Представьте себе ситуацию: вам предлагают новый препарат. Врач говорит, что он «хорошо себя зарекомендовал», что «многие пациенты отмечают улучшение», что «в клинике его назначают всё чаще». Звучит убедительно. Но как вы узнаете, что препарат действительно работает? Что улучшение вызвано именно им, а не случайностью, естественным течением болезни или просто верой в лечение? Это не абстрактный философский вопрос — это вопрос, от которого зависят жизни миллионов людей. И именно на него отвечает доказательная медицина.

Доказательная медицина — это не модное направление и не маркетинговый термин. Это система правил, которая отделяет реальную пользу лечения от иллюзий. Она появилась не потому, что врачи были недостаточно умны, а потому, что врачи были слишком доверчивы — к собственному опыту, к авторитетам, к логичным, но не проверенным гипотезам. История медицины полна блестящих идей, которые казались очевидно правильными, а при строгой проверке оказывались не просто бесполезными — вредными. Каждое правило доказательной медицины написано кровью пациентов, которые пострадали от лечения, которое «казалось правильным», но не было проверено должным образом.

Чтобы понять, как учёные определяют, что лечение работает, нужно пройти тот же путь, который проходит препарат от первой идеи до окончательного вердикта. Вы увидите, что каждый шаг в этом процессе — это защита от самообмана. Не защиты от злого умысла, а от искреннего, глубокого, человеческого желания верить, что лечение помогает — даже когда оно не помогает.

Почему личный опыт обманчив: уроки истории, которые изменили медицину

Личный опыт врача — мощный инструмент. Врач видит пациента, назначает препарат, пациент выздоравливает. Врач делает вывод: препарат работает. Но этот вывод может быть ошибочным по множеству причин, и понимание этих причин — фундамент доказательной медицины.

Первая причина — естественное течение болезни. Многие заболевания проходят сами. Простуда длится семь дней — с лекарством или без. Боль в пояснице у 90% людей проходит за четыре–шесть недель независимо от лечения. Депрессивный эпизод в среднем длится шесть–восемь месяцев и часто разрешается сам. Если врач назначает препарат, а пациент выздоравливает, это не значит, что препарат помог. Болезнь могла пройти сама.

Вторая причина — эффект плацебо. Вера в лечение вызывает реальные физиологические изменения: снижение боли, улучшение настроения, даже изменения в уровне гормонов и нейромедиаторов. В исследовании, опубликованном в Journal of Neuroscience в 2011 году, было показано, что плацебо-анальгезия сопровождается реальным выбросом эндорфинов и активацией нисходящих болеутоляющих путей в мозге. Пациент, который чувствует себя лучше после приёма «лекарства», не симулирует — ему действительно лучше. Но лучше не от препарата, а от веры в него.

Третья причина — регрессия к среднему. При любом заболевании симптомы колеблются: то хуже, то лучше. Пациент обращается к врачу обычно в момент обострения — когда хуже всего. Если в этот момент начать лечение, то с наибольшей вероятностью следующее измерение покажет улучшение — просто потому, что пациент вернулся к своему среднему состоянию. Врач приписывает улучшение лечению, но это статистическая иллюзия.

Четвёртая причина — предвзятость подтверждения. Врач, ожидавший улучшения, склонен замечать факты, подтверждающие его ожидание, и игнорировать факты, противоречащие ему. Пациент, которому сказали, что лечение поможет, с большей вероятностью сообщит об улучшении. Это не обман — это то, как работает человеческий мозг.

Классический пример — лечение инфаркта миокарда лидокаином в 1970–1980-х годах. Лидокаин — антиаритмический препарат — routinely назначался пациентам с инфарктом для профилактики опасных желудочковых аритмий. Логика казалась безупречной: инфаркт вызывает аритмии, аритмии вызывают смерть, лидокаин подавляет аритмии, следовательно, лидокаин спасает жизни. Врачи видели, что у пациентов, получавших лидокаин, аритмий было меньше. Личный опыт подтверждал пользу.

