Kutatás és bizonyítékok az egészségügyben

3.1. Először a meglévő tudást kell megismerni

Új vizsgálat csak akkor indokolt, ha fontos kérdésre adhat választ, és a válasz nem áll már megfelelő bizonyossággal rendelkezésre. A tervezés első lépése ezért a meglévő szakirodalom, a folyamatban lévő és regisztrált vizsgálatok, valamint a vonatkozó irányelvek áttekintése. Ez csökkenti a felesleges kutatást, segíti a megfelelő összehasonlító beavatkozás és végpont kiválasztását, és megakadályozza, hogy a résztvevőket értelmetlen tehernek vagy kockázatnak tegyék ki.

3.2. A jól megfogalmazott kérdés

A kutatási kérdésnek pontosan meg kell határoznia, kikre, milyen beavatkozásra vagy expozícióra, milyen összehasonlításra és milyen kimenetelre vonatkozik.

• PICO: populáció, beavatkozás, összehasonlítás, kimenetel - elsősorban terápiás és megelőzési kérdésekhez;
• PECO: populáció, expozíció, összehasonlítás, kimenetel - etiológiai és kockázati kérdésekhez;
• PICo vagy SPIDER: a résztvevők, a vizsgált jelenség és a kontextus hangsúlyozásával - kvalitatív kérdésekhez;
• diagnosztikai kérdésnél külön meg kell nevezni az indexvizsgálatot, a referenciaeljárást, a célállapotot és a vizsgálati környezetet;
• prognosztikai vagy predikciós kérdésnél meg kell határozni a kiindulási időpontot, a vizsgált populációt, a prediktorokat, a kimenetelt és az időtávot.

A „javítja-e az ellátást?” típusú kérdés túl tág. Pontosabb például: „A magas kockázatú, 2-es típusú cukorbeteg felnőttek körében a gyógyszerészt is bevonó, teamalapú gondozás a szokásos ellátáshoz képest 12 hónap alatt javítja-e a vérnyomáskontrollt és a beteg által jelzett ellátási tapasztalatot anélkül, hogy növelné a súlyos nemkívánatos eseményeket vagy az ellátási terhet?”

3.3. Végpontok és a becsülni kívánt hatás

A végpont legyen a beteg vagy a népegészség szempontjából fontos, érvényesen és megbízhatóan mérhető, valamint a vizsgálat időtávján belül értelmezhető. A laboratóriumi vagy más helyettesítő végpont hasznos lehet, de csak akkor tekinthető a klinikai előny megfelelő jelzőjének, ha ezt bizonyíték támasztja alá.

Előre meg kell határozni:

• az elsődleges és másodlagos végpontokat;
• a mérőeszközt és a mérési időpontokat;
• a klinikailag fontos változás küszöbét, ha ismert;
• a károkat és nemkívánatos eseményeket;
• a beteg által jelzett kimeneteleket és tapasztalatokat (PROM, PREM), ha relevánsak;
• az elemzésben figyelembe veendő köztes eseményeket, például kezelésváltást, elhagyást vagy mentőkezelést.

Intervenciós vizsgálatban célszerű egyértelműen megfogalmazni az estimandot, vagyis azt a pontos kezelési hatást, amelyet a vizsgálat meg kíván becsülni: mely populációban, mely kimenetelre, milyen összehasonlításban, a kezelés abbahagyása vagy más köztes események milyen kezelésével.

Teljes méret

3.4. Mit kell tartalmaznia a protokollnak?

A protokoll nem adminisztratív melléklet, hanem a tudományos és etikai megbízhatóság alapja. Legalább a következőket kell előre rögzíteni:

• a háttér, az indokoltság és a meglévő bizonyítékok összegzése;
• a kutatási kérdés, célok és hipotézisek;
• a vizsgálati elrendezés és környezet;
• a beválasztási és kizárási kritériumok, toborzás és beleegyezés;
• a beavatkozás, expozíció, összehasonlító ellátás és utánkövetés;
• a végpontok, adatforrások, mérőeszközök és adatminőségi ellenőrzések;
• a mintanagyság indoklása és a statisztikai elemzési terv fő elemei;
• a hiányzó adatok, protokolleltérések és köztes események kezelése;
• a biztonság, a kockázat- és haszonértékelés, valamint a leállítás szabályai;
• az adatkezelés, hozzáférés, megőrzés, megosztás és információbiztonság;
• a résztvevők és érintett közösségek bevonása;
• az etikai és hatósági engedélyezés, regisztráció és eredményközlés terve;
• a finanszírozás, a szponzor, a szerepek, az érdekeltségek és a felelősségek.

A részletes statisztikai elemzési tervet a vizsgálati eredmények ismerete előtt kell véglegesíteni. A protokoll módosításait dátummal, indoklással és a szükséges jóváhagyásokkal dokumentálni kell. Randomizált vizsgálatok protokolljához a SPIRIT 2025, eredményközléséhez a CONSORT 2025 ad korszerű minimumkövetelményeket.

4.1. Kvantitatív kutatás

A kvantitatív kutatás számszerű adatokkal becsüli egy jelenség gyakoriságát, eloszlását, összefüggéseit vagy egy beavatkozás hatását. Előnye, hogy előre meghatározott mérési és elemzési terv mellett pontos hatásbecslést és bizonytalansági tartományt adhat. Korlátja, hogy csak azt méri jól, amit megfelelően operacionalizáltak, és az átlagos eredmény elfedheti az egyéni vagy kontextuális különbségeket.

