Zestaw Kliniczny
Eksperci StatSoft Polska w jednym zestawie zebrali wszystkie narzędzia niezbędne do analizy danych podczas badań biorównoważności. Dzięki temu badacz nie musi korzystać z wielu systemów – wszystkie potrzebne funkcje są dla niego dostępne w Zestawie Klinicznym. Nasz nowy program zapewnia wygodę i efektywność analizy statystycznej badań klinicznych oraz zgodność z rekomendacjami organów rejestracyjnych (EMA, FDA).
Analiza statystyczna badań klinicznych równoważności leków, substancji lub ogólnie różnych sposobów leczenia może być teraz znacznie szybsza i łatwiejsza. Zestaw Kliniczny umożliwia wykonanie analizy statystycznej od początku do końca, tzn. od fazy planowania aż po analizę otrzymanych danych, w tym:
umożliwia wykonanie potrzebnych obliczeń, m.in. oszacowanie wielkości grup oraz analizę mocy statystycznej,
pozwala utworzyć losowy przydział do grup,
sprawdza, czy dane spełniają standardowe założenia, które są zazwyczaj wymagane w badaniach,
wykonuje kluczową analizę z testem statystycznym wskazującym na równoważność lub jej brak.
Dzięki Zestawowi Klinicznemu możemy wykonać potrzebne obliczenia, począwszy już od fazy planowania badania, kiedy to niezbędne są oszacowanie wielkości grup oraz analiza mocy statystycznej. Znając już potrzebną wielkość badania, mamy następnie możliwość utworzenia losowego przydziału do grup. Po zakończeniu badania klinicznego, gdy mamy już dane liczbowe, oprócz ich analizy głównie pod kątem równoważności, możemy również sprawdzić, czy dane te spełniają standardowe założenia, których się zazwyczaj wymaga w tego rodzaju badaniach, oraz czy są w nich wartości odstające.
Wszystkie wymienione etapy analizy statystycznej możemy przeprowadzić dla 9 różnych układów badań równoważności: najprostszego układu R, T (R – lek referencyjny, T – lek testowy), w którym jedna grupa przyjmuje tylko R, a druga grupa tylko T, oraz ośmiu układów naprzemiennych, co oznacza, że we wszystkich grupach stosowane są łącznie zarówno R, jak i T, lecz w innej kolejności i być może różną liczbę razy. Pośród nich podstawowy to układ naprzemienny prosty, czyli RT, TR – o dwóch turach: pierwsza grupa najpierw przyjmuje R, a potem T, a druga grupa w odwrotnej kolejności. Przykładem bardziej złożonego układu, który możemy poddać analizie w niniejszym zestawie, jest następujący układ naprzemienny o czterech grupach i czterech turach: RRTT, RTTR, TRRT, TTRR.
Dodatkowo, w obrębie tych układów, możemy analizować wyniki badań ciągów pomiarów. Oznacza to, że na każdego badanego w każdej turze badania nie przypada pojedyncza wartość liczbowa, lecz cały szereg pomiarów, z którego program obliczy pojedynczą, wchodzącą do analizy wartość wskazanego parametru. W temacie badań klinicznych oznacza to parametry takie jak 7 dostępnych tutaj: AUC i dwa jemu pokrewne, stężenie maksymalne, czas osiągnięcia tego stężenia, okres półtrwania i stała eliminacji.
Na etapie planowania badania obliczamy w tym miejscu konieczną liczebność każdej z grup, by osiągnąć wskazaną wartość mocy – to prawdopodobieństwo wykazania równoważności za pomocą testu statystycznego. Poza jej wartością, np. 90%, podajemy kilka podstawowych rzeczy, jak: układ badania, poziom istotności testu statystycznego, granice równoważności (często wynoszą one [80%, 125%]), zakładany iloraz średnich geometrycznych T:R (mieszczący się w podanych granicach), czy też wartość wybranej miary zmienności.
Głównym wynikiem jest liczebność każdej grupy potrzebna do zapewnienia docelowej wartości mocy. Na przykład jeśli obliczona liczebność wynosi 294, a układ badania obejmuje 2 grupy, to potrzeba łącznie 588 badanych, którzy ukończą badanie. Do szacowania liczebności zakładamy równoliczność grup, jako że przy ustalonej łącznej liczbie uczestników badania, o ile jest ona podzielna przez liczbę grup, największa wartość mocy jest przy grupach równolicznych.
Obliczenie mocy statystycznej jest przydatne na etapie planowania badania, zwłaszcza gdy chwilowo nie możemy zwiększyć spodziewanej liczby uczestników badania i zastanawiamy się, czy jest wystarczająco duża, by z wysokim prawdopodobieństwem uzyskać wskazanie testu na to, że równoważność ma miejsce. Podajemy te same wielkości co do oszacowania liczebności, z tym że naturalnie zamiast mocy, która tym razem będzie wynikiem, podajemy liczebności grup, i co więcej: nie muszą one być jednakowe.
Wynikowy arkusz, z wyrażoną w procentach wartością mocy, ma następującą postać.
Mając już ustalony układ badania i wielkość grup, przydzielamy losowo uczestników badania do poszczególnych grup. Na przykład, jeśli zadamy wielkość pewnej grupy równą 40, to tworzyć ją ma 40 losowo wybranych spośród wszystkich uczestników.
Możemy wybrać jeden z dwóch układów danych – tury w wierszach lub tury w kolumnach. Wynikowy arkusz z przydziałem zawiera pustą kolumnę lub kolumny, w zależności od wybranego układu, do wpisywania wartości zmiennej zależnej. Należy pamiętać, że przy takich samych ustawieniach wejściowych przydział ogólnie za każdym razem będzie inny, gdyż jest losowy.
Analiza założeń wraz z analizą wartości odstających mają na celu sprawdzenie standardowych założeń lognormalności/normalności rozkładu, jednorodności wariancji oraz tego, czy nie należy wykluczyć pewnych, być może niepoprawnych wartości.
W analizie założeń znajdziemy test Shapiro-Wilka normalności rozkładu oraz test Levene’a równości wariancji, a wartości odstające mogą być stwierdzane na dwa sposoby: za pomocą testu Tukeya lub testu Grubbsa. Ich obecność lub brak widzimy nie tylko w arkuszu z wynikami liczbowymi, lecz jest to także zobrazowane na wykresie.
Na końcu badania, po zebraniu danych, sprawdzeniu, czy spełniają założenia i możliwym usunięciu wartości odstających, mamy prawo przystąpić do kluczowej analizy, z testem statystycznym wskazującym na to, że równoważność ma miejsce lub jej brak.
Wyniki liczbowe to tabela analizy wariancji, na podstawie której stwierdzamy istotność statystyczną rozmaitych czynników, jak tura czy preparat (R/T) oraz tabela dotycząca równoważności w założonych granicach, testowanej testem Schuirmanna, określanym często w skrócie jako TOST.
Równoważność obrazuje też wykres przedziału ufności ilorazu średnich geometrycznych T:R.
Dodatkowo dla najprostszego układu badania (R, T) mamy możliwość zastosowania do testowania równoważności testu Andersona-Haucka, poza testem Schuirmanna, zaś dla układu naprzemiennego prostego dostępny jest (nieparametryczny) test Wilcoxona, pod kątem badania istotności różnic między parami pomiarów.