Клинические исследования - про исходы
Oct. 14th, 2008 10:06 pm![[personal profile]](https://www.dreamwidth.org/img/silk/identity/user.png){kind=small}
erdweibchenПосле отпуска, плавно перешедшего в затяжной сумасшедший дом по всем фронтам (вошедший таки в конце концов в берега :), уж не знаю, надолго ли), возвращаюсь к нашим клиническим баранам. Согласно плану, в этот раз я буду писать про исходы, они же endpoints.
В части первой с продолжением я немножко рассказала о том, какими способами при проведении клинического исследования исключают влияние посторонних факторов на результат, чтобы оценить именно эффективность новой терапии, а не, скажем, средний возраст тех, кто ее выбирает, и об иерархии типов исследования с точки зрения надежности исключения постороннего влияния на результат.
Сегодняшний пост посвящен вопросу, а что такое, собственно, результат применения терапии? В идеале результат, с точки зрения здравого смысла - пациент вылечился, ну или по крайней мере ему стало лучше. А что значит - "вылечился", и что значит - "лучше"?
Обычно успех терапии можно померить разными параметрами. Например, результат применения нового лекарства, снижающего артериальное давление, можно померить (пример гипотетический, если кто-то из врачей скажет, что давление так никто не меряет, спорить не буду):
- как снижение давления в состоянии покоя, через, скажем, три недели после начала приема лекарства,
- как снижение давления под нагрузкой, через четыре недели после начала приема лекарства,
- как среднее давление через три недели, четыре, пять, шесть и семь (чтобы исключить флуктуации, связанные, например, с тем, что через три недели пациент был случайно именно в тот день очень зол на тещу), в сравнении со средним давлением контрольной группы,
- как снижение среднего давления по пяти измерениям в течение суток, через два месяца после начала приема,
- как снижение числа гипертонических кризов в месяц, требующих вызова неотложки, через два года после начала приема, в сравнении с контрольной группой,
- как снижение числа инсультов в течение пяти лет приема, в сравнении с контрольной группой,
- как снижение смертности за десять лет приема, в сравнении с контрольной группой,
и т.д.
Важно: выбор исхода ("конечной точки", endpoint), по которой будут измерять успех/неуспех препарата, производится до начала исследования и фиксируется в его протоколе. Потому что вероятность случайно получить статистически достоверную разницу между экспериментальной и контрольной группой, хотя на самом деле никакой разницы нет, можно контролировать только в этом случае. Если же исследователь, спланировав изучить, как L-carnitine влияет на вес, и обнаружив через год, что вообще-то никак, решит померить не вес, а объем талии (а если с талией тоже не получилось, то диаметр ног в районе икр, а если там тоже все безнадежно, то хотя бы субъективные ощущения испытуемых от своей фигуры), то чем больше параметров он переберет, тем выше вероятность, что рано или поздно он таки найдет тот, где разница случайно получилась именно на этой выборке (хотя в реальности ее нет). Это называется fishing и является самым страшным грехом биостатистика. :)
Пожалуй, чтобы пояснить, чем fishing так ужасен, я немножко перекрою план и сначала расскажу, что значит "статистически достоверная разница" и как переносить результаты исследования в жизнь (планировалась частью третьей), а потом вернусь к видам исходов и почему важно эти виды не путать. Продолжение на днях.
В части первой с продолжением я немножко рассказала о том, какими способами при проведении клинического исследования исключают влияние посторонних факторов на результат, чтобы оценить именно эффективность новой терапии, а не, скажем, средний возраст тех, кто ее выбирает, и об иерархии типов исследования с точки зрения надежности исключения постороннего влияния на результат.
Сегодняшний пост посвящен вопросу, а что такое, собственно, результат применения терапии? В идеале результат, с точки зрения здравого смысла - пациент вылечился, ну или по крайней мере ему стало лучше. А что значит - "вылечился", и что значит - "лучше"?
Обычно успех терапии можно померить разными параметрами. Например, результат применения нового лекарства, снижающего артериальное давление, можно померить (пример гипотетический, если кто-то из врачей скажет, что давление так никто не меряет, спорить не буду):
- как снижение давления в состоянии покоя, через, скажем, три недели после начала приема лекарства,
- как снижение давления под нагрузкой, через четыре недели после начала приема лекарства,
- как среднее давление через три недели, четыре, пять, шесть и семь (чтобы исключить флуктуации, связанные, например, с тем, что через три недели пациент был случайно именно в тот день очень зол на тещу), в сравнении со средним давлением контрольной группы,
- как снижение среднего давления по пяти измерениям в течение суток, через два месяца после начала приема,
- как снижение числа гипертонических кризов в месяц, требующих вызова неотложки, через два года после начала приема, в сравнении с контрольной группой,
- как снижение числа инсультов в течение пяти лет приема, в сравнении с контрольной группой,
- как снижение смертности за десять лет приема, в сравнении с контрольной группой,
и т.д.