4.2. Kvalitatív kutatás

A kvalitatív kutatás a tapasztalatok, jelentések, döntési folyamatok, kapcsolatok és a kontextus mélyebb megértésére törekszik. Gyakori módszere az egyéni interjú, a fókuszcsoport, a résztvevő vagy nem résztvevő megfigyelés és a dokumentumelemzés.

A kvalitatív kutatás nem „statisztika nélküli elővizsgálat”. Saját, szigorú minőségi követelményei vannak: a mintavételi stratégia indokoltsága, a kutató szerepének reflexív bemutatása, az adatgyűjtés és kódolás átláthatósága, a különböző értelmezések keresése, a kontextus részletes leírása és az állítások adatokkal való alátámasztása. Az eredmény nem statisztikai reprezentativitást, hanem hiteles és átvihető értelmezést céloz. Interjú- és fókuszcsoport-kutatások közlését a COREQ, a kvalitatív vizsgálatokét általánosabban az SRQR segíti.

Gyakorlati példa – miért marad el a kontrollvizsgálat? Az időpontadatból csak az látszik, hány beteg nem jelent meg. Különböző helyzetű betegekkel készített, előre megtervezett interjúk feltárhatják, hogy érthető volt-e a tájékoztatás, megoldható-e az utazás vagy a munkahelyről való távolmaradás, és milyen aggodalmak merültek fel. A válaszokat témák szerint elemezzük, az eltérő tapasztalatokat is keresve; egyetlen történetből nem vonunk általános következtetést.

A tanulságok alapján javítható a tájékoztatás és az időpont-egyeztetés. Ezt követően a megjelenési adatok és az újabb betegvisszajelzések együtt mutathatják meg, segített-e a változtatás. Így a számok mellett azt is megértjük, mit él át a beteg, és mely akadályokon tud az ellátás változtatni.

4.3. Vegyes módszerű kutatás

A vegyes módszerű kutatás a kvantitatív és kvalitatív adatokat tudatosan, közös kutatási tervben kapcsolja össze. Nem elegendő két módszert egymás mellé helyezni; meg kell határozni, hol és hogyan történik az integráció.

Tipikus formák:

• magyarázó szekvenciális terv: a számszerű eredményt interjú vagy megfigyelés segít megérteni;
• feltáró szekvenciális terv: a kvalitatív eredmény alapján kérdőív, mérőeszköz vagy beavatkozás készül;
• párhuzamos terv: a kétféle adatgyűjtés azonos időszakban történik, majd az eredményeket összevetik;
• beágyazott terv: például egy klinikai vizsgálaton belüli folyamatértékelés tárja fel, hogyan és milyen körülmények között valósult meg a beavatkozás.

Teljes méret

5.1. Leíró vizsgálatok

A leíró vizsgálatok egy betegség, esemény, szolgáltatás vagy populáció jellemzőit mutatják be. Ide tartozik az esetismertetés, az esetsorozat, a keresztmetszeti gyakorisági felmérés és az ökológiai leírás. Fontos jelzéseket és hipotéziseket adhatnak, de összehasonlító csoport nélkül általában nem alkalmasak okozati következtetésre.

5.2. Keresztmetszeti vizsgálat

A kitettséget és a kimenetelt egy meghatározott időpontban vagy rövid időablakban méri. Jól használható prevalencia, ellátási szükséglet, tudás, attitűd vagy aktuális gyakorlat felmérésére. Az időbeliség gyakran nem tisztázható, ezért korlátozottan használható annak eldöntésére, hogy az expozíció megelőzte-e a kimenetelt.

5.3. Kohorszvizsgálat

Kimeneteltől még mentes, eltérő expozíciójú személyeket követ előre, vagy korábbi adatokból rekonstruálja követésüket. Becsülhető incidencia, kockázati arány, gyakorisági arány és időfüggő kimenetel. Előnye az időbeli sorrend és több kimenetel vizsgálhatósága; korlátja lehet a hosszú követés, a kiesés és a zavaró tényezők hatása.

5.4. Eset-kontroll vizsgálat

A kimenetellel rendelkező esetek korábbi expozícióját hasonlítja megfelelő kontrollokéhoz. Különösen hasznos ritka kimenetel vagy hosszú lappangás esetén. A kontrollok kiválasztása, a visszaemlékezés pontossága és az expozíció utólagos mérése jelentős torzítást okozhat. Tipikus hatásmértéke az esélyhányados; ez csak meghatározott feltételek mellett közelíti a kockázati arányt.

Teljes méret

5.5. Randomizált kontrollált vizsgálat

A résztvevőket vagy csoportokat véletlenszerűen rendeli a vizsgált beavatkozáshoz és az összehasonlító ellátáshoz. A randomizálás célja az ismert és ismeretlen prognosztikai tényezők kiegyensúlyozása. A besorolás elrejtése megakadályozza, hogy a következő csoport ismerete befolyásolja a beválasztást; a vakítás pedig - ahol lehetséges - csökkenti az ellátás, mérés és értékelés torzítását.

Gyakori változatok:

• egyéni randomizált, párhuzamos csoportos vizsgálat;
• klaszter-randomizált vizsgálat, ha a beavatkozás intézményt, praxist vagy csapatot érint;
• keresztezett elrendezés stabil, visszafordítható állapotban;
• faktoriális terv több beavatkozás egyidejű vizsgálatára;
• pragmatikus vizsgálat, amely a beavatkozás mindennapi körülmények közötti eredményességét célozza;
• lépcsőzetes klaszter-randomizált elrendezés, amelyben a csoportok eltérő időpontban vezetik be a változtatást.

A randomizálás önmagában nem garancia a megbízhatóságra. Gyenge kivitelezés, jelentős kiesés, szelektív eredményközlés, be nem tartott beavatkozás vagy nem megfelelő elemzés egy randomizált vizsgálatot is komolyan torzíthat.

