Forstå hensikt å behandle modeller i medisinsk forskning

Når det brukes i medisinske studier, er uttrykket hensikt å behandle refererer til en type studie design. I denne studien analyserer forskerne resultatene av studien basert på hva pasientene ble fortalt å gjøre. Med andre ord ser legene på pasientresultater basert på hvordan de skulle behandles, i stedet for hva som faktisk skjedde. For eksempel, hvis en person i en studie er randomisert til en medisinsk behandling, men ender med å få kirurgi - eller ingen behandling i det hele tatt - blir deres utfall fortsatt vurdert som en del av den medisinske behandlingsgruppen. I en ideell verden vil selvfølgelig hensikten å behandle og den faktiske behandlingen være den samme. I den virkelige verden varierer det mye, avhengig av hva som studeres.

Hvorfor disse modellene blir brukt

Intent å behandle modeller brukes av en rekke årsaker. Den største er at de fra et praktisk synspunkt bare gir mening. Forskere vil vite hvordan stoffer eller behandlinger vil fungere i den virkelige verden. I den virkelige verden tar ikke alle medikamenter som foreskrevet. Ikke alle ender opp med å få operasjonen de anbefales. Ved å bruke en hensikt å behandle modell, kan forskere analysere hvordan en behandling virker i en litt mer realistisk sammenheng. Intent å behandle uttrykkelig anerkjenner det faktum at hvordan stoffene fungerer i laboratoriet, kan ha svært lite å gjøre med hvordan de jobber i feltet. Faktisk er en av grunnene til at lovende stoffer ofte er så skuffende når de slippes ut, at folk ikke tar dem slik de gjør i studiene. (Det er også ofte andre forskjeller mellom virkelige pasienter og forskere.) 

ulempene

Ikke alle mennesker liker hensikt å behandle forsøk. En grunn er at de kan undervurdere en medisins potensielle effektivitet. For eksempel viste tidlig prøvelse av pre-eksponeringsprofylakse for HIV hos homofile menn at behandlingen virket relativt effektiv ... men bare hos personer som tok det regelmessig. De samlede resultatene som ble vist ved intensjonen om å behandle modeller, var mye mindre oppmuntrende. Noen sier at et stoff ikke virker hvis pasientene ikke tar det. Andre sier at du ikke kan dømme en medisin hvis pasientene ikke tar det som foreskrevet. Begge sider har et poeng. Det er ikke noe perfekt svar. Hvilken analyse gir mest mening å bruke er noe avhengig av spørsmålet. 
Noen ganger forskere som i utgangspunktet designe en studie for intent-to-treat analyse, vil ende opp med å analysere behandlingen på den måten og per protokoll. (For en protokollanalyse sammenligner de mennesker som faktisk mottok behandlingen som spesifisert for de som ikke gjorde det, uavhengig av randomisering.) Dette gjøres vanligvis når intensjonen om å behandle analyse viser ingen effekt eller ingen signifikant effekt, men en viss effekt er sett for de som faktisk tok behandlingen. Denne typen selektiv, post-hoc-analyse blir imidlertid frynst av statistikere. Det kan gi misvisende resultater av flere grunner. En slik grunn er at de som fikk behandlingen, kunne være forskjellige enn de som ikke gjorde det.
Når en hensikt å behandle studier er mindre lovende enn tidligere, mer nøye observert studier, vil forskerne ofte spørre hvorfor. Dette kan være et forsøk på å redde det som hadde blitt ansett som en lovende behandling. Hvis det viser seg, for eksempel at de ikke tok medisiner fordi det smaker dårlig, kan dette problemet være lett å fikse. Imidlertid kan noen ganger resultere i mindre forsøk helt enkelt ikke dupliseres i en større studie, og leger er aldri helt sikre på grunnen.
Sannheten er at forskjellene som er sett mellom tidlige effektforsøk og hensikt å behandle studier, er selve grunnen til å behandle modeller er viktig. Denne typen studie har som mål å lukke forståelsesgapet mellom hvordan stoffene fungerer i forskningsstudier og hvordan de jobber i den virkelige verden. Det gapet kan være en stor.