Kliinisten koeanalyysien ymmärtäminen: Teho, päätepisteet ja NNT selitettyinä

Hyppää osioon

• Tehoton kliininen tutkimus
• Ensisijaiset vs. toissijaiset päätepisteet
• Texas-tarkka-ampuja-virhepäätelmä
• Hoidettavien potilasmäärä (NNT)
• Tutkimustulosten tulkinta
• Koko tekstitys

Tehoton kliininen tutkimus

Tehottomassa kliinisessä tutkimuksessa on liian vähän osallistujia, jotta hoidonvaikutus voitaisiin luotettavasti havaita. Lääketieteen tohtori Stephen Evansin mukaan tutkimuksen teho tarkoittaa sen kykyä havaita todellinen ero, mikäli sellainen on olemassa. Hän käyttää esimerkkinä COVID-19-hoitojen tutkimuksia ja huomauttaa, että kuolleisuuden tutkiminen vaatii suuren otoskoon, koska kuolleisuusprosentit voivat olla alhaisia.

Esimerkiksi eron havaitseminen kuolleisuuden laskiessa 10%:sta 7%:iin vaatii suuren potilasmäärän. Jos tutkimus on liian pieni, siitä tulee tehoton, eikä se välttämättä havaitse kliinisesti merkittävää hyötyä. Varhaiset COVID-19-tutkimukset olivat usein tehotomia kuolleisuustulosten suhteen. Lääketieteen tohtori Stephen Evans korostaa, että teho liittyy suoraan tutkittavaan lopputulokseen.

Ensisijaiset vs. toissijaiset päätepisteet

Kliiniset tutkimukset määrittelevät ensisijaiset ja toissijaiset päätepisteet hoidon onnistumisen mittaamiseksi. Ensisijainen päätepiste on päätulos, jota tutkimus on suunniteltu arvioimaan. Lääketieteen tohtori Stephen Evans huomauttaa, että kuolleisuus on keskeinen mutta haastava ensisijainen päätepiste, koska sen tutkiminen vaatii suuren potilasmäärän.

Tutkijat valitsevat usein helpommin tutkittavia ensisijaisia lopputuloksia, kuten toipumisaika tai virustaivutus. Nämä objektiiviset mittarit voivat vaatia vähemmän osallistujia. Tohtori Evans varoittaa kuitenkin, että nämä määritelmät on oltava selkeät ja vakiintuneet ennen tutkimuksen alkua. Päätepisteiden muuttaminen tulosten nähtyä aiheuttaa merkittävää harhaa ja mitätöi löydökset.

Texas-tarkka-ampuja-virhepäätelmä

Texas-tarkka-ampuja-virhepäätelmä on keskeinen käsite kliinisten tutkimusten luotettavuuden arvioinnissa. Lääketieteen tohtori Stephen Evans kuvailee sitä maalitaulun piirtämiseksi luotireikien ympärille aseella ammuttua. Tutkimuksessa tämä tarkoittaa ensisijaisen lopputuloksen muuttamista datan perusteella halutun tuloksen saamiseksi.

Tämä käytäntö aiheuttaa vakavaa harhaa ja heikentää tutkimuksen validiteettia. Vaikka oikeutettuja syitä päätepisteiden muuttamiseen voi olla, niiden on tapahduttava ennen tulosten avaamista. Tohtori Evans korostaa, että päätepisteiden ennalta määrittely on välttämätöntä uskottavalle kliiniselle analyysille. Tämä estää tutkijoita manipuloimasta lopputuloksia väärien positiivisten tulosten näyttämiseksi.

Hoidettavien potilasmäärä (NNT)

Hoidettavien potilasmäärä (NNT) on hyödyllinen mittari potilaille hoidon hyödyn ymmärtämiseksi. Lääketieteen tohtori Stephen Evans määrittelee NNT:n potilaiden lukumääräksi, joiden on saatava hoito estääkseen yksi haitallinen lopputulos. Esimerkiksi, jos lääke vähentää kuolleisuutta 10%:sta 5%:iin, NNT on 20.