Но в 1989 году был опубликован метаанализ 14 рандомизированных клинических испытаний, охвативший более 9000 пациентов с подозрением на инфаркт. Результат: лидокаин действительно снижал частоту желудочковых аритмий, но увеличивал смертность на 38%. Препарат подавлял аритмии — и при этом убивал пациентов, вероятно, за счёт угнетения сердечной проводимости и развития брадиаритмий. Личное наблюдение врачей — «аритмий меньше» — было верным, но вывод — «значит, препарат полезен» — оказался смертельно ошибочным. Только рандомизированное исследование с достаточным числом пациентов и объективной конечной точкой (смерть) смогло выявить эту ошибку.

Ещё одна поучительная история — гормональная заместительная терапия (ГЗТ) у женщин в менопаузе. Эпидемиологические наблюдения показывали, что женщины, принимавшие эстрогены, реже болели сердечно-сосудистыми заболеваниями. Врачи рекомендовали ГЗТ миллионам женщин — не только для облегчения симптомов менопаузы, но и «для защиты сердца». Но исследование Women’s Health Initiative, опубликованное в 2002 году и охватившее 16 608 здоровых женщин, показало: ГЗТ не защищает сердце, а увеличивает риск инфаркта на 29%, инсульта на 41% и рака молочной железы на 26%. Исследование было прекращено досрочно. Миллионы женщин получали препарат, который не только не помогал, но и вредил — потому что врачи доверяли наблюдениям, а не рандомизированным испытаниям.

Эти примеры объясняют, почему доказательная медицина не доверяет личному опыту — даже опыту тысяч врачей. Не потому, что опыт бесполезен, а потому, что опыт без контроля — это наблюдение, в котором невозможно отличить эффект лечения от естественного течения болезни, плацебо, регрессии к среднему и предвзятости. Чтобы это сделать, нужен эксперимент.

Золотой стандарт: как устроено рандомизированное клиническое исследование

Рандомизированное двойное слепое контролируемое клиническое исследование — это самый надёжный способ узнать, работает ли лечение. Каждое слово в этом длинном названии — это защита от конкретного вида ошибки. Разберём их по очереди.

Рандомизация — случайное распределение пациентов в группу лечения и группу контроля. Это самое важное. Если пациенты распределяются не случайно, а по решению врача, группы могут различаться. Врач может назначить новый препарат более тяжёлым пациентам — или, наоборот, более лёгким. Результат будет искажён. Рандомизация гарантирует, что обе группы, при достаточном числе пациентов, сопоставимы по всем известным и неизвестным факторам: возрасту, полу, тяжести болезни, сопутствующим заболеваниям, генетике. Это единственный способ исключить систематическое искажение.

Контроль — сравнение с альтернативой. Группа лечения получает исследуемый препарат. Группа контроля получает либо плацебо (если нет стандартного лечения), либо стандартное лечение (если оно есть). Без контрольной группы невозможно определить, что бы произошло с пациентом без лечения. Контроль — это «нулевая точка», относительно которой измеряется эффект.

Слепой метод — ни пациенты, ни исследователи не знают, кто получает препарат, а кто — контроль. Двойной слепой метод — не знают ни те, ни другие. Если пациент знает, что получает плацебо, он может чувствовать себя хуже. Если врач знает, что пациент получает новый препарат, он может (даже бессознательно) оценивать его состояние как улучшившееся. Двойной слепой метод исключает эту предвзятость. В исследовании влияния слепого метода на результаты, опубликованном в BMJ в 2013 году, было показано, что открытые исследования (без слепого метода) переоценивают эффективность лечения в среднем на 20–30% по сравнению с двойными слепыми.

