Udgivet | Sidst opdateret
Hvis du nogensinde har stirret på en metodesektion og spekuleret på, hvad du skulle kalde dit eget studiedesign, er du ikke alene. Anmeldere beder om det, tidsskrifter forventer det i din diskussion af begrænsninger, og bevillingspaneler bruger det til at veje dit forslag op mod konkurrerende. Evidensniveauer er det udtryk, forskere bruger til denne rangering, og det besvarer et snævert, men vigtigt spørgsmål: I betragtning af det design, du brugte, hvor meget tillid bør en læser så have til dit resultat, før noget andet ved studiet tages i betragtning?
Denne guide gennemgår, hvad udtrykket egentlig betyder, de to rammer, der dominerer den nuværende praksis (OCEBM og GRADE), og en femtrinsmetode, du kan anvende på ethvert klinisk studie på få minutter. Til sidst vil du med selvtillid kunne placere dit eget manuskript eller en artikel, du vurderer til en litteraturgennemgang, på rangstigen.
Gratis værktøj · tager cirka et minut
Finder af evidensniveau
Spring læsningen over. Besvar 4 hurtige spørgsmål, og få dit studieniveau med det samme.
Hvad "bevisniveau" egentlig betyder
Et evidensniveau er en rangordning, der tildeles et studie baseret på dets design, ikke dets emne, dets stikprøvestørrelse eller hvor interessante dets resultater er. Rangordningen eksisterer, fordi forskellige designs har forskellige mængder indbygget beskyttelse mod bias. Et randomiseret kontrolleret forsøg beskytter mod konfounding ved at afbalancere kendte og ukendte patientkarakteristika på tværs af grupper gennem tilfældig allokering. En caseserie tilbyder ingen sådan beskyttelse, fordi der slet ikke er nogen sammenligningsgruppe. Niveauet fortæller en læser, hvor meget af denne beskyttelse der var indbygget i studiet, før et enkelt resultat blev analyseret.
Det hjælper at adskille tre udtryk, der bruges i flæng i afslappet samtale, men betyder forskellige ting i et manuskript.
- Bevisniveau beskriver selve studiedesignet (en systematisk gennemgang, et RCT, et kohortestudie osv.).
- Kvaliteten af beviser (GRADE-udtrykket er "sikkerhed") beskriver, hvor godt designet blev udført og rapporteret, herunder stikprøvestørrelse, opfølgningens fuldstændighed og risiko for bias.
- Styrke af anbefaling beskriver, hvor sikkert et retningslinjepanel kan bede en kliniker om at handle på baggrund af evidensen, hvilket afspejler kvalitet, konsistens på tværs af studier og balancen mellem fordele og ulemper.
Et veludført kohortestudie kan have en højere sikkerhedsvurdering end et dårligt rapporteret randomiseret forsøg, selvom RCT-designet overgår kohortedesignet i hierarkiet. Niveauet er et udgangspunkt, ikke en endelig dom.
Med simple ord
Tænk på evidensniveauet som et studies startkreditscore, udelukkende baseret på dets design. Alt andet ved, hvor godt studiet blev gennemført og rapporteret, kan hæve eller sænke denne score, men det ændrer ikke, hvilken designkategori studiet tilhører.
De to systemer, som forskere rent faktisk bruger: OCEBM og GRADE
Mere end 80 forskellige evidensrangeringsordninger er blevet foreslået siden 1970'erne, men to dækker nu det overvældende flertal af tidsskrifter og retningslinjeorganer, som en forsker vil støde på.
Oxford Centre for Evidence-Based Medicine (OCEBM) 2011 Levels of Evidence sorterer studier i fem nummererede niveauer udelukkende efter design, med separate tabeller til spørgsmål om behandlingsfordele, skade, prognose, diagnose og økonomisk analyse. Det er hurtigt at anvende og fungerer godt til et enkelt studie eller en hurtig litteraturscanning.
GRADE -tilgangen (Grading of Recommendations, Assessment, Development and Evaluation) , som er beskrevet detaljeret af Guyatt og kolleger i Journal of Clinical Epidemiology , starter fra det samme designhierarki, men behandler det som et udgangspunkt snarere end en fast score. Randomiserede forsøg begynder som evidens med høj sikkerhed, og observationsstudier begynder som evidens med lav sikkerhed, hvorefter begge kan bevæge sig op eller ned baseret på fem faktorer: risiko for bias, inkonsistens på tværs af studier, indirekte relation til det faktiske spørgsmål, upræcision og publikationsbias. Veldesignede observationsstudier med en stor effektstørrelse kan rykke op; RCT'er med alvorlige mangler kan rykke ned.
