証拠の階層

GRADEアプローチ（推奨の評価、開発、評価の等級付け）は、エビデンスの確実性（エビデンスの質または効果推定値の信頼性とも呼ばれる）と推奨の強さを評価する方法です。^{[ 11 ]} GRADEは、方法論者、ガイドライン開発者、生物統計学者、臨床医、公衆衛生科学者、その他の関心のあるメンバーの協力により、2000年に始まりました。

100以上の組織（世界保健機関、英国国立医療技術評価機構（NICE）、カナダ予防医療タスクフォース、コロンビア保健省など）が、エビデンスの質と医療推奨事項の強さを評価するためにGRADEを承認または使用しています。（GRADEを使用した臨床診療ガイドラインの例はオンラインで参照できます）。^{[ 12 ] [ 13 ]}

GRADESは証拠の質を次のように評価します。^{[ 14 ] [ 15 ]}

1995年、ガイアットとサケットはそのような階層構造を初めて発表した。^{[ 16 ]}

グリーンハルグは、さまざまな種類の初等教育を次の順序で並べました。^{[ 6 ]}

1. 「明確な結果が得られたランダム化比較試験（RCT）」の系統的レビューおよびメタ分析。
2. 明確な結果が得られたRCT（信頼区間が臨床的に有意な効果の閾値と重ならないもの）
3. 結果が確定していないRCT（臨床的に有意な効果を示唆する点推定値はあるものの、信頼区間がその効果の閾値と重なっている場合）
4. コホート研究
5. 症例対照研究
6. 横断調査
7. 症例報告

Saunders らによって提案されたプロトコルでは、研究デザイン、理論的背景、起こりうる害の証拠、および一般的な受容に基づいて、研究報告を 6 つのカテゴリーに分類します。このプロトコルで分類されるには、介入のマニュアルまたは同様の説明を含む記述的な出版物が必要です。このプロトコルでは、比較グループの性質、交絡変数の影響、統計分析の性質、またはその他の多くの基準は考慮されません。介入は、対象となる治療と適切な代替治療を比較し、対象となる治療に有意な利点を示す 2 つ以上のランダム化比較結果研究がある場合、カテゴリー 1、十分に裏付けられた有効な治療に分類されます。介入は、何らかの形のコントロールを備えた非ランダム化デザインで肯定的な結果に基づいて、カテゴリー 2、裏付けられ、おそらく有効な治療に分類されます。これには、非治療グループが含まれる場合があります。カテゴリー 3、裏付けられ、受け入れられる治療には、1 つのコントロールされた研究またはコントロールされていない研究、一連の単一被験者研究、または関心のある集団とは異なる集団での研究によって裏付けられた介入が含まれます。カテゴリー 4、有望で許容可能な治療法には、一般的な受容と臨床的な逸話的文献以外に支持がない介入が含まれます。ただし、有害の可能性を示す証拠があれば、その治療法はこのカテゴリーから除外されます。カテゴリー 5、革新的で新しい治療法には、有害とは考えられていないが、文献で広く使用または議論されていない介入が含まれます。カテゴリー 6、治療に関する分類は、有害となる可能性があり、理論的根拠が不明または不適切な治療法です。^{[ 17 ]}

研究の質を評価するためのプロトコルは、レビューと普及センターの報告書で提案され、Khan らによって作成され、医療介入と心理社会的介入の両方を評価するための一般的な方法として意図されていました。このプロトコルは、ランダム化デザインの使用を強く推奨していますが、真のランダム化や、割り当てられた治療グループをクライアントや結果を評価する人を含む他の人から隠蔽するなど、厳しい基準を満たしている場合にのみ、そのようなデザインが有用であると指摘しています。Khan らのプロトコルは、一方のグループで脱落率が高くなることに関連する問題を避けるために、「治療意図」に基づいて比較を行う必要性を強調しています。Khan らのプロトコルはまた、潜在的な交絡変数でのグループのマッチング、各段階でのグループと治療の適切な説明、結果を評価する人からの治療選択の隠蔽など、非ランダム化研究に対する厳しい基準も提示しています。このプロトコルはエビデンスレベルの分類を提供していませんが、研究が規定された基準を満たしているかどうかに応じて、治療をエビデンスベースとして分類するか除外します。^{[ 18 ]}

米国国立エビデンスに基づく実践およびプログラム登録機関（NREPP）によって評価プロトコルが開発されました。このプロトコルに基づく評価は、介入がすでに1つ以上の肯定的な結果を0.05未満の確率で報告しており、それらが査読付きジャーナルまたは評価レポートに掲載され、トレーニング資料などの文書が利用可能になっている場合にのみ行われます。NREPP評価では、特定の基準に0から4までの品質評価を割り当て、研究で使用される結果測定の信頼性と妥当性、介入の忠実性（毎回同じ方法で治療が予測可能に使用されること）の証拠、欠損データと脱落のレベル、潜在的な交絡変数、およびサンプルサイズを含む統計的処理の適切性を検証します。^{[ 19 ]}