Вам может показаться странным, что врачи и пациенты могут так сильно обманываться. Но это не обман — это нормальная психология. В исследовании, опубликованном в New England Journal of Medicine в 2008 году, 180 пациентов с астмой были распределены на лечение сальбутамолом (действующий препарат), плацебо-ингалятором, фиктивным иглоукалыванием или отсутствием лечения. Пациенты, получавшие плацебо-ингалятор и фиктивное иглоукалывание, сообщили об улучшении, статистически неотличимом от улучшения при сальбутамоле. Но объективный тест функции лёгких (ОФВ1) показал реальное улучшение только у получавших сальбутамол. Пациенты чувствовали себя лучше от плацебо — но их лёгкие не работали лучше. Только объективное измерение могло отделить субъективное ощущение от реального эффекта.

Размер выборки определяет надёжность результата. Если в исследовании 30 пациентов, результат может быть случайным. Если 3000 — случайность маловероятна. В статистике это называется мощностью исследования: чем больше пациентов, тем выше вероятность обнаружить реальный эффект и тем ниже вероятность ложного вывода. Расчёт размера выборки — это математическая процедура, определяющая, сколько пациентов нужно включить, чтобы с вероятностью 80–90% обнаружить эффект, если он существует, и с вероятностью не более 5% получить ложноположительный результат.

Исследование CAST (Cardiac Arrhythmia Suppression Trial), опубликованное в 1989 году, — один из самых драматичных примеров. Три антиаритмических препарата — энкаинид, флекаинид и морицизин — эффективно подавляли желудочковые аритмии после инфаркта миокарда. Врачи были уверены, что подавление аритмий спасёт жизни. Исследование было спланировано на 4400 пациентов, но было остановлено досрочно после включения 1727 пациентов. Причина: пациенты, получавшие энкаинид и флекаинид, умирали в 3,6 раза чаще, чем получавшие плацебо. Из 730 пациентов, получавших активные препараты, 56 умерли; из 725 получавших плацебо — 22. Препараты, которые были стандартом лечения и назначались миллионам пациентов, убивали. Только рандомизированное контролируемое исследование с достаточным размером выборки и объективной конечной точкой (смерть) смогло это выявить.

Конечные точки — ещё один критический элемент. Суррогатная конечная точка — это лабораторный показатель или инструментальный признак, который, как предполагается, отражает клинический исход. Снижение артериального давления, снижение уровня холестерина, уменьшение размера опухоли на МРТ. Клиническая конечная точка — это то, что действительно важно пациенту: инфаркт, инсульт, смерть, качество жизни. Суррогатные точки удобны — их проще измерить, исследование короче и дешевле. Но они могут вводить в заблуждение.

Пример — исследование ENHANCE с эзетимибом, опубликованное в 2008 году. Эзетимиб снижает уровень холестерина ЛПНП на 15–20% в дополнение к статинам. Но в исследовании на 720 пациентах с семейной гиперхолестеринемией комбинация эзетимиба и симвастатина не уменьшила толщину интима-медиа сонной артерии (суррогатный маркер атеросклероза) по сравнению с одним симвастатином, несмотря на более значительное снижение ЛПНП. Многие решили, что эзетимиб бесполезен. Но исследование IMPROVE-IT, опубликованное в 2015 году и охватившее 18 144 пациента после инфаркта, показало, что эзетимиб в комбинации с симвастатином снизил риск сердечно-сосудистых событий на 6,4% по сравнению с одним симвастатином. Препарат работал — но суррогатная конечная точка не смогла это показать. Только клиническая конечная точка — инфаркт, инсульт, смерть — дала надёжный ответ.

Исследование должно быть воспроизводимым. Один результат, даже в идеальном исследовании, может быть случайным. Поэтому наука требует повторения. Метаанализ — объединение результатов нескольких независимых исследований — увеличивает число пациентов и статистическую мощность. Кокрановские обзоры — самая авторитетная система метаанализов в медицине — объединяют данные десятков исследований, иногда десятков тысяч пациентов, и дают наиболее надёжный ответ на вопрос: работает ли лечение. В Кокрановском обзоре статины при первичной профилактике, охватившем 18 испытаний и более 56 000 пациентов, было показано, что статины снижают риск серьёзных сердечно-сосудистых событий на 25% на каждый 1 ммоль/л снижения ЛПНП. Этот результат, основанный на десятках независимых исследований, надёжнее любого отдельного исследования.

