Rätt urval viktigt vid kliniska studier

I en nypublicerad analys utvärderades 458 kliniska randomiserade prövningar inom tandimplantat för att hitta tecken på icke slumpmässigt urval av deltagare. Sammanlagt 1 538 randomiserade kliniska studier utförda 2005 till 2020 hittades med litteratursökning. Slutligen kvarstod 458 studier där det fanns tillräckligt underlag i baslinjedata, mätvärden hos deltagare vid studiens början, innan behandling.
En snedfördelning jämfört med förväntat upptäcktes, där en liten andel studier avvek. Artikelförfattarna tolkar det som att dessa studier möjligen kan haft ett icke slumpmässigt urval. Samtidigt går det inte att peka ut enskilda studier med denna metod. De noterade att när man grupperar förregistrerade studier och industrisponsrade studier tycks de ha mindre risk för att avvika från den förväntade fördelningen, medan gruppen multicenterstudier har högre risk.

Lotta Ryk, projektledare och statistiker på Statens beredning för medicinsk och social utvärdering (SBU), manar till försiktighet i att tolka resultatet.
– Metoden är relativt grov. Den tar inte hänsyn till faktorer som kan förklara de möjliga avvikelserna från slumpfördelning, som till exempel att man i studierna kan ha använt stratifierad randomisering och att baslinjevärden kan vara beroende av varandra.
Hon pekar på att kliniska studier sällan använder sig av den enkla randomisering som metoden i artikeln förutsätter. I stället är det vanligt att man gör stratifieringar utifrån olika medicinska center eller blockrandomiseringar.
– Det går inte att utifrån den här metoden direkt säga vad eventuella avvikelser från förväntade värden vid baslinjen efter randomisering beror på, eller om de redan har hanterats av studien på något lämpligt sätt.

Baslinjedata borde redovisas

Lotta Ryk håller dock med forskarna i studien om att baslinjedata alltid borde redovisas. Studien uppmärksammar att en fjärdedel (26 procent) av de 1 538 studierna inte alls rapporterat baselinjedata.

– Det är tyvärr inte ovanligt att man inte har med det, även inom andra medicinska områden, berättar Helena Domeij, tandläkare och projektledare på SBU.
Baslinjedata är viktigt för att utvärdera studien som helhet. Trots randomisering kan grupperna bli olika.
– Ibland kanske man randomiserar i anslutning till en behandling och först efteråt ser att grupperna blev olika, att deras medel skiljer sig även före behandling.

För få deltagare

För få deltagare kan vara en anledning till att behandlings- och kontrollgrupper blir för olika i variabler som kön, ålder, sjukdomshistoria och grad av sjukdom.
Problem med snett urval kan ibland hanteras om man tar in det i analysen av resultaten.
– Man behöver resonera kring sina resultat utifrån om randomiseringen blev bra och ta med det resonemanget i artikeln, påpekar Helena Domeij.