Statystyka w medycynie – raportowanie analiz podgrup w badaniach klinicznych ad

Heterogeniczność jest czasem dalej klasyfikowana jako ilościowa lub jakościowa. W pierwszym przypadku jedno leczenie jest zawsze lepsze od drugiego, ale w różnym stopniu, podczas gdy w drugim przypadku jedno leczenie jest lepsze od drugiego w przypadku jednej podgrupy pacjentów, a gorsze od drugiej w przypadku innej podgrupy pacjentów. Taka zmienność, zwana również modyfikacją efektu , jest zazwyczaj wyrażana w modelu statystycznym jako termin interakcji lub terminów między grupą leczenia a zmienną wyjściową. Obecność lub brak interakcji jest specyficzny dla miary efektu leczenia. Odpowiednia metoda statystyczna oceny heterogeniczności efektów leczenia pomiędzy poziomami wyjściowej zmiennej rozpoczyna się od testu statystycznego dla interakcji.10-13 Na przykład Sacks i wsp. 8 wykazali heterogeniczność w skuteczności prawastatyny, zgłaszając statystycznie istotne (P = 0,03) wynik badania interakcji między leczeniem a poziomem wyjściowym LDL, gdy miarą efektu leczenia było ryzyko względne. W wielu badaniach brakuje siły do wykrywania heterogeniczności efektu leczenia; w związku z tym niemożność znalezienia znaczących interakcji nie pokazuje, że ogólnie zaobserwowany efekt leczenia dotyczy wszystkich podmiotów. Częstym błędem jest twierdzenie o heterogeniczności na podstawie oddzielnych testów efektów leczenia na każdym z poziomów wyjściowej zmiennej. 6,7,14 Na przykład, testowanie hipotezy, że nie ma efektu leczenia u kobiet, a następnie testowanie go osobno u mężczyzn nie ma odpowiedzi na pytanie, czy różnice w leczeniu różnią się w zależności od płci. Innym powszechnym błędem jest twierdzenie o heterogeniczności na podstawie obserwowanych rozmiarów efektów leczenia w każdej podgrupie, ignorując niepewność tych szacunków.
Wielość
Powszechną praktyką jest przeprowadzanie analizy podgrup dla każdej z kilku – i często wielu – podstawowych cech dla każdego z kilku punktów końcowych lub dla obu. Na przykład, analiza Jacksona i współpracowników9 wpływu suplementacji wapnia i witaminy D w stosunku do placebo na ryzyko każdego z czterech złamań dla 15 cech uczestników spowodowała łącznie 60 analiz podgrup.
Gdy przeprowadza się wiele analiz podgrup, prawdopodobieństwo fałszywie dodatniego wyniku może być znaczne.7 Na przykład, jeśli hipoteza zerowa jest prawdziwa dla każdego z 10 niezależnych testów dla interakcji na poziomie istotności 0,05, szansa co najmniej jednego fałszywie dodatniego wynik przekracza 40%. Dlatego należy zachować ostrożność przy interpretacji takich wyników. Istnieje kilka metod adresowania wielości, które opierają się na zastosowaniu bardziej rygorystycznych kryteriów istotności statystycznej niż zwyczajowe P <0,05 .7,15 Mniej formalne podejście do rozwiązywania wielości polega na odnotowaniu liczby nominalnie znaczących testów interakcji, które byłyby spodziewano się tylko przypadkiem. Na przykład, po zauważeniu, że zaplanowano 60 analiz podgrup, Jackson i wsp. 9 wskazali, że Do trzech statystycznie istotnych testów interakcji (P <0,05) można by oczekiwać wyłącznie na podstawie przypadku , a następnie uwzględnili to rozważanie. w interpretacji wyników.
Wstępnie analizowana analiza a analiza post hoc
Wstępnie zdefiniowana analiza podgrupy to taka, która jest zaplanowana i udokumentowana przed badaniem danych, najlepiej w protokole badania
[patrz też: usg barku kraków, szlifierka oscylacyjna allegro, sildenafil bez recepty ]