Иерархия доказательств: почему не все исследования равноценны

Не все исследования дают одинаково надёжные ответы. Доказательная медицина выстраивает иерархию: от наименее надёжных к наиболее надёжным источникам знаний. Понимание этой иерархии помогает вам, как пациенту, оценивать информацию о лечении.

На нижней ступени — мнение авторитета, личный опыт, описание одного случая. Врач говорит: «Я назначал этот препарат сотням пациентов, и они поправлялись». Это наблюдение — но без контроля, без рандомизации, без слепого метода. Оно может быть верным, но не может считаться доказательством. В 1940-х годах хирург Уинчелл Бил продвигал процедуру «перевязки внутренних грудных артерий» при стенокардии — перевязывал артерии, чтобы «перераспределить кровь к сердцу». Он сообщал об улучшении у 75% пациентов. Процедура стала популярной. Но в 1959 году было проведено рандомизированное исследование, в котором половине пациентов перевязывали артерии, а половине — делали разрез и зашивали без перевязки (плацебо-операция). Результат: улучшение было одинаковым в обеих группах. Процедура не имела никакого эффекта — всё было плацебо. Мнение авторитета, каким бы уважаемым он ни был, — самое слабое доказательство.

Выше — наблюдательные исследования: когортные и «случай-контроль». В когортном исследовании группу людей наблюдают во времени и сравнивают тех, кто получал лечение, с теми, кто не получал. В исследовании «случай-контроль» сравнивают пациентов с заболеванием и без, оглядываясь назад, какие воздействия у них были. Эти исследования полезны для формирования гипотез, но не могут доказать причинность, потому что группы не были рандомизированы и могут различаться по неизвестным факторам. ГЗТ и «эстрогеновая гипотеза» — пример: когортные исследования показывали пользу, но рандомизированное исследование показало вред. Наблюдательные исследования переоценивают эффект лечения, потому что пациенты, получающие лечение, обычно отличаются от тех, кто его не получает.

Ещё выше — рандомизированные клинические испытания. Они устраняют основные источники искажения: рандомизация выравнивает группы, контроль даёт точку сравнения, слепой метод исключает предвзятость. Но даже отдельное рандомизированное исследование может быть ошибочным — из-за недостаточного размера выборки, неправильного дизайна, смещения публикации (исследования с положительным результатом публикуются чаще, чем с отрицательным).

На вершине — систематические обзоры и метаанализы рандомизированных клинических испытаний. Они объединяют данные всех соответствующих исследований, минимизируют влияние отдельного исследования и дают наиболее надёжный ответ. Когда Кокрановский обзор показывает, что препарат работает, вероятность того, что это так и есть, выше, чем у любого отдельного исследования.

Но и метаанализ может быть ошибочным, если включённые в него исследования низкого качества. Поэтому сегодня всё чаще используются «сетевые метаанализы», которые позволяют сравнивать несколько препаратов одновременно, даже если они не сравнивались напрямую, и «живые систематические обзоры» (living systematic reviews), которые постоянно обновляются по мере появления новых данных.

Вам важно понимать эту иерархию, потому что она помогает ориентироваться в потоке медицинской информации. Если вы слышите о новом лечении, спросите: есть ли рандомизированные клинические испытания? Сколько? Каков размер выборки? Было ли исследование двойным слепым? Есть ли метаанализ? Если нет — это не означает, что лечение не работает. Но это означает, что его эффективность пока не доказана. А в медицине «не доказано» не значит «безопасно» — значит, риски неизвестны.

Как доказательная медицина меняет реальную клиническую практику

Доказательная медицина — это не абстрактная теория. Она ежедневно меняет то, как врачи лечат пациентов. Рассмотрим несколько примеров, когда результаты исследований полностью меняли клиническую практику.