Tämä tarkoittaa, että 20 ihmistä on hoidettava estääkseen yhden kuoleman. Lääketieteen tohtori Stephen Evans huomauttaa kuitenkin tärkeistä rajoituksista. NNT ei ole puhdas luku; se riippuu seuranta-ajasta ja lopputuloksen määritelmästä. Hoitojen väliset vertailut ovat päteviä vain, jos NNT on laskettu identtisillä menetelmillä. Yksinkertaisuudestaan huolimatta NNT vaatii huolellista tulkintaa.

Tutkimustulosten tulkinta

Kliinisten tutkimustulosten oikea tulkinta edellyttää keskeisten tilastollisten käsitteiden ymmärtämistä. Lääketieteen tohtori Stephen Evans suosittelee etsimään riittävän tehoisia tutkimuksia ennalta määritellyillä päätepisteillä. Tämä varmistaa, että löydökset ovat luotettavia eivätkä johdu sattumasta tai harhasta.

Potilaiden tulisi harkita lopputulosten kliinistä merkitystä. Tilastollisesti merkitsevä tulos ei välttämättä ole merkityksellinen, jos NNT on erittäin korkea. Lääketieteen tohtori Anton Titov korostaa näiden käsitteiden tärkeyttä kansanterveysosaamiselle. Tehon, päätepisteiden ja NNT:n ymmärtäminen auttaa kaikkia arvioimaan kriittisesti lääketieteellisiä uutisia ja tekemään perusteltuja päätöksiä.

Koko tekstitys

Lääketieteen tohtori Anton Titov: Professori Evans, kliinisissä tutkimuksissa on useita peruskäsitteitä. Mitä esimerkiksi tarkoittaa, että tutkimus on tehoton? Kliinisten tutkimusten termistö on nyt eturintamassa; se on lehdissä. Ihmisten on ymmärrettävä nämä peruskäsitteet. Mitä siis tarkoittaa, jos tutkimus on tehoton? Mikä on NNT, hoidettavien potilasmäärä? Siinä on plussat ja miinukset ja vastaavia peruskäsitteitä. Mitkä ovat kliinisten tutkimusten ensisijaiset ja toissijaiset päätepisteet? On selvää, että muutamissa tutkimuksissa on siirretty maalitolppia, ja tämä on ollut yleistä tietoa lääketieteellisessä yhteisössä.

Lääketieteen tohtori Stephen Evans: Otamme melkein kaikki esimerkkimme nykyisestä COVID-19-tilanteesta. Jos aiomme tutkia kuolleisuutta, se vaatii melko suuren määrän ihmisiä. Onneksi kaikki eivät kuole, edes sairaalassa. Jos meillä on esimerkiksi 10% kuolleisuus, niin eron löytämiseksi, joka todennäköisesti olisi melko tärkeä – sanotaan vähentää tätä 10%:n 30 päivän kuolleisuutta hoidon aloittamisesta 7%:iin – menemme 10%:sta 7%:iin. Tarvitsemme suuren potilasmäärän voidaksemme selvittää, tapahtuuko tällaista eroa todella.

Teemme tilastollista analyysiä siitä. Mutta jos tutkimuksen luvut ovat liian pieniä, niin se on tutkimus, jota kutsumme tehottomaksi. Tutkimuksen teho havaita todellinen ero, jos sellainen on olemassa, oli liian alhainen. Tämä päti joihinkin varhaisiin COVID-19-potilailla suoritettuihin hoitotutkimuksiin.

Kun taas jos tutkimme tuhansia potilaita, on epätodennäköistä, että tutkimus on tehoton kuolleisuuden lopputuloksen suhteen, edellyttäen että käsittelemme kohtuullisia eroja. Jos haluaisimme havaita eron 10%:n ja 9,9%:n kuolleisuusprosentin välillä, tarvitsisimme kymmeniä tuhansia potilaita. Tämä ei tietenkään olisi ero, joka olisi kovin hyödyllinen yksittäisille potilaille.

