Når det brukes i medisinske forskningsstudier, uttrykketintensjon om å behandlerefererer til en type studiedesign. I denne typen studier analyserer forskere resultatene av studien sin basert på hva pasientene fikk beskjed om å gjøre. Med andre ord, leger ser på pasientresultater basert på hvordan de skulle behandles, snarere enn hva som faktisk skjedde. For eksempel, hvis en person i en studie er randomisert til medisinsk behandling, men ender med å få kirurgi - eller ingen behandling i det hele tatt - blir resultatene deres fortsatt ansett som en del av den medisinske behandlingsgruppen. I en ideell verden ville selvfølgelig intensjonen om å behandle og faktisk behandling være den samme. I den virkelige verden varierer det mye, avhengig av hva som studeres.
Cultura Science / Matt Lincoln / Getty ImagesHvorfor disse modellene brukes
Intent to treat modeller brukes av flere grunner. Den største er at de fra et praktisk synspunkt bare gir mening. Forskere vil vite hvordan medisiner eller behandlinger vil fungere i den virkelige verden. I den virkelige verden tar ikke alle medisiner som foreskrevet. Ikke alle ender opp med å få operasjonen de blir anbefalt. Ved å bruke en intensjon om å behandle modellen kan forskere analysere hvordan en behandling fungerer i en litt mer realistisk sammenheng. Intensjonen om å behandle eksplisitt erkjenner det faktum at hvordan medisiner fungerer i laboratoriet kan ha veldig lite å gjøre med hvordan de jobber i felten. Faktisk er en av grunnene til at lovende medisiner ofte er så skuffende når de blir frigitt, at folk ikke tar dem slik de gjør i studiene. (Det er også ofte andre forskjeller mellom pasienter i den virkelige verden og forskningspasienter.)
Ulemper
Ikke alle mennesker liker intensjon om å behandle prøvelser. En grunn er at de kan undervurdere medisinens potensielle effektivitet. For eksempel viste tidlige studier av profylakse før HIV til homofile menn at behandlingen virket relativt effektiv ... men bare hos personer som tok den regelmessig. De samlede resultatene som ble vist med hensikten å behandle modeller, var mye mindre oppmuntrende. Noen mennesker sier at et medikament ikke virker hvis pasientene ikke tar det. Andre sier at du ikke kan bedømme medisiner hvis pasienter ikke tar det som foreskrevet. Begge sider har et poeng. Det er ikke noe perfekt svar. Hvilken analyse som gir mest mening å bruke, er noe avhengig av spørsmålet.
Noen ganger vil forskere som opprinnelig designer en studie for hensiktsmessig å behandle analyse, ende opp med å analysere behandlingen både på den måten og per protokoll. (For en protokollanalyse sammenligner de personer som faktisk mottok behandlingen som spesifisert, med de som ikke gjorde det, uavhengig av randomisering.) Dette gjøres vanligvis når intensjonen om å behandle analysen ikke viser noen effekt eller ingen signifikant effekt, men noen effekt blir sett for de menneskene som faktisk tok behandlingen. Imidlertid er denne typen selektiv, post-hoc-analyse mislikt av statistikere. Det kan gi misvisende resultater av flere grunner. En slik grunn er at de som fikk behandlingen kan være annerledes enn de som ikke gjorde det.
Når en intensjon om å behandle studier er mindre lovende enn tidligere, nærmere observerte studier, vil forskere ofte spørre hvorfor. Dette kan være et forsøk på å berge det som ble ansett som en lovende behandling. Hvis det for eksempel viser seg at folk ikke tok medisiner fordi det smaker dårlig, kan det problemet lett løses. Noen ganger kan resultater i mindre studier ganske enkelt ikke dupliseres i en større studie, og leger er aldri helt sikre på årsaken.
Sannheten er at forskjellene mellom tidlige effektforsøk og intensjoner om å behandle studier, er den viktigste grunnen til at intensjon om å behandle modeller er viktig. Denne typen studier søker å lukke forståelsesgapet mellom hvordan medisiner fungerer i forskningsstudier og hvordan de fungerer i den virkelige verden. Det gapet kan være stort.
.jpg)
