Ориентировано ли исследование на основной критерий оценки эффективности лечения.

Все исследования эффектов лечебного вмешательства должны проводиться по схеме контролируемого клинического испытания, независимо от того, считаются ли эти эффекты главными или второстепенными, считается ли лечение основным или дополнительным. Отход от стандарта качества исследования неминуемо приводит к получению некачественных данных.

Для оценки результатов лечения используются термины истинные критерии и суррогатные (или косвенные) критерии. Истинные критерии подразделяются на первичные - это показатели, связанные с жизнедеятельностью пациента - смерть в результате основного (исследуемого) заболевания или по другим причинам. К вторичным истинным критериям относятся снижение частоты осложнений основного заболевания, улучшение качества жизни пациентов. Суррогатными или косвенными критериями являются результаты лабораторных и инструментальных методов обследования, которые предположительно связаны с истинными критериями (например, снижение уровня АД связано с уменьшением числа осложнений артериальной гипертонии).

Истинные критерии, безусловно, более надежны, чем суррогатные. Тем более, что очень часто прямой взаимосвязи между этими критериями нет или она не доказана. Оценка суррогатных критериев важна для более глубокого изучения и понимания патогенетических звеньев болезни, обоснования прогнозирования заболевания. Однако выводы, построенные на основе косвенных критериев, у которых связь с истинными критериями не доказана (грамотными клиническими исследованиями и системным анализом), могут оказаться ошибочными.

Подмена "конечных" результатов (истинных критериев оценки — клинических исходов) "промежуточными" (косвенными критериями оценки вроде снижения уровня глюкозы или холестерина в крови, артериального давления) весьма распространена.

Как бы ни снижался уровень смертности от сердечно-сосу-дистых заболеваний, но, если показатель общей смертности повышается, значит, основной результат не достигнут. Если исследование с отрицательным результатом отвечает критериям качества, то оно может быть полезным уже тем, что позволит не вводить в практику новый неэффективный метод лечения.

Адекватный статистический анализ, а также ссылки на использованные статьи и программы.

Нередко авторы склонны публиковать только положительные результаты исследования (так называемые публикационные смещения, или систематические ошибки), а работы, в которых не выявлен искомый эффект, остаются неопубликованными. Невыявление статистически значимого эффекта может быть вызвано двумя причинами:

· отсутствием этого эффекта в объективной реальности;

· недостаточным объемом выборок.

 

Описательная статистика.

Статистическая обработка полученных результатов начинается с описательной статистики, которая решает задачи обобщеного числового представления результатов исследования. Она решает 3 задачи, такие как:

1. Описание центральнойтенденции и вариабель­ность количественных данных.

2. Описание частот (абсолютные и относительные) качественных данных.

3. Описание величиныизучаемого эффекта.

В качестве меры центральной тенденции обычно используется среднее арифметическое (М) — параметр, известный из школьного курса математики и интуитивно понятный. Однако среднее не всегда может правильно характеризо­вать выборку: в случае распределения, отличного от нормального (Гауссова) (см.рис.1 и 2), среднее арифметическое неприменимо. В этом случае следует пользоваться медианой (Me).

М едиана может применяться в качестве меры центральной тенденции не только в случае распределений, отличных от нормального, но и для нормальных распределений (в этом случае среднее и медиана попросту совпадают). Ситуация с мерами вариабельности аналогична. В случае нормального распределения (и только в этом случае!) можно использовать среднеквадратическое отклонение (s). В то же время для любого распределения (нормального либо нет) можно применять нижний и верхний квартили (lowerquartile, LQ, upperquartile, UQ) — значения признака, отсекающие по 25% объектов выборки в левом и правом «хвостах» распределения количественного признака.

В качестве меры вариабельности нередко используют стандартную ошибку среднего (m) — величину, характеризующую лишь точность оценки среднего арифметического на основании данных выборки, что является недопустимым.

При описании величины эффекта следует использовать такие общепринятые меры, как абсолютный риск (absoluterisk, AR) и относительный риск (ОР; relativerisk, RR), отношение шансов (ОШ; oddsratio, OR) и др., для описания величины изучаемого ими эффекта.

Выявление эффектов

Следующий этап научной работы обычно формулируется исследователями как «сравнить группы» и «посчитать корреляции».

Задача «сравнить группы» может быть решена двумя способами:

1. проверкой нулевой статистической гипотезы об отсутствии различий групп;

2. построением доверительных интервалов для параметров центральной тенденции распределения либо для показателя величины эффекта.

Остановимся сначала на первом способе (подходе) — проверке гипотез. Проверка гипотез применяется для сравнения групп традиционно широко. В статистике разработано множе­ство методов для решения таких задач, что приводит к не­обходимости выбора статистических критериев. Правиль­ный выбор может быть сделан после ответа на несколько вопросов.

· Какие признаки сравниваются в группах — количе­ственные или качественные (порядковые, номинальные, бинарные)?

· В случае количественных признаков: каковы распределения этих признаков в каждой из сравниваемых групп — нормальные или нет?

· Равны ли дисперсии в группах?

· Являются ли выборки независимыми (несвязанными) или зависимыми (связанными)?

· Какое количество групп сравнивается — 2, 3 или более?

Выбор типа статистического критерия зависит от типа распределения, нормальное или ненормальное (скошенное) (см.рис.1 и 2).

По традиции, для сравнения групп при анализе количественных признаковвыбор обычно де­лается в пользу t-критерия Стьюдента. Важнейшим условием правильного применения данного теста являетсяналичие нормальных распределений признаков в каждой из сравниваемых групп. В случае, если данное условие выполняется, авторы должны выбрать адекватный вариант критерия Стьюдента — для независимых либо зависимых групп, для групп с равными либо с неравными дисперсиями. При изложении результатов следует упомянуть, какой из вариантов теста использовался. К сожалению, это почти никогда не делается.

 

Рис. 1. Пример нормальной (симметричной) кривой.

 

Рис. 2. Пример асимметричной (скошенной) кривой.

 

В настоящее время при доступности компьютерных программных средств анализа данных рекомендуется максимально широко пользоваться непараметрическими методами сравнения групп. Эти методы не налагают никаких ограничительных условий на данные, т.е. могут применяться в случае любых распределений количественных или порядковых признаков. Вторым преимуществом этих методов является то, что они устойчивы к высокой вариабельности данных: на их результаты мало влияют «выбросы» (крайне малые или крайне большие значения). Следствием этих обстоятельств является их применимость к анализу так называемых малых (менее 30 случаев) выборок, характерных для медицинских и биологических исследований.