Żeby sprawdzić, czy nowa szczepionka działa, badacze najpierw ustalają, jaki wynik chcą zmierzyć. Może to być częstość określonej choroby w podanym czasie. Następnie porównują grupę, której przydzielono badaną szczepionkę, z grupą kontrolną. Obliczają różnicę ryzyka i oceniają, jak precyzyjny jest wynik. Osobno zbierają dane o odpowiedzi odpornościowej i zdarzeniach dotyczących bezpieczeństwa.
Poniżej są fikcyjne dane z wymyślonego badania. Na ich podstawie można samodzielnie policzyć skuteczność, porównać dwa różne poziomy ryzyka i zobaczyć, dlaczego trzeba sprawdzić więcej niż jedną liczbę. Przykład nie dotyczy żadnego produktu, choroby ani decyzji o szczepieniu. Pokazuje, jak z pytania badawczego powstaje wynik, który można odczytać w raporcie naukowym.
Od jakiego pytania zaczyna się badanie
Zamiast pytać „czy szczepionka działa?”, zespół określa, przed czym ma chronić i u kogo chce to zbadać. W uproszczonym przykładzie pytanie brzmi „czy kandydat na szczepionkę zmniejsza ryzyko choroby z objawami potwierdzonej testem w ciągu trzech miesięcy obserwacji?”. Określono wynik oraz czas. Można teraz ustalić, jak rejestrować przypadki i porównać je w grupach.
Pytanie o chorobę z objawami różni się od pytania o każde zakażenie, niezależnie od objawów. Do wykrycia zakażeń bezobjawowych mogą być potrzebne regularne badania osób, które czują się dobrze. W badaniu skupionym na chorobie z objawami test może być wykonywany przede wszystkim po spełnieniu określonych warunków. Każdy projekt odpowiada na to pytanie, które wynika z przyjętej metody wykrywania zdarzeń.
Badacze określają również populację, na przykład przedział wieku i warunki udziału. Wynik dotyczy ludzi objętych badaniem oraz podobnych warunków, o ile są podstawy do takiego wnioskowania. Jeżeli w próbie uczestniczą tylko dorośli, przeniesienie liczby na dzieci wymaga dodatkowych danych. W raporcie warto więc czytać opis uczestników razem z procentem skuteczności, zamiast traktować te informacje osobno.
Do projektu wpisuje się czas rozpoczęcia liczenia zdarzeń. Może on przypadać na dzień przydziału do grupy lub zaczynać się po określonym czasie od zakończenia schematu badanego w próbie. Ten wybór wpływa na liczbę analizowanych przypadków. Sprawdź w protokole, jak uzasadniono okres i czy ta sama reguła obowiązywała w obu grupach. Dwa wyniki odnoszące się do innych okresów mogą dawać różne odpowiedzi.
Czym jest punkt końcowy i definicja przypadku
Punkt końcowy to wynik obserwowany w badaniu. Główny punkt końcowy jest najważniejszym wynikiem przewidzianym do odpowiedzi na pytanie badawcze. W przykładzie jest nim pierwszy przypadek choroby spełniający określoną definicję. Inne punkty mogą dotyczyć ciężkiej choroby, hospitalizacji albo wyników badań odporności. Liczby dla tych wyników mogą się różnić, ponieważ każde pojęcie ma inne warunki zaliczenia.
Definicja przypadku mówi, jakie obserwacje trzeba połączyć, aby policzyć zdarzenie. W fikcyjnym projekcie może to być wystąpienie określonego objawu wraz z dodatnim wynikiem testu wykonanego w opisanym oknie czasu. Takie same wymagania stosuje się w obu grupach. Jeżeli jednej grupie testuje się osoby z łagodnymi objawami, a drugiej tylko z cięższymi, liczby mogą odzwierciedlać różny sposób szukania przypadków.
Główny punkt końcowy i plan analizy zapisuje się przed sprawdzeniem wyników. Dzięki temu można później zobaczyć, czy najczęściej cytowany rezultat dotyczy pytania przewidzianego od początku. Analizy dodatkowe mogą podpowiedzieć nowe kierunki. W raporcie powinno być widać, czy dana obserwacja była częścią głównego planu, czy powstała po zauważeniu ciekawego wzoru w danych.
