Door Marie Johnston en Derek Johnston, University of Aberdeen, Scotland

Medische deskundigen willen vaak een antwoord op een probleem van één persoon, één gezondheidszorg team, één ziekenhuis, één regio, enz. Het kan bijvoorbeeld belangrijk zijn om te weten hoe vaak een oberse man snacks eet, wanneer en waar hij snackt, en of stress snack gedrag verhoogt. Je wil misschien weten hoe vaak een team van verpleegkundigen niet de regels voor handhygiene opvolgt, of dat vaker is als ze onderbezet zijn, en of het ophangen van instructies effect heeft. Je kunt ook een onderzoek doen naar medische fouten om te zien of die vaker voorkomen op sommige afdelingen of bij sommige personeelsgroepen. Op beleidsniveau kan het nuttig zijn te onderzoeken of een nieuwe regel, zoals het rookverbod in de horeca, invloed heeft gehad op het aantal rokers.  

Je kunt deze vragen proberen te beantwoorden door mensen te vragen wat ze denken of zich herinneren, maar het is beter om te vragen of observeren op kritieke momenten om problemen met geheugen of systematische afwijkingen te voorkomen. Nieuwe technologie zoals het bijhouden van gedrag op een smartfoon maakt het gemakkelijker te volgen wat daadwerkelijk op het moment gebeurt, en een N-is-1 studie kan het mogelijk maken antwoord te krijgen op je vraag.

N-is-1 studies kunnen gedaan worden als het probleem herhaaldelijk beoordeeld kan worden om te kijken naar verandering na verloop van tijd. Dan kan het probleem beschreven worden, en kan gekeken worden naar of het beter of slechter gaat onder verschillende omstandigheden. Ook kan een nieuwe interventie of behandeling gestart worden om te kijken of dit het beoogde effect heeft.

De simpelste manier om te kijken naar de data is kijken naar patronen in een grafiek, zoals de grafieken hieronder. Dit is een essentiele stap in N-is-1 analyse, en kan genoeg zijn om het probleem in kaart te brengen. Er zijn ook geavanceerdere statistische analyse methoden voor N-is-1 studies, en steeds complexere methoden worden ontwikkeld (o.a. methoden om dynamische verandering te beoordelen).      

N-is-1 studies gebruiken om het problem te beoordelen

Een studie kan opgezet worden om de ernst of frequentie van een probleem na verloop van tijd te beoordelen. In Figuur 1 varieren angst metingen per dag, maar het is mogelijk een patroon te vinden. Als werkdagen meegenomen worden zien we een verschil tussen de werkweek en het weekend, wat kan betekenen dat deze persoon angstig is op het werk maar niet thuis. Dit kan nuttige informatie zijn om de beste behandeling voor deze patient te kiezen. Toen bijvoorbeeld de stemming en tijdstip van de dag bij een stervende vrouw werd bijgehouden hielp dit patroon om depressie te verlichten. 

De informative die verzameld wordt in deze n-is-1 studies kan niet alleen gebruikt worden om het probleem te beschrijven, maar kan ook meehelpen te verklaren wat we zien. Medische deskundigen kunnen een theorie hebben over de factoren die invloed kunnen hebben op het probleem, en het kan mogelijk zijn om te testen tot op welke hoogte de theorie de geobserveerde fenomeen kan verklaren. In het voorbeeld van de stervende vrouw bevestigde het volgen van haar gedachten en gevoelens de theorie dat haar stemming beinvloed werd door bepaalde gedachten, en dat deze gedachten gekoppeld waren aan ochtend activiteiten.

Figuur 1: N-is-1 studies gebruiken om een problem te beschrijven: blauw zijn angst scores en rood zijn werkdagen, gedurende 24 dagen

N-is-1 studies gebruiken om te bepalen of een gebeurtenis een problem heeft verbeterd of verergerd. 

Problemen kunnen verbeteren of verergeren door natuurlijke of geplande gebeurtenissen zoals een overlijden in de familie, een televisie programma over gezondheid, het sluiten van een fabriek, of zelf door het weer. De hypothetische illustratie in figuur 2 laat een stijging zien van griepafspraken bij huisartsen in de week na een TV programma over dit onderwerp. Het tijdstip van de stijging suggereert dat de stijging niet het gevolg was van een aanstaande epidemie, en dat gezondheidszorg instellingen zich voortaan op zulke stijgingen kunnen voorbereiden als ze weten dat er een TV programma uitgezonden gaat worden. Een n-is-1 analyse van ziekenhuisopnames liet het effect zien van sport – er was een stijging van opnames voor hartproblemen tijdens en vlak na een belangrijke voetbalwedstrijd tijdens de wereldbeker in 1998.

Figuur 2: N-is-1 studies gebruiken om het effect van een gebeurtenis te beoordelen: er zijn ongeveer 40 griepafspraken per dag tot het TV programma (de blauwe pijl) een stijging in huisarts afspraken lijkt te veroorzaken 

N-is-1 studies gebruiken om te beoordelen of een interventie of behandeling het gewenste effect heeft

N-is-1 studies kunnen gebruikt worden om nieuwe interventies te ontwikkelen, zoals klinische- en beleidsinterventies. In het hypothetische voorbeeld in figuur 3 eet een obese patient ongeveer 7 keer per dag een snack. Na de interventie (de rode pijl) vemindert het snacken snel tot 2 keer per dag. 

Vergelijkbare methoden kunnen gebruikt worden om te kijken naar het rookgedrag in een land, en naar de impact van beleidsveranderingen zoals het rookverbod in openbare gebouwen, bijvoorbeeld hoe nationaal beleid rokengedrag beinvloed. 

Een goed voorbeeld van praktisch gebruik van n-is-1 studies om het effect van een interventie te evalueren is beschreven door medische deskundigen in een ziekehuisdisctrict. Ze keken naar het probleem van vertraging in het rapporteren van bijwerkingen tusen 2001 en 2006. Ze vonden dat, hoewel de lengte van de vertraging varieerde, het problematisch was voor hun patient veiligheidsprogramma, en dat de vertraging na verloop van tijd niet minder werd. In 2007 en 2008 werd een programma opgezet waarin erkenning gegeven werd voor een goede performance, wat leidde tot een vermindering van de vertraging en liet zien hoe erkenning bijdroeg aan een tijdige rapportage.

Figuur 3: N-is-1 studies gebruiken om het effect van een interventie te beoordelen: de eerste 15 dagen laat de snack frequentie zien; de interventie die start op dag 16 (aangegeven met de rode pijl) zorgt voor een vermindering van snacken.

Uitdagingen

Dataverzameling kan lasting zijn. Frequente herhaalde metingen kunnen belastend zijn, en kan leiden tot missende data. De huidige ontwikkelingen op het gebied van betaalbare digitale en mobiele technologie (inclusief smartfoons, draagbare technologie, en sensors) maakt dataverzameling makkelijker en betrouwbaarder.

Aanbevelingen

• Gebruik een n-is-1 studie in praktische situaties
  • Om een problem te beschrijven
  • Om het effect van een interventie of gebeurtenis te beoordelen
• Kijk naar een probleem, of een ander relevant fenomeen, dat herhaaldelijk gemeten kan worden
• Interpreteer de data met descriptieve methoden zoals grafieken, of met statistische methoden
• Gratis smartfoon apps die kunnen helpen met dataverzameling zijn beschikbaar

Translated by Anne van Dongen