差)

GRADE建议通过检查95%可信区间(CI)为决定不精确性的最佳方法。在指南实际运用中,如果CI的上、下限值代表了真实效应,而临床实际情况与之不符时,必须降低证据质量级别(即对效应估计值的把握度)。除外当效应值很大且可信区间提示效应稳健,而总样本量不大且事件数很少的情况,其他应考虑因不精确性而降低证据质量级别。作此决定时,可计算有足够检验效能的单个试验所需的病例数(定义为"最优信息样本量",即optimal information size,OIS)。对连续型变量,我们建议用类似方法,首先考虑可信区间上、下限值,再计算OIS。系统评价(SR)所需方法略有不同。如果95%CI不包括相对危险度(RR)为1,且总事件发生数或病例数超过OIS标准,则精确性良好。如果95%CI包括了明显获益或危害(我们建议以RR值<0.75或>1.25作粗标准),即使达到OIS要求,因不精确性而降低证据质量级别较恰当。

GRADE指南：Ⅶ.证据质量评价--不一致性

本文针对二分类变量结局指标相对(而非绝对)治疗效果的不一致性。证据本身不会因不同研究结果具有一致性而升级,但可能因不一致而降低质量级别。衡量一致性的标准包括点估计值的相似性、可信区间的重叠程度以及统计学判定标准包括异质性检验和I2。系统评价作者应提出并检验少数几个与患者、干预措施、结局指标以及方法学相关的先验假设以探寻异质性来源。当不一致性很大且无法解释时,因不一致性而降低质量级别是恰当的,特别当某些研究显示有显著益处而其他显示无益甚至有害时(而非仅是疗效大与疗效小的比较)。明显的亚组效应可能不可靠。如果亚组效应满足以下条件,其可信度将会增加:基于少数几个有具体方向的先验假设、亚组比较来自研究内而非研究间、交互检验的P值小、结果有生物学意义。

GRADE指南：Ⅷ.证据质量评价--间接性

直接证据来自直接比较我们关注的干预措施用于我们关注的患者人群,并测量患者重要结局的研究。间接证据可由以下4种方式之一产生。第一,患者可能与我们关注的患者不同(适用性一词常用于这类间接性)。第二,所检验的干预措施可能与我们关注的干预措施不同。有关患者和干预措施间接性的决策取决于对生物或社会因素差异是否大到可能使效应尺度出现预期的较大差异的考虑。第三,结果可能有别于最初设定的结局指标——如替代结果本身不重要,但测量之是基于替代结果的变化反映患者重要结局变化这一假设。第四类间接性在概念上与前三类不同,发生于临床医生必须在未经直接比较的两种干预措施间做出选择时。这种情况下比较治疗方案需要特定的统计方法,并根据患者人群、联合干预措施、结局测量指标及备选干预措施试验方法的差异程度,将证据级别降低1或2级。

GRADE指南：Ⅳ.证据质量分级--研究的局限性(偏倚风险)

在GRADE方法中,若多数相关证据来自高偏倚风险的研究,则起初被定为高质量证据的随机试验和低质量证据的观察性研究均有可能被降低质量等级。随机试验已确定的局限性包括:未进行分配隐藏、未实施盲法、未报告失访情况及未恰当考虑意向性治疗原则。最近提出的局限性包括:因明显获益而早期终止试验和基于结果选择性报告结局。观察性研究的主要局限性包括使用不合适的对照及未能充分调整预后的不平衡。偏倚风险可因不同结果而异(如全死因死亡率的失访远少于生命质量的失访),许多系统评价都容易忽略这一点。在决定是否因偏倚风险而降低质量等级时,不管是随机试验还是观察性研究,作者不应采用对各个研究取平均值的方法。相反,对任何单个结果,当同时存在高、低偏倚风险的研究时,则应考虑只纳入较低偏倚风险的研究。

GRADE指南：Ⅱ.构建问题、确定重要结果

GRADE要求明确说明相关的背景、人群、干预措施和对照,同时要求不论研究结果能否形成证据,均需详述所有重要结果。对某一特定管理问题,人群、干预措施及结果应在不同研究间足够类似,才能认为得到相似的效应量合乎情理。指南制定者在收集证据前应先详细说明各结局的相对重要性,同样地,证据总结完成时也需要详细说明这一点。考虑到替代结局的重要性,对采用替代指标描述且对患者很重要的结局,作者应评估其重要性,并进而降低这种间接结果的证据质量等级。

GRADE指南：Ⅸ.证据质量升级

证据质量升级的最常见原因是效应量大。当方法学严谨的观察性研究表明风险至少降低或增加2倍时,GRADE建议考虑将证据质量升高1级;当风险至少降低或增加5倍时,考虑将证据质量升高2级。当存在剂量-反应关系,或所有合理的混杂、偏倚会降低明显的治疗效应,或混杂、偏倚使得结果无效为假效应时,系统评价作者和指南制定者也可考虑升高证据质量。其他考虑因素包括起效迅速、潜在的疾病(状态)趋势以及间接证据。