5 курс / ОЗИЗО Общественное здоровье и здравоохранение / Статистический_анализ_медицинских_данных_Применение_пакета_прикладных

Статистический анализ медицинских данных ...

четыре группы, в двух из которых применяется один из ви­

дов лечения, в третьей - ни один из них, в четвертой -

оба);

-а.даптивная1 (по ходу исследования набор участников в группу,

получающую худшее, по предварительным оgенкам, лечение,

уменьшается);

-структура Зелена2 (участникам, распределенным в группу

изучаемого лечения, предоставляется возможность отказаться

от него и перейти в группу контроля).

Все перечисленные способы планирования исследования (кро­ ме первого) достаточно сложны. Для планирования испытаний с

такими типами структуры, а таюке для анализа получаемых при

этом данных настоятельно рекомендуется консультаgия стати­

стика.

1.5.2. Распределение участников по группам

в рандомизированных клинических испытаниях

Основными способами распределения участников по груп-

пам в ходе РКИ являются следующие:

рандомизаgия;

минимизаgия;

псевдорандомизаgия.

Рандомизация - это случайное распределение участников РКИ, соответствующих критериям включения, по группам. lJе­

лью рандомизаgии является достижение сопоставимости групп

по характеристикам, способным влиять на изучаемый результат РКИ. Таким образом сводятся к минимуму систематические ошибки в результатах РКИ, связанные с различиями групп как

по известным, так и по неизвестным факторам.

Говорят, что рандомизаgия эффективна, если полученные груп­

пы сопоставимы.

Выделяют несколько типов рандомизаgии:

-простая;

-блоковая;

- стратифиgированная (другое название - стратификаgионная);

-кластерная.

1Adaptive design (англ.).

2Zelen's design (англ.).

30

Глава 1. Доказательная медицина ...

Проспшя рандомизация может проводиться несколькими спо­ собами:

1) с помощью подбрасывания монеты - это наиболее про­

стой способ случайного распределения, если необходимо распре­

делять участников РКИ по двум группам. В случае необходимо­

сти создания больших выборок этот способ недостаточно наде­ жен; так как может проявиться асимметричность, т.е. деформа­

gия, монеты;

2) с применением открытой таблиgы елучайных чисел (из

книг по статистике), если необходимо распределение на две груп­

пы и более. Однако и этот способ рандомизаgии недостаточно

надежен;

3) с использованием компьютерной программы генератора случайных чисел (получение последовательности случайных чисел

с помощью ППП STАTISТICA описано в разделе 4.4). Этот спо­

соб является оптимальным.

Полученная последовательность случайных чисел может ис­

пользоваться разными способами:

-четные числа или gифры могут соответствовать одной группе,

анечетные - другой (в случае двух групп);

-если интервал возможных случайных чисел от О до 99, то

числа, меньшие 50, могут соответствовать одной группе, а большие или равные 50 - другой (в случае двух групп);

-в случае трех групп может быть принято такое правило: числа

от 1 до 33 соответствуют первой группе, от 34 до 66 - вто­ рой группе, от 67 до 99 - третьей группе (аналогично для четырех групп и более);

- если необходимое соотношение объемов групп заранее из­ вестно, но не равно 1, то случайное распределение таюке

легко сделать, разбив интервал значений последовательности

елучайных чисел на 2 (или более) интервала с необходимым

соотношением их размеров.

В результате простой рандомизаgии группы могут оказаться

значительно различающимися по числу участников, причем раз­

личие оказывается весьма СУПJественным, если выборки невелики

по объему. В связи с этим простую рандомизаgию рекомендуется

использовать лишь в больших РКИ.

Для помержания равенства числа участников в группах раз­

работан способ рандомизации бнутри блокоб. Это метод рандо­

мизаgии, при котором больных, подлежащих включению в ис-

31

Статистический анализ медицинских данных ...