Editverses egne klienter inden for systematiske reviews og metaanalyser har næsten altid brug for begge dele. OCEBM sorterer den indledende evidenstabel efter design under litteratursøgningen, og GRADE producerer de sikkerhedsvurderinger, der vises i den sammenfattende tabel med resultater, som et tidsskrift eller et retningslinjepanel forventer at se.
| Feature | OCEBM 2011 Niveauer | GRADE |
|---|---|---|
| Hvad den rangerer | Studiedesignet | Sikkerhed i et specifikt resultatestimat |
| Produktion | Niveau 1 til niveau 5 | Høj, moderat, lav eller meget lav |
| Kan vurderingen ændres, efter designet er fastsat? | Nej, niveauet følger designet | Ja, op eller ned på tværs af fem domæner |
| Typisk brug | Hurtig vurdering, karaktergivning af enkeltstudier, litteraturgennemgangstabeller | Systematiske oversigter, kliniske praksisretningslinjer |
| Vedtaget af | Tidsskrifter, universitetsbiblioteksvejledninger, individuel evaluering | Over 100 organisationer, herunder Cochrane og WHO |
Studiedesignhierarkiet, rangeret fra stærkest til svagest
Stigen nedenfor afspejler den terapi/forebyggelsestabel, som de fleste forskere mener, når de siger "evidensniveauer". Diagnose-, prognose- og skadespørgsmål bruger justerede versioner af den samme idé, men logikken er den samme overalt; designs, der kontrollerer flere kilder til bias, placeres højere.
Niveau 1: Systematisk gennemgang og metaanalyse af randomiserede kontrollerede forsøg
En systematisk gennemgang følger en forudbestemt protokol til at finde, vurdere og kombinere alle relevante forsøg på et spørgsmål. Når de inkluderede forsøg er ensartede nok til at kunne samles statistisk, bliver gennemgangen en metaanalyse, og det kombinerede estimat har typisk smallere konfidensintervaller end et enkelt forsøg. Derfor tilhører toppen af rangstigen en syntese af forsøg snarere end et individuelt forsøg, uanset hvor stort det er.
Niveau 2: Randomiseret kontrolleret forsøg
Tilfældig allokering er den designfunktion, der gør det virkelige arbejde her. Ved at tildele deltagere til grupper tilfældigt, afbalancerer et RCT både de konfoundere, som en forsker mente at måle, og dem, som ingen havde tænkt sig at måle. Et enkelt velunderbygget forsøg med tilstrækkelig blinding og fuldstændig opfølgning er stærk evidens i sig selv, selvom det stadig afspejler én population, én setting og ét tidspunkt.
Niveau 3: Kohortestudie
Et kohortestudie følger en gruppe defineret af eksponering (eller mangel på samme) fremad i tid og sammenligner resultater mellem de eksponerede og ikke-eksponerede grupper. Kohorter er uundværlige, når randomisering er umulig eller uetisk, for eksempel når man studerer en skadelig eksponering. Uden tilfældig allokering forbliver konfounding på grund af indikation dog en reel trussel, hvilket er grunden til, at kohortedesign rangerer under RCT'er, selv når de er store og veldrevne.
Niveau 4: Case-Control-studie
Et case-control-studie arbejder baglæns, idet det starter med personer, der allerede har udfaldet (cases), matcher dem med personer, der ikke har det (kontrollerne), og ser derefter tilbage på tidligere eksponeringer. Dette design er effektivt til sjældne udfald, da en forsker ikke behøver at vente i årevis på, at nok hændelser akkumuleres, men det er mere sårbart over for recall-bias og den måde, cases og kontroller blev udvalgt på.
Niveau 5: Caseserier og caserapporter
En caseserie beskriver, hvad der skete med en gruppe patienter uden nogen sammenligningsgruppe overhovedet. Den kan ikke fastslå årsag og virkning, men den er fortsat værdifuld til at markere en ny bivirkning, en usædvanlig præsentation eller et signal, der er værd at teste i et kontrolleret design senere.