Joten tehottomat tutkimukset ovat ongelma. Se on tehoton suhteessa tutkittavaan lopputulokseen. Jos tekisit kuolleisuudesta ensisijaisen lopputuloksesi, tarvitsisit paljon potilaita. Hyvin usein ihmiset tekevät kuolleisuudesta toissijaisen lopputuloksen ja tekevät ensisijaiseksi lopputuloksekseen jotain, joka on helpompi tutkia ja johon tarvitaan vähemmän potilaita.

Tällaisessa tilanteessa se on usein sairaudesta toipumisaika. Ongelma tässä on, että se voi olla hieman subjektiivista. Voit määritellä jonkun saavuttaneen toipumistason kliinisen arvion perusteella, mutta se voi perustua virustaivutusasteeseen tai vastaavaan, mikä on objektiivinen arvio.

Joten voimme saada objektiivisen arvion ensisijaiselle lopputulokselle, joka on helpompi tutkia kuin kuolleisuus. Ongelma on, että kun tarkastelemme toipumista, meillä on siitä määritelmä. Mutta voi olla, että ihmiset eivät täytä näitä määritelmiä. Tutkimuksessa käy ilmeiseksi, että ensisijaisena asettamasi lopputulos ei anna sinulle mitään hyödyllistä dataa.

Sen muuttamiselle voi olla oikeutettuja syitä. Mutta vaikeus on, että jos ihmiset tietävät, mitä tulokset osoittavat, he voivat muuttaa kysymystä ja siten saada haluamansa vastauksen. Epidemiologiassa tätä kutsutaan Texas-tarkka-ampuja-oireyhtymäksi, jossa Texasin asemies seisoo navetan vieressä ja ampuu aseella navettaan, ja sitten kävelee myöhemmin ja piirtää maalitaulun.

Tutkimuksessa tarvitset ennalta määritellyn maalitaulun, sitten suoritat tutkimuksen ja katsot, mitä tulokset ovat, sen sijaan että muuttaisit maalitaulua tutkimuksen aikana. Yleensä voi olla oikeutettuja syitä muuttaa lopputulostasi. Mutta sinun on oltava erittäin varovainen ja varmistettava, että et tee sitä sen jälkeen, kun olet jo ampunut aseellasi ja nähnyt, mihin luodit osuvat.

Sinun on tehtävä se ennen kuin tiedät, mihin luodit osuvat.

Kun tulemme mittaamaan lopputulosta, yksi asia, jonka voimme tehdä, on sanoa, mikä on kuolleisuusprosentti? Oletetaan, että meillä on hoitoero 10%:sta 5%:iin. Tämä tarkoittaa, että jokaista sataa ihmistä kohti viisi ihmistä ei kuole hoidon ansiosta. Jokaista 20 ihmistä kohti yksi ihminen ei kuole.

Kun käännämme tämän ylösalaisin, sanomme, että hoidettavien potilasmäärä estääkseen yhden kuoleman on 20, erollamme 10%:n ja 5%:n välillä. Sama pätee, jos ero on 20%:n ja 15%:n tai 50%:n ja 45%:n välillä. Se on mittari potilaiden määrästä, joita on hoidettava estääkseen yhden kuoleman.

Joskus kuoleman sijasta tarkastelemme tiettyä tapahtumaa, kuten sydäninfarktia tai aivohalvausta. Ongelma tämän luvun kanssa on, että se ei ole puhdas luku. Se riippuu siitä, kuinka kauan olet seurannut potilaita. Siinä on myös joitain muita tilastollisia ongelmia.

Joten se ei ole sellainen, josta pidän erityisesti, vaikka se kuulostaakin melko mukavalta asialta sanoa: "Oi, tämä lääke vaatii 20 potilaan hoidon saavuttaakseen hyödyn, kun taas tämä lääke vaatii 50 potilaan hoidon." Jos olet käyttänyt samoja sääntöjä molemmille, niin NNT voi olla melko hyödyllinen. Mutta sinun on oltava varovainen varmistaaksesi, että NNT:n määritelmäsi, joka ei ole puhdas luku, käytetään täsmälleen samoin vertailtaessa hoitoja keskenään.