循证医学实践培训 - 登录.ppt

一个循证医学实践的具体例子 患者评估： 我们来看一个实际的临床病案。李先生是一位62 岁的已婚男士，育有一男一女，通过检查你发现他有前列腺肥大。你知道非那特利(Finasteride, proscar*)是比较流行的治疗前列腺肥大的药， 5mg/day至少给药3-6个月才会改善尿流速、急尿及排尿困难。你经常了解前列腺药，因此大致了解该药可使前列腺细胞不再增生，改善症状，但也会有性功能障碍的副作用。 * 问题构建： 在以上的这个例子中，你会发现两个李先生十分关心的问题，据此可以构建两个大方面的问题，一个是治疗的问题，即非那特利治疗前列腺的效果问题；另一个是该药是否产生副作用(性功能障碍)。根据这些描述，可以构建以下的PICO临床问题。 * 形成PICO 问题：前列腺肥大病人服用非那特利后改善泌尿道症状的情形？ Patient / Problem 患者/问题 Benign prostatic hyperplasia 前列腺肥大 Intervention 干预方法 Finasteride 非那特利 Comparison, if any 比较，如果有的话 None 无 Outcome 结果 Urinary symptoms or urinary flow 尿道症状和尿流速度 Type 类型 Diagnosis Therapy Prognosis Harm Etiology 诊断 治疗 预后 危害 病因 如果是疗效问题，就属于“治疗”；副作用问题属于“危害” * 文献检索： 在这个具体例子中，我们的临床问题是：非那特利治疗前列腺到底效果如何？它对性功能有什么样的副作用？很显然，这是一个属于治疗范围的问题，因此最佳的证据应当是随机对照实验（RCT）。如果我们发现无数的RCT证据，那么我们应当去寻找一个系统评价(systematic review)。 构建一个良好的临床问题直接就会产生一个良好的有哪些信誉好的足球投注网站策略。请注意在检索中，你并不一定要用到PICO表当中所有的字段。在接下来的例子中我们不会使用“治疗”和“危害”这两个词。相反，我们会限制出版类型、选择随机对照实验来得到相当于治疗概念的证据。实际上，在随后浏览文章和应用到你的病人身上时，你可能会用到治疗和危害这两个词。 * 康健FEBM检索 * * * 证据的评价： 由于本例涉及到治疗问题，你肯定会使用RCT来限制文献篇数，如果RCT文献篇数仍然很多，你就可以用系统评价来过滤，得到更高级别的证据文献。在康健FEBM中，已经设置这些文献类型的过滤器，你只需点击“随机对照实验”或“系统评价”按钮，就会出现RCT和系统评价相关的文献。在这里你看到随机对照实验有120篇，仍然很多；因此可以点击“系统评价”，只有30篇。系统评价排在第一位的文献显然具有极高的相关性，正是你所需要的关于Finasteride的系统评价文献。 * 系统评价：到处可见effect * 结论部分能使你快速了解该文献的内容 * 如果你关注副作用，会留意side effect * 应用证据： 通过检索你了解到了有关信息，得出结论。Finasteride可以显著改善尿道症状，但也有较一定程度的副作用，即导致性功能障碍。你就要与李先生进行详细的约谈，告知他Finasteride的全面信息，然后看他是选择哪一项。如果他觉得改善临床症状是第一位的，不太在意药的副作用，就可以按照文献推荐的剂量给李先生使用。 效果评估： 在接下来的例行随访中，你要留意李先生临床症状的改善情况，并且听取李先生关于药物的副作用的主诉。根据李先生的反馈意见，调整用药或采取新的临床措施。 * 第三部分：康健FEBM介绍 * FEBM与pubmed及国际权威数据库的关联性 FEBM是基于Pubmed的权威循证医学文献检索工具 FEBM与美国Texas大学的SUMSearch、德国的GOPUBMED等工具一样，都是基于Pubmed数据进行二次开发的智能检索系统。 FEBM是在国家卫生部、中华医学会相关领导关注和支持下开发的我国第二代医学专业有哪些信誉好的足球投注网站引擎，它以国际上最权威的生物医学文献数据库-PubMed 1990年以来的文摘数据为基础，对约1000多万条数据进行加工处理，有效整合、揭示了约4388种疾病、8338种药物、14万条化合物与物质、500多种诊断方法以及近千种治疗方法和技术, 其数据量以每年60万条左右的速度递增，几乎涵盖了临床医学各领域的重要文献信息。 FEBM是基于PubMed的循证医学文献数据库，通过检索它不仅可以获得考克兰图书馆（Cochrane Library）疗效评价文摘库（Database of Abstracts of Rev