La calidad de la evidencia y el sistema GRADE

En el Cochrane Colloquium, que tuvo lugar entre los días 19 a 22 de octubre en Madrid, el sistema GRADE para la valoración de la calidad de la evidencia y la fuerza de las recomendaciones, fue tratado ampliamente.

Los "padres" de GRADE estuvieron allí, describiendo las ventajas del sistema. Gordon Guyatt habló de la utilización del sistema GRADE para reducir los desenlaces adversos.
Tambien estuvo Holger Schunemann, de la McMaster University, hablando de GRADE en la implementación de la evidencia e impartiendo un taller acerca de las dificultades a la hora de aplicar el GRADE.
El martes previo al Colloquium, tambien impartió un taller satélite, en la Biblioteca Lain Entralgo, de un día de duración, con parte práctica. Este taller se repitió el domingo ante el interés despertado.

Es decir, mucha información de GRADE, herramienta para poder valorar la calidad de las pruebas disponibles y poder trasmitirlo de forma adecuada a los profesionales, usuarios, y responsables de la toma de decisiones políticas.
Ha sido incorporado por 20 organizaciones, como la Organización Mundial de la Salud, el BMJ Clinical Evidence, o the National Institute for Clinical Excellence.

La Colaboración Cochrane también lo ha incorporado y su utilización para valorar la calidad de la evidencia se describe en el Cochrane Handbook Cochrane Handbook , en el punto 12.2.1.
Aunque hablaremos en sucesivas entradas, en líneas generales, el sistema GRADE clasifica la evidencia en cuatro niveles:

1. Calidad alta: es poco probable que nuevos estudios modifiquen los resultados.
2. Calidad moderada: la confianza en la estimación del efecto podría cambiar con nuevos estudios
3. Calidad baja: es probable que nuevos estudios la modifquen.
4. Calidad muy baja: cualquier estimación del efecto es incierta.

Se considera que los ensayos clinicos tienen una calidad alta y los estudios observacionales baja.
Pero hay una serie de factores que pueden reducir la confianza en los resultados.
Estos son:

1.- Limitaciones del diseño (risk of bias)
2.- Inconsistencia de los resultados (inconsistency)
3.- Evidencia no directa (indirectness)
4.- Imprecisión (imprecision)
5.- Sesgo de publicación (publication bias)

Todo esto está muy bien explicado en un tutorial de la McMaster University, donde de forma muy sencilla y gráfica, enseñan a utilizar el GRADE (online learning modules). No os los perdais.