Teljes méret

5.6. Nem randomizált és kvázi-kísérleti vizsgálatok

Ha randomizálás nem etikus vagy nem megvalósítható, kontrollált előtte-utána vizsgálat, megszakított idősorelemzés, különbségek különbsége, regressziós diszkontinuitás vagy más kvázi-kísérleti módszer alkalmazható. Ezek különösen fontosak egészségpolitikai, szervezési és minőségfejlesztési beavatkozások értékelésében.

Az egyszerű előtte-utána összehasonlítás gyenge alap okozati következtetéshez, mert a változás oka lehet időbeli trend, szezonális hatás, összetételváltozás, párhuzamos intézkedés vagy a szélsőséges értékek átlaghoz való visszatérése. Lehetőség szerint kontrollcsoportot, több beavatkozás előtti és utáni mérési pontot, valamint előre rögzített elemzést kell használni.

5.7. Diagnosztikai pontossági vizsgálat

Az indexvizsgálat eredményét a célállapot megállapítására legalkalmasabb referenciaeljárással hasonlítja össze. A betegspektrumnak tükröznie kell azt a klinikai környezetet, ahol a tesztet használni kívánják. Az index- és referenciavizsgálat értékelőit lehetőség szerint vakítani kell egymás eredményére, és kerülni kell, hogy csak a pozitív indexeredményű személyek kapják meg a referenciaeljárást. A teljes diagnosztikai pontossági tanulmányok közlését a STARD 2015 segíti.

Teljes méret

5.8. Prognosztikai és predikciós vizsgálat

A prognosztikai vizsgálat jövőbeli kimenetel valószínűségét, prognosztikai tényező vagy többváltozós modell teljesítményét értékeli. A modellfejlesztés nem azonos a validálással. A túlillesztés elkerüléséhez megfelelő eseményszám, a hiányzó adatok korszerű kezelése, belső validálás és független külső validálás szükséges. A teljesítményt legalább diszkriminációval és kalibrációval kell értékelni, de a klinikai hasznosságot és a döntésekre gyakorolt hatást is vizsgálni kell. A regressziós és gépi tanulási modellek átlátható közléséhez 2024-től a TRIPOD+AI az irányadó, amely felváltotta a 2015-ös TRIPOD ellenőrzőlistát.

5.9. Szisztematikus áttekintés és metaanalízis

A szisztematikus áttekintés előre meghatározott kérdés, protokoll és módszer alapján azonosítja, választja ki, értékeli és szintetizálja az összes releváns bizonyítékot. A metaanalízis az összehasonlítható vizsgálatok eredményeinek statisztikai összegzése; nem minden szisztematikus áttekintésben indokolt. A szintézis megbízhatósága nem lehet jobb a bevont vizsgálatoknál, és torzíthatja a hiányzó vagy szelektíven közölt bizonyíték. Közléséhez a PRISMA 2020, módszertanához többek között a Cochrane kézikönyve ad útmutatást.

6.1. Klinikai epidemiológiai kutatás

A klinikai epidemiológia a betegellátásban felmerülő kérdéseket populációs és epidemiológiai módszerekkel vizsgálja. Fő területei:

• diagnózis: mennyire pontos, hasznos és biztonságos egy vizsgálat vagy diagnosztikai stratégia;
• etiológia és kockázat: milyen tényezők járulnak hozzá egy betegség vagy káros kimenetel kialakulásához;
• prognózis: milyen kimenetel várható, milyen időtávon, és mely tényezők módosítják azt;
• terápia és rehabilitáció: milyen előnnyel és kárral jár egy beavatkozás;
• prevenció és szűrés: csökkenti-e a beavatkozás a betegségterhet, és elfogadható-e a lehetséges kár;
• betegbiztonság: milyen gyakoriak a nemkívánatos események, melyek az okaik, és hogyan előzhetők meg.

Szűrési kutatásban nem elegendő kimutatni, hogy több vagy korábbi stádiumú betegséget fedeznek fel. Vizsgálni kell a beteg szempontjából fontos előnyöket és károkat, beleértve a téves pozitív és téves negatív eredményt, a túldiagnosztizálást, a túlkezelést, a szorongást és az erőforrásigényt. A korábbi felismerés önmagában meghosszabbíthatja a diagnózistól mért túlélést anélkül, hogy a halálozás időpontját megváltoztatná; ezt bevezetési időből eredő torzításnak nevezik.

6.2. Egészségügyi szolgáltatás- és rendszerkutatás

Az egészségügyi szolgáltatáskutatás azt vizsgálja, hogyan befolyásolja a szervezés, finanszírozás, hozzáférés, szakember-összetétel, technológia és szabályozás az ellátás folyamatát, költségét, minőségét, méltányosságát és eredményét. Kérdései lehetnek például:

• kik és milyen akadályok miatt nem jutnak hozzá a szükséges ellátáshoz;
• hogyan hat egy új betegút a várakozási időre és a folyamatosságra;
• milyen feladatmegosztás javítja a hozzáférést a minőség romlása nélkül;
• milyen nem szándékolt következménye van egy finanszírozási ösztönzőnek;
• mely intézményi vagy területi különbségek magyarázhatók betegösszetétellel, és melyek ellátási eltéréssel.

Területi vagy intézményi összehasonlításkor kockázatkiigazításra lehet szükség, de a kiigazítás nem fedheti el az ellátási egyenlőtlenséget. A szociális helyzet, földrajzi elérhetőség, digitális hozzáférés és egészségértés nem pusztán „zavaró változó”: gyakran önálló minőségi és méltányossági kérdés.

