Pruebas autenticas de los tratamientos en la atencion medica


Fuente: James Lind Library

Enlace publicado en la lista MEDFAM-APS. Altamente recomendable su lectura. Gracias Vicente Baigorria Rubio.
Pruebas auténticas de los tratamientos en la atención médica

Durante el último medio siglo, la atención médica ha tenido un impacto substancial sobre las oportunidades que la gente tiene para vivir más tiempo sin padecer graves problemas de salud. Se ha calculado que la atención médica ha sido responsable de un tercio a la mitad del aumento producido en la expectativa de vida y de cinco años más de vida libres de problemas crónicos de salud (Bunker et al. 1994). Aún así, el público podría haber obtenido —y aún puede obtener— un valor muy superior por los recursos substanciales invertidos en la investigación orientada a mejorar la salud. Agreguemos, también, que podrían haberse prevenido algunos de los desastres causados por los tratamientos en el pasado y que otros podrían prevenirse en el futuro.

The James Lind Library ha sido creada para mejorar el entendimiento general de las pruebas auténticas de los tratamientos que atañen a la atención médica y de cómo estos tratamientos han evolucionado con el tiempo.

Son frecuentes las reivindicaciones engañosas respecto de los efectos de los tratamientos, por lo tanto, todos deberíamos entender de qué manera se generan afirmaciones válidas respecto de esos efectos. Sin este conocimiento, corremos el riesgo de llegar a la conclusión de que los tratamientos inútiles son provechosos o que los tratamientos útiles son infructuosos.

Las pruebas auténticas de los tratamientos son pruebas que, al reducir las influencias engañosas de los prejuicios y de la obra de la casualidad, toman las medidas necesarias para obtener información confiable sobre los efectos del tratamiento. Cuando esta necesidad de pruebas auténticas de los tratamientos se deja de lado, las personas sufren y mueren innecesariamente.

Los ensayos explicativos con que cuenta The James Lind Library se han escrito para que se comprenda mejor el por qué de la necesidad de pruebas auténticas de los tratamientos y en qué consisten dichas pruebas. Usted puede acceder a cada ensayo haciendo clic en las palabras subrayadas, abajo, o puede seleccionarlas de la pantalla de Contenido. Si desea bajar todos los ensayos, de manera que pueda imprimirlos para leerlos fuera de la pantalla, haga clic aquí.

Es necesario realizar pruebas auténticas porque existen muchos ejemplos de personas que han resultado dañadas, sin intención, cuando las decisiones que atañen al tratamiento no tomaron en cuenta evidencia confiable.

Los principios que gobiernan las pruebas auténticas han ido evolucionando durante al menos un milenio, y continúan haciéndolo.

Para trabajar sobre una genuina incertidumbre sobre los efectos de un tratamiento es esencial hacer comparaciones. Las comparaciones auténticas de los tratamientos deben evitar los prejuicios o sesgos, ya sea que provengan de diferencias entre las personas que se comparan o de las diferencias en la forma en que se evalúan los resultados del tratamiento. La identificación confiable de efectos no previstos de los tratamientos presenta particulares desafíos.

Interpretar las comparaciones no prejuiciosas no siempre es sencillo. En ocasiones los efectos del tratamiento se pasan por alto porque existen diferencias entre el tratamiento que se pretende administrar y el tratamiento recibido. La obra de la casualidad también puede engañarnos.

Las pruebas auténticas de los tratamientos deben tener en cuenta toda la evidencia pertinente. Preparar revisiones sistemáticas de toda la evidencia pertinente significa minimizar el impacto de los informes prejuiciosos y minimizar también los sesgos en la selección de la evidencia disponible. Un proceso estadístico denominado metanálisis puede ayudarnos a impedir que la obra de la casualidad nos engañe al hacer las revisiones sistemáticas .

Para realizar pruebas auténticas de los tratamientos en la atención médica se necesitan revisiones sistemáticas actualizadas de toda la evidencia pertinente y confiable. No obstante, aún con revisiones sistemáticas actualizadas, es importante estar atento a las tendencias y a los “giros” que pueden hacer que distintas revisiones del mismo tema lleguen a conclusiones conflictivas.

En resumen, The James Lind Library contiene los siguientes ensayos:

Por qué se necesitan pruebas auténticas

Por qué son esenciales las comparaciones

Por qué las comparaciones deben abordar una incertidumbre genuina

Cómo evitar los sesgos en las comparaciones

Diferencias entre las personas comparadas

Diferencias en la manera en que se evalúan los resultados de los tratamientos

Interpretación de comparaciones no prejuiciosas

Diferencias entre el tratamiento que se pretende administrar y el que realmente se recibe

Cómo considerar la obra de la casualidad

Identificación de los efectos no previstos de los tratamientos

Revisiones sistemáticas de toda la evidencia pertinente

Cómo manejar los sesgos en los informes de la evidencia disponible

Cómo evitar los sesgos en la selección de la evidencia disponible

Cómo reducir la obra de la casualidad a través del metanálisis

Revisiones sistemáticas actualizadas de toda la evidencia pertinente y confiable

Estos ensayos explicativos se basan en un valioso material ilustrativo incluido en The James Lind Library, al que se puede acceder haciendo clic en los enlaces subrayados o en las imágenes de los ensayos.