Przy czytaniu tabeli poszukaj definicji ciężkości choroby. „Ciężki przypadek” może oznaczać spełnienie określonych kryteriów klinicznych, a hospitalizacja zależeć również od dostępności opieki i praktyki przyjęć. W fikcyjnym badaniu punkty te mogą się częściowo pokrywać. Ich wyników nie wolno automatycznie zsumować, jeśli jedna osoba mogła zostać zaliczona do kilku kategorii. Raport powinien wyjaśnić, jak liczono osoby i zdarzenia.
Co sprawdza się przed dużym badaniem
Przed badaniami z udziałem ludzi zbiera się informacje laboratoryjne i przedkliniczne odpowiednie dla ocenianej technologii. Ocenia się między innymi, co wiadomo o kandydacie i jak jest wytwarzany. Program badań klinicznych zależy od produktu i pytania. Wczesne próby zwykle pomagają ocenić bezpieczeństwo, dobrać dawkę oraz sprawdzić, czy kandydat wywołuje mierzalną odpowiedź odpornościową.
W kolejnych fazach mogą brać udział większe i bardziej zróżnicowane grupy. Daje to możliwość porównania schematów, obserwacji działań niepożądanych oraz oceny wyników klinicznych. Fazy mogą się częściowo nakładać. Ważne jest to, jakie informacje zgromadzono przed przejściem dalej, jaki jest plan badania oraz kto nadzoruje jego wykonanie. Nazwa fazy sama w sobie nie wyjaśnia, co dokładnie sprawdzono.
Duża próba kliniczna może porównać liczbę przypadków choroby po przydzieleniu do dwóch grup. W niektórych programach wykorzystuje się także porównania odpowiedzi odpornościowej z wcześniej dobrze ocenioną szczepionką lub inne uzasadnione metody. Zależy to między innymi od wiedzy o tym, które miary odporności wiążą się z ochroną. Dlatego przeglądając opis badań, sprawdź, czy przedstawiono wynik chorobowy, marker odporności, czy oba rodzaje danych.
Ocena obejmuje ponadto jakość i powtarzalność wytwarzania. Dobry wynik jednego porównania nie opisuje samodzielnie całego produktu. Osoby oceniające dokumentację zestawiają informacje o składzie, produkcji, bezpieczeństwie i działaniu. W tym poradniku skupiamy się na rozumieniu jednego porównania grup. W opisie prawdziwego produktu trzeba sprawdzić, do którego pytania odnosi się każda przedstawiona tabela.
Po co potrzebna jest grupa kontrolna
W pojedynczej grupie część osób może zachorować niezależnie od tego, czy szczepionka wywiera oczekiwany efekt. Żeby ocenić działanie, trzeba wiedzieć, jak często to samo zdarzenie wystąpiło w odpowiedniej grupie porównawczej w podobnym czasie. Przy mniejszej liczbie przypadków w grupie badanej pojawia się podstawa do obliczenia różnicy ryzyka i do sprawdzenia, czy można ją powiązać z przydzieloną interwencją.
Grupa kontrolna może otrzymać placebo albo odpowiedni aktywny preparat porównawczy. Wybór zależy od pytania, dostępności sprawdzonej ochrony i oceny etycznej. Gdy istnieje skuteczna metoda, wykorzystanie placebo wymaga szczególnego uzasadnienia i oceny ryzyka. Wynik porównania z inną szczepionką trzeba czytać jako rezultat względem tej szczepionki. Nie opisuje bezpośrednio różnicy względem osób bez ochrony.
W fikcyjnym przykładzie używamy placebo i zakładamy, że plan porównania został dopuszczony w ramach oceny etycznej. Upraszcza to rachunek, bo obie grupy mają taką samą liczebność, podobny okres obserwacji i taką samą definicję przypadku. Prawdziwe badanie może mieć dodatkowe wymagania. Uczestnikom wyjaśnia się procedury i ryzyka zgodnie z warunkami świadomego udziału, a niezależna ocena dotyczy również ochrony ich praw.
