证据的分级质量和建议的强度
BMJ.2004；328doi:https://doi.org/10.1136/bmj.328.7454.1490(2004年6月17日出版)引用这个:BMJ.328:1490 2004;
- 年级工作小组（奥克斯曼在{}online.no）
- 致:Andrew D Oxman，
- 接受2004年3月5日
摘要
临床实践指南和其他建议的使用者需要知道他们对这些建议有多大的信心。系统而明确的判断方法可以减少错误，提高沟通。我们已经开发了一个系统，用于对证据的质量和建议的强度进行分级，可在广泛的干预措施和环境中应用。在本文中，我们从指南用户的角度对我们的方法进行了总结。对建议强度的判断需要考虑利益和损害之间的平衡、证据的质量、将证据转化为具体情况以及基线风险的确定性。在提出建议之前，考虑成本(资源利用)也很重要。证据质量分级和建议强度的系统之间的不一致降低了它们促进批判性评估和改善这些判断交流的潜力。我们指导这些复杂判断的制度平衡了简单的需要和充分和透明地审议所有重要问题的需要。
临床指南的好坏取决于它们所基于的证据和判断。GRADE方法旨在让用户更容易地评估推荐背后的判断
有关证据和建议的判断是复杂的。考虑，例如，选择性血清素再摄取抑制剂和中度抑郁症的治疗三环类抗抑郁药之间的选择。临床医生必须确定哪些结果来考虑，要包括哪些证据，每个结果，如何评估这方面的证据的质量，以及如何确定是否选择性五羟色胺再摄取抑制剂与三环相比做利大于弊。因为资源总是有限的，并且花费在选择性五羟色胺再摄取抑制剂钱不能用在别处，他们也可能需要决定任何增量健康的好处是否值得的额外费用。
这不是个别临床医生和患者，使这些肉眼判断每个临床决策实践。临床医生和患者通常使用临床实践指南的支持，这是一个来源，已经系统地人小组访问现有证据，临床问题和研究方法的认识，并有足够的时间思考提出了建议。
系统制定的指南的使用者需要知道他们对证据和建议有多大的信心。我们描述了我们的信心应该建立在哪些因素上，以及在临床实践指南或其他医疗建议中做出复杂判断的系统方法，无论是含蓄的还是明确的。为了在我们的演示中实现简单性，我们不讨论所有的细微差别，也不提供指导面板应用我们的方法所需的详细指导。这可从作者(www.gradeworkinggroup.org.）.
制定关于证据质量和建议实力的判断的系统和明确的方法可以帮助防止错误，促进对这些判断的关键评估，并有助于改善这些信息的沟通。自20世纪70年代以来，越来越多的组织就雇用了各种系统来评估证据的质量（水平）和建议的实力。1- - - - - -28不幸的是，不同的组织使用不同的系统来级别证据和建议的实力。同样的证据和建议可以评估为II-2，B;C +，1;或强烈的证据，强烈推荐，根据使用哪个系统。这令人困惑和阻碍有效的沟通。
评分工作小组最初是一个非正式的合作组织，由对解决目前评分系统的缺点感兴趣的人们组成。表1总结这些缺点以及我们克服这些缺点的方法。GRADE系统使判断更加一致，而这种判断的交流可以支持在医疗保健方面更好的知情选择。方框1显示了制定和实施指导方针的步骤，从问题的优先次序到评估问题的实施。我们在这里的重点是对证据的质量和建议的力度进行分级。
定义
我们使用了以下定义:证据的质量表明一个人可以在多大程度上相信对效果的估计是正确的。一项建议的强度表明，人们在多大程度上可以确信，坚持该建议将利大于弊。
对证据质量的判断需要对重要结果的个别研究结果的有效性进行评估。在作出这些判断时应使用明确的标准。2629- - - - - -32.我们的方法的步骤遵循这些判决，是为了顺序判断：
对每个重要结果研究的证据质量
哪些结果对决策至关重要
这些关键结果的整体证据质量
利益和伤害之间的平衡
建议的实力。
所有这些判断都取决于有一个明确定义的问题，并考虑到所有可能对受影响者很重要的结果。这个问题应该确定哪些选择正在被比较(例如，选择性血清素再摄取抑制剂和三环抗抑郁药)，对谁(中度抑郁的成年患者)，以及在什么环境下(英格兰的初级保健)。
框1:制定指导方针的顺序过程第一步
1.建立过程- 例如，优先考虑问题，选择面板，声明感兴趣冲突，并同意组流程
预备步骤
2.系统综述- 第一步是识别和批判性评价或准备对所有重要结果的最佳可用证据的系统审查
3.准备重要outcomes-证据简介根据系统审查的结果，需要对每个亚群体或风险组进行概况，并应包括质量评估和发现摘要