следование, условно разделяют на несколько равных групп ( бло­

ков). В пределах каждого блока методы лечения распределяются

между больными с использованием рандомизаgии таким обра­

зом, чтобы в итоге каждым методом лечилось заранее определен­ ное соотношение больных. Проведение такой рандомизаgии дос­

таточно сложно, поэтому с этой gелью мы рекомендуем обра­

щаться к статистику.

Несмотря на случайный характер распределения участников РКИ по группам, простая и даже блоковая рандомизаgия не га­

рантирует получение сопоставимых групп, особенно если разме­ ры групп мальr. Хотя обнаруживаемые при этом различия групп

случайны, они (несмотря на свой случайный характер) таюке

могут влиять на результаты исследования. Для получения сопос­ тавимых групп gелесообразнее всего использовать стратифиgиро­

ванную рандомизаgию.

Стратифициробанная рандомизация - рандомизаgия, ко­

торой предшествует стратификаgия. Стратификаgия (расслое­ ние) - это выделение подвыборок (подгрупп) по какому-либо признаку (например, полу, возрасту), который предположитель­

но может влиять на результаты исследования. Затем в каждой из

этих подгрупп рандомизаgия проводится независимо.

Стратификаgия необходима в исследованиях с ограниченным

количеством участников для достижения сопоставимости групп

по основным характеристикам.

Стратифиgированную рандомизаgию gелесообразно прово­

дить в подгруппах, подобранных по одному или двум признакам, предположительно влияющим на исход. В случае 66льшего числа прогностических признаков и соответственно большого количе­

ства подгрупп достижение сопоставимости становится маловеро­

ятным, особенно если общее число участников исследования не­

велико. Конечно, стратифиgированная рандомизаgия возможна

только по признакам, которые заранее известны и подлежат из­

мерению. Пример схемы формирования групп в РКИ приведена

на рис. 1.3.

Кластерная рандомизация - это вариант стратифиgирован­ ной рандомизаgии, нри котором рандомизаgии подвергаются не отдельные участники РКИ, а медиgинские gентры (поликлини­

ки, больниgы) или регионы, где она проводится (т.е. группы участников). Фактически в многоgентровых исследованиях стра­

тифиgирующим признаком является сам медиgинский gентр.

32

Глава 1. Доказательная медицина ...

ПОПУЛЯЦИЯ

•Географическая (в эпидем. исслед.)

•Нозологическая (в кли.нич. исслед.)

КРИТЕРИИ ВКЛЮЧЕНИЯ,

ИСКЛЮЧЕНИЯ .......................

ВЫБОРКА

• Случайная (RANDOM) - в идеале

или

• Репрезентативная - в реальности

СТРАТИФИКАЦИЯ ··...

(расслоение) .. _

по какому-либо признаку, ····...-___ _

предположип:тьно влияющему на

изучаемый исход (например, по полу)

Рис. 1.3. Пример схемы формирования груnп с использованием

стратифицированной рандоМИ3аlJИИ.

Минимизация является единственным альтернативным спо­

собом формирования групп, обеспечиваюIЦИМ их сопоставимость по нескольким прогностическим признакам (факторам), пред­ положительно влияюIЦИМ на исход. Минимизаqия основана на

других, нежели рандомизаqия, принqипах:

-очередного поступаюIЦего участника (кроме первого) отно­

сят в ту или иную группу не случайным образом, а в зависи­ мости от ранее набранных в группы участников РКИ;

-очередного участника относят в ту группу, в которой суIЦест­ вуюIЦиЙ на данном этапе набора участников исследования

33

Статистический анализ медицинских данных ...

дисбаланс будет сведен к минимуму в результате этой проgе­

дуры.

Техника минимизауии достаточно сложна, поэтому для ее

проведения мы рекомендуем обращаться к статистику.