Na końcu zapytaj, czy grupa kontrolna odpowiada pytaniu przedstawionemu w tytule pracy. Jeżeli badanie porównuje dwie szczepionki pod względem odpowiedzi odpornościowej, nie można na podstawie samej tej tabeli wyliczyć odsetka zachorowań względem placebo. Właściwa interpretacja musi zachować nazwę porównania oraz rodzaj mierzonego wyniku. To jedna z najważniejszych informacji przy streszczaniu badania w jednym zdaniu.
Jak działa losowy przydział i zaślepienie
Losowy przydział oznacza, że uczestnicy trafiają do grup zgodnie z wcześniej ustaloną procedurą losowania. Zmniejsza to ryzyko, że badacz lub uczestnik wybierze grupę na podstawie cechy związanej z przyszłym zachorowaniem. W dużej próbie losowanie sprzyja podobnemu rozkładowi cech. Poszczególne cechy nadal mogą się różnić przez przypadek, dlatego raport zwykle pokazuje ich zestawienie dla obu grup.
Można przećwiczyć samą ideę na dwudziestu papierowych kartach symbolizujących uczestników. Na kilku kartach zaznacz wyobrażoną cechę, na przykład częste przebywanie w tłumie. Potasuj karty, pierwszych dziesięć przypisz grupie A, resztę grupie B. W powtórzeniu rozkład oznaczeń może się zmienić. Losowanie pozwala rozdzielać według procedury bez świadomego wybierania, choć nie gwarantuje identycznego wyniku na każdym małym zestawie.
Zaślepienie dotyczy wiedzy o przydziale po jego dokonaniu. Może obejmować uczestników, osoby prowadzące badanie albo osoby oceniające wyniki, zależnie od projektu. Jeżeli osoba przydzielona do grupy wie, co otrzymała, może inaczej zgłaszać objawy lub zachowywać się podczas obserwacji. Jeśli zaślepienie jest możliwe, zmniejsza część takich różnic. W raporcie warto sprawdzić, kto dokładnie nie znał przydziału.
Losowanie i zaślepienie rozwiązują różne problemy. Pierwsze dotyczy tworzenia porównywanych grup, drugie postępowania podczas badania i oceny wyników. Do wiarygodnego porównania potrzebne są również podobne zasady obserwacji oraz sposób postępowania z brakującymi danymi. Gdy badanie jest otwarte, można czasem ograniczyć ryzyko błędu przez użycie obiektywnych kryteriów lub niezależną ocenę zdarzeń. Trzeba wtedy sprawdzić, jak to zrobiono.
Jak policzyć skuteczność na fikcyjnych danych
Załóżmy, że po tysiąc osób trafiło do dwóch grup i każdą obserwowano przez trzy miesiące. W grupie kontrolnej rozpoznano 50 przypadków choroby według przyjętej definicji. W grupie badanej stwierdzono 20 przypadków. Dla uproszczenia mamy pełne dane wszystkich uczestników i liczymy po jednym pierwszym zdarzeniu na osobę. Te założenia pozwalają obliczyć ryzyko jako liczbę przypadków podzieloną przez liczbę obserwowanych osób.
W grupie kontrolnej 50 na tysiąc daje 5 procent. W grupie badanej 20 na tysiąc daje 2 procent. Iloraz ryzyka wynosi 2 podzielone przez 5, czyli 0,4. Oznacza to, że ryzyko w grupie badanej stanowiło 40 procent ryzyka kontrolnego. Szacowana względna redukcja ryzyka wynosi więc 60 procent. W tym uproszczonym projekcie właśnie tak wyrażamy skuteczność wobec zdefiniowanego wyniku.
Można policzyć to również jako różnicę 5 minus 2, czyli 3 punkty procentowe, podzieloną przez wyjściowe 5 procent w grupie kontrolnej. Wynik to trzy piąte, czyli 60 procent. W tym rachunku pytamy, jaką część ryzyka kontrolnego stanowi różnica między grupami. Przy każdym przeliczeniu pamiętaj o jednostce. Trzy punkty procentowe opisują różnicę bezwzględną, a 60 procent różnicę odniesioną do ryzyka kontrolnego.
Jedno zdanie do raportu może brzmieć „W ciągu trzech miesięcy wystąpiło 20 przypadków na tysiąc osób w grupie badanej i 50 na tysiąc w kontrolnej, co daje oszacowanie względnej redukcji ryzyka na 60 procent”. Dodanie populacji i definicji przypadku określa zakres. Taki opis pozwala samodzielnie przeliczyć dane i ustalić, jak dużą zmianę odnotowano przy konkretnym ryzyku wyjściowym.