Лечение язвенной болезни. До 1980-х годов язвенная болезнь считалась хроническим заболеванием, вызванным стрессом, неправильным питанием и избытком кислоты. Лечение заключалось в диете, антацидах и хирургии — удалении части желудка. В 1982 году Барри Маршалл и Робин Уоррен открыли, что язвенную болезнь вызывает бактерия Helicobacter pylori. Медицинское сообщество не поверило: все «знали», что бактерии не могут жить в кислой среде желудка. Маршалл выпил культуру H. pylori, заразился гастритом и доказал свою правоту. Но потребовались годы рандомизированных исследований, чтобы доказать, что эрадикация H. pylori антибиотиками излечивает язвенную болезнь. Сегодня это стандарт — и миллионы пациентов излечены коротким курсом антибиотиков вместо пожизненной диеты и хирургии.

Лечение Helicobacter pylori — пример того, как доказательная медицина переворачивает парадигму. Но она также показывает, что даже после появления доказательств изменение практики занимает годы. Исследования, доказывающие эффективность эрадикации, были опубликованы в начале 1990-х. Но ещё в 2000-х многие врачи продолжали лечить язву диетой и антацидами. В медицине есть «лаг реализации» — задержка между появлением доказательств и изменением практики, которая может составлять 10–15 лет. Поэтому доказательная медицина — это не только наука, но и образование.

Другой пример — антибиотики при остром бронхите. Острый бронхит — вирусная инфекция в 90–95% случаев. Антибиотики не действуют на вирусы. Тем не менее, в 1990-х годах до 70% пациентов с острым бронхитом в амбулаторной практике получали антибиотики. Врачи назначали их «на всякий случай», пациенты ожидали «лекарства», и казалось естественным назначить препарат. Но метаанализ 12 рандомизированных испытаний, опубликованный в BMJ в 1999 году и охвативший более 3000 пациентов, показал: антибиотики не ускоряют выздоровление при остром бронхите, но увеличивают риск побочных эффектов (диарея, сыпь, вагинальный кандидоз) на 25%. Сегодня доказательная медицина рекомендует не назначать антибиотики при неосложнённом остром бронхите. Но и сегодня, по данным исследований, до 40% назначений антибиотиков при бронхите остаются необоснованными.

Хирургия — особый случай. Хирургические процедуры труднее исследовать рандомизированным методом: хирург должен знать, что он делает, и невозможно «ослепить» хирурга. Поэтому многие хирургические процедуры применялись десятилетиями без надёжных доказательств. Артроскопия коленного сустава при остеоартрозе — операция, при которой через проколы вводят инструменты и «очищают» сустав, — выполнялась миллионам пациентов. Но рандомизированное исследование, опубликованное в New England Journal of Medicine в 2002 году, сравнило артроскопию с плацебо-операцией (разрез и зашивание без вмешательства). Результат: улучшение после настоящей операции не отличалось от улучшения после плацебо-операции. При этом артроскопия несла риски: инфекция, тромбоз, анестезия. Сегодня рекомендации не советуют артроскопию при неосложнённом остеоартрозе коленного сустава — но и сегодня она выполняется, потому что пациентам и врачам «кажется», что она помогает.

Ещё один пример — компрессионные чулки и гепарин для профилактики тромбоза глубоких вен у госпитализированных пациентов. Метаанализ более 70 рандомизированных исследований, охвативших десятки тысяч пациентов, показал, что фармакологическая профилактика (низкомолекулярные гепарины) снижает риск тромбоза глубоких вен на 60% и фатальной лёгочной эмболии на 50%. Сегодня это стандарт при госпитализации — но ещё в 1990-х годах профилактика тромбоза проводилась далеко не везде. Доказательная медицина показала, что простая инъекция гепарина спасает жизни — и это стало рутинной практикой, спасающей сотни тысяч жизней ежегодно.