Псе8дорандомизация - это неслучайное распределение по

группам, которое достаточно широко распространено и часто

ошибочно принимается за истинную рандомизауию. Некоторые широко распространенные способы псевдорандо-

мизауии:

по дате рождения участника;

по дате вхождения в РКИ; по номеру истории болезни;

поочередно.

На первый взгляд эти способы почти не отличаются от спосо­ бов простой рандомизауии. Однако основное отличие состоит в

том, что они являются открытыми, т.е. исследователь, проводя­

щий псевдорандомизауию, может предсказать, в которую из групп

будет распределен очередной участник испытания. Вследствие этого

появляется возможность влиять на отнесение участников в ту

или иную группу, и выборка получается смещенной.

Если несмотря на правильно проведенную рандомизауию груп­

пы оказались несопоставимыми по некоторым признакам, т.е.

неоднородными, то можно использовать спеуиальные методы

анализа данных для учета их влияния на исход (например, кова­

риауионный анализ, множественный регрессионный анализ -

см. главу 14).

1.5.З. Маскирование вмешательства

Маскирование вмешательства (ослепление) - это способ

сведения к минимуму искажений в ходе проведения испытаний.

Искажения могут возникать в связи с субъективностью ( тенден­ уиозностью) оуенки эффективности лечения больным, врачом,

статистиком.

Выделяют следующие виды исследований по степени маски­

рования:

-простое слепое исследование; в данном случае больной не знает, какой из методов лечения к нему применяется. Такой

вид маскирования может использоваться и при испытании

хирургических методов лечения;

34

Глава 1. Доказательная медицина ...

-двойное слепое исследование; о методе лечения не знают ни больной, ни врач, оценивающий результаты лечения;

-тройное слепое исследование; о методе лечения, приме­ няемом в той или иной группе, не знает таюке и статистик, анализирующий данные.

Для маскирования, например, терапевтического вмешатель­

ства необходимо использование плацебо, по внешним свойствам

(виду, запаху, вкусу) неотличимого от лекарственной формы изу­

чаемого препарата.

35

Статистический анализ медицинских данных ...

Глава 2. Типы данных

Первым шагом, предваряющим статистический анализ дан­

ных, является анализ (на основе здравого смысла) типов дан­

ных1. Эго необходимо делать для того, чтобы определить право­ мочность использования в дальнейшем того или иного способа

представления данных и статистического метода.

Количественные (числовые)

Рис. 2. Типы данных.

Тип получаемых данных (рис. 2.) необходимо также учиты­

вать на этапе планирования исследования при определении не­

обходимых объемов выборок (подробнее см. раздел 15.3).

1 Зд~~ь ~~eдyier ~.апомнить, в '!ем заклю'lа~еrся разница между понятиями "при­

знак и данные . Признаки (их также называют переменными) - это названия какой-либо характеристики объекта исследования (например, рост). Данные - набор конкр~еrных 'lисел для признака, полученный в исследовании. Один и тот же признак мож~еr быть описан разными данными и даже иногда данными разных

типов.

36

Глава 2. Типы данных

Принято выделять в качестве основных типов данных коли­

чественные и качественные.

КоличестlJеннь~е даннь~е в свою очередь подразделяются на

непрерывные и дискретные.

Непрерыlть~е даннь~е - это данные, которые получают при

измерении на непрерывной шкале, т.е. теоретически они могут

иметь дробную часть (но это не всегда возможно в связи с низкой точностью измерений). Примерами могут служить масса тела, рост,

артериальное давление. Непрерывные данные бывают интерваль­

нь~ми и относительнь~ми.

Интер6альнь~е даннь~е - вид непрерывных данных, кото­

рые измеряются в абсолютных величинах, имеющих физический

смысл.

Относительные данные - вид непрерывных данных, от­

ражающих долю изменения (увеличения или уменьшения) .ша­

чения признака по отношению к исходному (или какому-либо

другому) значению этого признака. Являются безразмерными ве­

личинами или выражаются в проgентах.