Важно: выбор исхода ("конечной точки", endpoint), по которой будут измерять успех/неуспех препарата, производится до начала исследования и фиксируется в его протоколе. Потому что вероятность случайно получить статистически достоверную разницу между экспериментальной и контрольной группой, хотя на самом деле никакой разницы нет, можно контролировать только в этом случае. Если же исследователь, спланировав изучить, как L-carnitine влияет на вес, и обнаружив через год, что вообще-то никак, решит померить не вес, а объем талии (а если с талией тоже не получилось, то диаметр ног в районе икр, а если там тоже все безнадежно, то хотя бы субъективные ощущения испытуемых от своей фигуры), то чем больше параметров он переберет, тем выше вероятность, что рано или поздно он таки найдет тот, где разница случайно получилась именно на этой выборке (хотя в реальности ее нет). Это называется fishing и является самым страшным грехом биостатистика. :)
Пожалуй, чтобы пояснить, чем fishing так ужасен, я немножко перекрою план и сначала расскажу, что значит "статистически достоверная разница" и как переносить результаты исследования в жизнь (планировалась частью третьей), а потом вернусь к видам исходов и почему важно эти виды не путать. Продолжение на днях.
![[identity profile]](https://www.dreamwidth.org/img/silk/identity/openid.png){kind=small}
no subject
Date: 2008-10-16 08:23 am (UTC)Но я-то сейчас пишу не про exploratory проекты, а (причем сильно упрощая) про КИ, по результатам которых лекарства регистрируют/рекомендуют к применению. А там чтоб регрессионный анализ был заложен в протокол как primary - честно говоря, ни разу не видела. :) Обычно дизайн такого КИ прост и скучен, как валенок - рандомизацией делим испытуемых на группы, молимся, чтоб группы оказались в конце концов сбалансированы по всяким известным факторам (иногда помогаем
пинкомстратификацией рандомизации по критическим параметрам), лечим, мерим исход и сравниваем группы при помощи какого-нибудь древнего, скучного и надежного статистического теста - хи-квадрата (ну или точного Фишера), т-теста, лог-ранк, если у тебя time to event. Multiple testing там играет роль в лучшем случае при закладывании в протокол промежуточных анализов.Вся интересная статистика выгружена в secondary, которые explorative и генерирование гипотез. Про них я, может быть, когда-нибудь тоже напишу; но не скоро. :)
вот тут мимо пробежало
Date: 2008-10-22 10:06 pm (UTC)Start Date - Within the next 2 months ideally, January at the latest.
Contract Length - 6 months rolling
Rate: Euros 80 - 110 / hour - Dependant on Experience
Job Summary
The statistician will be responsible for supporting preclinical research at the site, Projects will cover a very wide range of in vitro and in vivo assays. The statistician needs to be able to communicate with TA Scientists, understand study goals and the applied technology, comprehend the data and especially the variation behind it, and provide statistical support (design, analysis, consulting, report, publication, training, etc.). Due to the nature of the preclinical studies (exploratory, new & diverse technologies, high noise, large datasets, molecular targets, etc.), this individual should be interested in and curious about science and technology.
Essential Requirements
* Fluent German Speaker
* Degree qualified, preferably with a biostatistics or statistics
* Relevant pre-clinical/clinical trial biostatistic experience; at least 3 years
* A thorough knowledge of the theory and techniques of applied statistical methods such as, Experimental Designs, ANOVA, Linear Models, non-parametric, regression, correlation analysis, categorical data analysis, survival analysis.
* Solid methodological and analytical skills in traditional statistics and a desire to stay current with literature on novel state-of-the-art methods.
* Exposure to large datasets such as microarray, high throughput screening, SNPs, etc., is desireable.
An excellent opportunity awaits for this renewable contract. Interview times booked and full job specification to review...
If you would to discuss this role in greater detail or your application / suitability to this or further roles, please call me or email me in confidence. If you are not available or suited to this position, please feel free to pass my details on.
We also have a broad variety of other Biometric specific vacancies available in the UK and throughout Europe. Inclusive of SAS programming, Statistical, Clinical programming, Data Management functions, Regulatory Affairs, Clinical Research, QA, Compliance & Validation.
For a confidential consultation call James Carrera on 0044 (0) 207 255 6665 or email your CV to james.carrera@1st-pharmapeople.com
Re: вот тут мимо пробежало
Date: 2008-10-23 06:45 pm (UTC)Re: âîò òóò ìèìî ïðîáå
Date: 2008-10-23 09:48 pm (UTC)Слушай, кстати, а у вас в Европе биостатистика тоже наводнена китайцами? В Штатах где-то процентов 85-90 докладчиков на всяких биометрических конференциях -- явно азиатского вида, и у большинства явно китайские фамилии. Самые крутые доклады, пожалуй, все-таки белые люди делают, но вот ан масс, тэк скэть -- это все-таки ЮВА.
Я у тебя единственная германоязычная знакомая? :)
Date: 2008-10-24 02:34 pm (UTC)Но вообще в Европе найти вменяемого биостатистика с опытом работы - нетривиальная задача.
Re: Я у тебя единственная германоязычная знакомая? :)
Date: 2008-10-24 04:15 pm (UTC)no subject
Date: 2008-10-24 04:27 pm (UTC)У нас есть две китаянки в конторе, одна в Data Management, вторая - Medical Writing (кстати, несколько лет назад из Штатов переехала, потому что за немца замуж вышла). Но вот статистиков ни одного не знаю.