Вы можете спросить: а что, если для моего заболевания нет рандомизированных исследований? Это распространённая ситуация, особенно для редких заболеваний. В этом случае доказательная медицина не говорит «не лечите». Она говорит: используйте лучшие из доступных доказательств, понимайте их ограничения и будьте честны с пациентом о степени неопределённости. Иногда лучшее доказательство — наблюдательное исследование или даже клинический опыт, когда рандомизированное исследование невозможно. Но важно знать уровень доказательности — чтобы не принимать слабое доказательство за сильное.

Внутренняя и внешняя валидность: почему то, что работает в исследовании, может не работать у вас

Даже идеальное исследование может не относиться к конкретному пациенту. Это проблема внешней валидности — применимости результатов исследования к реальной клинической практике.

Внутренняя валидность — это то, насколько результат исследования достоверен для тех пациентов, которые в нём участвовали. Рандомизация, контроль, слепой метод, достаточный размер выборки — всё это обеспечивает внутреннюю валидность. Если исследование показало, что препарат снижает смертность на 20% у 5000 участников, и дизайн был корректным, можно доверять, что препарат действительно снижает смертность у таких пациентов.

Внешняя валидность — это то, насколько результат применим к другим пациентам: другого возраста, пола, с сопутствующими заболеваниями, другой этничности. Клинические испытания часто включают отобранных пациентов: без сопутствующих заболеваний, в определённом возрасте, с чётко определённой стадией болезни. В реальной практике пациенты сложнее: пожилые, с диабетом, гипертонией, принимающие пять других препаратов. То, что сработало в «стерильных» условиях испытания, может не сработать в «грязной» реальности.

Пример — ингибиторы контрольных точек при немелкоклеточном раке лёгкого. В исследовании KEYNOTE-024, опубликованном в 2016 году, пембролизумаб увеличил медиану общей выживаемости с 10,6 до 30,0 месяцев у пациентов с высоким уровнем PD-L1 и без EGFR/ALK-мутаций. Но пациенты в исследовании не имели активных аутоиммунных заболеваний, не получали иммуносупрессивную терапию и имели хороший общий статус. В реальной практике до 20% пациентов с немелкоклеточным раком лёгкого имеют аутоиммунные заболевания или сопутствующую иммуносупрессию — и для них результаты исследования могут не применяться напрямую.

Ещё пример — антикоагулянты у пожилых пациентов с фибрилляцией предсердий. Прямые пероральные антикоагулянты (дабигатран, ривароксабан, апиксабан) в клинических испытаниях показали снижение риска инсульта на 40–60% по сравнению с варфарином при меньшем риск кровотечений. Но в испытаниях средний возраст пациентов составлял 70–72 года. В реальной практике пациенты с фибрилляцией предсердий часто старше 80 лет, с нарушением функции почек, принимающие множество других препаратов. Для них баланс пользы и риска может быть иным: риск кровотечений выше, а эффективность может быть ниже из-за лекарственных взаимодействий.

Это не означает, что результаты исследований неприменимы. Это означает, что врач должен оценивать не только «работает ли лечение», но и «работает ли оно для данного пациента». Доказательная медицина — это не слепое следование рекомендациям. Это интеграция трёх компонентов: лучших доступных доказательств, клинической экспертизы и индивидуальных особенностей пациента. Лечение, доказавшее эффективность в исследовании, может быть не лучшим выбором для конкретного человека — и доказательная медицина это признаёт.

Проблемы и ограничения: что доказательная медицина пока не решает

Доказательная медицина не всесильна. У неё есть фундаментальные ограничения, о которых важно знать, чтобы не воспринимать её как догму.

Искажение публикации — самая серьёзная проблема. Исследования с положительным результатом («препарат работает») публикуются примерно в три раза чаще, чем с отрицательным («не работает»). Это означает, что медицинская литератация систематически переоценивает эффективность лечения. Метаанализ, основанный на искажённой литературе, даёт искажённый результат. Исследование, опубликованное в PLOS ONE в 2016 году, показало, что около 50% клинических испытаний остаются неопубликованными через 24 месяца после завершения, и среди неопубликованных преобладают отрицательные. Решение — обязательная регистрация испытаний до их начала, чтобы отрицательные результаты нельзя было «забыть». С 2005 года ведущие медицинские журналы требуют такой регистрации. Но проблема сохраняется.

