Forsøget med én deltager
Der findes en forsøgsform, hvor forsøgspersonen og hele populationen er den samme person. Nogle regner den for den stærkeste evidens, der findes — for netop dig.
Et almindeligt forsøg fordeler hundrede eller tusind patienter mellem to grupper og sammenligner grupperne bagefter. Et N-of-1-forsøg gør noget andet: det tager én patient og fordeler behandlingerne over tid i stedet for over personer. Samme metode — randomisering, gerne blinding — men presset ned i ét menneske.
Det lyder som en svaghed. Én patient kan da ikke sige noget om en befolkning. Men det er heller ikke, hvad forsøget forsøger. Spørgsmålet er ikke „virker det her i almindelighed". Spørgsmålet er „virker det her for dig" — og det er et andet spørgsmål, som kræver et andet design.
Hvorfor et gennemsnit på tusind mennesker kan være det forkerte svar
Et review af litteraturen om vejr og migræne har allerede sat ord på et af problemerne: nogle patienter er følsomme over for lavt lufttryk, andre over for højt. Læg dem sammen i én stor kohorte, og de to effekter kan ophæve hinanden statistisk, selvom begge er reelle for de patienter, de gælder. Gennemsnittet siger „ingen sammenhæng". Det er sandt for gennemsnittet og forkert for begge de to grupper, det består af.
Et N-of-1-forsøg omgår problemet ved slet ikke at spørge om gennemsnittet. Det spørger kun om dig.
En arbejdsgruppe har foreslået, at personlige forsøg — N-of-1 — kan udgøre den stærkeste evidens i evidenshierarkiet, når spørgsmålet er, hvad der virker for netop den enkelte patient. Nogle eksperter i evidensbaseret medicin regner det for den højeste evidensform til individualisering af behandling.
„Conduct and Implementation of Personalized Trials in Research and Practice"Mange af dem lagt sammen bliver alligevel til et gennemsnit
Det interessante er, at man ikke behøver vælge mellem den enkelte og gruppen. En planlagt serie af N-of-1-forsøg på tværs af flere sammenlignelige patienter kan lægges sammen statistisk, typisk med metoder som individdata-metaanalyse eller bayesianske hierarkiske modeller. Resultatet er to tal på én gang: et populationsgennemsnit, og hver enkelt persons afvigelse fra det.
Det er en anden slags gennemsnit end det, der skjuler de to modsatrettede grupper. Her forsvinder ingen i tallet — man kan altid gå tilbage og se, hvor langt netop denne person lå fra midten.
Det, Aneroid ikke er
Det er fristende at kalde Aneroid et N-of-1-forsøg. Det er den ikke, og det er værd at sige tydeligt hvorfor. Et N-of-1-forsøg randomiserer en behandling hen over tid — periode A, periode B, i tilfældig rækkefølge, ofte blindet, så hverken patient eller behandler ved, hvilken periode der er hvilken. Aneroid giver ingen behandling. Der er ingen periode A og B at fordele. Der er kun trykket, som gør, hvad det vil, og dine svar på, hvordan du har det.
Det, appen låner, er ikke forsøgsdesignet. Det er tankegangen: at spørgsmålet „virker det her for mig" ikke besvares ved at læse et gennemsnit fra en artikel, men ved at måle sig selv, over tid, med noget at sammenligne med. De tre daglige spørgsmål uden trykfald er den del af tankegangen, appen faktisk kan bygge — en kontrolperiode, ikke en randomiseret behandling.
Aneroid udfører ikke et klinisk forsøg og giver ingen behandling at sammenligne. Appen måler lufttryk og dine egne svar, og den kan med tiden vise, hvad dine data peger på — vejledende, og kun for dig.
Kilder
- „Conduct and Implementation of Personalized Trials in Research and Practice." Læs
- „Evidence and reporting standards in N-of-1 medical studies: a systematic review." Læs
- „Understanding How to Use Single-Patient Studies to Answer Patient-Identified Research Questions." NCBI Bookshelf. Læs
- „Whether Weather Matters with Migraine." Current Pain and Headache Reports (2024). Læs
- Systematisk review (2025). „Impact of Barometric Pressure Changes on the Severity, Frequency, and Duration of Migraine Attacks: A Systematic Review of the Literature." Cureus. Læs