证据的分级质量和建议的强度
4。每个结果的证据质量-Judged在证据轮廓总结，并根据表中的标准信息2
5。结果的相对重要性-只有重要的结果应该包含在证据简档中。所纳入的成果应被归类为决定的关键或重要（但不是关键）
6。证据的整体质量-应根据任何关键成果的最低证据，以应结果判断出结果的总体证据。
7。利益和伤害的平衡-利益和损害的平衡应根据重要的健康利益和损害分为净利益、权衡、不确定权衡或无净利益
8。净收益和成本的平衡-增加的健康收益值得付出代价吗?因为资源总是有限的，所以在提出建议时考虑成本(资源利用)是很重要的
9。推荐的力量 -建议的制定应该反映出它们的力量，也就是说，在多大程度上，人们可以确信坚持会利大于弊
后续步骤
10.实施和评价- 例如，使用有效的实施策略来解决变革，评估实施以及保持最新的障碍
每个重要结果的证据质量
对现有证据的系统回顾应指导这些判断。评审人员应考虑四个关键因素:研究设计、研究质量、一致性和直接性。
研究设计
研究设计是指基本的研究设计，我们广泛分类为观察研究和随机试验。逻辑论点和经验证据都支持这一点。33.- - - - - -36.虽然观察性研究的结果通常与随机试验的结果相似，但情况并非总是如此。这种差异的一个显著例子是，观察性研究的不同结果表明，激素替代疗法降低了冠心病的风险，而随后的随机试验没有发现风险降低，甚至增加了风险。37.38.不幸的是，我们不可能事先知道观察性研究是否能准确预测后续随机试验的结果。一旦获得高质量随机试验的结果，很少有人会主张继续基于结果不一致的非随机研究提出建议。
另一方面，随机试验并不总是可行的，并且在某些情况下，观察性研究可能提供更好的证据，通常情况下罕见的不利影响。此外，随机试验的结果可能并不总是适用 - 例如，如果参与者相对于感兴趣的人群，则是高度选择和激励。因此，必须考虑研究质量，跨研究结果的一致性以及证据的直接性以及研究设计的适当性。因此，例如，设计精心设计的案例系列可以为手术或程序的并联性死亡或手术中的复杂性率提供高质量的证据，例如结肠镜检查后的术中死亡或穿孔，这比来自随机试验的证据更直接。同样，队列研究可以提供高质量的证据，以便通过假辐射结果沉淀的召回或程序的速率提供高质量证据，例如乳房X光检查后的活组织检查率。
研究质量
学习质量是指详细的研究方法和执行。审阅者应使用适当的标准来评估每个重要结果的学习质量。2629- - - - - -32.例如，对于随机试验，评审者可能会使用分配隐蔽、盲法和随访等标准。评论者应该明确他们降低质量评级的原因。例如，他们可能会说，未能使患者和医生失明降低了干预对疼痛严重程度影响的证据质量，他们认为这是一个严重的限制。
一致性
一致性是指各个研究对效果估计的相似性。如果结果中存在重要的无法解释的不一致性，我们对该结果效果估计的信心就会下降。影响方向的差异、影响差异的大小和差异的重要性指导(不可避免地有些武断地)决定是否存在重要的不一致。当研究人员确定不一致的令人信服的解释时，应该对不同亚组的影响程度进行单独估计。例如，颈动脉内膜切除术对高级别和低级别狭窄的影响差异应导致对这两个亚组的单独估计。
直率
直接性指的是人员、干预措施和结果衡量标准与利益衡量标准的相似程度。例如，如果相关的人比研究中的人更老、更病或有更多的共病，那么证据的直接性就可能存在不确定性。39.为了确定是否存在重要的不确定性，我们可以询问是否有一个令人信服的原因来期望效果大小的重要差异。由于许多干预措施在大多数患者群体中具有或多或少相同的相对效果，因此我们不应该在决定证据是直接的情况下申请过度严格的标准。对于一些疗法 - 例如，文化差异可能是重要的行为干预 - 更严格的标准可能是合适的。
类似地，审查员可能会识别出与研究中不同但属于同一类别的药物的证据直接性的不确定性。其他类型的干预也会出现类似的问题。例如，你能否将结果归纳为一种比研究中使用的不那么强烈的咨询干预，或者一种替代的外科技术?这些判断可能很难，40对于调查人员来说，重要的是解释他们得出的结论的理由。
另一方面，使用替代结果的研究通常比使用对人们重要的结果的研究提供的直接证据少。因此，在考虑替代结果证据的直接性时，使用更严格的标准是谨慎的。基于替代结果的间接证据的例子，随后的试验显示具有误导性，包括对心肌梗死患者进行心律失常抑制，以替代死亡率，41.脂蛋白的变化作为冠心病的替代品，37.绝经后妇女的骨密度作为骨折减少的替代品。42.
