Hoe om 'n kliniese resultaat te lees

Eindpunt

Voordat enige getal iets beteken, vra: 'n getal oor wat?

Die ding wat 'n studie meet en tel, is sy eindpunt. Alles anders — die verhouding, die reeks, die p-waarde — gaan oor daardie een gekose uitkoms. Verander die eindpunt en elke getal verander saam.

In die KI-proef was die hoofeindpunt behandelingsmislukking binne 14 dae — besluit voordat die proef begin het, en beoordeel deur 'n paneel klinici wat nie geweet het watter pasiënte die KI gebruik het nie. Daardie laaste besonderheid maak saak: 'n uitkoms wat vooraf vasgestel en blind beoordeel word, is baie moeiliker om jouself mee te mislei as een wat gekies word nadat die resultate in is.

Kyk wat gebeur wanneer 'n studie meer as een eindpunt het. In 'n norovirus-entstofproef wat ons gedek het, is die entstof op twee maniere gelyktydig getoets: het dit die werklike siekte (gastro-enteritis) gestop, en het dit die infeksie gestop wat met 'n laboratoriumtoets opspoorbaar is? Dit het die eerste gemis en die tweede getref. Albei resultate is werklik; hulle beantwoord bloot verskillende vrae. Die vooraf gekose hoofeindpunt was dié van die siekte — dus, eerlik gerapporteer, het die proef sy primêre eindpunt gemis al het dit duidelik iets gedoen.

• Wat dit beteken: die eindpunt is die telbord. Lees dit eerste.
• Wat dit nie beteken nie: 'n goeie resultaat op 'n sekondêre of agterna gekose maatstaf is nie dieselfde as om die primêre, vooraf geregistreerde een te tref nie.
• Die slaggat: 'n opskrif kan die eindpunt aanhaal wat die beste klink. Vra altyd wat werklik gemeet is, en of dit die uitkoms was waartoe die navorsers hulle vooraf verbind het.

Odds ratio

Odds ratio 0,77. 'n Odds ratio is 'n enkele getal wat twee groepe vergelyk. Die duimreël:

• 1,0 beteken geen verskil tussen die groepe nie.
• onder 1,0 beteken die gebeurtenis was minder algemeen in die behandelde groep.
• bo 1,0 beteken dit was meer algemeen.

So 0,77 sê die KI-groep het ongeveer drie kwart van die odds op 'n slegte uitkoms gehad in vergelyking met die kontrolegroep — as die getal werklik is. (Hou daardie “as” vas; die volgende stukke wys hoe ons dit nagaan.)

Die klein “aangepas” — die a (adjusted) in aOR — beteken die navorsers het statistiek gebruik om ander verskille tussen die groepe in ag te neem, hier die feit dat sommige klinieke anders begin het as ander. Jy sal nabye familielede van die odds ratio teëkom: die risk ratio (RR) en die hazard ratio (HR). Hulle word anders bereken, maar jy lees hulle op dieselfde manier: 1,0 is die “geen verskil”-lyn.

• Wat dit beteken: 'n kompakte “hoeveel meer, of minder” tussen twee groepe.
• Wat dit nie beteken nie: dit sê jou nie hoe algemeen die gebeurtenis was nie, of hoeveel werklike mense geraak word nie. 'n Verhouding versteek sy grondlyn.
• Die slaggat: “25% laer odds” klink dramaties. Of dit hoegenaamd saak maak, hang af van hoe algemeen die uitkoms om mee te begin was — en dit is juis die volgende getal.

Absoluut vs. relatief

Dit is die een wat byna almal mislei, so dit is die moeite werd om stadiger te gaan.

Neem die norovirus-getalle. Siekte het by 56,9% van die placebogroep en 44,7% van die ingeënte groep voorgekom. Jy kan daardie selfde gaping op twee eerlike maniere beskryf:

• Absoluut: 12,2 persentasiepunte laer (56,9 minus 44,7).
• Relatief: ongeveer 21% laer (12,2 is ongeveer 'n vyfde van 56,9).

Albei is waar. Hulle beskryf die identiese resultaat. En hulle voel heeltemal anders — wat juis is waarom die groter-klinkende een, die relatiewe getal, die gunsteling van persverklarings is.