6.3. Implementációs kutatás

Az implementációs kutatás azt vizsgálja, hogyan lehet egy bizonyítottan hasznos beavatkozást a valódi ellátási környezetben elfogadhatóan, megvalósíthatóan, megfelelő hűséggel, fenntarthatóan és méltányosan alkalmazni. Nemcsak azt kérdezi, hogy „hat-e?”, hanem azt is, hogy:

• kikhez jut el és kik maradnak ki;
• elfogadható-e a betegek és a dolgozók számára;
• megvalósítható-e a rendelkezésre álló humán és tárgyi feltételekkel;
• a lényegi elemek a tervezett módon valósulnak-e meg;
• milyen helyi adaptáció szükséges;
• fenntartható-e a kezdeti projektforrás megszűnése után;
• milyen költséggel és milyen nem szándékolt hatásokkal jár.

Az implementáció eredményét ezért a klinikai kimenetelek mellett folyamat- és megvalósítási mutatókkal is mérni kell. A WHO 2024-es implementációs kézikönyve hangsúlyozza, hogy az eredményességhez a napi végrehajtás, a vezetés, a helyi kapacitás és a visszacsatolás egyaránt szükséges.

6.4. Egészség-gazdaságtani kutatás

Az egészség-gazdaságtani értékelés nem azt kérdezi pusztán, hogy egy beavatkozás olcsó-e, hanem azt, hogy az alternatívákhoz képest milyen többletköltséggel milyen többleteredményt ér el. Fő formái a költséghatékonysági, költséghasznossági, költséghaszon- és költségkövetkezmény-elemzések. A költséghasznossági elemzés gyakori eredménymértéke a minőséggel korrigált életév (QALY).

Az elemzésnél előre meg kell határozni a nézőpontot, az időtávot, az összehasonlító alternatívát, a költségek és eredmények körét, a diszkontálást, a bizonytalanság vizsgálatát és az egyenlőtlenségi hatásokat. Egy költséghatékony beavatkozás sem feltétlenül finanszírozható azonnal: a költségvetési hatást, a kapacitást és a bevezetés időzítését külön kell értékelni. Az egészség-gazdaságtani vizsgálatok átlátható közléséhez a CHEERS 2022 használható.

6.5. Beteg által jelzett kimenetelek és tapasztalatok

A betegelégedettség önmagában szűk és könnyen félreérthető mutató. A korszerű vizsgálatok elkülönítik:

• a beteg által jelzett kimenetelt (PROM), amely az egészségi állapot, tünet, működés vagy életminőség beteg által közölt változását méri;
• a beteg által jelzett tapasztalatot (PREM), amely konkrét ellátási élményre - például tájékoztatásra, bevonásra, hozzáférésre vagy koordinációra - kérdez rá;
• az általános elégedettséget, amelyet az előzetes várakozás, a lojalitás és sok, az ellátástól független tényező is befolyásol.

Validált mérőeszközt, előre meghatározott adatfelvételt és megfelelő mintavételt kell alkalmazni. A válaszadási arányt, a hiányzó adatokat, a nyelvi és kulturális megfelelést, továbbá azt is értékelni kell, kik nem tudtak vagy nem akartak válaszolni.

Teljes méret

7.1. Véletlen és rendszeres hiba

A véletlen hiba miatt az eredmény mintáról mintára ingadozik; nagyságát többek között a mintanagyság és az események száma befolyásolja, és konfidenciaintervallummal fejezhető ki. A rendszeres hiba, vagyis torzítás az eredményt következetesen valamely irányba tolja. Nagy minta csökkentheti a véletlen hibát, de a rosszul megtervezett mérés torzítását nem javítja ki.

7.2. Fontos torzításforrások

Az eredményenkénti torzításkockázatot megfelelő módszerrel kell értékelni. Az ellenőrzőlista segíti az átlátható közlést, de nem helyettesíti a módszertani minőség és a torzításkockázat szakértői megítélését.

7.3. Belső és külső érvényesség

A belső érvényesség arra vonatkozik, hogy a vizsgálat eredménye mennyire megbízható a ténylegesen vizsgált személyek és körülmények között. A külső érvényesség vagy alkalmazhatóság azt jelzi, hogy az eredmény mennyiben vihető át más betegekre, helyszínekre és ellátási rendszerekre.

Az alkalmazhatóság megítélésénél vizsgálni kell:

• megfelel-e a vizsgált populáció életkora, kockázata, társbetegsége és szociális helyzete a saját betegeknek;
• hasonló-e a diagnosztikai és kezelési háttér, a szakértelem és a kapacitás;
• elérhető-e a beavatkozás, és mekkora beteg- vagy dolgozói teherrel jár;
• ugyanaz-e az összehasonlító ellátás;
• az abszolút előny és kár hogyan változik a kiindulási kockázattal;
• bevonták-e a hátrányos helyzetű és korábban alulreprezentált csoportokat;
• milyen finanszírozási, szervezeti és jogi feltételek szükségesek.

Az „efficacy” kontrollált körülmények közötti hatásosságot, az „effectiveness” a mindennapi gyakorlatban elért eredményességet jelzi. A kettő között nem éles határ, hanem átmenet van; a pragmatikus vizsgálatok és a valós életből származó adatok segíthetik ennek megértését.