诊断测试的准确性也是一个可能受到准确诊断影响的重要结果的替代性，包括从适当治疗的改善的健康结果，并从误阳性结果减少危害。考虑研究设计时，必须使用不同的标准来研究诊断准确性。但是，对证据直接性的审议是基于我们在正确分类之间的关系（作为真正的积极或负面）或错误（作为错误的积极或负面）以及这的重要后果之间的关系。例如，有一致的证据来自精心设计的研究，即非对比螺旋计算断层扫描的假阴性结果较少，而不是在疑似急性尿道病的诊断中具有静脉肾盂造影。43.然而，这样做是否有重要的健康后果重大的不确定性。44.正因为如此，这方面的证据质量可考虑低位提出建议。
当有干预和调查没有直接的比较必须使各研究比较的间接证据另一种类型的出现。例如，这会出现这种情况，如果有被随机试验相比用安慰剂和三环与安慰剂选择性血清素再摄取抑制剂，但没有试验相比具有三环选择性血清素再摄取抑制剂。间接比较总是留下比的，因为研究之间的所有其他方面的差异可能影响结果的直接比较更大的不确定性。45.
专栏2：用于分配的证据等级的标准
证据类型
随机试验=高
观察性研究
任何其他证据=非常低
降低等级
严重(- 1)或非常(- 2)学习质量限制
重要不一致性(- 1)
一些(- 1)或主要(- 2)关于直接的不确定性
数据不精确或稀疏(- 1)
报告偏见的高概率（ - 1）
将四个部分结合起来
在考虑上述每项元素之后可以确定每个主要结果的证据质量：研究设计，研究质量，一致性和直接性。我们的方法初步将基于研究设计的证据分类为随机试验和观察研究（队列研究，案例控制研究，中断时间序列分析，并在研究之前和之后进行控制）。然后，我们建议考虑研究是否具有严重的局限性，结果中的重要不一致，或者是否有权对证据直接性的不确定性（方框2）。我们建议以下定义证据质量：
高=进一步的研究非常不太可能改变我们对效果估计的信心。
中等进一步的研究可能会对我们对效果估计的信心产生重要影响，并可能改变估计。
低进一步的研究很可能对我们对效果估计的信心产生重要影响，并可能改变估计。
非常低的任何对效果的估计都很不确定。
研究质量的局限性、结果的重要不一致性或证据的直接性的不确定性都会降低证据的等级。例如，如果所有现有的研究都有严重的局限性，评分会下降一个等级，如果所有的研究都有非常严重的局限性，评分会下降两个等级。有致命缺陷的研究可能被排除在外。
可以降低证据质量的其他考虑因素包括不精确或稀疏数据（框3）和报告偏差的高风险。可以提高证据质量的其他考虑因素包括：
一个非常强的关联(例如，三环抗抑郁药的中毒死亡风险是选择性血清素再摄取抑制剂的50倍，见表2.)或强关联(例如，不戴头盔的骑自行车者头部受伤的风险是戴头盔者的三倍47.）
剂量响应梯度的证据，或
所有可能的残留混淆的存在会降低观察到的效果。(例如，在比较营利性和非营利性医院死亡率的研究中，没有对合理的解释因素进行调整，就会降低观察到的影响。48.因此，营利性医院死亡率较高的证据更有说服力。)