“Persentasiepunte” en “persent” is nie dieselfde woorde nie. Om van 'n rentekoers van 5% na 4% te gaan is 'n daling van een persentasiepunt, maar 'n snit van 20% in die rente wat jy betaal. Om hulle te verwar is hoe 'n piepklein verandering as 'n reusagtige verkoop word.

Die duidelikste waarskuwing kom van skaars gebeurtenisse. 'n “Vermindering van 50%” klink geweldig. Maar as die gebeurtenis 2 uit 1.000 mense getref het en nou 1 uit 1.000 tref, is daardie 50% een persoon per duisend. Terug by die KI-proef: die odds ratio (0,77) het geklink soos 'n verbetering van 23% — tog het die slegte uitkoms in absolute terme by 2,0% van die kontrolegroep en 2,2% van die KI-groep voorgekom, 'n gaping van 'n breukdeel van een persent. (Rou persentasies en aangepaste skattings kan in verskillende rigtings wys wanneer die groepe verskil; daarom moet albei versigtig gelees word — hier leun die aangepaste 0,77 een kant toe en die rou koerse die ander.)

• Wat dit beteken: vind altyd die absolute getalle — die werklike koerse in elke groep.
• Wat dit nie beteken nie: 'n groot relatiewe getal beloof nie 'n groot verandering in die werklike wêreld nie.
• Die slaggat: relatiewe syfers sonder grondlyn. As iemand jou net 'n persentasievermindering gee, vra: “uit hoeveel, en hoe algemeen was dit reeds?”

Vertrouensinterval

95%-VI 0,55 tot 1,08. Die enkele getal (0,77) is die studie se beste enkele skatting. Die vertrouensinterval is die reeks waardes wat ook redelik met die data versoenbaar is. 'n Nou interval beteken die studie het die antwoord vasgepen; 'n wye een beteken “ons is eerlik gesproke nie seker nie”.

Een vraag doen die meeste van die werk hier: sluit die interval “geen effek” in? Vir 'n verhouding is “geen effek” 1,0. Ons interval loop van 0,55 tot 1,08 — dit lê weerskante van 1,0. Die data is dus versoenbaar met 'n werklike voordeel (0,55), met glad niks (1,0), en selfs met 'n effense skade (1,08). Wanneer die interval geen effek insluit, kan jy nie 'n effek beweer nie — punt. Die studie het die resultaat eenvoudig nie vasgepen nie.

Vergelyk die twee norovirus-eindpunte, uit dieselfde proef:

• Siekte: verskil 12,2 persentasiepunte, 95%-VI −4,24 tot 28,61. Daardie reeks kruis nul (geen verskil), so die resultaat is onseker.
• Infeksie: verskil 23,6 persentasiepunte, 95%-VI 7,4 tot 38,0. Daardie reeks lê heeltemal bo nul, so hierdie een is 'n werklike sein.

Dieselfde studie, dieselfde entstof, twee intervalle, twee verskillende vonnisse. Die interval is waar die eerlikheid woon.

• Wat dit beteken: hoe seker ons is, uitgedruk as 'n reeks.
• Wat dit nie beteken nie: die puntskatting is nie “die antwoord” nie, en die twee ente is nie ewe waarskynlik nie — waardes naby die middel is meer aanneemlik.
• Die slaggat: om die enkele getal te lees en die reeks te ignoreer. Die reeks is die punt.

P-waarde

P = 0,13. Die p-waarde beantwoord 'n nou, gladde vraag: as daar werklik geen effek was nie, hoe dikwels sou blote toeval alleen 'n gaping van minstens hierdie grootte oplewer? P = 0,13 beteken ongeveer 13% van die tyd — algemeen genoeg dat ons nie 'n toevaltreffer kan uitsluit nie.

Volgens 'n langdurige gebruik noem navorsers 'n resultaat dikwels “statisties beduidend” wanneer P onder 0,05 is. Dit help om te weet dat 0,05 'n konvensie is — 'n lyn wat uit gewoonte getrek is, nie 'n natuurwet nie. Ons P = 0,13 lê daarbo, so die KI-resultaat is “nie beduidend nie”.

Twee slaggate woon hier, en albei is groot:

• “Beduidend” beteken nie “groot” of “belangrik” nie. Met 'n groot genoeg studie kan 'n verskil wat te klein is om saak te maak, steeds die maatstaf haal.
• “Nie beduidend nie” beteken nie “bewys dat die effek nul is” nie. Baie dikwels beteken dit “hierdie studie kon nie sê nie”. Afwesigheid van bewys is nie bewys van afwesigheid nie.