Dlaczego nie można porównywać samych liczb przypadków
Wyobraź sobie dwie grupy o innej wielkości. W grupie kontrolnej odnotowano trzy przypadki wśród stu osób, a w badanej sześć wśród trzystu. Druga liczba przypadków jest większa, ale ryzyko wynosi 2 procent, podczas gdy w pierwszej grupie 3 procent. Względna redukcja ryzyka wynosi w przybliżeniu jedną trzecią. Na podstawie samej liczby sześć można byłoby błędnie odczytać kierunek różnicy.
W prawdziwych badaniach uczestnicy mogą być obserwowani przez różny czas. Niektórzy dołączają później, część kończy udział wcześniej. W zależności od projektu analiza może uwzględniać czas pozostawania pod obserwacją lub stosować inne metody. Nie da się wtedy bez dodatkowych informacji traktować liczby osób w obu grupach tak samo jak w przykładzie z jednakowym okresem i pełnymi danymi.
Sprawdź mianownik w każdej tabeli. Może dotyczyć wszystkich wylosowanych uczestników, określonej populacji objętej analizą lub osób z dostępnym pomiarem. W jednej publikacji wyniki skuteczności i bezpieczeństwa mogą być przedstawiane dla różnych zestawów osób. Tabela powinna określać, kogo uwzględniono. Jeżeli liczba uczestników zmienia się między wynikami, trzeba przeczytać przyczynę, zanim porówna się procenty.
W domowym ćwiczeniu zapisz obok siebie dwa przykłady. Najpierw użyj 20 i 50 przypadków przy równych grupach, później sześć i trzy przy grupach nierównych. Przy każdym podaj liczbę przypadków, liczebność, ryzyko i kierunek różnicy. Jeśli wniosek opiera się na porównaniu ilorazów, można go obronić nawet wtedy, gdy jedna grupa liczy znacznie więcej osób niż druga.
Jak ten sam procent zmienia znaczenie przy innym ryzyku wyjściowym
W pierwszym przykładzie ryzyko w grupie kontrolnej wynosiło 5 procent, a w badanej 2 procent. Załóżmy teraz, że 50 i 20 przypadków zanotowano w znacznie większych grupach, po 10 tysięcy osób. Wtedy ryzyko wynosi odpowiednio 0,5 i 0,2 procent. Iloraz nadal jest równy 0,4, a względna redukcja nadal wynosi 60 procent. Zmieniła się różnica bezwzględna.
Przy niższym ryzyku różnica wynosi 0,3 punktu procentowego. W przeliczeniu na tysiąc uczestników to trzy przypadki mniej w okresie badania. W pierwszym przykładzie różnica wynosiła 3 punkty procentowe, czyli trzydzieści przypadków na tysiąc. Obie obserwacje można zapisać bez przypisywania pojedynczej osobie pewnego wyniku. To porównania oczekiwanej lub obserwowanej częstości zdarzeń w grupach.
Taki rachunek przydaje się, gdy komunikat podaje tylko względną zmianę. Zapytaj, jaki był odsetek przypadków w grupie odniesienia i jaki okres przyjęto. Informacje o ryzyku mogą wyglądać inaczej w sezonie z dużą liczbą zachorowań oraz w spokojniejszym okresie. Nie oznacza to automatycznie, że iloraz pozostanie taki sam. Porównanie jest ćwiczeniem pokazującym, jak zmiana podstawy wpływa na różnicę bezwzględną.
Przy czytaniu wiadomości dopisz obie wielkości w tym samym zdaniu. „Z pięciu do dwóch procent w trzy miesiące” daje inny punkt odniesienia niż „spadek o 60 procent”. Oba zapisy opisują tę samą zmianę w pierwszym zestawie danych. W drugim zestawie poprawne zdanie mówi o 0,5 i 0,2 procent. Liczba uczestników pozwoli jeszcze sprawdzić, ile konkretnych zdarzeń uwzględniono.
