Als de dokter een medicijn voorschrijft dan mag je hopen dat hij zich goed geïnformeerd heeft, dat de werkzaamheid van het medicijn is aangetoond en dat de bijwerkingen bescheiden zijn – en bekend. Misschien wil je ook nog dat het medicijn beter werkt, of anders toch goedkoper is, dan andere medicijnen op de markt. Om dat allemaal mogelijk te maken bestaat er een praktijk die evidence based medicin heet. Maar in de praktijk van ‘bewezen medicijnen’ gaat zoveel mis dat doctoren eigenlijk geen fatsoenlijke medische beslissingen kunnen nemen.

Dat betoogt, althans, Ben Goldacre in zijn boek “Bad Pharma”. Het is een dikke pil waarin hij de praktijk van evidence based medicin helemaal afpelt. Hij laat zien hoe het zou moeten gaan, welke waarborgen er zouden moeten zijn en op hoeveel plekken het ook mis gaat. Als je evidence based medicin een warm hart toedraagt kan je van Goldacre’s betoog behoorlijk in de put raken, maar om het systeem te kunnen repareren moet je de fouten eerst blootleggen. Of, zoals Goldacre het brengt: “daylight is often a good disinfectant”.

Wat is er mis? Om dat te begrijpen moet je iets weten van de basisprincipes achter evidence based medicin. De gedachte is dat medicijnen grondig worden getest voordat ze (mogen) worden voorgeschreven. Dat gebeurd in zogenaamde “randomised controled trials”. Het medicijn wordt aan een groep patiënten gegeven en een andere groep patiënten krijgt een nepmedicijn – een placebo -, of een concurrerend medicijn. Zo kan de werkzaamheid van het medicijn worden bewezen en kunnen doctoren het daarna met een gerust hart voorschrijven.

Het kernprobleem in deze praktijk is missing data. In essentie is het doen van een medische trial een kwestie van tellen. Hoeveel patiënten zijn gezond geworden in de groep die het medicijn kreeg? Hoeveel in de controlegroep? Is er geen verschil, dan werkt het medicijn niet; is het er wel, dan werkt het. Maar, wat nou als je niet iedereen meetelt? Stel je voor dat je, bijvoorbeeld, mensen die gezond worden van het medicijn wèl telt en mensen waarvoor het niets doet niet. Dat lijkt flauw: alleen de gezonde mensen tellen, maar het is volgens Goldacre precies wat de farmaceutische industrie vaak doet.

Missing data ontstaat grofweg op 2 manieren. Ten eerste worden er flink wat trials uitgevoerd, maar niet gerapporteerd. Neem Reboxetine, antidepresiva. Het medicijn had een positief resultaat in één trial waar 254 patienten aan meededen. Maar, toen onderzoekers gingen graven wisten ze zes, niet gepubliceerde, trials op te sporen met in totaal meer dan 2500 patiënten – zonder resultaat. Werkt Reboxitine? Waarschijnlijk niet. En in ieder geval niet zo goed als dat doctoren die alleen toegang hebben tot de gepubliceerde data denken.

Missing data kan ook in een trial ontstaan, vaak vanwege praktische ingewikkeldheden. Hoe moet je bijvoorbeeld omgaan bij mensen die uitvallen tijdens een trial. Tel je ze bij de groep voor wie het medicijn niet geholpen heeft? Dat kleurt je uitslag negatiever in dan misschien nodig. Of tel je ze helemaal niet mee en doe je alsof ze zich nooit ingeschreven hebben? Dat lijkt een neutrale keuze, maar dat is het niet. Omdat mensen die ziek worden van het medicijn of de bijwerkingen, vaker afhaken is de kans heel reëel dat het juist een positieve kleuring aan de resultaten geeft. Of wat te doen met trials die vroegtijdig gestopt worden? Niemand wil natuurlijk dat een trial langer duurt dan nodig. Mensen slikken experimentele medicijnen en noodzakelijkerwijs slikt een groep zieke mensen helemaal geen medicijn. Maar als je stopt zodra een trial een voldoende positief resultaat heeft is de kans op een positief resultaat ook groter. Bij een negatief resultaat ga je door, waardoor het nog positief kan worden, maar bij een positief resultaat niet. Ook dan tel je gezonde patiënten zwaarder mee.

Deze problemen spelen in alle trials, niet alleen die die door de farmaceutische industrie worden uitgevoerd, maar daar gaat het, misschien niet helemaal onverwacht, wel veel vaker mis. Uit onderzoek blijkt dat als een trial is uitgevoerd door de fabrikant van een medicijn, in plaats van door een onafhankelijke instantie, de kans ongeveer 4 keer zo groot is dat er een positief resultaat uit komt. Dat hoeft geen fraude te zijn: het gaat eerder om ondeugdelijk onderzoek. Fabrikanten van medicijnen kunnen niet tellen. Of eigenlijk is het erger: ze rekenen zich rijk. En ja… verreweg de meeste trials worden uitgevoerd door de industrie. Een positieve trial is immers nodig om een medicijn op de markt te krijgen.

Allebei de vormen van verkeerd tellen zijn volstrekt gangbaar, maar ze vertroebelen het beeld voor doctoren op een ontoelaatbare manier. Feitelijk hebben doctoren, door het oppoetsen van trial data door de industrie, geen basis om deugdelijke medische beslissingen op te nemen. Ze kunnen niet weten of een medicijn werkzaam is omdat de meeste informatie waarop ze zich moeten baseren ontbreekt en omdat die informatie waar ze wel beschikking over hebben alleen bestaat omdat het de fabrikant van het medicijn goed uit kwam. We praten hier niet over één medicijn of een beperkte groep maar voor veel, zo niet alle, medicijnen op de markt. En dat in een praktijk die over leven en dood gaat.

Dat is misselijkmakend natuurlijk. Dus zoekt Goldacre naar oorzaken. Hoe komt het toch dat zoveel data verloren gaat en achter gehouden wordt? Bij zo’n onderzoek komt de farmaceutische industrie er natuurlijk slecht af, maar ook de instanties die de goedkeuring voor medicijnen verlenen, academische tijdschriften, ethische commissies en de overheid laten volgens Goldacre veel te veel steken vallen. Door de bewijslast bij de industrie te leggen en door het ontbreken van waarborgen waardoor alle data ook beschikbaar zijn blijkt de praktijk van evidence based medicin wel heel schraal af te steken bij de ideeën die er aan ten grondslag liggen. En erg gezond is dat niet.

Meer lezen?

Bad Pharma is een bedachtzame aanklacht tegen misstanden in de praktijk evidence based medicin, het staat vol met feiten en inzichten waar ik in dit korte blogje natuurlijk geen recht aan kon doen. Lees het.

Dit is de eerste keer dat ik over evidence practice schrijf. Over de statistiek achter trials sprak ik (indirect) in groepsidentificaties en eerlijk vergelijken. Over de de werelbeelden die achter een diagnose schuil kunnen gaan sprak ik in verkoudheid.

Eerdere boekreviews gingen over Little Science, Big Science van Derek de Solla Price, The Meme Machine van Susan Blackmore , Laboratory Life en Science in Action, beide van Bruno Latour.