Hvor tværsnitsstudier passer ind
Et tværsnitsstudie måler eksponering og resultat på et enkelt tidspunkt, hvilket gør det hurtigt og billigt, men det gør det umuligt at fastslå, hvad der kom først. På behandlingstabellen ligger det side om side med case-control-designs, men OCEBM-tabellen for diagnostisk nøjagtighed behandler et veludført tværsnitsstudie med en konsekvent anvendt referencestandard som et meget stærkere design, fordi et diagnostisk spørgsmål kun behøver at vide, om et testresultat og en sand sygdomsstatus stemmer overens på det ene tidspunkt, ikke hvilken der forårsagede den anden. Den type data, dit studie indsamler, signalerer ofte, hvilken tabel du skal bruge, før du overhovedet ser på selve niveauet.
Niveau 6: Ekspertudtalelser og mekanismebaseret ræsonnement
Grundlaget er ræsonnement baseret på fysiologisk plausibilitet, laboratorieforskning eller klinisk erfaring uden nye patientdata. Det er ikke værdiløst; det er ofte der, en hypotese først fremsættes. Den er simpelthen endnu ikke blevet testet mod en sammenligningsgruppe.
En simpel 5-trins metode til at finde din undersøgelses evidensniveau
Det meste af den forvirring, som forskere støder på, stammer fra forsøg på at hoppe direkte til et niveaunummer uden at gennemgå de designfunktioner, der rent faktisk bestemmer det. Figuren nedenfor opdeler beslutningen i fem kontroller, du kan køre i rækkefølge.

Trin 1. Navngiv din spørgsmålstype. Spørgsmål om terapi og forebyggelse, spørgsmål om diagnostisk nøjagtighed, spørgsmål om prognose og spørgsmål om skade har hver især en lidt forskellig OCEBM-tabel. Bekræft hvilken der gælder, før du begynder at rangere, da et diagnostisk nøjagtighedsstudie bedømmes på en helt anden skala end et behandlingsforsøg.
Trin 2. Kontroller, om artiklen er en syntese eller et primært studie. Hvis den samler eller systematisk opsummerer andre personers data, er det niveau 1. Hvis den rapporterer nye data indsamlet fra en ny stikprøve, skal du gå videre til trin 3.
Trin 3. Kontroller for tilfældig allokering. Blev deltagerne tildelt en behandlings- eller kontrolgruppe via en tilfældig proces, såsom en computergenereret sekvens? Hvis ja, ser du på et RCT (niveau 2). Hvis nej, gå videre til trin 4.
Trin 4. Kontroller sammenligningsstrukturen. Er der overhovedet en sammenligningsgruppe? Hvis grupperne blev dannet ved eksponering og fulgt fremad i tid, er det et kohortestudie (niveau 3). Hvis grupperne blev dannet ved udfald og sporet bagud, er det et case-control-studie (niveau 4). Hvis der ikke er nogen sammenligningsgruppe, ser du på en caseserie eller caserapport (niveau 5).
Trin 5. Anvend GRADE oven på niveauet. Når det designbaserede niveau er indstillet, skal du gennemgå de fem GRADE-domæner (risiko for bias, inkonsistens, indirektehed, upræcision og publikationsbias) for at afgøre, om sikkerheden skal flyttes op eller ned fra, hvor det rå design ville placere det. Dette trin er det, forskere springer over oftest, og det er det, som tidsskriftsanmeldere og retningslinjepaneler rent faktisk er interesserede i.
Almindelige fejl forskere begår, når de vurderer deres evidensniveau
På tværs af de systematiske anmeldelser og metaanalyser, vi understøtter hos Editverse, dukker en håndfuld bedømmelsesfejl op igen og igen, længe før et manuskript overhovedet når et tidsskrifts anmeldere.
Fejl at undgå
- At kalde et kvasi-eksperimentelt design (ingen randomisering, men en sammenligningsgruppe) for et fuldt RCT, fordi det "føltes kontrolleret".
- At behandle enhver artikel med "anmeldelse" i titlen som en systematisk anmeldelse, når det er en narrativ anmeldelse uden en forudregistreret protokol eller omfattende søgestrategi.