这些考虑是累积的。例如，如果随机试验既有严重的局限性，又对证据的直接性存在不确定性，那么证据的等级就会从高下降到低。
同样的规则也应该适用于对损害和益处的证据质量的判断。重要的似是而非的损害可以也应该包括在证据摘要中，通过考虑使其似是而非的间接证据。例如，如果对黑色素瘤筛查的焦虑感到担忧，但没有发现直接证据，那么考虑其他类型筛查研究的证据可能是合适的。
关于证据横跨研究质量的重要成果判决可以而且应该在系统评价，如Cochrane系统评价的背景下进行。有关的证据，权衡整体质量的判断和建议通常需要超出审查结果的信息。
整体证据质量
其它系统通常是基于证据的证据质量为干预措施的效益整体质量的判断。当产生不利影响的风险是至关重要的一个判断，对于风险的证据比的好处的证据较弱，忽略有关危害的风险是有问题的不确定性。我们建议的证据质量最低的任何是做决定应该评价的证据总体质量提供依据的关键成果。
结果是重要的，但不是关键的，应该包括在证据概要和作出有关健康的利弊之间的平衡判断时，但分级证据的整体质量时，不应考虑应予以考虑。决定的结果是关键的，重要的，但不是决定性的，或者不是重要的是一个价值判断。所以尽量这些判断应考虑那些谁将会坚持影响到随后提出的建议的价值。
专栏3：不精确或稀疏数据
没有一个经验基础来定义不精确或稀疏的数据。两种可能的定义是:
如果结果只包括少数事件或观察结果，且信息不充分，则数据是稀疏的
数据是不精确的，如果置信区间足够宽，估计与重要危害或重要益处一致。
这些不同的定义会导致不同的判断。尽管可能无法调和这些差异，但在考虑是否因数据不精确或稀疏而降低证据质量时，我们提供以下指导:
当只有一项研究时，考虑数据不精确或稀疏的阈值应该更低。一个小样本量(或少数事件)的单一研究在潜在的危害和益处方面产生了大的置信区间，应该被认为是不精确或稀疏的数据
如果置信区间足够宽，不论其他结果如何，估计值与相互冲突的建议一致，则应视为不精确或稀疏数据
关于什么是关键的决定可能是困难的。不良结果的合理性可能会影响关于它们是否至关重要的决定。关于难以置信的危害的弱证据不应降低证据的总成绩。关于推定危害是否合理的决定可能来自间接证据。例如，如果由于动物研究对药物的严重不利影响存在重要令人担忧，则基于该特殊不良影响的任何人类证据可获得较低的证据质量可能会获得较低的级别。有时缺乏合理的推定危害的证据可能会使不可能评估干预的净利润。在这种情况下，指南小组可以选择推荐额外的研究。
如果所有重要结果的证据支持相同的选择，并有高质量的证据表明一些，但不是全部，这些成果的，证据的整体质量仍可能高认为。例如，有高品质的证据表明，抗血小板治疗减少非致死性卒中和非致死性心肌梗死的病人谁有过心肌梗死的危险。虽然全因死亡率的证据质量中等，证据的整体质量仍可能高认为，即使所有死亡原因被认为是一个重要的结果。
建议
这种干预是利大于弊吗?
