Eind jaren 90 begonnen een aantal homeopathische artsen in Nederland vanuit de eigen praktijk een aantal principiële vragen te stellen. Homeopathie is gebouwd op praktijkervaring en vastgelegde casuïstiek van twee eeuwen. Maar hoe betrouwbaar is deze ervaring? Is het mogelijk met moderne, statistische methodiek de homeopathische praktijkervaring te verbeteren en veel preciezere prognoses te geven van kans op succes van een homeopathisch voorschrift? Belangrijke initiatiefnemer bij dit onderzoek is Lex Rutten, homeopathisch arts en onderzoeker. http://www.dokterrutten.nl/wps/for-colleagues-english/
Stap 1 Pilot study, prognostic factor research, LR-ratio
Eerst werd uit eigen praktijken casuïstiek van bekende homeopathische geneesmiddelen, geregistreerd en in consensusbesprekingen vergeleken.
Dit gaf enig inzicht, maar een sprong voorwaarts kon worden gemaakt toen moderne statistische methoden werden gebruikt en op geschiktheid waren getoetst. Het bleek mogelijk klinische gegevens veel preciezer te analyseren, de statistische betrouwbaarheid van homeopathische symptomen vast te leggen en meer exacte uitspraken te doen over prognose van homeopathische voorschriften. Dus, doel van dit onderzoek was niet de zoveelste poging te doen homeopathie te “bewijzen”, maar het ging om het ontwikkelen van de homeopathie zelf als wetenschappelijke methode.
Bayesiaanse statistiek
Het bleek dat statische methodiek volgens Bayes (theorema van Bayes) bij uitstek geschikt was om de homeopathische praktijkervaring te analyseren. De analyse van goede reacties op voorgeschreven homeopathische geneesmiddelen in de praktijk vormde daarvan de basis.
Deze statistische methode wordt toenemend gebruikt binnen medische diagnostische kennissystemen, maar ook in fysica en techniek wordt de methode gebruikt. Bayes (1702-1761) was een Engels predikant en wiskundige, die zich toegelegd heeft op kansberekening. Deze aparte tak van de statistiek is naar hem vernoemd, Bayesiaanse statistiek.
Likelihood Ratio, LR-ratio in de homeopathie
Bij het kiezen van een homeopathisch geneesmiddel zijn de symptomen van de patiënt de leidraad voor deze keuze. Maar niet elk symptoom is even belangrijk en van waarde voor deze keus. Bij de ontwikkeling van de homeopathie in het verleden is de waarde van de symptomen niet systematisch zuiver bepaald. Momenteel zijn daar betere methodieken voor zoals de Baysiaanse statistiek.
Men kan de waarde van een symptoom voor elk homeopathisch geneesmiddel bepalen door te kijken hoeveel vaker een symptoom gezien wordt bij patiënten die goed reageren op een bepaald homeopathisch geneesmiddel dan bij de rest van de patiëntpopulatie. Dit “aannemelijkheidsquotient”, wordt ook wel Likelihood ratio (LR-ratio) genoemd. Een LR > 1 wil zeggen dat het symptoom passend is voor het homeopathisch geneesmiddel. Hoe hoger de LR hoe groter de kans is dat het geneesmiddel voorgeschreven op dit symptoom ook het juiste is en werkt. Door een combinatie van verschillende symptomen die op hetzelfde middel wijzen wordt de kans dat dit specifieke middel gaat werken stapsgewijs groter. Ieder symptoom beïnvloedt de kans dat het middel gaat werken bij de desbetreffende persoon en wordt daarom een “prognostic factor” genoemd. Deze aanpak is dus niet alleen op de aandoening, maar ook op de persoon gericht.
Voor meer informatie over Bayesiaanse statistiek en toepassing in de homeopathie, zie de website van Lex Rutten: http://www.dokterrutten.nl/wps/for-colleagues-english/