Separating Biological and Choice Effects in Randomized Trials: Completing Causal Inference with β-Identification

In de wereld van medisch onderzoek is de gerandomiseerde gecontroleerde studie de gouden standaard voor het bewijzen dat een behandeling werkt. In deze studies worden patiënten willekeurig toegewezen aan het ontvangen van ofwel een nieuwe behandeling ofwel een standaardbehandeling, vergelijkbaar met het opgooien van een munt om hun pad te bepalen. Het doel is om het biologische effect van de medicatie of procedure zelf te isoleren, door andere variabelen weg te strippen om te zien of de behandeling de uitkomst werkelijk verandert. Decennialang is deze methode de basis geweest van evidence-based medicine, die artsen begeleidt bij de keuze voor welke medicijnen ze voorschrijven en welke operaties ze uitvoeren. Echter, er ontstaat een hardnekkig probleem wanneer de biologische verschillen tussen behandelingen klein zijn. In die gevallen kunnen de resultaten van een studie troebel of inconclusief worden. Patiënten volgen vaak niet het toegewezen pad; ze kunnen overstappen naar de andere behandeling, of ze kunnen de toegewezen behandeling geheel weigeren. Traditioneel hebben onderzoekers deze non-adherentie beschouwd als een gebrek, een bron van ruis die het vermogen van de studie om een duidelijk antwoord te vinden verzwakt. Ze hebben de keuze van de patiënt om van behandeling te wisselen behandeld als een fout die gecorrigeerd of genegeerd moet worden, in de overtuiging dat het ware verhaal alleen in de biologie van het medicijn of de procedure ligt.

Een nieuw kader voorgesteld door de onderzoekers Ogan Gurel en James Weinstein daagt dit langgehouden standpunt uit. Zij stellen dat in veel moderne medische situaties de keuze van de patiënt niet slechts een afleiding is, maar een fundamenteel onderdeel van de uitkomst. Wanneer het biologische verschil tussen twee geloofwaardige behandelingen klein is, wordt de beslissing die een patiënt neemt — gedreven door hun persoonlijke waarden, angsten en voorkeuren — een krachtige kracht die hun gezondheid net zozeer vormgeeft als de behandeling zelf. De onderzoekers suggereren dat door de keuze van de patiënt te behandelen als een meetbare, causale factor in plaats van een statistische fout, we eindelijk zin kunnen krijgen in trials die voorheen onbegrijpelijk leken. Deze benadering verwerpt de oude methoden niet, maar breidt ze uit, waardoor wetenschappers het kunnen scheiden van het biologische effect van een behandeling van het effect van de beslissing van de patiënt om deze te ondergaan. Door dit te doen, kunnen zij verklaren waarom sommige behandelingen in de praktijk goed werken, zelfs wanneer de biologie suggereert dat ze dat niet zouden moeten doen, en waarom sommige trials verwarrend blijven totdat we de kracht van menselijke agency erkennen.

De kern van dit nieuwe denken komt voort uit het heronderzoeken van een beroemde studie bekend als de Spine Patient Outcomes Research Trial, of SPORT. Deze studie onderzocht behandelingen voor een pijnlijke aandoening in de onderrug genaamd lumbale discushernia. De studie was ontworpen volgens strikte wetenschappelijke standaarden, toch waren de resultaten beroemd onconclusief. De gegevens toonden aan dat het verschil in uitkomsten tussen patiënten die een operatie ondergingen en patiënten die niet-chirurgische zorg ontvingen, zeer klein was. Jarenlang werd dit geïnterpreteerd als een teken dat chirurgie geen echt biologisch voordeel bood ten opzichte van niet-chirurgische zorg. De onderzoekers wijzen er echter op dat de trial ook werd gekenmerkt door hoge percentages "crossover". Veel patiënten die aan niet-chirurgische zorg waren toegewezen, kozen uiteindelijk toch voor een operatie, en sommige die aan een operatie waren toegewezen, kozen in plaats daarvan voor niet-chirurgische zorg. In de traditionele visie was deze crossover een probleem dat de lijnen tussen de twee groepen vertroebelde, waardoor het onmogelijk werd om te bepalen welke behandeling beter was. De onderzoekers stellen dat deze visie een cruciaal punt miste: de crossover was niet alleen ruis; het was een signaal.