- At tildele et niveau og stoppe der, uden at køre GRADE-domænerne, der kan flytte et observationsfund op ved en stor effektstørrelse eller flytte et mangelfuldt forsøg ned ved høj risiko for bias.
- Brug af terapitabellen til at bedømme en diagnostisk nøjagtighedsundersøgelse, som oppuster eller deflaterer det tilsyneladende niveau, fordi de to tabeller vægter designfunktioner forskelligt.
- At citere evidensniveauet abstrakt, men aldrig angive det i metoderne, hvilket efterlader en anmelder til at udarbejde det selvstændigt og ofte lander på et andet svar, end forfatteren havde til hensigt.
Det femte punkt er værd at dvæle ved. En anmelder, der skal udlede dit designs niveau ud fra spredte detaljer i metodeafsnittet, er en anmelder, der er klar til at bede om en større revision. Ved at angive det klart, med den ramme, du brugte til at bestemme det, fjernes den friktion, før det starter.
Hvorfor dit evidensniveau er vigtigt for tidsskriftsanmeldere
Tidsskriftanmeldere bruger evidensniveauet som et tidligt filter for, hvor stærk en kausal påstand din diskussion må fremsætte. Et kohortestudie, der taler om, at en intervention "reducerer" et resultat, snarere end at være "forbundet med" en lavere forekomst af det pågældende resultat, er en almindelig udløser afvisning, fordi sproget hævder en kausal sikkerhed, som designet ikke kan understøtte. At matche dine påstande med dit designs faktiske niveau og angive dette niveau eksplicit er en af de hurtigste måder at holde et afsnit om metoder og diskussion internt konsistent.
Dette betyder endnu mere, når man går fra et enkelt studie til en syntese af flere. Editverse har understøttet mere end 2,500 manuskripter siden 2019, og evidensgradering er et tilbagevendende tema i de systematiske reviews og metaanalyser, vi arbejder på, hvor hvert inkluderet studie skal have et niveau, før den samlede sikkerhedsvurdering kan beregnes med GRADE. Hvis du opbygger et PRISMA-kompatibelt systematisk review eller forbereder et manuskript, der læner sig op ad en andens primære data, sparer det en hel runde med anmelderkommentarer senere, hvis du får dette trin rigtigt fra starten.
Bevillingspaneler læner sig op ad den samme stige af en anden grund. En bevillingsgiver, der gennemgår et forslag, der udelukkende er bygget på niveau 5-caseserie-evidens, vil spørge, hvorfor et niveau 3- eller niveau 2-studie ikke blev forsøgt først, eller vil forvente, at forslaget eksplicit begrunder, hvorfor et lavere niveau-design er den eneste mulige mulighed for den pågældende population eller eksponering. At nævne evidensniveauet bag dine foreløbige data og bag det hul, du har til hensigt at udfylde, gør noget af denne begrundelse for dig, før en bedømmer behøver at spørge.
Brug for hjælp til at bedømme beviser på tværs af en hel anmeldelse?
Editverses metaanalyse- og systematiske gennemgangstjeneste håndterer OCEBM-niveauvurderinger og fulde GRADE-sikkerhedsvurderinger for alle inkluderede undersøgelser, sammen med PRISMA-kompatible søgestrategier og publikationsklare flowdiagrammer.
Hvordan tidsskrifter rent faktisk vurderer evidens: Eksempler fra ortopædisk udgivelse
Det klareste billede af evidensniveauvurdering i praksis kommer fra ortopædkirurgiske tidsskrifter, som har krævet det længst og har offentliggjort data om, hvor godt processen rent faktisk fungerer.
Udarbejdet eksempel
3-spørgsmålsmetoden (Hohmann et al., Arthroscopy, 2018)
Anvendt på en stikprøveundersøgelse, der sammenligner to kirurgiske reparationsteknikker.
1. Hvad er forskningsspørgsmålet?
Et terapispørgsmål, om teknik A er bedre end teknik B, så terapitabellen gælder snarere end diagnose- eller prognosetabellen.
2. Hvad er studietypen?
Tjek metoderne for randomisering og opfølgningsretning. Patienter, der tilfældigt er tildelt A eller B og følges op, betyder en RCT.
3. Hvor i hierarkiet befinder den type sig?
Et enkelt RCT er niveau 2 (niveau 1 er reserveret til en syntese af RCT'er).