Дµскретнь~е данные ·- количественные данные, которые

не могут иметь дробную часть. Пример: количество детей. Качест6еннь~е данные подразделяются на номинальные и

порядковые.

Номинальные данные (иногда их таюке называют номина­ тивными) - вид качественных данных, которые отражают ус­ ловные коды неизмеряемых категорий (например, коды диаг­ ноза).

Порядко6ые данные - вид качественных данных, которые отражают условную степень выраженности какого-либо призна­ ка (например, стадии онкологического заболевания, степени сер­

дечной недостаточности). Их основное отличие от дискретных

количественных данных заключается в отсутствии пропорgиональ­

ной шкалы для измерения выраженности признака.

Бинарные ( дихотомичес'КUе) данные - особо выделяе­ мый вид качественных данных. Признак такого типа имеет лишь два возможных значения (например, пол, наличие или отсутст­ вие какого-либо заболевания).

Как для номинальных, так и для порядковых дискретных дан­

ных не могут быть определены "расстояния" между значениями,

так как для них не существуют интервальные измерительные

шкалы.

37

Статистический анализ медицинских данных ...

Обычно в научном исследовании встречаются данные разных

типов. Для определения типа данных компьютер обычно не ну­ жен. Достаточно просто задуматься над природой gифр. Это не­

обходимо делать для того, чтобы выбирать правильные способы описания параметров выборок и методы статистического анализа

(подробнее этот вопрос будет рассмотрен в соответствующих

главах).

Первый вопрос, на который должен ответить исследователь

по поводу каждого из изучаемых признаков - количественный он или качественный. Обычно это бывает сделать достаточно лег­

ко. Иногда затруднение вызывает дифференgирование количест­

венных дискретных и качественных порядковых данных. В этой

ситуаgии принgипиальное значение имеет природа шкалы изме­

рения: если "расстояния" между значениями на шкале равны, то

такие данные являются количественными дискретными (напри-

значениями на шкале не равны, то такие данные являются каче­

ственными порядковыми (например, число баллов для оgенки интенсивности головной боли).

Второй вопрос - как определить, является ли количествен­

ный признак дискретным или непрерывным. Здесь граниgа дос­ таточно условна. На практике реализуются разные подходы. Один из них состоит в том, что при значительном (превышающем 20)

числе различных значений дискретного признака его можно при­ ближенно считать непрерывным и использовать соответствую­ щие способы описания распределения и методы анализа, адек­

ватные виду его распределения на выборке (например, скорость

оседания эритроgитов определяется с точностью до миллимет­

ров, т.е. в дискретной шкале, но поскольку число возможнь1х значений больше 20, то приближенно можно считать данный

признак количественным непрерывным).

В отношении качественного признака вопрос состоит в том, является ли этот признак порядковым или номинальным. Поряд­

ковые признаки с большим количеством различных значений

(больше 20) таюке на практике принято считать приближенно

непрерывными (например, сумма баллов какой-либо шкалы для оgенки неврологического дефиgита, качества жизни и пр.). Для

номинальных признаков такой подход исключен.

Особым типом данных являются даты. Поскольку в ряде слу­

чаев бывает необходимо произвести с ними некоторые арифме-

38

Глава 2. Типы данных

тические действия (например, вычисление абсолютного периода

времени между двумя событиями по датам этих событий), сле­

дует обратить внимание на то, в каком формате в используемом

Вами статистическом пакете необходимо представлять даты. Иногда выделяют таюке некоторые особые подтипы данных,

являющиеся частными случаями вышеперечисленных типов:

ранги;

очки;

баллы;

визуальные аналоговые шкалы;

цензурированные данные.

Ранги и очки преимУIIJественно используются для полуколи­

чественной оценки параклинических параметров, а баллы - для суммарных оценок по клиническим шкалам. О цензурированных

данных см. более подробно в разделах 3.1.6 и 15.4.

39