Når det bruges i medicinske forskningsstudier, sætningenhensigt at behandlerefererer til en type undersøgelsesdesign. I denne type undersøgelse analyserer forskere resultaterne af deres undersøgelse baseret på, hvad patienterne fik at vide at gøre. Med andre ord ser læger på patientresultater baseret på, hvordan de skulle behandles, snarere end hvad der faktisk skete. For eksempel, hvis en person i en undersøgelse er randomiseret til en medicinsk behandling, men ender med at få kirurgi - eller slet ingen behandling - betragtes deres resultater stadig som en del af den medicinske behandlingsgruppe. I en ideel verden ville selvfølgelig hensigten om at behandle og faktisk behandling være den samme. I den virkelige verden varierer det meget afhængigt af arten af det, der studeres.
Cultura Science / Matt Lincoln / Getty ImagesHvorfor disse modeller bruges
Intent til at behandle modeller bruges af en række årsager. Den største er, at de fra et praktisk synspunkt simpelthen giver mening. Forskere vil vide, hvordan medicin eller behandlinger fungerer i den virkelige verden. I den virkelige verden tager ikke alle stoffer som ordineret. Ikke alle ender med at få den operation, de anbefales. Ved at bruge en intention om at behandle en model kan forskere analysere, hvordan en behandling fungerer i en lidt mere realistisk sammenhæng. Hensigt til at behandle udtrykkeligt anerkender det faktum, at hvordan stoffer virker i laboratoriet, kan have meget lidt at gøre med, hvordan de arbejder i marken. Faktisk er en af grundene til, at lovende stoffer ofte er så skuffende, når de frigives, at folk ikke tager dem som de gør i undersøgelserne. (Der er også ofte andre forskelle mellem virkelige patienter og forskningspatienter.)
Ulemper
Ikke alle mennesker kan godt lide at behandle forsøg. En af grundene er, at de kan undervurdere en medicinsk potentiel effektivitet. For eksempel viste tidlige forsøg med præ-eksponeringsprofylakse for hiv hos homoseksuelle mænd, at behandlingen syntes relativt effektiv ... men kun hos personer, der tog den regelmæssigt. De samlede resultater, der blev vist ved hensigten om at behandle modeller, var meget mindre opmuntrende. Nogle mennesker siger, at et lægemiddel ikke virker, hvis patienter ikke tager det. Andre siger, at du ikke kan bedømme medicin, hvis patienter ikke tager det som ordineret. Begge sider har et punkt. Der er ikke noget perfekt svar. Hvilken analyse der giver mest mening at bruge, afhænger noget af spørgsmålet.
Nogle gange ender forskere, der oprindeligt designer en undersøgelse til hensigt-at-behandle analyse, med at analysere behandlingen både på den måde og pr. Protokol. (For en protokolanalyse sammenligner de personer, der faktisk modtog behandlingen som specificeret, med dem, der ikke gjorde det, uanset randomisering.) Dette gøres normalt, når hensigten om at behandle analysen ikke viser nogen effekt eller ingen signifikant effekt, men en eller anden effekt ses for de mennesker, der faktisk tog behandlingen. Denne type selektiv, post-hoc-analyse er imidlertid forkert af statistikere. Det kan give vildledende resultater af flere grunde. En sådan grund er, at dem, der fik behandlingen, kunne være anderledes end dem, der ikke gjorde det.
Når en hensigt om at behandle studier er mindre lovende end tidligere, nærmere observerede undersøgelser, vil forskere ofte spørge hvorfor. Dette kan være et forsøg på at redde det, der blev anset for at være en lovende behandling. Hvis det for eksempel viser sig, at folk ikke tog medicin, fordi det smager dårligt, kan det problem let løses. Imidlertid kan nogle gange resultater i mindre forsøg simpelthen ikke duplikeres i en større undersøgelse, og læger er aldrig helt sikre på årsagen.
Sandheden er, at forskellene mellem tidlige effektivitetsforsøg og hensigt om at behandle undersøgelser er grunden til, at hensigt om at behandle modeller er vigtig. Denne type undersøgelser søger at lukke forståelsesgabet mellem, hvordan stoffer fungerer i forskningsstudier, og hvordan de fungerer i den virkelige verden. Det hul kan være stort.