Den samme artikel bemærker, at grundvidenskabelige studier og laboratoriestudier springer stigen helt over og i stedet får en "klinisk relevanserklæring".
Et eksempel på op- eller nedgradering af karakterer
JBJS' opdatering fra 2015 (Marx et al.) tilføjede en fodnote, der giver redaktører mulighed for at flytte en undersøgelse væk fra dens designbaserede startniveau.
Gradueret op
Et retrospektivt kohortestudie starter normalt på niveau 3. En meget stor effektstørrelse kan føre det op til niveau 2 , hvor en dramatisk effekt behandles som en delvis erstatning for randomisering.
Nedgraderet
Et randomiseret forsøg starter normalt på niveau 2. Alvorlig upræcision, en lille stikprøve eller et indirekte udfald kan sænke det et niveau; de samme bias-, upræcisions- og indirektehedsflag, som GRADE bruger.
Hvad sker der, når tidsskrifter tjekker tallene
32%
af artikler på tværs af 9 ortopædiske tidsskrifter havde evidens på niveau I eller II (Obremskey et al., 2005). Tidsskrifter med højere impact factor publicerede mere arbejde på niveau I/II end titler med lavere impact.
188/353
JBJS-accepterede artikler (53%) havde endda et forfatterindsendt evidensniveau i første omgang (Hussain et al., 2015).
κ 0.62
overensstemmelse mellem forfatter og redaktør på selve niveauet (0.79 for studiedesign). Over 0.80 kaldes normalt stærk overensstemmelse.
Hussain og kolleger konkluderede, at JBJS var nødt til at håndhæve kravet om bevisniveau strengere på indsendelsestidspunktet.
Plastic and Reconstructive Surgery har det samme krav og genudgiver med jævne mellemrum sin egen forfatterorienterede forklaring af pyramiden, senest opdateret af Sullivan og kolleger i 2021. Deres vejledning forstærker den samme regel, der er dækket ovenfor: en metaanalyse indtager kun toppen, når den samler randomiserede kontrollerede forsøg, og et veldesignet kohorte- eller case-control-studie kan stadig overgå et dårligt kontrolleret forsøg, når GRADE's fem domæner anvendes oven på det designbaserede startniveau.
Ofte stillede spørgsmål om evidensniveauer
Er en metaanalyse altid niveau 1?
Kun hvis den samler randomiserede kontrollerede forsøg. En metaanalyse af kohortestudier er stadig en syntese, men den arver det lavere startniveau fra de observationsdesigns, den kombinerer.
Kan et observationsstudie nogensinde overgå et RCT?
Under GRADE, ja. Et kohortestudie med en meget stor eller meget konsistent effektstørrelse kan gradueres op, mens et RCT med alvorlig risiko for bias, indirekte eller upræcision kan gradueres ned. Designhierarkiet sætter udgangspunktet, ikke den endelige sikkerhedsvurdering.
Bruger diagnostiske nøjagtighedsstudier den samme rangstige som behandlingsstudier?
Nej. OCEBM-tabellerne til diagnose prioriterer tværsnitsstudier med en konsekvent anvendt referencestandard og blindet vurdering, hvilket er et andet sæt designfunktioner end terapitabellens vægtning af randomisering.
Hvor passer dyreforsøg og in vitro-forskning ind?
Under kliniske case-serier i de fleste kliniske hierarkier. De genererer de mekanistiske hypoteser, der berettiger til at udføre et klinisk studie i første omgang, men de involverer ikke data om menneskelige udfald.
Skal jeg angive evidensniveauet i mit abstract eller i metoderne?
Begge dele, når pladsen tillader det. En kort omtale i abstraktet orienterer læserne med det samme, og en mere udførlig beskrivelse i metoderne, der navngiver rammen (OCEBM, GRADE eller begge), fjerner enhver tvetydighed for anmeldere, der vurderer dit manuskript til udgivelse.
Mit studie passer ikke pænt ind på ét niveau. Hvad skal jeg gøre?
Dette er almindeligt med mixed-methods designs, pragmatiske forsøg med delvis randomisering eller registerbaserede studier, der blander kohorte- og tværsnitselementer. Angiv det nærmest matchende designniveau, og beskriv derefter i en sætning eller to, hvilke specifikke træk ved dit studie, der afviger fra den kategori. Anmeldere er langt mere tilgivende over for et ærligt beskrevet hybriddesign end et, der er tvunget ind i en kategori, det ikke fuldt ud matcher.