Door hun nieuwe kader toe te passen, waren de onderzoekers in staat om de resultaten van de SPORT-trial te ontleden in twee afzonderlijke delen. Het eerste deel, dat zij het biologische effect noemen, vertegenwoordigt de pure fysiologische impact van de behandeling zelf, uitgaande van het scenario waarin een patiënt het plan perfect volgt. Het tweede deel, dat zij het keuzeeffect noemen, vangt de impact van de beslissing van de patiënt om de behandeling te nemen of te wisselen. Wanneer zij deze twee componenten scheidden, kwam er een ander beeld naar voren. Het biologische verschil tussen chirurgie en niet-chirurgische zorg was klein, en het keuzeeffect bleek klinisch betekenisvol te zijn. Patiënten die hun eigen behandeling kozen, ongeacht wat hen oorspronkelijk was toegewezen, hadden uitkomsten die gezamenlijk werden gevormd door biologie en keuze. Dit suggereert dat het succes van de behandeling niet alleen draaide om de chirurgie of de fysiotherapie, maar om de afstemming tussen de behandeling en de eigen voorkeuren van de patiënt. De handeling van het kiezen van een behandeling die goed voelde voor de patiënt, was een causale factor in hun herstel, net zo reëel als het biologische mechanisme van de operatie.

Dit inzicht transformeert hoe we klinische trials moeten interpreteren, vooral in velden waar meerdere behandelingen bestaan en de biologische verschillen tussen hen kleiner worden. De onderzoekers stellen een nieuwe manier voor om trials te classificeren op basis van de balans tussen deze twee krachten. In sommige gevallen is het biologische verschil zo groot dat de keuze van de patiënt er nauwelijks toe doet; in deze scenario's werken de oude analysemethoden prima. Maar in veel andere gevallen, met name naarmate patiënten ouder worden en complexe gezondheidsproblemen ervaren, krimpen de biologische verschillen en wordt de keuze van de patiënt de dominante factor. De onderzoekers identificeren vier verschillende regimes voor deze trials. In één regime is biologie de duidelijke winnaar en kunnen artsen de superieure behandeling met vertrouwen aanbevelen. In een ander regime doen zowel biologie als keuze ertoe, wat een meer genuanceerde aanpak vereist waarbij artsen en patiënten samen beslissen. In een derde regime is geen van beide factoren sterk genoeg om een duidelijk antwoord te geven, en vertelt de trial ons simpelweg dat we meer onderzoek nodig hebben. Ten slotte, in het vierde regime is het biologische verschil verwaarloosbaar, maar drijft de keuze van de patiënt de uitkomst. Hier is het belangrijkste wat een arts kan doen niet het voorschrijven van een specifieke behandeling, maar het helpen van de patiënt om de keuze te maken die past bij hun leven en waarden.

Het artikel betoogt dat het niet erkennen van dit vierde regime ertoe heeft geleid dat veel trials als mislukkingen zijn bestempeld, terwijl ze eigenlijk op een andere manier succesvol waren. Wanneer een trial geen duidelijke biologische winnaar laat zien, maar patiënten die hun eigen pad kiezen wel goed af zijn, is de traditionele conclusie dat de behandelingen gelijk zijn en de trial onconclusief is. Het nieuwe kader suggereert dat de trial ons eigenlijk iets diepzinnigs vertelt: dat de uitkomst afhangt van de betrokkenheid en voorkeur van de patiënt. Door het keuzeeffect te negeren, verliezen we het vermogen om te begrijpen waarom een behandeling in de echte wereld werkt. De onderzoekers demonstreren dat door zowel het biologische effect als het keuzeeffect op dezelfde schaal te meten, we het volledige plaatje kunnen zien. Dit stelt ons in staat om onderscheid te maken tussen een behandeling die biologisch zwak is en een behandeling die biologisch neutraal is, maar zeer effectief wanneer patiënten deze welwillend kiezen.