建议涉及到利益和伤害之间的权衡。这种权衡不可避免地涉及到给每个结果设定一个相对的价值，无论是含蓄的还是明确的。通常很难判断应该给不同的结果多少权重，而且不同的人往往有不同的价值观。如果有证据表明受影响者的价值观，那么代表他人做出判断的人就会有更强的基础。例如，如果有证据表明女性对降低乳腺癌复发风险的重视程度相对于避免化疗副作用的重视程度，那么建议早期乳腺癌患者进行化疗的人将处于更有利的地位。
我们建议，在考虑成本之前，对主要健康益处和危害之间的平衡做出明确的判断。这种干预是利大于弊吗?建议必须适用于特定的环境和特定的患者群体，只要不同环境或患者群体的好处和坏处不同。例如，考虑我们是否应该建议心房颤动患者接受华法林来降低卒中的风险，尽管这会导致出血风险的增加。建议，或建议强度，可能在常规监测抗凝强度的情况下和在常规监测抗凝强度的情况下是不同的。此外，对于中风风险极低的患者(65岁以下无任何合并症)和风险较高的患者(如老年心衰患者)，推荐值(或强度)可能有所不同，因为绝对降低风险的差异。因此，建议必须针对特定的患者群体和实践环境。特别重要的是，在提出建议时要考虑到处境不利人口的情况，并在适当时修改建议，以考虑到处境不利人口和处境不利人口之间的差异。
我们建议使用以下定义分类权限：
净收益干预显然利大于弊。
权衡在好处和坏处之间有重要的权衡。
不确定的权衡目前还不清楚这种干预是否利大于弊。
没有净收益干预显然利大于弊。
那些提出建议应考虑四个主要因素：
权衡，考虑到对主要结果的影响的估计大小，对这些估计的信心限制，以及对每个结果的相对价值
证据的质量
证据翻译成特定环境的做法，考虑到可预期改变的预期的效果大小重要的考虑因素，如邻近的必要的专业医院或可用性
关于兴趣人口的基线风险的不确定性。
如果在特定环境下将证据转化为实践存在不确定性，或者基线风险存在不确定性，这可能会降低我们对建议的信心。例如，如果一项干预具有严重的不利影响和重要的好处，那么当相关人群的基线风险不确定时，建议的确定性可能比已知时低得多。
框4：值不对或错误
下面的例子显示了不同的人可能会因为价值观的不同而提出不同的建议，即使在证据达成一致之后。
问题:是否应该对普通人群进行黑色素瘤筛查?
环境:美国的初级保健
基线风险:一般人口(1995年黑色素瘤发病率为每10万人13.3)
参考：赫尔方等。筛选皮肤癌。系统证据审查否2．
罗克维尔医学博士:医疗保健研究和质量机构。2001年4月。(AHRQ出版物编号01-S002.)
对于筛查的准确性和致命黑色素瘤的结果，目前的证据质量非常低。筛查的潜在危害包括假阳性测试的后果，但缺乏相关证据。基于此，有可能得出结论，证据的总体质量非常低，筛查的净效益不确定。根据一项单一病例对照研究，筛查者与未筛查者的致命黑色素瘤的优势比估计为0.37。白人男性死于黑色素瘤的风险估计为0.36%。
基于这一证据，许多人可能会建议“不进行筛查”，因为相对于不确定的好处，他们更重视避免对健康人群进行筛查的潜在但未知的危害。然而，有些人可能会推荐“可能的筛查”，因为相对于未知的潜在危害，筛查的小但潜在的重要好处是非常重要的。在这种情况下，在考虑到成本后，制定指南的小组可能会选择不对临床实践提出建议，而对需要减少不确定性和澄清利弊的研究提出具体建议。
这个例子是关于筛查建议的价值判断的典型例子，但是同样的问题也出现在关于急性和慢性疾病治疗的建议中，在这种情况下，总是有必要根据每个重要结果的相对价值和不确定性来平衡预期收益和预期损害。
我们建议使用以下类别进行推荐:
“做”或“不要这样做”- - - - - -表示大多数消息灵通的人都会做出的判断;
“大概做”或"可能不做"- - - - - -表明判断大多数知情人员会产生的大多数人，但绝不是少数民族。
建议使用或拒绝干预并不意味着所有患者都应该得到相同的治疗。这也不意味着临床医生不应该让患者参与决策，或解释替代方案的优点。然而，由于大多数知情的患者也会做出同样的选择，所以对替代方案的相对优点的解释可能会相对简短。建议的目的是促进对单个患者或整个人群作出适当的决定。因此，它应该反映人们可能会选择什么，基于证据和他们自己的价值观或偏好与预期结果的关系。“可能做些什么”的建议表明，临床医生在提供治疗时需要更全面、更仔细地考虑患者的价值观和偏好。
在某些情况下，它可能不适合做，因为不清楚权衡的建议或缺乏协议（框4所示）的。当这是由于缺乏质量良好的证据，具体的研究应该建议将提供所需要通知的建议的证据。
增加的健康收益值得付出代价吗?
