証拠の階層

エビデンスレベル( LOE )、つまりエビデンスレベル( EL )で構成されるエビデンスの階層は、実験研究、特に医学研究から得られた結果の相対的な強さをランク付けするために使用されるヒューリスティックです。大規模な疫学研究の相対的な強さについては幅広い合意が得られています。医学的エビデンスを評価するために、80を超えるさまざまな階層が提案されています。^[1]研究のデザイン (個々の患者の症例報告や盲検化されたランダム化比較試験など) と測定されたエンドポイント (生存率や生活の質など) がエビデンスの強さに影響します。臨床研究では、治療の有効性に関する最良のエビデンスは主にランダム化比較試験(RCT)のメタ分析から得られます。^{[2] [3]}コクラン共同体によって発表されたものなどの完了した高品質のランダム化比較試験のシステマティックレビューは、副作用の研究に関しては、完了した高品質の観察研究のシステマティックレビューと同等にランク付けされます。^{[4]エビデンスの階層は}、エビデンスに基づく実践でよく適用され、エビデンスに基づく医療（EBM）に不可欠な要素です。

2014年、ジェイコブ・ステゲンガは、証拠の階層を「その方法が体系的バイアスに悩まされる可能性に応じて方法の種類をランク付けしたもの」と定義しました。階層の最上位には、体系的バイアスから最も自由であるか、テストされた医療介入の仮説的有効性と比較して最も内部妥当性が高い方法があります。^{[5] : 313} 1997年、グリーンハルは、それが「臨床介入に関する決定を下す際に、さまざまな種類の一次研究が持つ相対的な重み」であると示唆しました。^[6]

国立がん研究所は、エビデンスのレベルを「臨床試験や研究調査で測定された結果の強さを表すために使用されるランキングシステム」と定義しています。研究の設計...および測定されたエンドポイント...は、エビデンスの強さに影響します。」^[7]

多数の証拠の階層が提案されている。研究の質を評価するための同様のプロトコルはまだ開発中である。これまでのところ、利用可能なプロトコルでは、結果研究が効力（理想的な条件下で実施された治療の結果）に関連するのか、有効性（通常の予測可能な条件下で実施された治療の結果）に関連するのかについては、比較的あまり考慮されていない。^{[引用が必要]}

GRADEアプローチ（勧告の評価、開発、評価の等級付け）は、証拠の確実性（証拠の質または効果推定の信頼性とも呼ばれる）と勧告の強さを評価する方法です。^[10] 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。^[要出典]

100を超える組織（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GRADEを承認または使用して、医療推奨事項のエビデンスの質と強度を評価しています。（GRADEを使用した臨床診療ガイドラインの例をオンラインで参照してください）。^{[11] [12]}

GRADESはエビデンスの質を以下のように評価している: ^{[13] [14]}

1995年に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。^[15]

グリーンハルグは、さまざまなタイプの一次研究を次のように順序付けています。^[6]

1. 「決定的な結果を伴う RCT」の体系的なレビューとメタ分析。
2. 決定的な結果を伴うRCT（臨床的に有意な効果の閾値と重ならない信頼区間）
3. 決定的ではない結果を伴うRCT（臨床的に有意な効果を示唆する点推定値であるが、信頼区間がこの効果の閾値と重なっている）
4. コホート研究
5. 症例対照研究
6. 横断的調査
7. 症例報告

Saunders らが提案したプロトコルでは、研究デザイン、理論的背景、害の可能性の証拠、一般的な受容に基づいて、研究レポートを 6 つのカテゴリに分類しています。このプロトコルに基づいて分類するには、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。対象治療と適切な代替治療を比較し、対象治療に対して有意な利点を示したランダム化比較結果研究が 2 つ以上ある場合、介入はカテゴリ 1 (十分に裏付けられた有効な治療) に属すると評価されます。介入は、非ランダム化デザインで何らかの形式のコントロール (非治療グループを含む場合があります) による肯定的な結果に基づいて、カテゴリ 2 (裏付けられた有効な治療) に割り当てられます。カテゴリ 3 (裏付けられた許容可能な治療) には、1 つの対照研究または非対照研究、一連の単一被験者研究、または対象集団とは異なる集団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の有望で受け入れ可能な治療には、一般的な受容と臨床的逸話的文献以外には裏付けのない介入が含まれますが、害の可能性があるという証拠がある場合は、このカテゴリーから治療は除外されます。カテゴリー5の革新的で斬新な治療には、有害であるとは考えられていないものの、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は治療に関するもので、害を及ぼす可能性があり、理論的根拠が不明または不適切な治療の分類です。^[16]

