När det används i medicinska forskningsstudier, frasenavsikt att behandlaavser en typ av studiedesign. I denna typ av studie analyserar forskarna resultaten av sin studie baserat på vad patienterna fick veta att göra. Med andra ord, läkare tittar på patientresultat baserat på hur de skulle behandlas, snarare än vad som faktiskt hände. Till exempel, om en person i en studie randomiseras till medicinsk behandling men slutligen får operation - eller ingen behandling alls - betraktas deras resultat fortfarande som en del av den medicinska behandlingsgruppen. I en idealisk värld skulle naturligtvis avsikten att behandla och den faktiska behandlingen vara densamma. I den verkliga världen varierar det mycket, beroende på vad som studeras.
Cultura Science / Matt Lincoln / Getty ImagesVarför dessa modeller används
Avsikt att behandla modeller används av ett antal skäl. Den största är att de ur en praktisk synpunkt helt enkelt är vettiga. Forskare vill veta hur läkemedel eller behandlingar kommer att fungera i den verkliga världen. I den verkliga världen tar inte alla droger enligt föreskrifterna. Inte alla får slutligen den operation de rekommenderas. Genom att använda en avsikt att behandla modellen kan forskare analysera hur en behandling fungerar i ett lite mer realistiskt sammanhang. Avsikten att behandla uttryckligen erkänner det faktum att hur läkemedel fungerar i laboratoriet kan ha väldigt lite att göra med hur de fungerar på fältet. Faktum är att en av anledningarna till att lovande läkemedel ofta är så nedslående när de släpps är att människor inte tar dem som de gör i studierna. (Det finns ofta också andra skillnader mellan verkliga patienter och forskningspatienter.)
Nackdelar
Inte alla tycker om avsikt att behandla prövningar. En anledning är att de kan underskatta ett läkemedels potentiella effektivitet. Till exempel visade tidiga prövningar av profylax före exponering för hiv hos homosexuella män att behandlingen verkade relativt effektiv ... men bara hos individer som tog den regelbundet. De övergripande resultaten som visades av avsikten att behandla modeller var mycket mindre uppmuntrande. Vissa säger att ett läkemedel inte fungerar om patienter inte tar det. Andra säger att du inte kan bedöma ett läkemedel om patienter inte tar det enligt föreskrifterna. Båda sidor har en poäng. Det finns inget perfekt svar. Vilken analys som är mest vettigt att använda är något beroende av frågan.
Ibland kommer forskare som initialt utformar en studie för avsikt att behandla analys att sluta analysera behandlingen både på det sättet och per protokoll. (För en analys per protokoll jämför de personer som faktiskt fick behandlingen enligt specifikation med de som inte gjorde det, oavsett randomisering.) Detta görs vanligtvis när avsikten att behandla analysen inte visar någon effekt eller ingen signifikant effekt, men någon effekt ses för de människor som faktiskt tog behandlingen. Den här typen av selektiv, post-hoc-analys är dock rynkad av statistiker. Det kan ge vilseledande resultat av flera skäl. En sådan anledning är att de som fick behandlingen kan vara annorlunda än de som inte gjorde det.
När en avsikt att behandla studier är mindre lovande än tidigare, närmare observerade studier, kommer forskare ofta att fråga varför. Detta kan vara ett försök att rädda det som ansågs vara en lovande behandling. Om det till exempel visar sig att människor inte tog mediciner för att det smakar illa, kan det problemet vara lätt att fixa. Ibland kan resultat i mindre studier helt enkelt inte dupliceras i en större studie, och läkare är aldrig helt säkra på orsaken.
Sanningen är att skillnaderna mellan tidiga effektivitetsförsök och avsikt att behandla studier är just anledningen till att avsikt att behandla modeller är viktiga. Denna typ av studie syftar till att förstå skillnaden mellan hur läkemedel fungerar i forskningsstudier och hur de fungerar i den verkliga världen. Gapet kan vara stort.
-culture-and-stds.jpg)
.jpg)
