Artikkel
Når man skal teste effekten av helsetjenesteintervensjoner, er det ikke alltid mulig å gjennomføre randomiserte kontrollerte studier. Avbrutte tidsserieanalyser regnes som et godt alternativ.
Randomiserte kontrollerte studier er gullstandarden for å vurdere effekten av en intervensjon, men det er ikke alltid mulig å gjøre slike studier. Dette vil særlig gjelde for intervensjoner på et populasjons- eller systemnivå. Avbrutte tidsserieanalyser (engelsk: interrupted time series ) har vært brukt til å analysere effekt av tiltak for å oppnå endret forskrivning fra leger, som opplæringsprogram på sykehus (1) eller endringer i refusjonsvilkår (2) . Metoden kan også brukes i epidemiologiske studier, for eksempel for å studere hvorvidt graviditet gjør at kvinner avslutter behandling med legemidler (3) .
En tidsserie er en serie av gjentatte observasjoner over tid, gjerne med faste intervaller mellom observasjonene. Prinsippet for en avbrutt tidsserieanalyse er at man gjør observasjoner både før og etter at en intervensjon introduseres. Serien «avbrytes» av intervensjonen. Dette kan illustreres ved et eksempel hvor observasjonene var andelen forskrivninger av antibiotika i tråd med gjeldende retningslinjer før og etter en intervensjon på en sykehusavdeling basert på revisjon med tilbakemelding (audit and feedback intervention study ) (figur 1) (1) . Hver av de to periodene, før og etter intervensjonen, defineres av to parametere, trenden og nivået. Begge vil kunne påvirkes av intervensjonen.
Regresjonsanalyse
Regresjonsanalyse
Metoden egner seg når intervensjonen introduseres på et klart definert tidspunkt, og observasjonene eller målingene av utfall er tilgjengelig både før og etter intervensjonen. Utfallet må forventes å endres raskt etter intervensjonen eller etter en klart definert tid (4) .
Effekten estimeres ved å sammenligne en eventuell endring etter intervensjonen med den forventede, uendrede trenden dersom intervensjonen ikke hadde funnet sted (4, 5) . Det mest vanlige er å benytte en lineær regresjonsanalyse og sammenligne regresjonslinjene før og etter intervensjonen. Dette forutsetter en (tilnærmet) lineær sammenheng mellom tid og utfall (5, 6) .
Teststyrken i avbrutte tidsserieanalyser avhenger av effektstørrelsen, variasjonen i dataene, antall målepunkt (tidspunkt) for observasjoner før og etter intervensjonen, antall observasjoner innen hvert målepunkt og tilstedeværelsen av konfunderende faktorer (4, 7) . Det finnes ingen standard anbefaling for antall målepunkt, men 12 før og etter intervensjonen har vært foreslått (5) .
Metodologiske utfordringer
Metodologiske utfordringer
Avbrutte tidsserieanalyser kan påvirkes av konfunderende faktorer som endres over relativt kort tid, slik som sesongvariasjoner. Eksempler på sesongvariasjoner kan være ulikt antall vintermåneder før eller etter intervensjonen, utbrudd av infeksjonssykdommer eller rullering av ansvar for oppgaver som kan påvirke utfallet (4, 5) . Man kan kontrollere for slike konfundere ved å inkludere dem som variabler i regresjonsligningen.
En forutsetning i regresjonsanalyser er at observasjonene er uavhengige, noe som ofte ikke vil holde i tidsserieanalyser. Målinger rett etter hverandre i tid er ofte mer like hverandre enn målinger som ligger lenger unna. Dette kalles autokorrelasjon. Dersom man har kontrollert for sesongvariasjoner, vil ofte ikke autokorrelasjon være et problem. Man bør likevel alltid vurdere om autokorrelasjon kan påvirke analysen og eventuelt justere ved hjelp av adekvate metoder (4) .
Som for alle statistiske analyser er det viktig at man beskriver hvilken effekt man forventer før man ser på dataene, det vil si hvorvidt intervensjonen antas å gi en endring i trenden, i nivået eller begge deler, og hvorvidt endringen vil inntreffe umiddelbart eller etter en viss tid (4) .
En viktig styrke med avbrutte tidsserieanalyser er den intuitive grafiske framstillingen av resultatene. I tillegg vil sammenligninger av trenden kunne si oss noe om hvorvidt effekten opprettholdes over tid, noe vanlige observasjonsstudier ikke gir anledning til. Som for alle ikke-randomiserte studier kan man heller ikke for avbrutte tidsserieanalyser trekke sikre konklusjoner om en kausal sammenheng mellom intervensjon og effekt.