この用語は、1979年に「カナダ定期健康診断タスクフォース」（CTF）が発表した報告書で初めて使用され、「得られたエビデンスの質に応じて介入の効果を評価する」ために用いられた。^{[ 20 ]： 1195} タスクフォースは3つのレベルを使用し、レベルIIを細分化した。

• レベルI：少なくとも1つのランダム化比較試験からのエビデンス、
• レベルII1：少なくとも1つの適切に設計されたコホート研究または症例対照研究からのエビデンス。できれば複数の施設または研究グループからのもの。
• レベルII2：介入の有無による時間と場所の比較
• レベルIII：臨床経験、記述的研究、または専門家委員会の報告に基づいた、権威ある専門家の意見。

CTF は勧告を 5 段階の A–E スケールで評価しました。A: 状態を検討する勧告の証拠レベルは良好、B: 状態を検討する勧告の証拠レベルは中程度、C: 状態を検討する勧告の証拠レベルは低い、D: 状態を除外する勧告の証拠レベルは中程度、E: 状態を検討対象から除外する勧告の証拠レベルは良好です。^{[ 20 ] : 1195} CTF は 1984 年、^{[ 21 ]} 1986 年^{[ 22 ]}および 1987 年^{[ 23 ]に報告書を更新しました。}

1988年、米国予防サービス特別委員会（USPSTF）はCTFと同じ3つのレベルに基づいてガイドラインを発表し、レベルIIをさらに細分化した。^{[ 24 ]}

• レベルI：適切に設計された少なくとも1つのランダム化比較試験から得られたエビデンス。
• レベルII-1：無作為化されていない、適切に設計された対照試験から得られたエビデンス。
• レベルII-2：適切に設計されたコホート研究または症例対照分析研究から得られたエビデンス。複数の施設または研究グループから得られたものが望ましい。
• レベルII-3：介入の有無にかかわらず、複数の時系列デザインから得られたエビデンス。対照群のない試験における劇的な結果も、この種のエビデンスとみなされる場合がある。
• レベルIII：臨床経験、記述的研究、または専門家委員会の報告に基づいた、権威ある専門家の意見。

長年にわたり、さらに多くの評価システムが記述されてきた。^{[ 25 ]}

2000年9月、オックスフォード（英国）エビデンスに基づく医療センター（CEBM）は、予後、診断、治療効果、治療による害、スクリーニングに関する主張のエビデンスレベルに関するガイドラインを発表しました。これは、治療と予防だけでなく、診断検査、予後マーカー、または害についても扱っています。オリジナルのCEBMレベルは、エビデンスを見つけるプロセスを容易にし、その結果を明確にするために、Evidence-Based On Call向けに最初に公開されました。2009年に発表された^{[ 26 ] [ 27 ]}レベルは次のとおりです。

• 1a：ランダム化比較試験の系統的レビュー（均質性あり）
• 1b：個別の無作為化比較試験（信頼区間が狭いもの）
• 1c：全死亡か無死亡か（治療法が利用可能になる前に全ての患者が死亡したが、現在では一部の患者が治療によって生存している場合、または治療法が利用可能になる前に一部の患者が死亡したが、現在では治療によって死亡する患者がいない場合）。
• 2a：コホート研究の系統的レビュー（均質性あり）
• 2b：個別のコホート研究または質の低いランダム化比較試験（例：追跡率が80％未満）
• 2c：「成果」研究、生態学的研究
• 3a：症例対照研究の系統的レビュー（均質性あり）
• 3b：個別症例対照研究
• 4：症例シリーズ（および質の低いコホート研究や症例対照研究）
• 5：明確な批判的評価を伴わない専門家の意見、または生理学、基礎研究、あるいは「第一原理」に基づく意見

2011年、国際チームはオックスフォードCEBMレベルを再設計し、より理解しやすく、エビデンスランキングスキームの最近の進展を考慮に入れました。このレベルは、患者、臨床医によって使用され、乾癬における光線療法と局所療法の最適な使用に関する推奨事項^{[ 28 ]}や、カナダにおける肝細胞癌の診断とモニタリングのためのBCLC病期分類システムの使用に関するガイドライン^{[ 29 ]}などの臨床ガイドラインの開発にも使用されています。

2007年、世界がん研究基金の評価システムは、説得力のある証拠、可能性が高い証拠、可能性のある証拠、不十分な証拠の4つのレベルを記述しました。^{[ 30 ]}すべての世界疾病負担研究は、因果関係を裏付ける疫学的証拠を評価するためにこれを使用しています。^{[ 31 ]}