Co zmienia odczyt wyniku dla ciężkiej choroby
Załóżmy, że w głównym fikcyjnym badaniu z 50 przypadków choroby w grupie kontrolnej siedem spełniło także kryteria ciężkiego przypadku. W grupie badanej były dwa takie przypadki spośród dwudziestu. Aby porównać ryzyko ciężkiej choroby w całych grupach, użyjemy siedmiu i dwóch przypadków na tysiąc uczestników, zgodnie z przyjętym okresem. Przypadki ciężkie są już częścią całkowitych liczb pięćdziesiąt i dwadzieścia.
Można zadać inne pytanie o to, jaki odsetek osób z rozpoznaną chorobą miał ciężki przebieg. Wtedy porównuje się siedem z pięćdziesięciu i dwa z dwudziestu. Powstają wartości 14 i 10 procent. Taki rachunek opisuje skład zaobserwowanych przypadków. Obie grupy osób, które mimo przydziału zachorowały, mogą różnić się pod względem cech i okoliczności, więc prosty podział nie wystarcza do wniosku przyczynowego o nasileniu choroby po zachorowaniu.
Przed połączeniem wyników zobacz, czy ciężka choroba była zaplanowanym punktem końcowym i ile zdarzeń zebrano. Różnica między dwiema i siedmioma obserwacjami może wyglądać wyraźnie w procentach, a oszacowanie oparte na małej liczbie zdarzeń będzie zwykle mało precyzyjne. Raport powinien pokazać liczby przypadków oraz miarę niepewności. Nie dopisujmy do przykładu wniosków, których jego wielkość nie pozwala uzasadnić.
Podczas porównywania wyników zachowaj w zdaniu nazwę punktu końcowego. „Ryzyko choroby według definicji w protokole” i „ryzyko ciężkiego przypadku” to dwa różne wnioski. Jeśli publikacja przedstawia wynik główny i kilka wyników dodatkowych, zacznij od głównego, a następnie sprawdź znaczenie pozostałych. W ten sposób łatwiej uniknąć przenoszenia wartości odnoszącej się do jednego wyniku na wszystkie skutki zdrowotne.
Jak czytać przedział ufności obok skuteczności
Oszacowanie 60 procent pochodzi z konkretnej próby. Gdyby przeprowadzić porównywalne badanie ponownie, liczby przypadków mogłyby się różnić. Przedział ufności pokazuje niepewność wynikającą z losowej zmienności danych przy założeniach zastosowanej metody. Przy metodzie o poziomie ufności 95 procent w wielu odpowiednich powtórzeniach około 95 procent obliczonych przedziałów objęłoby szukaną wartość. To własność sposobu wyznaczania przedziału.
Dla fikcyjnych 20 i 50 przypadków przy dwóch grupach po tysiąc można otrzymać przybliżony 95-procentowy przedział skuteczności od około 33 do 76 procent. Użyto uproszczonego obliczenia na logarytmie ilorazu ryzyk. Gdyby grupy miały po dziesięć tysięcy osób i wystąpiło 200 oraz 500 przypadków, ryzyka nadal wynosiłyby 2 i 5 procent, a przedział byłby węższy, około 53 do 66 procent.
Oba przykłady mają takie samo oszacowanie punktowe, lecz inną precyzję. W drugim porównaniu liczba zaobserwowanych zdarzeń jest większa, więc w użytym modelu wynik ma mniejszą niepewność losową. W rzeczywistym badaniu sposób obliczania przedziału zależy od projektu i planu analizy. Metoda z tego przykładu może nie pasować do bardzo rzadkich zdarzeń, nierównych okresów obserwacji albo analizy uwzględniającej dodatkowe zmienne.
Przedział nie uwzględnia sam z siebie wszystkich możliwych błędów. Gdyby jedna grupa częściej zgłaszała objawy i trafiała na test, dokładnie obliczony przedział nie naprawiłby różnicy w sposobie wykrywania przypadków. Dlatego obok niepewności statystycznej sprawdza się jakość projektu, porównywalność obserwacji i to, czy dane odpowiadają pytaniu. Szeroki przedział może być ważną informacją, a wąski nie zastąpi opisu metody.