8.1. A hatás nagysága és bizonytalansága

A kutatási eredmény értelmezésének középpontjában ne a „szignifikáns/nem szignifikáns” címke, hanem a hatás becsült nagysága, iránya, klinikai jelentősége és bizonytalansága álljon. A p-érték nem mondja meg a hatás nagyságát, a klinikai fontosságot, a nullhipotézis valószínűségét vagy azt, hogy az eredmény megismételhető-e. A konfidenciaintervallum megmutatja, milyen hatások egyeztethetők össze az adatokkal és a modell feltételezéseivel.

A pontos becslés sem feltétlenül igaz, ha a vizsgálat torzított; és egy bizonytalan becslés sem feltétlenül jelenti, hogy nincs hatás. A bizonytalanságot őszintén kell közölni.

8.2. Relatív és abszolút hatás

A relatív hatás önmagában felnagyíthatja a gyakorlati jelentőséget. Tegyük fel, hogy egy beavatkozás 25%-kal csökkenti a relatív kockázatot:

• 20%-os kiindulási kockázat esetén a kockázat 15%-ra csökken; az abszolút csökkenés 5 százalékpont, a kezeléshez szükséges esetszám (NNT) 20;
• 2%-os kiindulási kockázat esetén a kockázat 1,5%-ra csökken; az abszolút csökkenés 0,5 százalékpont, az NNT 200.

Ugyanaz a relatív hatás tehát egészen más abszolút előnyt jelenthet. A döntéshez mindkettőt, valamint a károkat és a követési időt is közölni kell. Az NNT és az ártalomhoz szükséges esetszám (NNH) csak a meghatározott populációra és időtávra értelmezhető.

8.3. Folytonos és beteg által jelzett kimenetelek

Átlagkülönbség esetén azt is meg kell ítélni, hogy a változás érzékelhető és fontos-e a betegek számára. Standardizált átlagkülönbség különböző skálák összegzésére alkalmas, de klinikailag nehezebben értelmezhető; lehetőség szerint vissza kell fordítani ismert skálára vagy a minimálisan fontos különbséghez kell viszonyítani. Az átlag elfedheti, hogy egyes alcsoportok javulnak, mások nem, ezért az eloszlást és az egyéni változást is érdemes vizsgálni.

8.4. Diagnosztikai eredmények

• az érzékenység a célállapotban szenvedők között a pozitív teszteredmény aránya;
• a fajlagosság a célállapot nélküliek között a negatív eredmény aránya;
• a pozitív és negatív prediktív érték erősen függ a betegség előfordulásától és a vizsgált betegkörtől;
• a valószínűségi hányadosok a teszt előtti és utáni valószínűség összekapcsolását segítik.

A küszöbérték megválasztása az érzékenység és fajlagosság közötti kompromisszum. A tesztet nemcsak pontossága, hanem klinikai haszna, elérhetősége, következményei és a hibás eredmények által okozott kár alapján kell értékelni.

8.5. Időfüggő kimenetelek

A túlélési görbe, eseménymentes idő és hazard arány idődimenziót tartalmaz. A hazard arány nem azonos a kockázati aránnyal, és értelmezése különösen nehéz, ha az arányos hazárd feltétele nem teljesül. Az eredményeket ezért abszolút eseményarányokkal, meghatározott időpontokra vonatkozó kockázatokkal vagy korlátozott átlagos túlélési idővel is érdemes bemutatni.

8.6. Többszörös elemzés, alcsoportok és hiányzó adatok

Sok végpont, időpont, alcsoport vagy elemzési változat vizsgálata növeli a véletlenül kedvező eredmény esélyét. Az elsődleges elemzést és a kevés, szakmailag indokolt alcsoportot előre kell rögzíteni. Egy alcsoportban „szignifikáns”, a másikban „nem szignifikáns” eredmény önmagában nem bizonyít különbséget; interakciót kell vizsgálni, és az eredményt többnyire feltáróként kell kezelni.

A hiányzó adatot nem lehet egyszerűen figyelmen kívül hagyni. Ismertetni kell a hiány mértékét és okát, a csoportok közötti különbséget, az alkalmazott módszer feltételezéseit és az érzékenységi elemzést. Az utolsó megfigyelés mechanikus továbbvitele vagy csak a teljes adatsorú személyek elemzése gyakran torz eredményt ad.

8.7. Összefüggés és okozat

Az együttjárás nem bizonyít okozati kapcsolatot. Az okozati értelmezéshez legalább az időbeli sorrendet, az alternatív magyarázatokat, a zavaró tényezőket, a mérési hibát, a szelekciót és a feltételezett oksági mechanizmust is értékelni kell. A korszerű megfigyeléses kutatásban az oksági diagramok, célvizsgálat-emuláció és megfelelő érzékenységi elemzések segíthetik a kérdés pontosítását, de ezek sem teszik megfigyeléses adatból automatikusan randomizált bizonyítékot.

10.1. Független etikai felülvizsgálat

Az emberen végzett kutatást a megkezdése előtt az illetékes, független kutatásetikai bizottságnak kell véleményeznie vagy jóváhagynia a vonatkozó szabályok szerint. A bizottság számára a protokollt, a résztvevői tájékoztatást és beleegyező nyilatkozatot, a toborzási anyagokat, az adatkezelést, a finanszírozást, érdekeltségeket, kompenzációt és a biztonsági tervet is be kell mutatni. A lényeges módosítások és a súlyos biztonsági információk utólagos felülvizsgálatot igényelhetnek.

10.2. Kockázat, teher és várható haszon

A kutatás csak akkor indokolt, ha a kérdés jelentősége arányban áll a résztvevőket érő előrelátható kockázattal és teherrel. A kockázatot csökkenteni, folyamatosan monitorozni és dokumentálni kell. A biztonsági végpontok, nemkívánatos események, sürgős ellátási útvonalak és szükség esetén a független adatmonitorozás előzetes tervezést igényel.

A sérülékenység nem kizárólag egy csoport állandó tulajdonsága: függhet a betegségtől, függőségi viszonytól, döntési képességtől, nyelvtől, szegénységtől, lakóhelytől, digitális hozzáféréstől vagy sürgősségi helyzettől. Az indokolatlan kizárás ugyanúgy árthat, mint a védelem nélküli bevonás. Speciális támogatással és biztosítékokkal kell egyensúlyt teremteni.

10.3. Szabad és tájékozott beleegyezés

A tájékoztatás legyen közérthető, az adott személy kommunikációs szükségleteihez igazított, és térjen ki legalább:

• a kutatás céljára, módszereire és időtartamára;
• arra, mely ellátási elemek kutatási jellegűek;
• a várható előnyökre, kockázatokra, terhekre és alternatívákra;
• a finanszírozóra, a kutatók szerepére és az érdekeltségekre;
• az adatok és biológiai minták felhasználására, hozzáférésére, megőrzésére és tervezett másodlagos használatára;
• a titoktartás határaira és az adatbiztonsági intézkedésekre;
• a költségekre, térítésre, kártalanításra és kutatási sérülés esetén elérhető ellátásra;
• az önkéntességre, a részvétel elutasításának és visszavonásának jogára;
• arra, hogyan értesülhet a résztvevő a kutatás általános eredményéről.

A beleegyezés folyamat, nem puszta aláírás. Meg kell győződni a megértésről, elegendő gondolkodási időt kell biztosítani, és kerülni kell a függőségi helyzetből vagy aránytalan ösztönzőből eredő nyomást. Elektronikus vagy távoli beleegyezés alkalmazható, ha azt a jog és az engedélyezés lehetővé teszi, az azonosság, a megértés, a dokumentálás és az adatvédelem biztosított, és a digitálisan hátrányos helyzetű résztvevő számára megfelelő alternatíva áll rendelkezésre.

10.4. Betegek és közösségek érdemi bevonása

A kutatásban való részvétel azt jelenti, hogy valaki vizsgálati alanyként adatot szolgáltat. Az érdemi bevonás azt jelenti, hogy betegek, hozzátartozók vagy közösségi képviselők partnerként alakítják a prioritást, a kérdést, a végpontokat, a tájékoztatást, a megvalósítást és az eredmények terjesztését.

A bevonás javíthatja a kérdés relevanciáját, csökkentheti a részvételi terhet, segítheti a befogadást és az eredmények közérthető közlését. Nem lehet jelképes: előre rögzített szerep, megfelelő támogatás, hozzáférhető kommunikáció, tisztességes díjazás és annak bemutatása szükséges, hogy a vélemény miként változtatta meg a kutatást.

10.5. Regisztráció és az eredmények nyilvánossága

Az emberen végzett kutatásokat a résztvevők toborzása előtt nyilvánosan hozzáférhető nyilvántartásban kell regisztrálni, ha a vonatkozó követelmények ezt előírják; a Helsinki Nyilatkozat ezt általános etikai elvként is rögzíti. A pozitív, negatív és nem egyértelmű eredményeket egyaránt hozzáférhetővé kell tenni. Fel kell tüntetni a finanszírozást, intézményi kapcsolatokat és érdekeltségeket, továbbá el kell számolni a protokollhoz képest történt változtatásokkal.

10.6. Kutatási integritás

Elfogadhatatlan az adatok kitalálása, meghamisítása, a plágium, a képek vagy elemzések megtévesztő manipulációja, a szelektív közlés és a jogosulatlan szerzőség. A kutatási szervezet feladata a képzés, a megfelelő adat- és verziókezelés, az ellenőrizhető munkafolyamat, a konfliktusok kezelése és a bejelentők védelme. A mesterséges intelligencia szövegalkotási vagy elemzési használatáért is az emberi kutatók felelnek; a használt eszközt és annak szerepét az alkalmazandó kiadói és intézményi szabályok szerint átláthatóan jelezni kell.

11.1. Emberen végzett orvostudományi kutatás

Magyarországon az alapvető keretet az egészségügyről szóló 1997. évi CLIV. törvény emberen végzett orvostudományi kutatásra vonatkozó rendelkezései és a 23/2002. (V. 9.) EüM rendelet adják. A kutatás jellegétől függően az engedélyező vagy véleményező szervezet lehet az országos tisztifőorvos, a Nemzeti Népegészségügyi és Gyógyszerészeti Központ (NNGYK), az Egészségügyi Tudományos Tanács Tudományos és Kutatásetikai Bizottsága (ETT TUKEB), illetve regionális kutatásetikai bizottság (RKEB). Az ETT TUKEB 2026. február 1-jén aktualizált tájékoztatója részletesen elkülöníti a hatásköröket.

Nem helyes minden adatbázis-kutatást vagy minden „nem beavatkozó” projektet automatikusan alacsony kockázatúnak és engedélymentesnek tekinteni. Az azonosíthatóság, az érzékeny adatok, a többcentrumos vagy országos adatforrás, a gyógyszer vagy orvostechnikai eszköz vizsgálata és a résztvevőkkel való kapcsolat eltérő követelményt eredményezhet.

11.2. Gyógyszerrel végzett klinikai vizsgálatok

Az Európai Unióban a gyógyszerrel végzett klinikai vizsgálatokat az 536/2014/EU rendelet (Clinical Trials Regulation, CTR) szabályozza. 2025. január 31-től az EU/EGT minden ilyen klinikai vizsgálatát a rendelet szerint, a Clinical Trials Information Systemen (CTIS) keresztül kell kezelni. A rendszer egységes benyújtási és értékelési felületet, több tagállamra kiterjedő koordinált eljárást és nagyobb nyilvánosságot biztosít.

A helyes klinikai gyakorlat korszerű nemzetközi standardja az ICH E6(R3). Alapelvei és 1. melléklete az Európai Unióban 2025. július 23-tól hatályosak. Kiemelt elemei a minőség beépítése a tervezésbe, a résztvevők jogai és biztonsága szempontjából lényeges tényezőkre összpontosító, kockázatarányos működés, az egyértelmű felelősség és a megbízható adatirányítás. A decentralizált és pragmatikus elemekkel, digitális technológiával és valós életből származó adatokkal foglalkozó 2. melléklet végleges uniós változata 2026-ban megjelent, de 2027. január 15-én lép hatályba; ezért 2026-ban felkészülési követelményként, nem már hatályos előírásként kell bemutatni.

11.3. Orvostechnikai és in vitro diagnosztikai eszközök

Az orvostechnikai eszközökkel és in vitro diagnosztikai eszközökkel végzett klinikai vizsgálatokra az (EU) 2017/745 MDR, illetve az (EU) 2017/746 IVDR és a kapcsolódó magyar szabályok vonatkoznak. A 2026-os ETT-tájékoztató szerint az ETT TUKEB szakmai-etikai véleménye ezeknél önmagában nem kutatási engedély: a szükséges NNGYK-engedélyt vagy nyilvántartásba vételt is meg kell szerezni.

11.4. Gyakorlati tájékozódási térkép

12.1. Adatvédelem és adatirányítás

Az egészségügyi adat különleges személyes adat. Kezelését az általános adatvédelmi rendelet (GDPR), az egészségügyi és kapcsolódó személyes adatok kezeléséről szóló 1997. évi XLVII. törvény, továbbá a kutatásra és az adott adatforrásra vonatkozó szabályok keretezik.

A kutatási tervben egyértelműen meg kell határozni:

• az adatkezelés célját és jogalapját;
• az adatkezelő, közös adatkezelő és adatfeldolgozó szerepét;
• a szükséges adatok legszűkebb körét és megőrzési idejét;
• az adatok forrását, eredetét, minőségi korlátait és a feldolgozási lépéseket;
• a hozzáférési jogosultságokat, naplózást, titkosítást, mentést és incidenskezelést;
• az adattovábbítást, összekapcsolást, másodlagos felhasználást és a kutatás lezárása utáni kezelést;
• a résztvevői tájékoztatást és az érintetti jogok gyakorlásának módját;
• az eredmények olyan közlését, amely nem teszi lehetővé személyek vagy kis csoportok visszaazonosítását.

A pszeudonimizált adat továbbra is személyes adat, mert kiegészítő információval visszakapcsolható az érintetthez. Az anonimizálás csak akkor valós, ha a visszaazonosítás ésszerűen nem lehetséges; a puszta név- és tajszám-eltávolítás rendszerint nem elegendő.

12.2. Adatminőség és reprodukálhatóság

Az adatnak alkalmasnak kell lennie a tervezett célra. Értékelni kell a pontosságot, teljességet, következetességet, időszerűséget, az adatdefiníciók stabilitását, az eredetet és a változások nyomon követhetőségét. A reprodukálhatóságot segíti a változódefiníciók, kódlisták, adattranszformációk, szoftververziók és elemzőkód dokumentálása, valamint - ahol jogilag és etikailag lehetséges - az adatok, metaadatok és kód ellenőrzött megosztása.

Az adatok nyílt hozzáférése nem írhatja felül a résztvevők jogait, a titoktartást és a jogszerű adatkezelést. Sok esetben nem a teljesen nyílt adat, hanem ellenőrzött hozzáférés, biztonságos elemzési környezet, szintetikus adat, részletes metaadat és futtatható elemzőkód a megfelelő megoldás.

12.3. Valós életből származó adatok

A valós életből származó adat (real-world data, RWD) keletkezhet elektronikus egészségügyi dokumentációból, betegregiszterből, finanszírozási adatból, beteg által közölt adatból, hordható eszközből vagy más rutinforrásból. Az ebből megfelelő módszerrel létrehozott klinikai következtetés a valós életből származó bizonyíték (real-world evidence, RWE).

A nagy adatmennyiség önmagában nem biztosít jó bizonyítékot. Kritikus kérdés:

• miért, hogyan és kiknél keletkezett az adat;
• a vizsgálati változó valóban azt méri-e, amire használják;
• változott-e a kódolás, a finanszírozási ösztönző vagy a dokumentációs gyakorlat;
• mi hiányzik, és a hiány összefügg-e a kimenetellel;
• összehasonlíthatók-e a csoportok;
• történt-e adatösszekapcsolás, és mennyire pontos;
• van-e előre meghatározott protokoll, elemzés és érzékenységi vizsgálat.

Rutinadatból származó asszociációt nem szabad automatikusan kezelési hatásként értelmezni. Ugyanakkor megfelelő tervezéssel az RWD fontos lehet ritka károk, hosszú távú eredmények, ellátási egyenlőtlenségek, mindennapi eredményesség és implementáció vizsgálatában. Az ilyen kutatások átlátható közlését a STROBE mellett a RECORD irányelv segíti.

12.4. Európai Egészségügyi Adattér

Az (EU) 2025/327 rendelet létrehozta az Európai Egészségügyi Adatteret (EHDS). A rendelet 2025. március 26-án hatályba lépett, de alkalmazása többéves, szakaszos átmenetben történik. Célja egyrészt az elektronikus egészségügyi adatok elsődleges, betegellátási felhasználásának és az egyéni hozzáférésnek az erősítése, másrészt a közérdekű másodlagos - többek között kutatási és szakpolitikai - felhasználás szabályozott támogatása.