因为在一种干预上花钱意味着在另一种干预上花的钱更少，建议依赖于(如果不是明确的话)对增量健康收益相对增量成本的价值的判断。成本——所使用资源的货币价值——是提出建议时的重要考虑因素，但它们与环境有关，随着时间的推移会发生变化，而且它们的规模可能很难估计。在认识到准确估计成本的困难的同时，我们建议，在预期健康收益和危害的同时，应当明确考虑医疗替代方案的增量成本。在相关和可用的情况下，应将分类费用(资源使用差异)与重要成果一起列入证据简介。对于资源使用差异的证据质量，应采用上面为其他重要成果概述的标准进行分级。
它在实践中是如何工作的
表2展示了系统应用于证据的一个例子，来自1997年进行的比较选择性血清素再摄取抑制剂和三环抗抑郁药的系统综述。49.经过讨论，我们一致认为，选择性5 -羟色胺再摄取抑制剂和三环抗抑郁药对抑郁严重程度和中毒死亡的相对影响有中等质量的证据，短暂的副作用有高质量的证据。然后我们达成一致，证据的总体质量是适中的，而且选择性5 -羟色胺再摄取抑制剂有净效益(在抑郁严重程度上没有差异，短暂的副作用更少，中毒死亡更少)。尽管一致认为这似乎有净效益，但我们还是建议“可能”使用选择性血清素再摄取抑制剂，这反映了由于证据质量的不确定性。我们没有证据表明使用选择性5 -羟色胺再摄取抑制剂与三环类药物相比的成本。如果我们考虑到成本，这个建议可能会改变。
总结分
各组织使用各种系统对证据的质量和建议的力度进行评级
在这些分级系统的差异和缺陷可以被混淆和妨碍有效通信
一种系统和明确的方法来判断证据的质量和建议的强度
该方法在判断每个重要结果的证据质量时考虑了研究设计、研究质量、一致性和直接性
在对推荐强度的判断中，利弊、证据质量、适用性和基线风险的确定性都要考虑
结论
在任何可能用于评估证据质量和建议的力量的系统中，需要平衡简单和清晰度。降低系统的复杂性也可能降低清晰度，因为判断更有可能在简单的系统中明确而不是明确地进行。另一方面，提高清晰度并使判断更加透明的努力可能导致更复杂。在这里描述的系统中，我们试图在简单和清晰度之间找到平衡。无论系统的系统如何简单或复杂，始终需要判断。我们所描述的方法为结构化反射提供了框架，可以帮助确保进行适当的判断，但它不会消除对判断的需求。
本文最后列出了GRADE工作组的成员
谁已对本文贡献建议评估，制定和评估（级）工作组级别的成员包括大卫·阿特金斯，德纳最佳，彼得BRISS，马丁·埃克尔斯，Yngve法尔克 - Ytter，SIGNE弗罗托普，戈登^ h亚特，罗宾ŧ港，玛格丽特ç霍先生，大卫·亨利，苏珊希尔，罗马Jaeschke，阿娇冷，亚历山德罗·利伯拉蒂，尼古拉Magrini，詹姆斯·梅森，菲利帕·米德尔顿，亚采Mrukowicz，戴安娜奥康，安德鲁·d奥克斯曼，鲍勃·菲利普斯，霍尔格Ĵ许内曼，泰莎谭托雷斯Edejer，海伦娜Varonen，耿氏ēVIST，约翰·威廉姆斯W¯¯JR，斯蒂芬妮扎扎。
国家研究所临床卓越（NICE）英格兰和威尔士和波兰协会循证医学（PIEBM）已经提供了GRADE工作组会议的支持。与工作组成员所属院校提供了校内的支持。亚历山德罗·利伯拉蒂在GRADE活动的参与是由来自Ministero UNIVERSITAËRicerca Scientifica（M.I.U.R.，PROGETTO COFIN 2001）的资助。
脚注
贡献者所有GRADE工作组的成员列出上面有这篇稿件的编写和其中包含的思路发展做出了贡献，至少参加一个会议，阅读和评论文章的草稿。温室气体排放和ADO领导的过程。GEV已准备在试点研究中使用的证据概要和协调过程中负有主要责任。
竞争利益在另一种对证据质量和建议强度进行分级的系统中，等级评估工作小组的大多数成员都有既得利益。