El texto incluido en estos ensayos puede copiarse y utilizarse con fines no comerciales, con la condición de que se haga un reconocimiento explícito a “The James Lind Library (www.jameslindlibrary.org)”.

El material que contienen estos ensayos también se ha incorporado en Testing Treatments: better research for better health care’ (Prueba de los tratamientos: mejor investigación para una salud mejor), de Evans, Thornton y Chalmers, un libro de 100 páginas que la British Library publicó en 2006. ISBN 0-7123-4909-X.

better research for better health care

Cita: Editorial commentary (2007). Pruebas auténticas de los tratamientos en la atención médica. The James Lind Library (www.jameslindlibrary.org).

Siguiente ensayo:

Por qué se necesitan pruebas auténticas
Seleccione un ensayo:
Por qué se necesitan pruebas auténticas Por qué son esenciales las comparaciones Por qué las comparaciones deben abordar una incertidumbre genuina Cómo evitar los sesgos en las comparaciones Diferencias entre las personas comparadas Diferencias en la manera en que se evalúan los resultados de los tratamientos Interpretación de comparaciones no prejuiciosas Diferencias entre el tratamiento que se pretende administrar y el que realmente se recibe Cómo considerar la obra de la casualidad Identificación de los efectos no previstos de los tratamientos Revisiones sistemáticas de toda la evidencia pertinente Cómo manejar los sesgos en los informes de la evidencia disponible Cómo evitar los sesgos en la selección de la evidencia disponible Cómo reducir la obra de la casualidad a través del metanálisis Revisiones sistemáticas actualizadas de toda la evidencia pertinente y confiable  

Residentes MF España


 
Vocalía de Residentes de la Sociedad Madrileña de MFYC (SMMFYC)
Vocalía de Residentes de la Sociedad Catalana de MFYC (SOCAMFIC)
Vocalía de Residentes de la Sociedad Andaluza de MFYC
Vocalía de Residentes de la Sociedad Valenciana de MFYC
Vocalía de Residentes de la Sociedad Castellano-Leonesa de MFYC
Vocalía de Residentes de la Sociedad Murciana de MFYC
Vocalía de Residentes de la Sociedad Riojana de MFYC
Vocalía de Residentes de la Sociedad Asturiana de MFYC
Vocalía de Residentes de la Sociedad Balear de MFYC
Vocalía de Residentes de la Sociedad Navarra de MFYC
Vocalía de Residentes de la Sociedad Canaria de MFYC

New articles in PLoS Computational Biology


New articles in PLoS Computational Biology

Published February 29, 2008

Comprehensive Analysis of Affymetrix Exon Arrays Using BioConductor
Michał J Okoniewski et al.

Computational Methods for Protein Identification from Mass Spectrometry Data
Leo McHugh et al.

Getting Started in Biological Pathway Construction and Analysis
Ganesh A Viswanathan et al.

Genome Landscapes and Bacteriophage Codon Usage
Julius B. Lucks et al.

How Protein Stability and New Functions Trade Off
Nobuhiko Tokuriki et al.

Systematic Analysis of Pleiotropy in C. elegans Early Embryogenesis
Lihua Zou et al.

Stochastic Differential Equation Model for Cerebellar Granule Cell Excitability
Antti Saarinen et al.

The Signaling Petri Net-Based Simulator: A Non-Parametric Strategy for Characterizing the Dynamics of Cell-Specific Signaling Networks
Derek Ruths et al.

Multi-Scale Simulations Provide Supporting Evidence for the Hypothesis of Intramolecular Protein Translocation in GroEL/GroES Complexes
Ivan Coluzza et al.

Diminished Self-Chaperoning Activity of the ΔF508 Mutant of CFTR Results in Protein Misfolding
Adrian W. R. Serohijos et al.

Computer-Based Screening of Functional Conformers of Proteins
Héctor Marlosti Montiel Molina et al.

A Novel Bayesian DNA Motif Comparison Method for Clustering and Retrieval
Naomi Habib et al.

Sensing and Integration of Erk and PI3K Signals by Myc
Tae Lee et al.

Mutations of Different Molecular Origins Exhibit Contrasting Patterns of Regional Substitution Rate Variation
Navin Elango et al.

Statistical Resolution of Ambiguous HLA Typing Data
Jennifer Listgarten et al.

Identification of Synaptic Targets of Drosophila Pumilio
Gengxin Chen et al.

Mouse Cognition-Related Behavior in the Open-Field: Emergence of Places of Attraction
Anna Dvorkin et al.

Mathematical models for Diabetes


Mathematical models for Diabetes lectures/lecturas A nice review article titled A critical review of mathematical models and data used in diabetology is avaliable full text.

Four criteria for the best mathematical model in biomedical field could be:

  1. to be physiologically based,
  2. having parameters that can be estimated with a reasonable precision,
  3. parameters with values that are reasonable and have physiological interpretation,
  4. best able to simulate the dynamics of the system with smallest number of identifiable parameters.

Fuente: Portal de Julio Bonis Sanz