Финансирование исследований — другая серьёзная проблема. Большинство крупных клинических испытаний финансируются фармацевтическими компаниями. Это не означает, что результаты сфальсифицированы. Но это создаёт систематическое искажение: компании чаще исследуют то, что может принести прибыль, и реже — то, что может показать, что их препарат не работает. В исследовании, опубликованном в BMJ в 2017 году, было показано, что исследования, финансируемые производителями, в 2–4 раза чаще показывают положительный результат, чем исследования независимого финансирования. Решение — независимое финансирование исследований, но это сложно: клиническое исследование стоит сотни миллионов долларов, и немногие государственные структуры могут себе это позволить.

Суррогатные конечные точки часто подменяют клинические. Препарат от диабета, снижающий уровень гликированного гемоглобина, кажется эффективным. Но важно знать: снижает ли он риск инфаркта, инсульта, слепоты, ампутации, смерти? Исследование ACCORD, опубликованное в 2008 году, показало, что агрессивное снижение сахара крови у пациентов с диабетом 2 типа не только не снизило сердечно-сосудистые события, но и увеличило смертность. Снижение «цифры» не всегда означает улучшение здоровья.

Редкие болезни — особая проблема. Для редкого заболевания невозможно набрать тысячи пациентов в рандомизированное исследование. В этом случае доказательная медицина адаптируется: используются меньшие выборки, исторические контроли, реестры пациентов. Но уровень доказательности ниже, и неопределённость выше. Это не отказ от доказательной медицины — это адаптация к реальности, при которой врач и пациент должны быть особенно честны о том, что известно и что нет.

Заключение

Доказательная медицина — это не догма и не набор готовых ответов. Это метод мышления, который помогает отличить реальную пользу лечения от иллюзии. Она говорит: не верь авторитету, верь данным. Не доверяй наблюдению без контроля — доверяй эксперименту с контролем. Не принимай одно исследование за истину — проверяй повторными. Не путай суррогатный показатель с клиническим исходом. И всегда оценивай, применим ли результат к конкретному пациенту.

Каждое правило доказательной медицины родилось из ошибки. Лидокаин при инфаркте казался полезным — и убивал. ГЗТ казалась защитой для сердца — и вызывала инфаркты. Артроскопия при артрозе казалась эффективной — и была плацебо. Антибиотики при бронхите казались нужными — и не помогали. Каждое из этих лечений основывалось на логике, авторитете и личном опыте. И каждое было опровергнуто рандомизированным исследованием — потому что личный опыт, как бы богат он ни был, не может отличить эффект лечения от естественного течения болезни, плацебо, регрессии к среднему и предвзятости.

Когда вы в следующий раз услышите о новом лечении — препарате, процедуре, диете, добавке — задайте себе несколько вопросов. Есть ли рандомизированные клинические испытания? Сколько пациентов? Сравнивалось ли лечение с плацебо или стандартом, а не с «отсутствием лечения»? Было ли исследование двойным слепым? Какова была конечная точка — клиническая (инфаркт, смерть, качество жизни) или суррогатная (уровень маркера в крови)? Есть ли метаанализ? Кто финансировал исследование?

Эти вопросы не делают вас скептиком или циником. Они делают вас осознанным участником лечения. Доказательная медицина существует не для того, чтобы лишить врача свободы выбора или пациента веры в выздоровление. Она существует для того, чтобы лечение, которое вы получаете, основывалось на знании, а не на догадке. И чтобы, когда вы принимаете таблетку или соглашаетесь на операцию, вы знали: это не потому, что «так принято» или «всем помогает». Это потому, что наука доказала — это работает.