Dit is hoekom die vertrouensinterval jou, wanneer jy kan, meer vertel as die p-waarde: die interval wys die hele reeks van wat nog op die tafel is, in plaas daarvan om dit tot 'n enkele slaag/druip-stempel saam te pers.

Steekproefgrootte

Hoeveel mense was in die studie, en was dit genoeg om die effek te sien waarna hulle gesoek het? Daardie vermoë — 'n studie se vermoë om 'n werklike effek op te spoor wanneer een bestaan — word sy onderskeidingsvermoë genoem.

Die KI-proef het ongeveer 9.700 pasiënte ingeskryf, wat na baie klink. Maar die slegte uitkoms was skaars — rondom 2% — en skaars uitkomste het enorme getalle nodig om betroubaar te vergelyk. Die outeurs is verfrissend reguit daaroor: om 'n effek van die grootte wat hulle gesien het te bevestig, sou jy iets soos 100.000 pasiënte nodig hê. So “nie beduidend nie” beteken hier meestal “hierdie proef was te klein om te sê”, nie “daar is beslis niks nie”.

Dink daaraan om na 'n gefluister in 'n raserige kamer te luister. Een keer vinnig luister sê jou min; jy mag baie noukeurige herhalings nodig hê voordat jy eerlik kan sê of die gefluister werklik is. 'n Studie met te min onderskeidingsvermoë is een keer vinnig luister.

• Wat dit beteken: groter studies kan kleiner effekte sien; skaars uitkomste vereis groot studies.
• Wat dit nie beteken nie: 'n nulresultaat uit 'n klein studie is nie bewys dat niks gebeur het nie.
• Die slaggat: om “ons kon dit nie opspoor nie” te behandel as “dit is nie daar nie”.

Lees hulle saam

Lees nou die hele reël weer, stadig:

the adjusted odds ratio was 0.77 (95% confidence interval 0.55 to 1.08, P = 0.13)

Die eindpunt vertel jou wat gemeet is (ernstige behandelingsmislukking, blind beoordeel, binne 14 dae). Die odds ratio en die absolute koerse vertel jou hoe groot die effek lyk — en die absolute koerse hou die verhouding eerlik (2,0% teenoor 2,2% is piepklein). Die vertrouensinterval vertel jou hoe seker ons is (nie baie nie — dit sluit “geen effek” in). Die p-waarde waarsku jou om nie teen die toeval te wed nie (0,13 is maklik vir geluk om te lewer). En die steekproefgrootte vertel jou watter soort “nee” dit is (te klein om te sê, nie bewys dat daar niks is nie).

Saam gesit, sê daardie intimiderende reël iets baie presies en baie beskeie: in hierdie een proef mag die hulpmiddel 'n bietjie help, mag dit niks doen nie, en ons kan nog nie sê watter van die twee nie — en om te sê, sou jy 'n veel groter studie nodig hê.

Dit is nie 'n mislukking nie. Dit is 'n eerlike resultaat, eerlik gerapporteer. Geen enkele getal in die bondel kon jou dit vertel het nie. Jy het hulle almal nodig gehad, saam gelees — wat die hele punt is, en die rede waarom ons nooit die getal druk sonder die gewone-taal-lesing langsaan nie.

Ses vrae, nie 'n formule nie

Daar is geen puntresep wat 'n resultaat in 'n vonnis verander nie — enigiemand wat jou een aanbied, verkoop iets. Wat jy wel kan saamdra, is 'n kort lys vrae. Hulle lewer nie 'n antwoord nie; hulle hou jou eerlik.

1. Wat is werklik gemeet, en is dit vooraf besluit? (eindpunt)
2. Hoe groot is die effek — en wat is die werklike getalle in elke groep? (odds ratio; absoluut vs. relatief)
3. Sluit die vertrouensinterval “geen effek” in?
4. Wat sê die p-waarde werklik — en word “beduidend” met “belangrik” verwar?
5. Was die studie groot genoeg om die effek te sien waarna dit gejag het? (onderskeidingsvermoë)
6. En die vraag agter al die ander: wat wys hierdie studie nie?

Vra dié, in daardie gees, en jy het nie meer 'n opskrif nodig om jou te vertel wat 'n studie beteken nie. Jy kan dit self lees.