AssessmentInterventions

Badanie typu N= 1: Czego możemy się dowiedzieć, badając jednostkę

Marie Johnston i Derek Johnston, University of Aberdeen, Szkocja

Praktycy często chcą rozwiązać problem, który dotyczy pojedynczej osoby, jednego zespołu, jednego szpitala lub jednego regionu, itp.. Na przykład, istotne może być przyjrzenie się zwyczajom żywieniowym otyłego mężczyzny: jak często podjada, kiedy i gdzie oraz czy stres nasila to zachowanie. Albo sprawdzenie, jak często członkowie konkretnego zespołu opieki zdrowotnej pomijają higienę rąk, czy dzieje się to częściej, gdy jest za mało personelu i czy instrukcje umieszczone na oddziale poprawiają tę higienę.  Można też eksplorować źródła błędów klinicznych, to znaczy, czy pojawiają się na konkretnych oddziałach, czy popełniają je tylko niektóre grupy pracowników. Można też, już na poziomie polityk publicznych, sprawdzić, jak działa wprowadzenie nowych przepisów, jak na przykład zakaz palenia na wskaźnik palenia.   

Możesz szukać odpowiedzi na powyższe kwestie, bezpośrednio pytając ludzi, co myślą lub pamiętają, ale lepiej jest poprosić o obserwację konkretnych zachowań i zjawisk w określonych momentach i miejscach, aby uniknąć problemów związanych z tendencyjnością odpowiedzi i zapominaniem. Najnowsze osiągnięcia technologiczne, takie jak monitorowanie różnych zjawisk przy użyciu smartfonów, ułatwiają obserwowanie ich dynamiki w czasie rzeczywistym. 

Badania typu N =1 mają jednak sens tylko wówczas, gdy interesujący nas problem daje się oceniać wielokrotnie celem uchwycenia zmian następujących w czasie. Tym samym, można opisać problem i określić, czy w konkretnych okolicznościach ulega on poprawie czy pogorszeniu. Można też wprowadzić interwencję lub leczenie i ocenić, czy przynoszą one zamierzony efekt.

Najprostszą oceną zebranych danych jest obserwacja trendów na wykresie, podobnym do tych, umieszczonych poniżej. Tego typu eksploracja stanowi istotny krok w  analizie wyników badania N = 1 i może być już wystarczająca. Dodatkowo, można zastosować odpowiednie metody analiz statystycznych dla tego typu danych, choć nadal opracowywane są bardziej złożone metody (np. metody oceny dynamiki zmian).

Wykorzystanie badań N= 1 do określenia skali problemu 

Celem tego typu badania może być określenie schematu, powagi lub częstotliwości  pojawiania się problemów w wybranym przedziale czasowym. Na rysunku 1 widzimy, jak zmienia się nasilenie lęku w określonym przedziale czasowym, dodatkowo możliwe jest też wykrycie wzorca tej dynamiki. Włączenie do wykresu kolejnego czynnika, jakim jest obecność w pracy, pozwala na zaobserwowanie różnicy między weekendami i dniami roboczymi. Sugeruje to, że dana osoba może odczuwać napięcie w pracy, ale już nie w domu. Ta informacja może okazać się pomocna w wyborze optymalnej metody oddziaływania dla tej konkretnej osoby. Na przykład, obserwowanie w ciągu dnia nastroju u umierającej kobiety wykazało wzorce, które zostały wykorzystane do złagodzenia objawów depresji.  

Informacje zebrane w badaniach N=1 mogą wykraczać poza opis problemu i pomagać wyjaśniać, obserwowane zjawisko. Klinicysta, bazując na teorii, może mieć hipotezy na temat czynników wpływających na obserwowany problem. Ten sposób dokonywania obserwacji pozwala zatem testować, jak dobrze dana teoria tłumaczy dane zjawisko. W przywołanym już przykładzie umierającej kobiety, obserwacja jej myśli i działań potwierdziła teorię, że na jej nastrój miały wpływ myśli, przy czym te kluczowe były związane z porannymi czynnościami.

Rysunek 1. Wykorzystanie badania N=1 do opisania problemu: lęk (kolor niebieski) i dni robocze (kolor czerwony) w ciągu kolejnych 24 dni.

