Marie Johnston, Derek Johnston, Университет Абердина, Шотландия

На практике часто возникают вопросы, связанные с единственным человеком, одной командой профессионалов здравоохранения, одним регионом и т.д. Например, может быть важно знать, как часто перекусывает человек с ожирением, а также где и когда и ухудшает ли это стресс. Или можно хотеть узнать, как часто члены одной команды работников здравоохранения пренебрегают гигиеной рук, хуже ли ситуация в случае неукомплектованности штата, могут ли информационные стенды улучшить ситуацию. Или, например, вы изучаете причины ошибок в клинической практике, их преобладание в тех или иных коллективах, в определённых группах работников. Наконец, на уровне государства может быть ценно изучить, как новая регуляторная мера влияет на результат (запрет курения – на реальный уровень курящих).

На такие вопросы можно пытаться ответить, спрашивая людей – что они думают или знают, но важно успеть провести исследование вовремя, иначе появляются ошибки интерпретаций или люди забывают детали. Недавние технологические достижения, такие как цифровой мониторинг с использованием смартфонов упрощает отслеживание происходящего в реальности, и исследование «n=1» может позволить ответить на вопросы.

Такие исследования возможны, когда проблема повторяется и можно видеть изменение во времени. Затем можно описать проблему, оценить динамику в зависимости от условий, оценить эффект вмешательства.

Наиболее простая оценка данных, полученных при отслеживании трендов на графике, показана на иллюстрациях. Это основной этап исследований n=1, которого может быть и достаточно. В дополнение существуют методы статистического анализа для таких исследований. Разрабатываются и более сложные методы (например, оценка динамического диапазона). 

Использование исследований «n=1» для оценки проблемы

Исследование можно провести с целью оценить тяжесть или частоту определённого паттерна проблемы по времени. На рис. 1 уровни тревожности варьируются во времени, но можно увидеть паттерн. Когда параллельно фиксируются рабочие дни, видна разница между выходными и рабочими днями, указывая на тревогу на работе, но не дома. Эта информация даёт возможность выбрать оптимальное лечение для конкретного пациента. Например, отслеживание настроения в определённое время дня у пациентки в паллиативной практике показало паттерны, использованные в снижении депрессии.

Собранная в таких исследованиях информация может идти дальше простого описания проблемы и помочь объяснить то, что обнаружено. В некоторых случаях практикующий специалист может иметь теорию о том, что влияет на рассматриваемую проблему, и можно изучить, как хорошо теория объясняет феномены. В кейсе с паллиативной помощью оценка настроения и активности подтвердила теорию, что на настроение влияли тяжёлые мысли, а они были связаны с утренней активностью.

Рис. 1. Использование протокола «n=1» для описания проблемы: показана тревожность (синий) и рабочие дни (красный) в течение 24 дней.

Проблемы ухудшаться или становиться лучше ввиду естественно происходящих или запланированных событий, как свадьба или смерть в семье, информация в медиа, закрытие фабрики, даже погода. В предполагаемой иллюстрации на рис. 2 число консультаций по поводу медицинского состояния (как грипп) значительно вырастало на следующей неделе после телепрограммы о гриппе. Такое увеличение не было связано с ростом заболеваемости – и это важно иметь в виду организаторам здравоохранения. Анализ типа «n=1» статистики в английской больнице показал влияние спортивного события: был рост кардиологических госпитализаций в связи важным футбольным матчем во время Мирового Кубка 1998.

Рис. 2. Использование протокола «n=1» для описания явления: в день в среднем 40 обращений по поводу гриппа, а после телевизионной программы (стрелка) показан рост.

Использование «n=1» для оценки желаемого эффекта от лечения

Такая методология может быть применима в разработке новых интервенций, включая клинические и организационные вмешательства. В предполагаемом примере на рис. 3, пациент с ожирением перекусывает около 7 раз в день; после интервенции (стрелка; например, самоконтроль за перекусами) число перекусов снижается до двух в день.

Похожие методы можно использовать для изучения курения по популяции и оценивать влияние регуляторных изменений, например, запрета курить в общественных местах, т.е., как политика здравоохранения реально влияет на курение. 

Хороший пример практического применения методов «n=1» в оценке интервенций был показан практикующими специалистами в больницах района. Они оценивали проблему задержек в сообщении о нежелательных явлениях в период с 2001 по 2006 и обнаружили, что хотя длина задержки была разной, она становилась проблемой безопасности пациентов, не показывая признаков улучшения со временем. В 2007-2008 гг. была внедрена программа для повышения качества, приведшая к уменьшению задержек в последующие годы, показав, как такая программа улучшает качество сообщения со временем. 

Рис. 3. Использование протокола «n=1» для оценки эффекта вмешательства: первые 15 дней показана частота перекусов с началом отслеживания в день 16 (стрелка).

Сложности

Проблемой может быть сбор данных. Частое сообщение об измерениях может быть тягостно и вести к потерям данных. Современные цифровые устройства делают сбор данных значительно более удобным.

Практические рекомендации

• использовать дизайн исследований «n=1» в практических условиях
  • описать и оценить паттерн
  • оценить эффект интервенций или события
• оценить проблему или нечто важное, что можно оценить повторно в течение времени
• интерпретировать данные через дескриптивные методы вроде графиков или статистически
• бесплатные приложения для смартфонов доступны для сбора данных.

Переведено: Евгений Таратухин