Relateret læsning fra Editverse
- Almindelige fejl i metaanalyse og hvordan man undgår dem
- Intention-to-Treat vs. Per-Protocol-analyse: En komplet guide
- Mendelsk randomisering forklaret
- Guide til statistiske tests: Træf det rigtige valg
- Sådan publicerer du et enkeltstående eksperimentelt designstudie
For en oversigt på én side, som du kan gemme eller dele, er her en hurtigreferenceversion af alt ovenfor.

Nøgleforsøg
- Et evidensniveau rangerer studiedesign, ikke studiekvalitet; GRADE-sikkerhed rangerer det specifikke resultatestimat og kan bevæge sig op eller ned fra designets startniveau.
- Designstigen går fra stærkest til svagest: systematisk gennemgang/metaanalyse af RCT'er, RCT, kohortestudie, case-control-studie, caseserier eller caserapporter, ekspertudtalelser.
- Fem kontroller (spørgsmålstype, syntese vs. primært studie, randomisering, sammenligningsstruktur og en GRADE-beståelse) er nok til at placere næsten ethvert klinisk studie korrekt.
- Angiv dit evidensniveau eksplicit i metoderne, og afstem din årsagssammenhæng i diskussionen med, hvad dette niveau rent faktisk understøtter.
Referencer
- OCEBM-arbejdsgruppen for evidensniveauer. Oxford 2011-evidensniveauerne. Center for evidensbaseret medicin, Oxford University. cebm.ox.ac.uk
- GRADE-arbejdsgruppen. GRADE-håndbog til gradering af evidenskvalitet og anbefalingers styrke. gradepro.org/håndbog
- Guyatt GH, Oxman AD, Vist G m.fl. GRADE-retningslinjer: 4. Vurdering af evidenskvalitet, studiets begrænsninger (risiko for bias). J Clin Epidemiol. 2011;64(4):407-415. doi.org/10.1016/j.jclinepi.2010.07.017
- Page MJ, McKenzie JE, Bossuyt PM m.fl. PRISMA 2020-erklæringen: en opdateret retningslinje for rapportering af systematiske reviews. BMJ. 2021;372:n71. doi.org/10.1136/bmj.n71
- Hopewell S, Chan AW, Collins GS m.fl. CONSORT 2025-erklæring: opdateret retningslinje for rapportering af randomiserede forsøg. BMJ. 2025. doi.org/10.1136/bmj-2024-081123
- von Elm E, Altman DG, Egger M m.fl. Erklæringen om styrkelse af rapporteringen af observationsstudier i epidemiologi (STROBE). strobe-statement.org
- Evidenshierarki inden for den medicinske litteratur. Hospitalspædiatri. American Academy of Pediatrics. publikationer.aap.org
- Marx RG, Wilson SM, Swiontkowski MF. Opdatering af tildelingen af evidensniveauer. J Bone Joint Surg Am. 2015;97(1):1-2. doi.org/10.2106/JBJS.N.01112
- Obremskey WT, Pappas N, Attallah-Wasif E, Tornetta P 3rd, Bhandari M. Evidensniveau i ortopædiske tidsskrifter. J Bone Joint Surg Am. 2005;87(12):2632-2638. doi.org/10.2106/JBJS.E.00370
- Hohmann E, Feldman M, Hunt TJ, Cote MP, Brand JC. Forskningsperler: Hvordan fastlægger vi evidensniveauet? Artroskopi. 2018;34(12):3271-3277. doi.org/10.1016/j.arthro.2018.10.002
- Hussain N, Yankanah R, Wright JG. Gyldigheden af evidensniveauvurderinger af artikler indsendt til JBJS. J Bone Joint Surg Am. 2015; 97 (2): e8. doi.org/10.2106/JBJS.M.01491
- Sullivan D, Chung KC, Eaves FF, Rohrich RJ. Evidensniveaupyramiden: Angivelse af evidensniveauer i artikler om plastik- og rekonstruktiv kirurgi. Plastrekonstruktionskirurgi. 2021;148(5S):68S-71S. doi.org/10.1097/01.prs.0000794868.07051.b4