Wykorzystanie badań N=1 do oceny, czy dane okoliczności modyfikują problem

Problemy mogą ulec poprawie lub pogorszeniu w wyniku pojawienia się losowo występujących lub zaplanowanych zdarzeń, takich jak ślub lub śmierć w rodzinie, zamknięcie fabryki, medialne doniesienia na temat zdrowia, czy też pogoda. Na rysunku 2 przedstawiona jest hipotetyczna sytuacja wzrostu konsultacji lekarskich („grypa”) tydzień po emisji programu telewizyjnego na ten temat, co  sugeruje, że pozostaje to bez związku z faktycznie zwiększoną ilością zachorowań. Służba zdrowia może zatem przewidywać większą liczbę konsultacji medycznych, gdy określony problem medyczny jest nagłaśniany w mediach.

Z kolei analiza typu N=1 w angielskich szpitalach wykazała intrygujący efekt wydarzenia sportowego, mianowicie zanotowano wzrost hospitalizacji z powodów kardiologicznych skojarzony w czasie z ważnym meczem podczas mistrzostw świata w piłce nożnej w roku 1998.

Rysunek 2. Zastosowanie badań N=1 do oceny efektu wydarzenia: około 40 konsultacji dziennie w związku z podejrzeniem grypy aż do momentu emisji programu telewizyjnego (niebieska strzałka) wyraźnie zwiększającego tę liczbę.

Wykorzystanie badań N=1 do oceny, czy  interwencja lub leczenie przynosi oczekiwany efekt

Badania typu N=1 mogą być pomocne w opracowywaniu nowych interwencji, na poziomie klinicznym i publicznym. W hipotetycznym przykładzie na rysunku 3, otyły pacjent spożywa przekąski około siedem razy dziennie; po interwencji wskazanej czerwoną strzałką (np. rozpoczęcie samokontroli niepożądanego zachowania), spożycie przekąsek szybko zmniejsza się do dwu razy dziennie.

Podobne metody mogą być stosowane do badania, jak zakaz palenia w miejscach publicznych wpływa na powszechność palenia w danym kraju, tym samym oceniając efektywność określonej polityki zdrowotnej.

Dobry przykład praktycznego wykorzystania metody N=1 do oceny skutków interwencji został zgłoszony przez lekarzy pewnego szpitala rejonowego. Dla lat 2001-2006 oceniali oni problem opóźnienia w zgłaszaniu zdarzeń niepożądanych. Stwierdzili, że choć opóźnienia bywały różne, to nadal pozostawały problematyczne z punktu widzenia ich programu bezpieczeństwa pacjentów i nie wykazywały poprawy w analizowanym czasie.  W roku 2007 i 2008 wprowadzono zatem program uznawania dobrych praktyk, co doprowadziło do zmniejszenia opóźnień w kolejnych latach.

Rysunek 3. Wykorzystanie badań typu N=1 do oceny efektu interwencji: pierwsze 15 dni pokazuje ilość przekąsek, wprowadzenie samokontroli od 16. dnia (czerwona strzałka) skutkuje zmniejszeniem ilości przekąsek. 

Wyzwania stojące przed badaniami N=1

Gromadzenie danych może być trudne. Powtarzane pomiary bywają uciążliwe, co skutkować  może sporymi brakami danych. Jednak szybki rozwój przystępnych cenowo technologii cyfrowych i mobilnych, w tym smartfonów, sensorów i sprzętów monitorujących, sprawia, że zbieranie danych jest coraz łatwiejsze i rzetelniejsze.

Zalecenia praktyczne 

  • Wykorzystuj badania N=1 w praktyce klinicznej, aby:
    • opisać i ocenić problem, 
    • ocenić skutki interwencji lub wybranych okoliczności.
  • Wybieraj problem lub zjawisko, które może być mierzone wielokrotnie w określonym przedziale czasowym.
  • Interpretuj dane przy użyciu metod opisowych, takich jak wykresy lub odpowiednie analizy statystyczne.
  • Pamiętaj, że dostępne są bezpłatne aplikacje na smartfony do zbierania danych tego typu.

Przetłumaczone przez Zuzannę Kwissę-Gajwską i Ewę Gruszczyńską 

Please follow and like us: