I kunnskapsbasert praksis er det viktig å gjøre spørsmålet (problemstillingen) tydelig og presist. PICO og PICo er verktøy som hjelper deg med dette, hvor PICO brukes for kvantitative spørsmål og PICo for kvalitative. Når du har formulert et presist spørsmål bør du bestemme hvilket kjernespørsmål du står overfor. Dette vil hjelpe deg når du skal søke etter forskning om ditt spørsmål. 

PICO gir struktur og klargjør spørsmålet for litteratursøk, utvelgelse og kritisk vurdering av litteraturen. PICO er en forkortelse for elementer som ofte vil være med i et spørsmål.

Her kan du laste ned Word-versjon av PICO-skjema (for spørsmål som besvares med kvantitative studier).

Ønsker du mer informasjon om verktøyet PICO? Birgitte Graverholt, Høgskulen på Vestlandet, forklarer PICO og bruker eksempler for å vise hvordan du kan ha nytte av PICO i praksis. Birgitte underviser i KBP og forsker på hvordan KBP fungerer ute i klinisk praksis (4:40 min).

Test deg selv: PICO

Mens PICO er godt egnet for spørsmål som besvares med kvantitative forskningsdesign, er PICo med liten o mer egnet til spørsmål som besvares med kvalitativ forskningsmetode, for eksempel spørsmål om opplevelser og erfaringer

Her kan du laste ned Word-versjon av PICo-skjema (for spørsmål som best besvares med kvalitative studier).

Når du har formulert et klart spørsmål utfra problemstillingen anbefaler vi at du definerer hvilket kjernespørsmål det hører inn under. Et kjernespørsmål hjelper deg å finne ut hvilken forskningsmetode som gir pålitelige svar på ditt spørsmål og hvor du finner denne forskningen. 

Spørsmål fra klinisk praksis kan kategoriseres i følgende seks kjernespørsmål:

Ønsker du mer kunnskap om kjernespørsmål? Per Olav Vandvik, Universitetet i Oslo, Lovisenberg sykehus og Folkehelseinstituttet, gir deg en oversikt over ulike typer kjernespørsmål i helsetjenesten og innsikt i hvorfor det er viktig å skille disse fra hverandre.  (5:20 min): 

Test deg selv: Kjernespørsmål

Hvilken metode som brukes i forskning kalles gjerne forskningsdesign eller forskningsmetode. Hvilke type kjernespørsmål du har avgjør valg av forskningsmetode. Tabellen under beskriver kjernespørsmål i helsetjenesten, hvilken kunnskap de kan gi, og hvilken forskningsmetode som besvarer dem best.

Lurer du på hva de ulike forskningsmetodene innebærer? Lillebeth Larun, Folkehelseinstituttet, gir en kort presentasjon av noen av de viktigste forskningsmetodene. (7:14 min): 

Test deg selv: Studiedesign

Helsebiblioteket.no er et nasjonalt elektronisk bibliotek som kjøper inn kliniske oppslagsverk og noen databaser og kunnskapsressurser og gjør disse tilgjengelige via Helsebiblioteket.no. Dermed har helsepersonell i Norge gratis tilgang til viktige oppslagsverk, databaser og andre fagressurser.

Ressursene i Helsebiblioteket er tilgjengelig for alt helsepersonell i Norge. De fleste fagbibliotekene ved utdanningsinstitusjoner og helseforetak abonnerer på en god del ressurser i tillegg til det som finnes i Helsebiblioteket. Er du student eller ansatt i et helseforetak kan det derfor være best å gå via nettsidene til eget fagbibliotek når du skal søke.

I Helsebiblioteket finner du mange databaser og kunnskapsressurser. Før du starter et søk er det lurt å tenke over:

1. Hva er spørsmålet mitt?

I trinn 2, spørsmålsformulering, presiserer vi problemstillingen og bestemmer type kjernespørsmål. Dette er viktig for å finne relevant forskningsbasert kunnskap effektivt. Du må for eksempel bruke andre kilder for å finne forskning på spørsmål om pasienterfaringer enn på spørsmål om effekt av tiltak.

2. Hva skal jeg lete etter?

Et viktig prinsipp i kunnskapsbasert praksis er å lete etter oppsummert forskning før du leter etter enkeltstudier. Oppsummert forskning kan være kvalitetsvurderte studier og systematiske oversikter. Det kan også være gode faglige retningslinjer der anbefalingene støtter seg på studier og oversikter som er systematisk samlet inn og kvalitetsvurdert.

Kunnskapspyramiden, eller EBHC pyramid 5.0 på engelsk, er beskrevet i en artikkel av Alper & Haynes (2016). Kunnskapspyramiden er en modell som hjelper deg å velge hva du skal søke etter og hvor du kan finne det. Kilder til oppsummert forskning ligger øverst i pyramiden og kilder til enkeltstudier ligger nederst. Start så høyt opp i pyramiden som mulig.

Alper, B. S., & Haynes, R. B. (2016). EBHC pyramid 5.0 for accessing preappraised evidence and guidance. Evidence-Based Medicine (English Ed.), 21(4), 123–125. https://doi.org/10.1136/ebmed-2016-110447

Husk å søke etter oppsummert forskning først. 

På Helsebiblioteket.no får du tilgang til noen av databasene som er nevnt i denne nettressursen. For tilgang til flere databaser, sjekk hva ditt fagbliotek tilbyr. 

Her kan du finne brukerveiledninger.

Emneord og tekstord

Vi skiller mellom to typer søkeord:

• Tekstord er ord i tittel og sammendrag, eller hele teksten i en artikkel (fulltekst). Et søk i Google er et tekstordsøk, vi skriver inn aktuelle ord i søkefeltet og får treff på nettsteder hvor ordene forekommer. Søk på tekstord kalles også fritekstsøk.
• Emneord er ord fra kontrollerte vokabular som beskriver innholdet i artikler, bøker, og andre publikasjoner. Store databaser som MEDLINE og PsycInfo har egne kontrollerte vokabular. I MEDLINE heter emneordene MeSH, som står for Medical Subject Headings.

Ser du at artikkelen i eksemplet over har fått emneordet «Diet, Carbohydrate-Restricted» selv om forfatteren bruker «low carbohydrate diet»? Fordelen med standardiserte emneord er at du slipper å tenke på synonymer, ulike staveformer, og entalls-/flertallsendelser når du søker. Et søk på emneordet «Diet, Carbohydrate-Restricted» i MEDLINE gir treff på artikler om lavkarbohydratdietter uansett hvilke begreper forfatteren har brukt.

I databaser som MEDLINE, PsycINFO, Embase og CINAHL er det lurt å bruke faste emneord når du søker. Emneordene varierer mellom databasene, men har du funnet et relevant engelsk begrep hjelper databasen deg å finne det rette emneordet. I databaser som ikke bruker faste emneord, f.eks. Epistemonikos og deler av Cochrane Library må du søke med tekstord. Hvis du trenger å finne «alt» om et tema, er det lurt å søke på en kombinasjon av emne- og tekstord også i de basene som har et emneordssystem. Det er fordi det kan ta litt tid fra en artikkel kommer inn i databasen til den blir tildelt emneord og fordi indekseringen ikke alltid er helt presis.

Hvordan finne engelske søkeord?

Uansett om du skal søke med emneord eller tekstord må du finne engelske søkeord. Under er en del tips om hvor og hvordan du kan finne dem.

Artikler og bøker om temaet

Har du en artikkel eller bok på temaet fra før? Er artikkelen eller boka på engelsk vil du finne relevante ord i teksten. Er den på norsk kan du sjekke litteraturlisten, forfattere refererer ofte til engelskspråklig litteratur om temaet. Det kan også være smart å søke opp artikkelen i databaser som MEDLINE, Embase og CINAHL for å se hvilke emneord den har fått der.

Ordbøker og oppslagsverk

Wikipedia - Tips: Søk på det norske begrepet, og velg English under andre språk i venstre meny.

Merriam-Webster Medical Dictionary

SveMed+

Alle referanser i SveMed+ får engelske MeSH-emneord uansett om artiklene er skrevet på svensk, norsk, dansk eller engelsk. Alle titler blir også oversatt til engelsk. Du kan derfor søke på norsk, svensk eller dansk i SveMed+ og lete etter engelske søkeord i emneordene og de oversatte titlene. Veiledning for å finne engelske søkeord i SveMed+ (PDF, 433 KB).

MeSH på norsk og engelsk

Deler av MeSH er oversatt til norsk. I databasen MeSH på norsk og engelsk kan du søke på norsk og finne tilsvarende engelsk MeSH. MERK: MeSH på norsk og engelsk er ikke oppdatert siden 2017. 

Helsebiblioteket

På helsebiblioteket.no kan du enkelt søke i en rekke kilder. Søket ditt oversettes automatisk til/fra engelsk og synonymer er også inkludert. Derfor kan dette være et godt utgangspunkt for å finne relevante søkeord.

Ulike databaser krever ulike måter å søke på. Derfor må du gjøre deg kjent med søketeknikken til den eller de basene du skal søke i.

Kombinere søkeord

Når du har funnet relevante søkeord må du kombinere dem på riktig måte i databasen ved å bruke kombinasjonsord (boolske operatorer). De vanligste kombinasjonsordene er AND, OR og NOT.

AND avgrenser søket fordi begge søkeordene må være med i artikkelreferansen: dementia AND exercise.

OR utvider søket ved å gi treff på artikkelreferanser som inneholder enten det ene, det andre eller begge søkeordene: dementia OR alzheimers.

NOT avgrenser søket fordi kun det ene, ikke det andre søkeordet, skal være med i artikkelreferansen:
dementia NOT drug therapy. Viktig: NOT må brukes med stor forsiktighet for du risikerer å ekskludere relevante treff ved bruk av NOT. 

Vilde Farup Halvorsen fra OsloMet forklarer boolske operatorer (2:39) 

Trunkering

Trunkering brukes når du søker på tekstord. Å trunkere betyr å søke på stammen av et ord for å få med entalls-/flertallsendelser og ulike varianter av ordet. Svært ofte er trunkeringstegnet en stjerne (*).  Et søk på vaccin* gir treff på vaccine, vaccines, vaccination, vaccinating osv.

Vilde Farup Halvorsen fra OsloMet forklarer trunkering (1:00)

Nå skal vi se på hvordan du med utgangspunkt i et PICO-skjema med emne- og tekstord kan lage søkestrategier.

Hvordan kombinerer jeg søkeordene?

Hver linje i PICO-tabellen (populasjon, intervensjon osv.) kaller vi et PICO-element. I eksempelet over er alle PICO-elementene tatt med. Ofte trenger du bare å søke på et par av elementene, f.eks. populasjon og intervensjon. Legg heller til flere elementer (for eksempel utfall) hvis du får for mange treff. Husk også at ikke alle spørsmål har alle PICO-elementene i seg.

Huskeregel: kombiner alle ordene innenfor hvert enkelt PICO-element med OR og til slutt alle PICO-elementene med AND.

I dette eksempelet har vi søkt på både tekstord (ord i tittel/sammendrag) og standardiserte emneord (MeSH). Du kan velge å kun søke på emneord eller kun på tekstord, men hvis du skal gjøre et grundig systematisk søk, anbefaler vi å bruke begge deler.

Noen databaser inneholder ikke standardiserte emneord. Da må du søke på tekstord og huske å få med synonymer og ulike staveformer.

Hvordan utfører jeg søket i praksis?

Søk på ett begrep av gangen. Når du har søkt på alle begrepene i et PICO-element, gå til søkehistorikken («search history») og kombiner med OR. Helt til sist kombinerer du alle PICO-elementene med AND (som illustrert i tabellen ovenfor). Måten man setter opp søk på varierer mye mellom ulike databaser. På Helsebiblioteket.no kan du finne veiledninger for søk i mange ulike databaser.

Begrense søket til forskningsmetode og/eller kjernespørsmål

I noen databaser, for eksempel i Cochrane Library, sorteres søkeresultatet automatisk etter forskningsmetode (systematiske oversikter og randomiserte kontrollerte studier). I andre databaser, slik som MEDLINE (Ovid), Embase (Ovid) og CINAHL (EBSCO) må du selv definere om du vil avgrense søket til en eller flere typer forskningsmetode.

Når du har gjort et søk i MEDLINE eller Embase fra Ovid, se etter funksjonen «Limits» og «Additional Limits». Der kan du bruke «Clinical Queries» til å avgrense søkeresultatet til det  kjernespørsmålet du ønsker å få svar på, f.eks. «therapy», «diagnosis» eller «prognosis». I CINAHL (EBSCO) klikker du på «Edit» i søkehistorikken for å finne «Clinical Queries». 

I PubMed kan du gå direkte til funksjonen «Clinical Queries» under «Find» på startsiden. Der kan du velge kategorier som f.eks. «therapy», «diagnosis» eller «prognosis».

Det finnes ulike sjekklister for ulike typer studiedesign, men sjekklistene har noen fellestrekk. Du bør stille to overordnede spørsmål som første ledd i kritisk vurdering:

• Har artikkelen en klart formulert problemstilling?
• Er designet velegnet for å svare på problemstillingen?

Dersom du svarer «nei» på ett av disse, bør du allerede vurdere å legge fra deg artikkelen.

De neste spørsmålene du bør stille deg:

• Kan du stole på resultatene?
• Hva er resultatene?
• Kan resultatene brukes i min praksis?

Dette er generelle overordnede spørsmål som bør stilles uavhengig av forskningsmetode. I tillegg anbefaler vi at du går grundig igjennom sjekklisten som passer forskningsmetoden i artikkelen du skal vurdere.

Sjekklister for å lære og øve på kritisk vurdering

Sjekklistene nedenfor er laget som pedagogiske verktøy for å lære kritisk vurdering av vitenskapelige artikler. 

Det er viktig å velge riktig sjekkliste for den type studiedesign artikkelforfatterne har brukt. I denne artikkelen får du en oversikt over mye brukte studiedesign. Husk at det noen ganger er nødvendig å lese metodekapitlet med beskrivelse av hva forskerne har gjort, for å identifisere hvilket studiedesign som er brukt. Lenger ned i kapittel 4 finner du beskrivelse av de vanligste studiedesignene.

Vi jobber for tiden med å få sjekklistene over i universell utforming og derfor har sjekklistene forskjellig layout. Sjekklistene kan fylles ut elektronisk, dette gjelder også sjekklistene i PDF-format der man kan krysse av i boksene og klikke i feltet under for å fylle inn kommentarer. 

Kapitler i kliniske oppslagsverk (UpToDate, BMJ Best Practice) (Word, 32 kB)
Eksempel UpToDate:  Stabil KOLS (PDF 251 kB)
Eksempel UpToDate: Alternativ supplerende kommunikasjon ved autisme (PDF 236 kB)

Retningslinje eller fagprosedyre (clinical guideline) (Word, 39 kB)
Eksempel: Remdesivir ved covid-19 (PDF 296 kB)

Oversiktsartikkel (review, systematic review, scoping review) (Word, 35 kB)
Eksempel: Tiltak ved korsryggsmerter (PDF 311 kB) 

Randomisert kontrollert studie (randomised controlled trial (RCT)) (Word, 34 kB)
Eksempel: Ikke-invasiv ventilasjonsbehandling ved kols (PDF 230 kB)

Kvalitativ studie (qualitative study) (Word, 48 kB)

Prevalensstudie (prevalence study) (Word, 39 kB) 

Tverrsnittstudie (cross-sectional studies) - bruk engelskspråklig sjekkliste fra CASP: Cross-Sectional Studies Checklist

Diagnosestudie (diagnostic study) (Skrivbar PDF, 5 MB)

Kohortstudie (cohort study) (Skrivbar PDF, 5 MB)

Kasuskontrollstudie (case-control study) (Skrivbar PDF, 5 MB)

Innendeltakerdesign (single-case experimental design) (Word, 46kB)

Sjekklister for kritisk vurdering på engelsk og flere andre språk er tilgjengelige fra Centre for Evidence Based Medicine ved University of Oxford, fra Critical Appraisal Skills Programme (CASP) ved Better Value Healthcare i Oxford og fra JBI som er en del av Faculty of Health and Medical Sciences ved University of Adelaide.

Sjekklister for kritisk vurdering til bruk i systematiske oversikter eller forskningsprosjekter

Hvis du skal kritisk vurdere artikler til bruk i en systematisk oversikt eller andre forskningsprosjekter bør du bruke mer omfattende sjekklister, som for eksempel:

• For randomiserte kontrollerte studier: Cochrane Risk of Bias 2 (RoB 2) tool
• For ikke-randomiserte studier av intervensjoner: ROBINS-I tool
• For ikke-randomiserte studer av eksponeringer: ROBINS-E tool
• For diagnosestudier: QUADAS-2 tool
• For kvalitative studier: CAMELOT, JBI Checklist for qualitative research
• For systematiske oversikter: ROBIS, AMSTAR
• For retningslinjer: AGREE II

Har du kommentarer eller forslag til andre sjekklister som bør være med på denne siden? Send e-post til redaksjonen@kunnskapsbasertpraksis.no.

En systematisk oversikt, eller systematisk kunnskapsoppsummering, er en oversikt over flere studier om samme emne. Det er viktig at det er brukt en systematisk og beskrevet fremgangsmåte for å finne, vurdere og oppsummere studiene.

I denne delen finner du videoer om hva systematiske oversikter er, hvordan du kritisk vurderer den metodiske kvaliteten og hvordan du kan vurdere av tillit til resultatene med GRADE.

Systematisk oversikt eller systematisk kunnskapsoppsummering kalles på engelsk systematic review eller eller evidence syntehsis. 

En god systematisk oversikt gir leseren oversikt over hva som finnes om et bestemt emne, og om kvaliteten på forskningen. 

Systematiske oversikter gjør kunnskapen lettere tilgjengelig. 

Samling av studier om en problemstilling

Formålet med systematiske oversikter er å se forskningsresultater fra relevante studier om en problemstilling under ett. En systematisk oversikt gir et balansert bilde av hva forskning har vist om en bestemt problemstilling.

I prinsippet kan systematiske oversikter sammenstille studier av alle typer forskningsmetoder og for alle kjernespørsmål. Systematiske oversikter blir oftest brukt i vurdering av effektspørsmål, men det finnes også systematiske oversikter for andre forskningsmetoder (f.eks diagnosestudier eller kvalitative studier).

En god systematisk oversikt kjennetegnes ved at den har:

• En klar tittel og klart formål
• En omfattende og beskrevet søkestrategi
• Klare kriterier for inklusjon og eksklusjon av primærstudier
• Vurdering av kvalitet på inkluderte studier
• Beskrivelse av karakteristiske trekk for alle inkluderte studier

Sammenstilling av resultatene fra inkluderte studier kan bestå av en beskrivende oppsummering, eller være en eller flere meta-analyser. Resultatene fra de enkelte studiene er analysert sammen for å gi et samlet resultat for flere eller alle studiene.

 Kritisk vurdering av systematiske oversikter

• Er formålet med oversikten klart formulert?
• Er det klare kriterier for inklusjon av enkeltstudiene?
• Er det sannsynlig at relevante studier er funnet?
• Er kvaliteten på de inkluderte studiene vurdert?
• Dersom resultatene fra de inkluderte studiene er kombinert statistisk i en meta-analyse, var dette fornuftig og forsvarlig?
• Dersom det ikke er gjennomført en meta-analyse – er dette valget begrunnet?
• Hvor presise er resultatene?
• Kan resultatene overføres til praksis?

Bente Frisk og Nina Rydland Olsen, Høgskulen på Vestlandet viser i denne videoen hvordan man kan bruke sjekkliste for oversiktsartikler til kritisk vurdering av en systematisk oversikt¹ (8:45). 

Vurdering av tillit til resultatene i en systematisk oversikt

Referanser:

1. van Middelkoop, M., Rubinstein, S. M., Kuijpers, T., Verhagen, A. P., Ostelo, R., Koes, B. W., & van Tulder, M. W. (2011). A systematic review on the effectiveness of physical and rehabilitation interventions for chronic non-specific low back pain. European spine journal : official publication of the European Spine Society, the European Spinal Deformity Society, and the European Section of the Cervical Spine Research Society, 20(1), 19–39.
2. Folkehelseintituttet. (2022, 22. april). Slik oppsummerer vi forsking. Hente ut data, sammenfatte og gradere. Folkehelseinstituttet.

Sjekklister for kritisk vurdering av systematiske oversikter:

For å øve på kritisk vurdering: Oversiktsartikkel (review, systematic review, scoping review) 

Til bruk i forskning og systematiske oversikter: ROBIS

Dersom spørsmålet ditt handler om effekt av et tiltak, er randomisert kontrollert studie (randomised controlled trial, RCT) den beste forskningsmetoden. RCT er en metode der vanligvis to grupper sammenlignes. Gruppene som skal sammenlignes bør være så like som mulig med hensyn til alt som kan påvirke utfallet. Dette oppnår man ved å tilfeldig fordele (randomisere). 

I en randomisert kontrollert studie skal deltagerne fordeles tilfeldig i tiltaksgruppe og kontrollgruppe. Når et nytt tiltak, f.eks. et medikament, skal testes ut, randomiserer man deltagerne i to grupper. Den ene gruppen får medikamentet (tiltaksgruppe eller intervensjonsgruppe), mens den andre gruppen (kontrollgruppen) ikke får medikamentet.

Randomisering er teknikken som med størst sannsynlighet gir sammenlignbare grupper.

Tilfeldig fordeling får vi (i prinsippet) ved å slå mynt og krone (i praksis ved å la et dataprogram gjøre arbeidet).

En randomisert kontrollert studie foregår over en tidsperiode. Etter en gitt tidsperiode sammenlignes de to gruppene, og sammenligningen viser om medikamentet har effekt eller ikke.

Kritisk vurdering av RCT:

• Er fomålet med studien klart formulert?
• Er en randomisert kontrollert studie et velegnet design for å besvare spørsmålet?
• Kan du stole på resultatene?
• Hva er resultatene?
• Kan resultatene brukes i min praksis?

I denne forelesningen av Hildegunn Lygren, Høgskolen i Bergen, får du en presentasjon av hva en randomisert kontrollert studie er, og eksempler på problemstillinger der RCT er det riktige studiedesign å bruke (7:54 min).

I denne videoen viser Liv Heide Magnussen og Vegard Pihl Moen ved Høgskulen på Vestlandet hvordan du kan kritisk vurdere en randomisert kontrollert studie¹ ved hjelp av sjekkliste for RCT (8:50 min). 

Referanse til artikkelen som vurderes i videoen

1. Andersen, L. N., Juul-Kristensen, B., Sørensen, T. L., Herborg, L. G., Roessler, K. K., & Søgaard, K. (2016). Longer term follow-up on effects of Tailored Physical Activity or Chronic Pain Self-Management Programme on return-to-work: A randomized controlled trial. Journal of rehabilitation medicine, 48(10), 887–892.

Sjekklister for kritisk vurdering av randomiserte kontrollerte studier:

For å øve på kritisk vurdering: Randomisert kontrollert studie (randomised controlled trial (RCT))

Til bruk i forskning og systematiske oversikter: Cochrane Risk of Bias 2 (RoB 2) tool

Kvalitativ forskningsmetode brukes for å undersøke og beskrive menneskers opplevelse og erfaringer. Det finnes forskjellige måter å fremskaffe denne kunnskapen på. Kvalitativ metode er en fleksibel forskningsmetode, og det kan være utfordrende å sette seg inn i metoden.

Datainnsamling og analyse

Datainnsamling skjer hovedsakelig gjennom intervju eller observasjon, men kan også ha andre former. For å oppnå et rikt beskrivende datamateriale, har man et relativt lite utvalg deltagere i kvalitativ forskning.

Analyse av kvalitative data kan variere, avhengig av den retningen man arbeider innenfor. Gjennom analyse prøver forskerne å finne mening i datamaterialet. Funnene presenteres i et beskrivende og fortellende format, med utdrag fra datamaterialet for å underbygge og illustrere hovedtemaene.

Kritisk vurdering av kvalitative studier

Det er debatt om hvorvidt én standardisert sjekkliste kan benyttes på alle typer kvalitative studier. En sjekkliste vil aldri kunne dekke alle sider av artikler, men er ment å hjelpe deg når du skal vurdere om artikkelen har bruksverdi i din praksis. 

Sjekklisten dekker følgende områder:

Har artikkelen en klart formulert problemstilling?

• I en god artikkel bør du finne et klart og tydelig formål på slutten av introduksjonen. I tillegg bør formålet være presentert i abstractet (sammendraget). Sammenfaller artikkelens problemstilling med ditt spørsmål? Hvis du ser at den ikke gjør det, må du kanskje legge artikkelen til side og se om du finner en som er mer relevant.

Er metoden som er benyttet velegnet for å besvare problemstillingen?

• For å finne ut av dette, kan du bruke tabellen over som hjelpemiddel. Dersom du vet at du ønsker kunnskap om personers opplevelse og erfaring, ser du i tabellen at foretrukket forskningsmetode er kvalitativ metode.

Kan du stole på resultatene? 

• Svaret på dette finner du som oftest i metodedelen i artikkelen. Her må du stille deg kritisk til utvalget, datainnsamlingen og analysemetoden som er brukt i studien.

Hva er resultatene? 

• De sentrale hovedfunnene i studien skal komme klart frem i artikkelen.

Kan resultatene brukes i min praksis?

• Målet med kvalitativ forskning er ikke å sannsynliggjøre at resultatene kan generaliseres til en bredere befolkning. I stedet kan resultatene være overførbare eller gi grunnlag for modeller som kan brukes til å prøve å forstå lignende grupper eller fenomen.
   

I denne videoen viser Tove Ask og Liv Heide Magnussen ved Høgskulen på Vestlandet hvordan du kan kritisk vurdere en kvalitativ studie¹ ved hjelp av sjekkliste for kvalitative studier (9:38 min).

Referanse til artikkelen som blir vurdert i videoen:

Metoden brukes mest når en skal beskrive forekomst (prevalens), f.eks. fysisk aktivitet, men kan også utforske sammenhenger, f.eks. mellom fysisk aktivitet og kosthold. 

En standard tverrsnittundersøkelse kan ikke si noe sikkert om årsaksforhold. De fleste markedsundersøkelser er tverrsnittstudier.  

Kritisk vurdering av tverrsnittstudier: 

• Er problemstillingen klart formulert?
• Er befolkningen (populasjonen) som utvalget er tatt fra, klart definert?
• Ble utvalget inkludert i studien på en tilfredsstillende måte?
• Ble det redegjort for om respondentene skiller seg fra de som ikke har respondert?
• Er svarprosenten høy nok?
• Bruker studien målemetoder som er pålitelige for det som skal måles?
• Er datainnsamlingen standardisert?
• Er dataanalysen standardisert?
• Hva forteller resultatene?
• Kan det overføres til praksis?

Monica W. Nortvedt, Høgskolen i Bergen, presenterer tverrsnittstudie. Monica er leder for Senter for kunnskapsbasert praksis, HiB. Hun underviser i KBP og har skrevet lærebok om emnet.

For å vurdere om en test er god må den sammenlignes med en referansetest (den beste testen som finnes på området). Et eksempel kan være om hvisketest er en pålitelig test for å avdekke hørselsproblemer hos eldre hvor referansetesten er audiometri.

Kritisk vurdering av diagnostiske tester:

• Er formålet med studien klart formulert?
• Ble det utført en sammenligning med en egnet referansetest?
• Fikk alle pasientene/individene den diagnostiske testen og referansetesten?
• Kan resultatene på referansetesten ha hatt innflytelse på testen som vurderes?
• Er sykdomsstatusen på populasjonen som testes, klart beskrevet?
• Ble metodene for utførelsen av testen godt nok beskrevet?
• Hva forteller resultatene?
• Kan det overføres til praksis?

I denne forelesningen av Per Vandvik, Kunnskapssenteret, får du en presentasjon av hva en diagnostisk studie er, og eksempler på problemstillinger der diagnostiske tester er den  riktige forskningsmetoden å bruke. 

Ønsker du å trene på kritisk vurdering av diagnostiske tester? Her finner du en artikkel og sjekkliste for diagnostiske tester. 

Retningslinjer gir anbefalinger for praksis som skal gi beslutningsstøtte og være basert på beste tilgjengelige kunnskap. Slike anbefalinger er uvurderlige verktøy for travle klinikere. De må imidlertid være til å stole på og mulig å anvende i praksis. Dette gjelder uavhengig av om de er utviklet på internasjonalt nivå (f.eks. av Verdens helseorganisasjon), for bruk i et land (f.eks. nasjonale retningslinjer fra Helsedirektoratet) eller der du jobber (f.eks. fagprosedyrer og pasientforløp). 

Mange retningslinjer har dessverre svakheter med hensyn til både kunnskapsgrunnlag og prosess for utvikling av anbefalinger. Kritisk vurdering av retningslinjer er derfor helt nødvendig. 

Nye definisjoner og standarder for kunnskapsbaserte og troverdige (pålitelige) retningslinjer, og forbedret metodikk for utvikling og evaluering av slike retningslinjer (GRADE og AGREE II) gir langt bedre muligheter enn tidligere for å lykkes med å utarbeide retningslinjer av god kvalitet.

Vil du vite mer om retningslinjer kan du lese disse artiklene:

Vandvik, P. O., Berg, R., & Vist, G. (2013). En ny generasjon troverdige kliniske retningslinjer. Norsk Epidemiologi, 23(2).

Hayward, R. S., Wilson, M. C., Tunis, S. R., Bass, E. B., & Guyatt, G. (1995). Users' guides to the medical literature. VIII. How to use clinical practice guidelines. A. Are the recommendations valid? The Evidence-Based Medicine Working Group. JAMA, 274(7), 570–574. 

Se gjerne video om utvikling av retningslinjer ved bruk av GRADE.

Kritisk vurdering av faglige retningslinjer

Verktøyet AGREE II består av 23 punkter fordelt på seks hovedområder: 

• Avgrensning og formål
• Involvering av interessenter 
• Metodisk nøyaktighet 
• Klarhet og presentasjon 
• Anvendbarhet 
• Redaksjonell uavhengighet

Vil du øve på kritisk vurdering av faglige retningslinjer? Bruk vår sjekkliste for kritisk vurdering av faglige retningslinjer og fagprosedyrer. Retningslinjer kan du f.eks. finne via Helsebibliotekets retningslinjesider.

Her finner du eksempel på utfylt sjekkliste for kritisk vurdering av en faglig retningslinje om remdesivir ved covid-19.

Liv Merete Reinar, Kunnskapssenteret, gir i denne videoen en enkel innføring i hva en faglig retningslinje er og hvordan man kan kritisk vurdere dem.

Her finner du lenker til sider som på en enkel måte og ved hjelp av konkrete eksempler gir en innføring i statistikk.

Statistikk er å analysere og beskrive ved hjelp av tall. Tallene kan beskrive hvor mange (som er syke), hvor ofte (opptrer symptomer) og hvor mye (alvorlighetsgrad). 

Populasjon og utvalg

Det finnes eksempler der statistikk baserer seg på hele den aktuelle befolkningen eller populasjonen, for eksempel medisinsk fødselsregister. For mange formål er det upraktisk å samle statistikk om hele populasjonen. 

Et av hovedformålene med bruk av statistikk er å trekke slutninger om en populasjon basert på et mindre utvalg. 

Tabell 1 – Histogram over fars alder ved barns fødsel

Histogrammet over viser alle registrerte fødsler i 2011 og hvordan nybakte fedre fordeler seg i ulike alderskategorier (Figur 1). Noen av de som ble fedre i 2011 var yngre enn 20 år og noen var eldre enn 50 år, men de fleste var mellom 30 og 35 år. Hyppigheten (frekvensen) viser hvor mange som er i hver kategori, f.eks. er 18784 nybakte fedre  (32 %) mellom 30 og 35 år.

Når vi måler alder på et stort antall mennesker vil resultatene fordele seg i en normalkurve. Normalkurven viser sentraltendens og spredning ved hjelp av gjennomsnitt (M) og standardavvik (SD). Gjennomsnittlig alder for de som ble fedre i 2011 er 33 år og standardavviket er 6.5. I eksempelet er det benyttet 11 alderskategorier à 5 år (søylebredder) og histogrammet antar en tilnærmet klokkeform (linje).

I statistikken ser vi ofte histogram med en slik klokkeform, og vi sier da at data følger en Gauss- eller normalfordelingskurve.

Normalfordelingskurven er symmetrisk, det vil si at kurven er like bratt enten man beveger seg fra midten mot venstre eller fra midten mot høyre. Slike symmetriske data dukker ofte opp i reelle situasjoner, men i den virkelige verden finnes det mange eksempler på data som ikke er normalfordelt (klokkeformet). 

Figur 2 oppsummerer norske arbeidsledighetstall fra 2012 og illustrerer skjevfordelte data som ikke passer med normalfordelingen. Når fordelingen er skjev (ikke normalfordelt) brukes vanligvis median som sentraltendens og spredning vises med interkvartil bredde (inter quartile range) eller prosentiler (percentiles). I figur 2 er medianen 10 uker, 25 % prosentilen 4 uker, 75 % prosentilen 38 uker og interkvartil bredde er 34 uker.

Figur 2 – Histogram over varighet av arbeidsledighet

I denne videoen laget for KBP på tvers ved Høgskulen på Vestlandet får du en enkel innføring i deskriptiv statistikk (3:42 min)

Eva Denison, Kunnskapssenteret, gir en  innføring i hvordan du kan beskrive tall. Eva underviser i statistikk og kunnskapsbasert praksis for helsepersonell. I tillegg skriver hun kunnskapsoppsummeringer m.m. og har skrevet bruksanvisninger for ulike statistikkprogram (9:30 min). 

For å kunne stole på resultatene må vi være rimelig sikre på at det verken er systematiske eller tilfeldige feil i studien. En kritisk vurdering av hvordan forskerne gikk fram gir oss svar på om det kan foreligge systematiske feil, mens faget statistikk hjelper oss å vurdere om resultatene kan skyldes tilfeldige feil. Det kan vi bedømme ved å utnytte hjelpemidler som konfidensintervall eller statistiske tester. Statistikken hjelper oss å reflektere om hva som ville ha skjedd dersom den aktuelle studien var blitt gjentatt mange ganger. Dermed kan vi få en formening om det er rimelig å anta at resultatene ikke bare gjelder for dem som ble undersøkt i akkurat denne studien, men også for alle andre liknende personer.

Analyse av forskjeller i frekvenser

Når utfallene er todelte (dikotome), f.eks. frisk eller syk, kan en beregne sammenheng mellom tiltaket og utfallet. Det er ulike måter å presentere resultatet, men utgangspunktet for analysene er alltid en 2x2 tabell. Tabell 1 er en 2x2 tabell som oppsummerer resultater fra en studie som undersøkte effekten av massasje for pasienter med kroniske nakkesmerter og viser at 18 av 31 (58 %) pasienter som fikk massasje ble bedre, mens 2 av 29 (7 %) pasienter i kontrollgruppen rapporterte bedring.

Tabell 1: Antall pasienter som rapporterte bedring ved 4 uker

I de første kolonnene i tabell 2 er tallene fra tabell 1 presentert som prosent. En vanlig måte å analysere tallene er å se på forskjell i ”risikoen” for å bli bedre hvis du får massasje, sammenlignet med om du får en informasjonsbrosjyre. Risikoforskjellen mellom de to gruppene kan tallfestes, og er et punktestimat. Rundt effektestimat beregner vi et konfidensintervall (KI) som viser i hvilket intervall vi med sikkerhet kan si at effektestimatet ligger hvis vi skal anvende den i utgangspopulasjonen. Det er vanlig å oppgi KI med 95 % sikkerhet (95 % KI).

I denne videoen laget for KBP på tvers ved Høgskulen på Vestlandet får du en forklaring på konfidensintervall (2:30 min)

I denne videoen laget for KBP på tvers ved Høgskulen på Vestlandet får du en forklaring på risiko (1:52 min)

P-verdien viser sannsynligheten for at resultatet skyldes tilfeldige feil. Vi sier som regel at en p-verdi under 0,05 er statistisk signifikant, som betyr at sannsynligheten for at det skyldes tilfeldige feil er lav nok. Statistisk signifikans betyr ikke at resultatet er klinisk signifikant, det vil si om forskjellen betyr noe for pasienten.

I denne videoen laget for KBP på tvers ved Høgskulen på Vestlandet får du en forklaring på p-verdi (3:12 min)

Tabell 2: Analysere tall relativ risiko (RR) og 95 % KI (analyse av forskjell i frekvenser) 

I tabell 2 er risikoforskjellen mellom massasjegruppen og informasjonsgruppen presentert som relativ risiko (RR). For å finne RR må en regne ut risikoen i hver gruppe først. Risikoen i hver gruppe regnes ut ved å ta antallet som ble bedre, delt på alle i gruppen. I tiltaksgruppen ble 18 av 31 bedre, dvs. risikoen er 18/31 (58 %). I kontrollgruppen ble 2 av 29 bedre, dvs. risikoen er 2/29 (7 %). Tallene ble hentet fra Tabell 1. Den relative risikoen (RR) finner en ved å ta risikoen i tiltaksgruppen og dele på risikoen i kontrollgruppen, dvs. 58 delt på 7 som er 8,5. Det betyr at sjansen for å bli bedre var 8,5 ganger større for de som fikk massasje. I tabell 2 er RR presentert for alle måletidspunktene. Det er stor variasjon i 95 % KI for 4 uker (2,0 til 35,4), og p-verdien er 0,003. Ved 26 uker krysser konfidensintervallet 1 og p-verdien over 0,05, og den varige effekten er derfor usikker.

Resultatene kan også presenteres som absolutt risikoreduksjon (ARR) som angir andelen pasienter som ikke får et ugunstig utfall. Hvis vi tar utgangspunkt i 2×2 tabellen igjen (tabell 1) finner du ARR ved å ta risikoen for de som ikke fikk behandling (2/29) minus risikoen for de som fikk behandlingen (18/31). ARR blir da 7 % – 58 % = -51 % som betyr at sjansen (”risikoen”) for å bli bedre er 51 % større i tiltaksgruppen enn i kontrollgruppen etter fire uker.

En mer konkret måte å presentere resultatene på, er å si hvor mange som må få behandling for at én pasient skal bli bedre, evt. forhindre et ugunstig utfall. Denne måten kalles number-needed-to-treat (NNT). Dette regnes ut ved å ta 100 delt på absolutt risikoreduksjon (ARR) i prosent. I vårt eksempel er ARR 51 % slik at det blir 100/51. Det betyr, kort sagt, at hvis to pasienter får massasje vil én oppgi bedring etter fire uker.

Analyse av forskjeller i gjennomsnitt

Når utfallene er kontinuerlige, f.eks. målt på en visuell analog skala (VAS), kan du beregne gjennomsnitt og standardavvik. Det er en beskrivelse av sentraltendens og spredning for utfallet blant personene som deltok i den aktuelle studien. I tabell 3 viser vi resultatene fra en studie som har sett på effekten av p-piller (tiltaksgruppe) , sammenlignet med placebopiller (kontrollgruppe) mot menstruasjonssmerter. Gjennomsnitt (M) og standardavvik (SD) for alle målepunktene både før og etter behandlingsstart (pre- og posttest) for henholdsvis tiltaks- og kontrollgruppen, er presentert.

Tabell 3: Gjennomsnitt, standardavvik, 95 % KI og p-verdi for smerteskår

I tabell 3 er det gjennomsnittene på posttestene som sammenlignes (her 3,1 og 5,8 for variabelen menstruasjonssmerter). I massasjestudien presenteres gjennomsnittsforskjellen sammen med konfidensintervall og p-verdi (tabell 4). For å kunne vurdere om endring er klinisk relevant, er det viktig å vite bredden på måleskalaen og ha et forhold til hva som er en viktig endring for pasienten. Hvis konfidensintervallet krysser 0 (gjelder kontinuerlige variabler) betyr det at det ikke er sikkert at det er forskjell i utgangspopulasjonen.

Tabell 4: Forskjell i gjennomsnitt og 95 % KI

I denne studien er gjennomsnittsforskjellen for symptombelastning ved fire uker mellom de som fikk massasje og de som fikk informasjon 2,1 poeng i favør av massasjegruppen. Utfallet er målt på en 0 til 10 poengs skala, og jo lavere skår desto bedre. 95 % KI i fire uker går fra minus 4 til minus 0,03 poeng. Det betyr at denne forskjellen kan overføres til utgangspopulasjonen. Ved oppfølging etter både 10 og 26 uker krysser konfidensintervallet 0. Da kan vi ikke si at forskjellen gjelder i utgangspopulasjonen.

I eksemplene over har vi valgt å vise til studier som sammenligner forskjeller i gjennomsnitt mellom en tiltaksgruppe og en kontrollgruppe. Det er viktig å være klar over at statiske analyser basert på gjennomsnittsforskjeller, kan gi feilaktige resultater hvis måleresultatene ikke er normalfordelte. I slike tilfeller kan det være aktuelt å benytte seg av andre statistiske metoder som for eksempel ikke-parametriske analyser og transformasjoner. Det finnes også statistiske metoder for å analysere data fra ikke-kontrollerte studier, for eksempel før-etter-studier, men det er viktig å være klar over at resultater fra ukontrollerte studier er utsatt for påvirkning fra systematisk feilkilder.

Eva Denison, Kunnskapssenteret, gir en  innføring i hvordan analysere tall. Eva underviser i statistikk og kunnskapsbasert praksis for helsepersonell. I tillegg skriver hun kunnskapsoppsummeringer m.m. og har skrevet bruksanvisninger for ulike statistikkprogram.

Vær oppmerksom på feil to steder i videoen:

• Ved 4 min, 30 sek står det «Gjennomsnittsforskjellen mellom gruppene er 30 mmHg», mens det sies at den er 35 mmHg. Det korrekte er 30 mmHg.
• Ved 6 min, 11 sek står det «Risiko i eksperimentgruppen (Pille A): 18/46 = 0,28 = 28 %», mens det sies at det var 18 av 64 som fikk hjerteinfarkt. Det korrekte er 18/64 = 0,28 = 28 %.

Analyse av forskjeller i gjennomsnitt

Når utfallene er kontinuerlige, f.eks. målt på en visuell analog skala (VAS), kan du beregne gjennomsnitt og standardavvik. Det er en beskrivelse av sentraltendens og spredning for utfallet blant personene som deltok i den aktuelle studien. I tabell 3 viser vi resultatene fra en studie som har sett på effekten av p-piller (tiltaksgruppe) , sammenlignet med placebopiller (kontrollgruppe) mot menstruasjonssmerter. Gjennomsnitt (M) og standardavvik (SD) for alle målepunktene både før og etter behandlingsstart (pre- og posttest) for henholdsvis tiltaks- og kontrollgruppen, er presentert.

Tabell 3: Gjennomsnitt, standardavvik, 95 % KI og p-verdi for smerteskår

I tabell 3 er det gjennomsnittene på posttestene som sammenlignes (her 3,1 og 5,8 for variabelen menstruasjonssmerter). I massasjestudien presenteres gjennomsnittsforskjellen sammen med konfidensintervall og p-verdi (tabell 4). For å kunne vurdere om endring er klinisk relevant, er det viktig å vite bredden på måleskalaen og ha et forhold til hva som er en viktig endring for pasienten. Hvis konfidensintervallet krysser 0 (gjelder kontinuerlige variabler) betyr det at det ikke er sikkert at det er forskjell i utgangspopulasjonen.

Tabell 4: Forskjell i gjennomsnitt og 95 % KI

I denne studien er gjennomsnittsforskjellen for symptombelastning ved fire uker mellom de som fikk massasje og de som fikk informasjon 2,1 poeng i favør av massasjegruppen. Utfallet er målt på en 0 til 10 poengs skala, og jo lavere skår desto bedre. 95 % KI i fire uker går fra minus 4 til minus 0,03 poeng. Det betyr at denne forskjellen kan overføres til utgangspopulasjonen. Ved oppfølging etter både 10 og 26 uker krysser konfidensintervallet 0. Da kan vi ikke si at forskjellen gjelder i utgangspopulasjonen.

I eksemplene over har vi valgt å vise til studier som sammenligner forskjeller i gjennomsnitt mellom en tiltaksgruppe og en kontrollgruppe. Det er viktig å være klar over at statiske analyser basert på gjennomsnittsforskjeller, kan gi feilaktige resultater hvis måleresultatene ikke er normalfordelte. I slike tilfeller kan det være aktuelt å benytte seg av andre statistiske metoder som for eksempel ikke-parametriske analyser og transformasjoner. Det finnes også statistiske metoder for å analysere data fra ikke-kontrollerte studier, for eksempel før-etter-studier, men det er viktig å være klar over at resultater fra ukontrollerte studier er utsatt for påvirkning fra systematisk feilkilder.

Eva Denison, Kunnskapssenteret, gir en  innføring i hvordan analysere tall. Eva underviser i statistikk og kunnskapsbasert praksis for helsepersonell. I tillegg skriver hun kunnskapsoppsummeringer m.m. og har skrevet bruksanvisninger for ulike statistikkprogram.

Vær oppmerksom på feil to steder i videoen:

• Ved 4 min, 30 sek står det «Gjennomsnittsforskjellen mellom gruppene er 30 mmHg», mens det sies at den er 35 mmHg. Det korrekte er 30 mmHg.
• Ved 6 min, 11 sek står det «Risiko i eksperimentgruppen (Pille A): 18/46 = 0,28 = 28 %», mens det sies at det var 18 av 64 som fikk hjerteinfarkt. Det korrekte er 18/64 = 0,28 = 28 %.

Når resultater fra et forskningsprosjekt formidles i en vitenskapelig artikkel har forfatterne begrenset plass. Forfatterne må prioritere hvilke data de vil presentere. Denne prosessen kan føre til skjevfremstilling av resultater og mangelfull rapportering av detaljer. I grafiske fremstillinger kan samme resultat tydeliggjøres og usynliggjøres ved å justere figurens layout. Tilsvarende kan oppfatningen av resultatene i en studie avhenge av hvilke tall (resultater) som trekkes frem og måten tallene presenteres på. Nedenfor viser vi to eksempler på hvordan tall kan presenteres.

Formidle forskjeller i gjennomsnitt

I forskningsartikler benyttes ofte figurer for å visualisere studiens resultater. Bruk av figurer fremmer lesbarheten. Samtidig kan dette påvirke leserens forståelse av resultatene i en retning som taler til studiens fordel. I figur 1 er resultatene som ser på effekter av massasje for hvordan nakkeproblemer påvirker hverdagsaktivitet, fremstilt grafisk. For å demonstrere at enkle layoutmessige virkemidler kan påvirke leserens tolkning av resultatet har vi valgt å vise resultatene på to måter. Det eneste som skiller de to framstillinger er at de mest interessante delene av figurene er forstørret i figuren til høyre, samtidig som standardavvik (vertikale linjer) er byttet ut med tilhørende standardfeil. Ville du blitt lurt av våre virkemidler?

Figur 1 Samme datasett, to ulike grafiske framstillinger

Formidle forskjeller i frekvens
I modulen om analyse av tall så vi at resultatet kan presenteres på ulike måter selv når utfallet er todelt (ja/nei). De ulike effektstørrelser (for eksempel relativ risiko og odds ratio) baserer seg på det samme tallmaterialet, men har ulike styrker og svakheter. Hvilke effektestimat som presenteres i en artikkel kan ha stor betydning for hvordan leseren oppfatter resultatene. I tabell 1 illustrerer vi dette ved å se på to ulike studier, og for hver av studiene har vi beregnet fire ulike effektestimat (OR, RR, ARR og NNT):

Tabell 1 Resultat presentert ved hjelp av ulike effektstørrelser 

Bosch et al (2002) BMJ 324:699-702. Brent et al (1995) Arch Pediatr Adolesc Med 149: 788-803

En av de viktigste forskjellene på de to artiklene er hyppigheten av utfallet de måler (henholdsvis 9 per 1000 og 912 per 1000). Dette har betydning for hvordan de ulike effektstørrelsene forholder seg til hverandre. Ved lav forekomst ligger relative effektstørrelser (OR og RR) nært i verdi, mens ved høy forekomst vil OR gi mer ekstreme verdier enn RR. Det kan gi rom for misforståelser idet mange lesere tolker OR på samme måte som RR. Absolutte effektstørrelser (ARR og NNT) vil i mye større grad enn relative størrelser (OR og RR) reflektere forekomsten av utfallet som måles. Når man skal vurdere resultater kan det derfor være nyttig å sammenligne flere ulike effektestimat.

Statistisk forskjell er ingen forskjell før den utgjør en forskjell for pasienten

Av og til kan studier påvise små effektforskjeller mellom to tiltak. Det vil si at effekten av tiltaket som studeres ganske sikkert (> 95 %) er større enn null, men at effekten er for liten til å utgjøre en praktisk forskjell for pasientene (tabell 2).

Tabell 2 Ikke alle statistisk signifikante forskjeller er klinisk viktig 

I studien som undersøkte effekten av massasje hos pasienter med kroniske nakkesmerter, følte 8,5 ganger flere av pasientene i massasjegruppen seg bedre fire uker etter behandling, og tiltaket kan sies å være virkningsfullt både fra et statistisk (p<0,003) og et klinisk ståsted. Den samme studien så på hvordan nakkeproblemer begrenser hverdagsaktiviteter.

Gjennomsnittsforskjellen mellom gruppene ved fire uker er statistisk signifikant (p=0,047), men en forskjell på 2.1 poeng på en skala fra 0-50 betyr antageligvis lite for pasienten. Forskjellen i symptombelastning ved fire uker er også statistisk signifikant (p= 0,006), nærmere bestemt 1,6 poeng. Symptombelastningsskalaen som er brukt går fra 0-10 poeng, så her kan man tenke seg at forskjellen betyr noe for pasienten i hverdagen. Det viser at statistisk signifikans ikke nødvendigvis tilsier at et tiltak skal iverksettes. Helsepersonell og pasient må i fellesskap vurdere om gjennomsnittlig behandlingseffekt vil gjøre påvirke praksis. Potensiell effekt må også vurderes opp mot risiko for bivirkninger og opp mot totale behandlingskostnader (helseøkonomiske analyser).

Kjetil G. Brurberg, OsloMet, forteller om utfordringer knyttet til formidling og forståelse av tall. Kjetil underviser i statistikk og kunnskapsbasert praksis, og han skriver kunnskapsoppsummeringer med mer.

Samle løse tråder
Utgangspunktet for enhver metaanalyse bør være en god systematisk oversikt som samler alle relevante studier. Hvis du finner flere studier som besvarer samme problemstilling vil hjernen straks lete etter mønstre. Så lenge alle tilgjengelige data trekker i samme retning settes du ikke på store prøver, men det er vanskeligere å forholde seg til sprikende (inkonsistente). Intuisjonen forteller deg kanskje at du bør telle opp antall studier med én bestemt konklusjon og stole på den konklusjonen som får flest stemmer. Ofte finnes det gode grunner til at noen studier bør tillegges større vekt enn andre, for eksempel fordi de involverer mange deltakere eller er godt gjennomført. I slike situasjoner er metaanalyser å foretrekke fremfor intuisjon og ”magefølelsestatistikk”.

Diamanten
Metaanalyser forbindes gjerne med balansediagram (forest plot) der hver rad henviser til én enkeltstudie. Kolonnevis får du gjerne informasjon om de inkluderte enkeltstudiene, som for eksempel antall deltakere, i tillegg til en kolonne som forteller hvor stor vekt studien er tillagt i metaanalysen. Resultatet vises på nederste rad der sammenslått effektestimat ofte fremkommer som en diamant (Figur 1). Bredden på diamanten viser konfidensintervallet (spredning), mens midten av diamanten viser effektmålet (sentraltendens). Akkurat som i enkeltstudier kan du velge mellom ulike effektmål i en metaanalyse. Dikotome utfallsmål presenteres typisk i form av relativ risiko, odds ratio eller relativ risikoforskjell (jf. Analysere tall 1), og ved kontinuerlige utfallsmål er ofte gjennomsnittsforskjell (MD) å foretrekke (jf. Analysere tall 2). Du kan også komme over metaanalyser som beregner standardiserte gjennomsnittsforskjeller (SMD). SMD brukes for å slå sammen studier som har målt tilnærmet samme utfall på ulike skalaer, men SMD er ofte vanskelig å fortolke i praksis.

Figur 1 Metaanalyse, deksametason for tilbakevendende hodepine (Colman et al (2008) BMJ 336:1359-61)

Heterogenitet
Figur 1 viser et balansediagram med godt samsvar mellom alle inkluderte studier, men ofte vil du finne enkeltstudier med sprikende (heterogene) resultater. Heterogenitet refererer til variasjon mellom enkeltstudier som ikke kan tilskrives tilfeldigheter, men som heller har sin årsak i at enkeltstudiene faktisk er forskjellige, for eksempel fordi intervensjonen gis med varierende intensitet eller populasjonen er satt sammen på ulike vis. I metaanalyser måles heterogenitet ofte i form av et måltall som kalles I² og tar verdier mellom 0 og 100 %. I² viser hvor mye av den totale variasjonen som ikke kan forklares av tilfeldige feil. Med stigende I² øker sjansen for at det er reelle forskjeller mellom de inkluderte studiene – en advarsel om at det muligens ikke er så lurt å slå sammen de aktuelle studiene.

De som gjennomfører en metaanalyse kan velge mellom en tilfeldig (random) eller fiksert (fixed) effektmodell. Her skal vi ikke gå i detaljer utover å nevne at forskjellen mellom de to modellene øker med stigende I², og den randomiserte modellen er å foretrekke hvis du forventer å observere heterogenitet i en planlagt metaanalyse. Noen ganger er det aktuelt å gjøre subgruppeanalyser for å utforske heterogenitet. Dette kan være nyttig, men husk at subgruppeanalyser bør være definert i forkant (apriori) og helst være basert på en biologisk plausibel årsaksmekanisme.

Kjetil G. Brurberg, OsloMet, forklarer hvorfor metaanalyser kan være hensiktsmessige og hvordan du skal forstå en metaanalyse. Presentasjonen er tilpasset lesere som har svært liten erfaring med metaanalyser fra tidligere.

Kunnskap-til-handling-modellen er et implementeringsverktøy. Registered Nurses' Association of Ontario (RNAO) har utviklet en verktøykasse for å hjelpe helsepersonell å overføre forskningsbasert kunnskap til praksis. Verktøykassen er oversatt til norsk og tilpasset til norske forhold. Utgangspunktet er forskningsbasert kunnskap, fra for eksempel systematiske oversikter eller kunnskapsbaserte retningslinjer, som brukes inn i Kunnskap-til-handling-modellen. Den forskningsbaserte kunnskapen må integreres med erfaringsbasert kunnskap, pasientkunnskap og kontekst. Egnede implementeringsstrategier må velges. Fasene i Kunnskap-til-handling-modellen er arbeid med interessenter, ressurser, barrierer og motivasjonsfaktorer samt å skreddersy en konkret implementeringsplan.

Kunnskap-til-handling-modellen (kunnskapstranslasjon) komplementerer kunnskapsbasert praksis-modellen. Det er ikke fullstendig overlapp mellom disse modellene, for eksempel kalles innhenting og vurdering av forskning kunnskapstrakten i kunnskap-til-handling-modellen. Kunnskapstrakten sammen med den første fasen dekker de fire første trinnene i kunnskapsbasert praksis: 1) refleksjon, 2) spørsmålsformulering, 3) litteratursøk og 4) kritisk vurdering. Kunnskap-til-handling-modellen er nyttig for å konkretisere de neste to trinnene 5) anvende og 6) evaluere. Regional kompetansetjeneste for rehabilitering (RKR) ved Sunnaas sykehus har utviklet og bruker denne videoen til opplæring i kunnskapstranslasjon (8:25 min):

 Video laget av Regional kompetansetjeneste for rehabilitering, brukt med tillatelse.

5.1.1. Identifisere problem og behov for kunnskap

Den første fasen i kunnskap-til-handling-modellen er å identifisere et problem eller behov for forskningsbasert kunnskap. Behovet kan for eksempel oppstå som resultat av at noe ikke fungerer eller at det er kommet ny forskning, nye retningslinjer eller fagprosedyrer som krever endring i praksis. Kløften mellom eksisterende praksis og forskningsbasert kunnskap må identifiseres og analyseres. I denne prosessen er det nyttig å engasjere pasientnære medarbeidere og spørre dem om det er en kløft mellom eksisterende praksis og mønsterpraksis. I kapittel 1 i verktøykassen for implementering av kunnskapsbaserte retningslinjer finnes et verktøy for å avdekke kunnskapskløfter.

5.1.2. Tilpasse kunnskapen til lokale forhold

For å tilpasse den forskningsbaserte kunnskapen til lokale forhold må interessenter identifiseres, analyseres og engasjeres. Interessenter omfatter enkeltpersoner eller grupper som kan påvirke eller blir påvirket av implementeringen. Identifisering av interessenter kan gjøres på flere måter, for eksempel ved å bruke snøballteknikken som innebærer å be alle du tror er interessenter om å identifisere andre interessenter. Interessentanalysen kartlegger interessentenes egeninteresse, inflytelse, motivasjonsfaktorer og barrierer for foreslåtte endringer. Interessentenes engasjement samt økonomiske og menneskelige ressurser er viktige faktorer for en vellykket implementering. Du kan lese mer om dette i kapittel 2 i verktøykassen for implementering av kunnskapsbaserte retningslinjer 

5.1.3 Identifisere og vurdere motivasjonsfaktorer og barrierer

Identifisering og forståelse av motivasjonsfaktorer og barrierer er avgjørende for å lage en god implementeringsplan. Motivasjonsfaktorer kan være støtte fra ledelsen, samarbeid og nettverk på tvers og personlig interesse for forbedring. Barrierer kan for eksempel være negative holdninger til endring hos medarbeidere og uenighet om faglig innhold. Motivasjonsfaktorer og barrierer kan endres i løpet av implementeringsfasen og det som er motiverende for en kan være en barriere for en annen, for eksempel det å ta i bruk elektroniske verktøy. Du kan lese mer om dette i kapittel 3 i verktøykassen for implementering av kunnskapsbaserte retningslinjer.

5.1.4 Velge og skreddersy intervensjoner og strategier for implementering

Det finnes ulike strategier for implementering, for eksempel opplæringsmateriell, opplæringsmøter, praksisbesøk samt audit og feedback. Forskningen er ikke entydig på hvilke tiltak som er mest effektive, men det ser ut til at kombinasjon av flere virkemidler kan resultere i praksisendring. Det er viktig å ta hensyn til lokale forhold og de identifiserte motivasjonsfaktorer og barrierer når man velger implementeringsstrategier.  Du kan lese mer om dette i kapittel 4 i verktøykassen for implementering av kunnskapsbaserte retningslinjer.

Samvalg er det norske begrepet for «shared decision making» og defineres som en felles beslutningsprosess hvor den forskningsbaserte kunnskapen, helsepersonells erfaringer og brukerens erfaring og preferanser brukes aktivt for å ta et informert valg. 

Samvalg skjer når pasienten får informasjon om fordeler og ulemper ved ulike undersøkelses- og behandlingsalternativer, vurderer disse opp mot hverandre med aktiv støtte av helsepersonell og trekker fram hva som er viktig for den enkelte pasient. 

I de følgende tre videoene gir Simone Kienlin en innføring i samvalg, forklarer når samvalg er aktuelt, og hvordan man gjennomfører samvalg.

Videoene inngår i grunnkurset i samvalg, som er del av rammeverket Klar for samvalg. De er laget av Simone Kienlin, Helse Sør-Øst og Lena V. Nordheim, Høgskulen på Vestlandet. 

Hva samvalg er og hvordan det kan gjøres i praksis snakker Simone M. Kienlin og Magne Nylenna om i denne podkasten (14 minutter). 

De beskriver stegene i samvalg:

                  Problem - Kjernebudskap - Alternativer - Avveiing - Beslutning - Avtaler

Mer om samvalg

Elwyn G, Frosch D, Thomson R, Joseph-Williams N, Lloyd A, Kinnersley P, et al. Shared decision making: a model for clinical practice. Journal of general internal medicine. 2012;27(10):1361-7.

Hoffmann TC, Montori VM, Del Mar C. The connection between evidence-based medicine and shared decision making. Jama. 2014;312(13):1295-6.

Nasjonale samvalgsverktøy er samlet på HelseNorge.no.

Engelskspråklige samvalgsverktøy samlet av the Ottawa Hospital Research Institute.

Retningslinjer

Helsepersonell trenger tilgang til råd og anbefalinger i kunnskapsbaserte faglige retningslinjer for å sikre pasienter riktig diagnose, pleie og behandling. Eksisterende retningslinjer er ikke alltid utviklet i tråd med nye definisjoner og standarder for kunnskapsbaserte faglige retningslinjer.

GRADE (Grading of Recommendations Assessment, Development and Evaluation) brukes for å vurdere tilliten til resultatene i en systematisk oversikt og styrken anbefalingene i en retningslinje¹

Per Olav Vandvik, Universitetet i Oslo og Lovisenberg diakonale sykehus, forteller i denne videoen hvordan GRADE kan brukes å vurdere kvalitet på dokumentasjonen og angi styrke på anbefalinger i retningslinjer (4:03).

1. Folkehelseintituttet. (2022, 22. april). Slik oppsummerer vi forsking. Hente ut data, sammenfatte og gradere.Folkehelseinstituttet. https://www.fhi.no/nettpub/metodeboka/effekt-av-tiltak/hente-ut-data-sammenfatte-og-gradere/

Fagprosedyrer

Hensikten med en klinisk prosedyre er å sikre at en handling i klinisk praksis utføres i henhold til pasientens preferanser, de beste tilgjengelige forskningsresultatene og klinisk erfaring.

Kliniske prosedyrer er bruksanvisninger for handlinger som skal utføres. Prosedyren fastlegger ansvar og beskriver handlingen. Avviksregistrering kan knyttes til prosedyrene.

En prosedyre kan utarbeides av alle faggrupper. I noen miljøer utvikler forskere, helsepersonell og pasienter prosedyrer sammen. AGREE-verktøyet kan brukes både i utvikling og kritisk vurdering av prosedyrer og retningslinjer.

En måte å implementere kunnskapsbasert praksis på arbeidsplassen er å opprette fagringer. Haukeland universitetssykehus var først ute med å innføre fagringer blant sykepleiere ved tre avdelinger. Inspirert av dette prosjektet har kommunehelsetjenesten i Bergen satt i gang fagringer lokalisert på Løvåsen sykehjem. Hensikten er å lære seg å arbeide kunnskapsbasert og å implementere forskning i praksis for å kunne gi pasientene bedre helsetjenester.

Fagringer settes sammen av 3-5 deltakere. Gjennom et år arbeides det med én konkret problemstilling som er relevant for deltakerne og deres praksis. Det innhentes forskningslitteratur, artikler/retninglinjer vurderes kritisk i henhold til sjekklister og det lages en implementeringsstrategi før det hele evalueres.

Suksessfaktorer:

• God organisering og planlegging
• Ledelsesforankring
• Undervisningsdager og veiledning underveis i arbeidsperioden
• Avsatt tid

Liv Irene Ruud, Høgskulen på Vestlandet, presenterer fagringer fra et undervisningssykehjem (5:54 min).

For all høyere utdanning er det en utfordring å forberede studenter på en yrkesutøvelse som er i kontinuerlig endring. Stadig ny viten og nye krav til kompetanse og teknologi må møtes med et utdanningsforløp som kan forberede dynamiske og selvstendige utøvere av sin profesjon.

I Nasjonal strategi for kvalitetsforbedring i sosial og helsetjenestene heter det at helsevesenet i større grad må kunne ta i bruk ny og relevant kunnskap. Dette er krav som sammenfaller med nøkkelelementer i konseptet kunnskapsbasert praksis. Gjennom flere år har bachelorutdanning ved Høgskolen i Bergen systematisk implementert kunnskapsbaserte prinsipper gjennom en treårig utdanning (fysioterapi og radiografi). Erfaringsmessig har kunnskapsbasert praksis (KBP) vært egnet til å bli kombinert med den pedagogiske tanken om problembasert læring.

Tidlig i studiet blir studentene presentert for KBP gjennom en innføring i konseptet. Behovet for å bruke forskning i fagutøvelsen blir synliggjort tidlig, og blir fulgt opp gjennom tilbud om kurs i litteratursøk av bibliotekar. Studentene møter krav om at denne tilnærmingsformen anvendes gjennom studiet, gjennom integrering av forsknings- og erfaringsbasert kunnskap, men også med fokus på kritisk anvendelse av forskningslitteratur.

Planlegger du å undervise i kunnskapsbasert praksis? Her får du noen enkle råd ved Nina Rydland Olsen, Høgskulen på Vestlandet (5:19 min):

Her finner du PICO-skjema i Word som du kan laste ned og fylle ut.

PICO-skjema (for spørsmål som best besvares med kvantitative studier) (Word)

PICo-skjema (for spørsmål som best besvares med kvalitative studier) (Word) 

Her finner du  KBP-læringsverktøy i Word som du kan laste ned og fylle ut.

EBP Steps er en app for deg som skal lære å anvende kunnskapsbasert praksis, enten du er student eller kliniker. Appen gjør ikke jobben for deg, men hjelper deg å strukturere og dokumentere prosessen med trinnene i kunnskapsbasert praksis: Refleksjon, spørsmålsformulering, litteratursøk, kritisk vurdering, anvendelse og evaluering.

Les mer og last ned appen: EBP Steps

Planlegger dere å sette i gang et nytt tiltak, organisere dere på en annen måte, prioritere mellom to tiltak eller trenger forskningsbasert informasjon til planarbeid? En gruppe av forskere, økonomer og bibliotekarer ved Folkehelseinstituttet har utviklet verktøy som kan være til hjelp i denne prosessen.

Kunnskaps- og beslutningsstøtte for kommunene

Mini-metodevurdering brukes når man ønsker å innføre et nytt tiltak i kommunen, eller for samhandlingstiltak mellom kommune og spesialisthelsetjenesten. Formålet er å gi et bedre grunnlag for riktige beslutninger.

Fagressurs for implementering av Helsedirektoratets nasjonale faglige retningslinjer.

Her finner du eksempler på hvordan du refererer til ulike deler av Kunnskapsbasertpraksis.no i en oppgave eller artikkel. Eksemplene er i APA 7 norsk versjon. For andre referansestiler, se https://www.sokogskriv.no/referansestiler/

Kapitler på nettstedet (kunnskapsbasertpraksis.no):

I tekst: (Kunnskapsbasertpraksis.no, 2024, kap. 4.7)

I referanseliste:
Kunnskapsbasertpraksis.no. (2024, 24. oktober). Faglige retningslinjer. Helsebiblioteket. https://www.helsebiblioteket.no/innhold/artikler/kunnskapsbasert-praksis/kunnskapsbasertpraksis.no#4kritisk-vurdering-47-faglige-retningslinjer

Illustrasjoner:

I figurtekst: Figur X: Modell for kunnskapsbasert praksis. (Kunnskapsbasertpraksis.no, 2021)

I referanseliste:
Kunnskapsbasertpraksis.no. (2021, 17. september). Modell for kunnskapsbasert praksis. Helsebiblioteket. https://www.helsebiblioteket.no/innhold/artikler/kunnskapsbasert-praksis/kunnskapsbasertpraksis.no#kunnskapsbasert-praksis

Sjekklister:

I tekst: (Kunnskapsbasertpraksis.no, 2025)

I referanseliste:
Kunnskapsbasertpraksis.no. (2025). Sjekkliste for vurdering av kvalitative studier. Helsebiblioteket. https://www.helsebiblioteket.no/innhold/artikler/kunnskapsbasert-praksis/kunnskapsbasertpraksis.no/_/attachment/inline/62f579da-cd90-40f6-a957-f8a453c8dfd7:0df293900c5069e755449b3efceb8cb7fd5c1ea4/Sjekkliste%20kvalitative%202025.docx

Ønsker du å promotere kunnskapsbasertpraksis.no? Vi har laget fem plakater som fremhever ulike deler av kunnskapsbasertpraksis.no. Plakatene er opprinnelig i A2-format (420 x 594 mm), men kan enkelt nedskaleres til ønsket papirstørrelse ved utskrft (A3, A4 eller A5, som kan passe som flyers).

Plakat om alle trinnene i kunnskapsbasert praksis (PDF, 913 kB)

Plakat med vekt på spørsmålsformulering (PDF, 708 kB)

Plakat med vekt på litteratursøk (PDF, 708 kB)

Plakat med vekt på kritisk vurdering (PDF, 708 kB)

Plakat med vekt på implementering (PDF, 711 kB)

Kurset er utviklet for leger i spesialisering, men kan tas av alle. Det er tilgjengelig i de regionale helseforetakenes læringsportaler. Hvis du er ansatt i et helseforetak, anbefaler vi at du tar kurset via læringsportalen slik at det blir registrert at du har gjennomført kurset. Noen av læringsportalene gir mulighet for innlogging som ekstern bruker med tilhørende dokumentasjon av gjennomførte kurs. Hvis du ikke har tilgang til en slik læringsportal kan du ta kurset via lenkene under. Denne gjennomføringen blir da ikke dokumentert.

Kurset består av en rekke delkurs, hvorav et med flere moduler. Innholdet er hentet fra kunnskapsbasertpraksis.no og er tilpasset til e-læring av e-læringskoordinatorer Lena Marie Haukom, Sørlandet sykehus og Bente Langvik Olsen, Sykehuset Innlandet i samarbeid med Irene Wiik Langengen og Hilde Strømme, Folkehelseinstituttet. Hele kurset tar 4-5 timer å gjennomføre.  

Merk! Innholdet på nettsidene er mer oppdatert enn e-læringskursene. Hvis du ikke har behov for å få registrert at du har tatt kurset gjennom en læringsportal bør du vurdere å gå gjennom innholdet på nettsidene fremfor å se på e-læringskursene. 

Kurs 1: Introduksjon

Gjennomføringstid: ca. 15 minutter.

Kurs 2: Refleksjon og spørsmålsformulering

Gjennomføringstid: ca. 30 minutter.

Kurs 3: Litteratursøk

Gjennomføringstid: ca 40 minutter.

Kurs 4: Kritisk vurdering 

Kritisk vurdering er et stort tema, og kurset er derfor delt opp i to deler. Del A handler om kritisk vurdering av ulike typer studier, og er delt opp i syv moduler. Hver modul tar mellom 10 og 15 minutter å gjennomføre. Øvelsesoppgaver i å vurdere artikler er ikke medregnet. Del B handler om statistikk og tar ca. 40 minutter å gjennomføre. 

Kurs 4A: Kritisk vurdering

Kurs 4B: Kritisk vurdering - statistikk

Kurs 5: Anvendelse og evaluering

Gjennomføringstid: ca 35 minutter