Статистический анализ для диссертаций на заказ
Статистика в медицинских и биологических исследованиях Статьи по статистическому анализу Диссертации Книги для научной работы Статистический анализ для диссертаций на заказ
заказать статистический анализ для диссертации

Статистический анализ для диссертаций на заказ

Мы консультируем по всем вопросам статистического анализа в медико-биологических исследованиях, и, при необходимости, помогаем его провести 

Подробнее>>>


 

 


Заказать статистический анализ для диссертации Обратная связь

SiteHeart

278679709

 

Основные типы планов

Можно ввести для такой модели понятие «индекс эффективности». Допустим, в исследовании предусмотрено n периодов, число разниц между показателями до и после очередного периода (обозначим их Yi) равно соответственно n - 1. Тогда индекс эффективности можно определить как положительное значение данного показателя говорит об эффекте лечения, близость к нулю — об отсутствии такого эффекта, отрицательное — об отрицательном эффекте.

План параллельных групп — наиболее распространенный вариант, порядка 95% клинических исследований проводится в соответствии с планом такого типа. Общее число пациентов при этом зависит в том числе от количества групп и может оказаться достаточно большим с учетом межиндивидуальных различий. С помощью указанных выше способов рандомизации пациентов случайным образом распределяют в группы. Строгое сравнение эффективности различных методов лечения возможно лишь при соблюдении условий однородности сопоставляемых групп больных по всем признакам.

Некоторая модификация этого метода - многогрупповая модель применяется, например, при изучении влияния различных доз препарата. Кроме того, известна так называемая неоднородная модель, в этом случае на первом этапе все пациенты получают изучаемое лечение, а затем пациенты, продемонстрировавшие наличие реакции на проводимую терапию, с помощью методов рандомизации распределяются по группам для проведения дальнейшего исследования.

План «игра на лидера» — допустим, сравниваются 2 варианта терапии, каждый пациент получает одну и ту же терапию (разные пациенты начинают с разных терапий) в течение стольких временных интервалов, пока в конце одного из них не будет обнаружен «неуспех«. После этого у данного пациента происходит смена терапии.

Последовательный план применяется для исследования новых сильнодействующих препаратов, кроме того, в случае применения плана параллельных групп такой подход можно использовать, если результат сравнения становится очевидным еще до конца исследования. Этот статистический метод применяется для сравнения двух препаратов или препарата с плацебо. В качестве необходимого условия выдвигается достаточно быстрое проявление эффекта лечения, поэтому обычно используется в случае лечения острых заболеваний. При этом количество пациентов не определяется заранее (открытый дизайн), а процесс исследования останавливается после получения информации об эффекте во время очередной инспекции результатов, если обнаружено ярко выраженное преимущество одного из методов. Известна также модификация данного метода, когда максимальный размер групп ограничивается на этапе планирования (закрытый дизайн). Существуют различные правила остановки (или останова — технический термин) такой процедуры исследования . Наиболее известным является граничный подход (boundary approach): заранее очерчивается область продолжения исследования (в зависимости от цели исследования) на графике зависимости кумулятивного различия величин эффекта к моменту данной инспекции Zi от другой статистической информационной переменной V( качестве V может использоваться и число включенных пациентов), в терминах которой измеряется вариабельность Zi при условии справедливости нулевой гипотезы об отсутствии эффекта терапии. Например, в случае учета эффекта в альтернативной форме (есть — нет) возможен такой вариант расчета статистики Zi — (Se Sc)/2, где Se и Sc успехи в сравниваемых терапиях соответственно. Статистика V= S*F/(4n), где S, F и п — общее число успехов, неудач и пациентов соответственно. Верхняя и нижняя границы области продолжения исследования вычисляются таким образом, чтобы при их пересечении исследование можно было остановить, сделав однозначное заключение о преимуществе одной из терапий . Классический подход к последовательному дизайну, предложенный автором , предполагает проведение попарных сравнений пациентов в группах. Однако очень мало клинических исследований действительно проводилось по такой схеме, поскольку случайно выбранные пары могут существенно отличаться по многим прогностическим факторам . Для устранения этого ограничения был предложен так называемый групповой последовательный дизайн, который предусматривает деление всего множества пациентов на подгруппы, число которых равно числу предполагаемых инспекций результатов. В каждой подгруппе половина пациентов получает одну терапию, половина - другую терапию, статистический анализ производится каждый раз как только заканчивается сбор информации для очередной подгруппы. И каждый раз данные для уже проанализированных подгрупп пересчитываются. Уровень значимости при такой процедуре выбирается с учетом множественных сравнений. В остальном этот подход не отличается от классического. С описанием других процедур последовательного дизайна можно познакомиться, например, в работах .

Поскольку в отличие от плана параллельных групп в данном случае количество пациентов не определяется заранее, не может возникнуть ситуация, когда собранных данных не хватает для формирования статистически значимого заключения о различии в эффекте.

Мультицентровые исследования это исследования, проводимые по единой методике и программе одновременно в нескольких лечебных учреждениях, что позволяет сократить сроки сбора необходимого объема информации. Число пациентов при этом возрастает не пропорционально, поскольку необходимо учесть межцентровую вариацию интересующих параметров. Существует мнение, что мультицентровые клинические исследования могут оказаться неэффективными, если в каждом центре в процесс исследования включено разное число пациентов . Статистический анализ данных мультицентровых исследований требует особого внимания, с некоторыми статистическими процедурами можно познакомиться в работах . Многие ученые сходятся во мнении, что, несмотря на то что в основе мультицентровых исследований лежит единый протокол, условия проведения исследования в каждом центре могут приводить к такой существенной межцентровой вариации данных, что результаты таких исследований можно рассматривать как частный случай метаанализа.

Метаанализ и объединение данных (pooling) процесс обобщения результатов различных исследований на одну тему с применением специальных процедур синтеза данных. К такому объединению обычно прибегают в случае, если объемов отдельных исследований оказывается недостаточно для формирования статистически значимого заключения. При этом существуют 2 подхода к анализу данных: 1) объединение данных отдельных исследований и проведение анализа для всей совокупности, как если бы они были получены в одном исследовании; 2) проведение анализа полученных данных для каждого исследования в отдельности и последующее объединение не данных, а статистических результатов. Такое объединение результатов не может проводиться путем вычисления обычных средних значений. При проведении метаанализа используют процедуры «взвешивания» данных различных источников в соответствии с числом включенных пациентов, процедуры анализа и т.д. Наиболее простой способ для понимания такого объединения результатов — графический. На один и тот же график наносят доверительные интервалы для интересующего показателя эффекта, вычисленные в различных исследованиях. Преимуществом объединения данных является возможность получения статистически достоверного заключения вследствие увеличения общего объема выборки. Однако известны и противники такого подхода. По их мнению, процедуры отбора пациентов, методы проведения исследований и оценки эффекта могут настолько варьироваться, что объединение результатов теряет всякий практический смысл . Поэтому данные для проведения метаанализа должны специальным образом подбираться.

 

<Предыдущая страница | Оглавление>

 

 

 

  заказать статистический анализ для диссертации
Статистический анализ для диссертаций на заказ

Рейтинг@Mail.ru