研究の質を評価するためのプロトコルは、カーンらが作成したレビューおよび普及センターの報告書によって提案され、医学的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。このプロトコルでは、ランダム化デザインの使用を強く推奨する一方で、そのようなデザインは、真のランダム化、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個人を含む他の人々から隠蔽するなどの厳しい基準を満たしている場合にのみ有用であると指摘しました。カーンらのプロトコルは、1 つのグループで脱落が大きくなることに関連する問題を回避するために、「治療の意図」に基づいて比較を行う必要があることを強調しました。カーンらのプロトコルは、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、および結果を評価する人々から治療の選択を隠すことなど、非ランダム化研究の厳しい基準も提示しました。このプロトコルは証拠のレベルの分類を提供しませんでしたが、研究が規定の基準を満たしているかどうかに応じて、治療を証拠に基づく分類に含めるか除外しました。^[17]

評価プロトコルは、米国国立エビデンスに基づく実践およびプログラムの登録 (NREPP) によって開発されました。このプロトコルによる評価は、介入がすでに 0.05 未満の確率で 1 つ以上の肯定的な結果をもたらし、それらが査読付きジャーナルまたは評価レポートで公開され、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。特定の基準に 0 から 4 までの品質評価を割り当てる NREPP 評価では、研究で使用された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どおりに使用されていること) 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 サイズを含む統計処理の適切さが調べられます。^[18]

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「得られた証拠の質に応じて介入の有効性を評価する」ために初めて使用した。^{[19] : 1195} タスクフォースは、レベルIIをさらに細分化した3つのレベルを使用した。

• レベルI: 少なくとも1つのランダム化比較試験からの証拠、
• 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証拠。複数のセンターまたは研究グループからの証拠が望ましい。
• 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、または専門委員会の報告書に基づいた、権威ある機関の意見。

CTFは勧告を5段階のA～Eスケールで格付けした。A：ある症状を考慮することを勧告する十分な証拠レベル、B：ある症状を考慮することを勧告する妥当な証拠レベル、C：ある症状を考慮することを勧告する不十分な証拠レベル、D：ある症状を除外することを勧告する妥当な証拠レベル、E：ある症状を考慮から除外することを勧告する十分な証拠レベル。^{[19] : 1195} CTFは1984年、^[20] 1986年^[21]および1987年に報告書を更新した。 ^[22]

1988年に米国予防サービスタスクフォース（USPSTF）はCTFに基づいて同じ3つのレベルを使用し、さらにレベルIIを細分化したガイドラインを発表しました。^[23]

• レベル I: 少なくとも 1 つの適切に設計されたランダム化比較試験から得られた証拠。
• レベル II-1:ランダム化なしで適切に設計された対照試験から得られた証拠。
• 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証拠。複数のセンターまたは研究グループから得られることが望ましい。
• レベル II-3: 介入の有無にかかわらず、複数の時系列設計から得られた証拠。制御されていない試験で劇的な結果が得られたことも、このタイプの証拠と見なされる場合があります。
• レベル III: 臨床経験、記述的研究、または専門委員会の報告書に基づいた権威者の意見。

長年にわたり、さらに多くのグレーディングシステムが説明されてきました。^[24]

2000年9月、オックスフォード（英国）のエビデンスに基づく医療センター（CEBM）のエビデンスレベルは、予後、診断、治療の利益、治療の害、スクリーニングに関する主張に関するエビデンスの「レベル」のガイドラインを発表しました。このガイドラインは、治療と予防だけでなく、診断検査、予後マーカー、害についても取り上げています。オリジナルのCEBMレベルは、エビデンスに基づくオンコールのために最初にリリースされ、エビデンスを見つけるプロセスを実現可能にし、その結果を明確にしました。2009年に公開された^{[25] [26]}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: 個別のランダム化比較試験（信頼区間が狭い）
• 1c: 全員または誰もいない (治療が利用可能になる前にすべての患者が死亡したが、現在一部の患者は治療によって生存している場合、または治療が利用可能になる前に一部の患者が死亡したが、現在すべての患者が治療によって死亡している場合)
• 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と症例対照研究）
• 5:明確な批判的評価のない、または生理学、ベンチ研究、または「第一原理」に基づいた専門家の意見

2011年、国際チームがオックスフォードCEBMレベルを再設計し、より理解しやすくし、エビデンスランキング方式の最近の進展を考慮に入れました。このレベルは患者や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^{[27]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ステージングシステムの使用に関するガイドラインを含む臨床ガイドラインの開発にも使用されています。^[28]