2026-ban ezért az EHDS-t nem szabad teljesen működő, minden részletében már alkalmazandó adat-hozzáférési rendszerként bemutatni. A kutatóhelyeknek ugyanakkor már fel kell készülniük a szabványosítható adatokra, jó minőségű metaadatokra, az adatkérelmek kezelésére, a biztonságos feldolgozási környezetre és az átlátható adatirányításra.

12.5. Mesterséges intelligencia és predikciós modellek

Egy algoritmus technikai pontossága nem azonos a klinikai haszonnal. A mesterséges intelligenciát vagy gépi tanulást alkalmazó kutatásnál különösen fontos:

• a célpopuláció, adatforrás, címkézés és előfeldolgozás pontos leírása;
• a tanító-, hangoló- és tesztadatok elkülönítése, az adatszivárgás kizárása;
• a túlillesztés vizsgálata és független, lehetőleg időben és földrajzilag eltérő külső validálás;
• a diszkrimináció mellett a kalibráció és a klinikai hasznosság értékelése;
• teljesítmény vizsgálata életkor, nem, szociális helyzet, etnikai háttér és más releváns alcsoport szerint;
• az adat- és betegségmintázat változásából eredő teljesítményromlás monitorozása;
• az ember-algoritmus együttműködés, használhatóság, automatizálási torzítás és munkafolyamati hatás vizsgálata;
• a hibák, károk, kiberbiztonsági kockázatok és felelősségek kezelése;
• szükség esetén az orvostechnikai eszközökre vonatkozó szabályozás alkalmazása.

A TRIPOD+AI a predikciós modellek teljes és átlátható közlését támogatja, de nem minősíti automatikusan a modellt biztonságosnak vagy bevezetésre késznek. Bevezetés előtt prospektív hatásvizsgálat, helyi validálás és folyamatos utómonitorozás is szükséges lehet.

Az (EU) 2024/1689 rendelet, az úgynevezett mesterséges intelligenciáról szóló jogszabály (AI Act) fő szabályai 2026. augusztus 2-tól alkalmazandók, de egyes kötelezettségekre eltérő átmeneti időpontok vonatkoznak. A 2026. szeptemberi uniós ütemezés szerint az egyes érzékeny területeken használt, III. melléklet szerinti nagy kockázatú rendszerek szabályai 2027. december 2-tól, a szabályozott termékbe - például bizonyos orvostechnikai eszközökbe - beépülő nagy kockázatú MI-rendszerek szabályai 2028. augusztus 2-tól alkalmazandók. A kutatás vagy bevezetés előtt az aktuális rendeltetés, a szolgáltatói és alkalmazói szerep, az orvostechnikai minősítés és a mindenkori hatálybalépési ütemezés együttesen ellenőrzendő. Az átmeneti idő nem indokolja a felkészülés halasztását: már a fejlesztés során szükséges az MI-ismeretek biztosítása, a kockázat- és adatirányítás, a nyomon követhetőség, az emberi felügyelet, a kiberbiztonság és az utómonitorozás megtervezése.

15.1. Kutatás tervezésekor

• Fontos és a betegek számára releváns-e a kérdés?
• Ismert-e a meglévő bizonyíték, és valódi-e a tudáshiány?
• Illeszkedik-e a módszer a kérdéshez?
• Előre rögzítették-e a populációt, összehasonlítást, végpontokat és elemzést?
• A mintanagyság és követési idő alkalmas-e érdemi válaszra?
• Meghatározták-e a lényeges torzításokat és azok kezelését?
• Bevonják-e a betegeket vagy érintett közösségeket a megfelelő szakaszokban?
• Arányos-e a kockázat és teher a várható tudományos és társadalmi értékkel?
• Tisztázott-e az etikai, hatósági, adatvédelmi és intézményi engedélyezés?
• Nyilvános-e a regisztráció, és tervezett-e minden eredmény közlése?

15.2. Közlemény olvasásakor

• Pontosan mi volt a kérdés és az elsődleges végpont?
• A vizsgálati elrendezés alkalmas-e ennek megválaszolására?
• Kik kerültek be, kik maradtak ki, és mennyien estek ki?
• Megfelelő volt-e az összehasonlító csoport és a mérés?
• Mely torzítások és zavaró tényezők maradhattak fenn?
• A hatás nagysága, abszolút értéke és konfidenciaintervalluma mit mutat?
• A károkat ugyanolyan gondosan mérték és közölték-e, mint az előnyöket?
• Az elemzés előre tervezett vagy utólagos volt?
• Összhangban van-e az eredmény a teljes bizonyítékkal?
• Alkalmazható-e a saját betegekre és ellátási környezetre?
• Ki finanszírozta a kutatást, és milyen érdekeltség állhat fenn?

15.3. Kutatási eredmény bevezetésekor

• Milyen döntést változtat meg az eredmény?
• Kik nyernek, kik viselik a terhet, és kik maradhatnak ki?
• Rendelkezésre áll-e a személyzet, kompetencia, infrastruktúra és finanszírozás?
• Milyen helyi adaptáció szükséges a lényegi hatáselemek megőrzése mellett?
• Mi a kiinduló érték, célérték és mérési gyakoriság?
• Melyek az eredmény-, folyamat- és egyensúlyi mutatók?
• Ki a felelős, és mikor történik visszacsatolás?
• Mi a fenntartás, kiterjesztés, módosítás vagy leállítás előre meghatározott feltétele?