Deze verschuiving heeft belangrijke implicaties voor hoe medisch onderzoek wordt ontworpen en hoe artsen beslissingen nemen. De onderzoekers suggereren dat toekomstige trials zo ontworpen moeten worden dat ze het vermogen behouden om de keuze van de patiënt te meten, in plaats van te proberen patiënten te dwingen zich aan een protocol te houden. Dit zou kunnen betekenen dat patiënten de ruimte krijgt om over te stappen naar een andere behandeling als zij dat wensen, en vervolgens de data te analyseren om te zien hoe die keuzes de uitkomst hebben beïnvloed. Het betekent ook dat het doel van een trial niet alleen het vinden van de "beste" behandeling in een vacuüm is, maar het begrijpen van hoe verschillende behandelingen presteren wanneer patiënten vrij zijn om te kiezen. In het domein van kunstmatige intelligentie en beslissingsondersteunende instrumenten is dit onderscheid cruciaal. Een AI-systeem dat alleen naar biologische data kijkt, kan een behandeling aanbevelen die biologisch solide is, maar in de praktijk faalt omdat deze niet aansluit bij de voorkeuren van de patiënt. Door het keuzeeffect te incorporeren, kunnen deze instrumenten worden ontworpen om de menselijke oordeelsvorming te faciliteren wanneer de biologie onduidelijk is, door artsen te helpen bij het bevorderen van gedeelde besluitvorming in plaats van simpelweg behandelingen te rangschikken.

De onderzoekers benadrukken dat deze benadering de rigoureuze standaarden van gerandomiseerde trials niet vervangt, maar ze compleet maakt. Het erkent dat de patiënt in een wereld van complexe, chronische aandoeningen geen passieve ontvanger van zorg is, maar een actieve deelnemer wiens beslissingen het resultaat vormen. Het kader biedt een manier om deze participatie te kwantificeren, waardoor wat voorheen werd beschouwd als een statistische hinderlaag, een essentieel stuk bewijs wordt. Door dit te doen, biedt het een eerlijker en completer verslag van wat er in een klinische trial gebeurt. Het verklaart waarom sommige behandelingen in de echte wereld beter lijken te werken dan in de gecontroleerde setting van een studie, en waarom sommige trials die op papier als mislukkingen lijken, artsen en patiënten toch waardevolle richtlijnen bieden. Het uiteindelijke doel is om verder te gaan dan een smalle focus op biologie naar een breder begrip van gezondheid dat de menselijke factor van keuze omvat, om ervoor te zorgen dat medisch bewijs de realiteit weerspiegelt van hoe mensen met hun aandoeningen leven en deze beheren.

De studie steunt op een specifieke wiskundige decompositie om deze effecten te scheiden, maar het concept is eenvoudig. De onderzoekers nemen het geobserveerde verschil in uitkomsten tussen patiënten die één behandeling ontvingen en die een andere behandeling ontvingen, en zij trekken daar het biologische verschil vanaf dat zou bestaan als iedereen zijn toewijzing perfect had gevolgd. Wat overblijft, is het effect van de keuze zelf. Dit resterende deel is geen willekeurige ruis; het is een meetbare, causale kracht. De onderzoekers tonen aan dat in de SPORT-trial dit keuzeeffect groot genoeg was om klinisch betekenisvol te zijn, wat verklaart waarom de resultaten van de trial zo anders waren dan wat een puur biologische analyse zou voorspellen. Zij betogen dat ditzelfde patroon waarschijnlijk in veel andere gebieden van de geneeskunde aanwezig is, van hartziekten tot kanker, waar patiënten de voordelen van een behandeling moeten afwegen tegen de lasten en risico's ervan.

Door het keuzeeffect zichtbaar te maken, hopen de onderzoekers het gesprek in medisch onderzoek te veranderen. In plaats van alleen te vragen "Werkt deze behandeling?", kunnen we ook vragen "Voor wie werkt het, en onder welke omstandigheden van keuze?". Deze verschuiving maakt plaats voor een meer gepersonaliseerde benadering van de geneeskunde, waarbij de focus niet alleen ligt op het medicijn of de operatie, maar op de samenwerking tussen de arts en de patiënt. Het erkent dat de beste behandeling niet altijd de behandeling is met het sterkste biologische effect, maar de behandeling waar de patiënt het meest waarschijnlijk aan zal blijven en die past bij hun leven. De onderzoekers concluderen dat naarmate de geneeskunde complexer wordt en de biologische verschillen tussen behandelingen kleiner worden, het vermogen om de kracht van keuze te meten en te begrijpen steeds belangrijker zal worden. Het is een manier om het beeld van causale inferentie te voltooien, zodat het bewijs dat we verzamelen de volledige realiteit van de menselijke gezondheid en besluitvorming weerspiegelt.