2007年、世界がん研究基金のグレーディングシステムは、説得力のある、可能性が高い、可能性のある、不十分な証拠の4つのレベルを説明しました。^[29]すべての世界疾病負担研究では、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。^[30]

1995年にウィルソンら^[31] 、 1996年にハドーンら^[32]、そして1996年にアトキンスら^[33]は、さまざまな種類のグレーディングシステムを説明し、擁護しました。

2011 年に批判的な文献を体系的にレビューしたところ、3 種類の批判が見つかりました。EBM の手順的側面 (特に Cartwright、Worrall、Howick による)、^[34] EBM の予想以上の誤り (Ioaanidis ら)、EBM が科学哲学として不完全であること(Ashcroft ら) です。^{[35] [明確化が必要]} Rawlins ^[36]とBluhm は、EBM は研究結果が個々の患者のケアに情報を提供する能力を制限し、病気の原因を理解するには集団レベルと実験室レベルの両方の研究が必要であると指摘しています。EBM の証拠の階層は、医療介入の安全性と有効性に関する研究を考慮に入れていません。RCT は「グループ内の変動を解明するために設計されるべきであり、これは証拠の階層を疫学研究と実験室研究の関係を考慮したネットワークに置き換えた場合にのみ可能です」^[37]

研究デザインによって生み出される証拠の階層は疑問視されてきた。なぜなら、ガイドラインは「重要な用語を適切に定義しておらず、特定の非ランダム化比較試験のメリットを重視しておらず、研究デザインの限界に関する包括的なリストを採用していない」からである。^[38]

ステゲンガは、メタアナリシスがそのような階層構造の最上位に位置付けられていることを特に批判している。^[39] RCTが必然的にそのような階層構造の最上位に位置するべきであるという仮定は、ウォーラル^[40]とカートライト^{[41]によって批判されている。}

2005年にロス・アップシャーは、EBMはより良い医師になるための規範的なガイドであると主張しているが、哲学的な教義ではないと述べた。^[42]

2009年にボルガーソンは、階層レベルの正当性は絶対的なものではなく、認識論的に正当化するものでもないが、「医学研究者は、蔓延する偏見を管理するための社会的メカニズムにもっと注意を払うべきである」と書いている。^[43]ラ・カーズは、基礎科学はEBMの下位層に位置するが、「実験の特定だけでなく、データの分析と解釈にも役割を果たしている」と指摘した。^[44]

コンカトは2004年に、RCTに過度の権限を与えており、実用的または倫理的問題のため、すべての研究の疑問にRCTで答えられるわけではないと述べた。高品質のRCTから証拠が得られても、他の研究タイプの証拠が依然として関連性がある可能性がある。^[45]ステゲンガは、証拠評価スキームは不当に制約が多く、現在利用可能な他のスキームよりも情報量が少ないと意見を述べた。^[5]

医学におけるさまざまなエビデンスの階層構造の研究に捧げられた 2015 年の博士論文で、Christopher J Blunt は、La Caze モデルによって提示されたような控えめな解釈、GRADE のような条件付き階層構造、Howick らが擁護したヒューリスティック アプローチはすべて以前の哲学的批判を生き延びているものの、控えめな解釈は非常に弱く、臨床診療には役に立たないと主張していると結論付けています。たとえば、「GRADE や同様の条件付きモデルは、治療効果の変動や治療に対するさまざまな反応の原因に関する情報など、臨床的に重要な情報を省略しています。また、ヒューリスティック アプローチには必要な経験的裏付けがありません」。さらに Blunt は、「階層構造は臨床診療にエビデンスを適用する根拠としては不十分である」と結論付けています。これは、エビデンスの階層構造の背後にある中核的な前提である「質の高いエビデンスに裏付けられた平均的な治療効果に関する情報は、強力な推奨を正当化できる」という前提は支持できないため、個々の研究からのエビデンスは個別に評価する必要があるためです。^[46]

• 証拠に基づく実践
• 根拠に基づく医療
• ジャダッドスケール

• 説明付きエビデンスレベル – エビデンスに基づく医療センターへのエントリー
• エビデンスに基づく医療リソースページ – ピラミッドを形成するさまざまなレベルのエビデンスを示す図
• Christopher J Blunt が博士論文用に作成した、2020 年 8 月 10 日までの医学における 195 の証拠階層の体系的なデータベース。

 この記事には、米国国立がん研究所の「Dictionary of Cancer Terms」のパブリック ドメイン資料が組み込まれています。