Wyzwanie analiz podgrup

Artykuł Perspective autorstwa Lagakosa (wydanie z 20 kwietnia) był pożądanym wyjaśnieniem spornego tematu. Chociaż artykuł skupił się na roli przypadku i wynikach fałszywie pozytywnych, nie omawiał on innego, bardziej szkodliwego problemu – uprzedzeń. Ilekroć przeprowadzana jest analiza podgrup, losowa charakterystyka pacjentów między grupą leczoną a grupą kontrolną nie jest już koniecznie zachowana. Rozważ analizę podgrupy według płci. Proces randomizacji powinien zapewnić, jeśli próbka jest wystarczająco duża, aby grupy leczenia i kontroli były zrównoważone w zależności od płci. Ale randomizacja nie gwarantuje, że obie grupy są zrównoważone w obrębie warstw seksu. Jeśli mężczyźni, którzy otrzymali placebo, są starsi i ciężko chorzy niż osoby z grupy leczonej, wówczas leczenie może wydawać się bardziej korzystne u mężczyzn, podczas gdy w rzeczywistości wynik jest wynikiem zakłócającego wpływu wieku i nasilenia choroby. Określenie podgrup przed przeprowadzeniem badania nie zmniejsza tego błędu; złagodzenie wymagałoby stratyfikacji według zmiennej podgrupy przed randomizacją, tak aby charakterystyka pacjenta była zrównoważona w dwóch grupach w obrębie każdej warstwy podgrupy.
Mark D. Eisner, MD, MPH
University of California, San Francisco, San Francisco, CA 94117
mark. [email protected] edu
Odniesienie1. Lagakos SW. Wyzwanie związane z analizami podgrup – raportowanie bez zniekształceń. N Engl J Med 2006; 354: 1667-1669
Full Text Web of Science MedlineGoogle Scholar
Odpowiedź
Dr Lagakos odpowiada: Podczas wykonywania zwykłej randomizacji oczekujemy, że grupy terapeutyczne będą zrównoważone pod względem ważnych cech pacjenta, zarówno w całej próbie, jak i w każdej konkretnej podgrupie. Jednak randomizacja nie gwarantuje takiej równowagi, a gdy przeprowadza się wiele analiz podgrup, zwiększa się prawdopodobieństwo, że grupy lecznicze będą niezrównoważone pod względem ważnych cech pacjenta w co najmniej jednej podgrupie. Stratyfikacja randomizacji jest jednym ze sposobów zapewnienia równowagi w odniesieniu do określonych czynników, ale liczba czynników, które można kontrolować w ten sposób, jest ograniczona. Korekta charakterystyki pacjentów w analizie danych jest inna, a zatem takie dostosowanie może być przydatne w analizach podgrup. Wreszcie, nawet jeśli grupy leczenia są zrównoważone pod względem wszystkich ważnych cech w każdej podgrupie, fałszywie dodatnie interakcje między grupą leczoną a charakterystyką pacjenta nadal będą prowadzić do stronniczych (np. Przesadnych) oszacowań różnic w leczeniu w odpowiednich podgrupach, wzmacniając znaczenie właściwego kontrolowania błędów typu I w analizach wielu podgrup.
Stephen W. Lagakos, Ph.D.
Harvard School of Public Health, Boston, MA 02115
(3)
[podobne: usg kolana krakow, szpital słupca kontakt, łąkotka rehabilitacja ]
[przypisy: kolorowe żele do paznokci, feroplex cena, larimax t ]