Co zrobić z brakującymi danymi w badaniu
W fikcyjnym rachunku wszystkie osoby obserwowano tak samo długo. W praktyce ktoś może się przeprowadzić, odwołać wizytę lub wycofać zgodę na dalszy udział. W takiej sytuacji trzeba ustalić, jak traktować dane dostępne do tej pory i czego już nie można ustalić. W raporcie szukaj liczby osób, które przerwały udział, oraz informacji, kiedy i z jakiego powodu to nastąpiło.
Jeżeli w grupie badanej brak końcowych danych u wielu uczestników, a w kontrolnej u kilku, sprawdź, czy może to wpływać na porównanie. Na przykład osoby z objawami mogły częściej nie wracać na wizytę w jednej z grup. Gdyby przyjąć, że każdy bez wyniku pozostał zdrowy, część przypadków mogłaby zniknąć z liczenia. Analiza powinna pokazać przyjęte założenia i ich możliwe skutki.
Różne analizy mogą odpowiadać na inne pytania. Analiza według przydzielonych grup próbuje zachować porównanie wynikające z losowania. Inna może obejmować uczestników, którzy spełnili określone warunki protokołu. W każdym przypadku trzeba sprawdzić, jakie dane były dostępne i jak je wykorzystano. Samo przypisanie do pierwotnej grupy nie tworzy informacji o wyniku, którego już nie da się zebrać.
W ćwiczeniu dopisz do pierwotnej tabeli, że w jednej grupie dziesięć osób nie ukończyło obserwacji. Zanim przeliczysz procent, określ, czy znasz ich wyniki do daty ostatniego kontaktu, czy nie masz żadnych informacji. Porównaj dwa różne założenia i zobacz, czy wniosek pozostaje podobny. W prawdziwym badaniu taki sprawdzian wrażliwości może pomóc ocenić, na ile wynik zależy od sposobu postępowania z brakami.
Co mówi odpowiedź odpornościowa
Badacze mogą mierzyć przeciwciała lub inne wskaźniki odpowiedzi odpornościowej. Jest to ważne przy porównywaniu dawek, schematów i grup uczestników. Przy czytaniu wyniku sprawdź, co dokładnie mierzono, kiedy pobierano próbki i w jakiej jednostce podano rezultat. Różne testy mogą mierzyć różne własności odpowiedzi, więc dwie podobnie wyglądające liczby nie zawsze opisują to samo.
W określonych sytuacjach znany marker odporności ma potwierdzony związek z ochroną przed konkretną chorobą. Wtedy pomiar może wspierać ocenę działania. Europejska Agencja Leków opisuje również przypadki, w których porównanie odpowiedzi z wcześniej ocenioną szczepionką może dostarczyć odpowiednich danych. Takie podejście wymaga uzasadnienia. Sama informacja, że po podaniu preparatu wykryto przeciwciała, nie określa procentu osób, które zachorują.
Wyobraź sobie dwa fikcyjne wyniki badań. Jeden opisuje odpowiedź mierzoną miesiąc po ostatniej dawce. Drugi opisuje przypadki choroby przez następne trzy miesiące. Pierwszy może pomóc ocenić, czy organizm zareagował zgodnie z oczekiwaniem. Drugi opisuje częstość danego zdarzenia w próbie. Przy połączeniu informacji trzeba znać związek między przyjętym markerem i wynikiem klinicznym w badanej sytuacji.
Sprawdź również, dla kogo wykonano pomiar. W raporcie odpowiedź odpornościowa może być oceniana w podgrupie, a wyniki kliniczne w całej próbie. Przy odczycie wyniku podaj liczbę uczestników objętych analizą. Pozwala to zobaczyć, czy dwie tabele mówią o tym samym zestawie osób. W przypadku podgrupy warto sprawdzić, według jakiej reguły wybrano osoby do pomiarów.
Jak bada się bezpieczeństwo w czasie próby
Skuteczność i bezpieczeństwo mają odrębne miary. W badaniach zbiera się informacje między innymi o czasie wystąpienia zdarzenia, jego charakterze i ciężkości, a także o tym, jak często podobne zdarzenia pojawiają się w grupie kontrolnej. Protokół określa, które objawy są zapisywane aktywnie i jak długo trwa zbieranie danych. Sam fakt wystąpienia objawu po podaniu szczepionki nie rozstrzyga o jego przyczynie.
Załóżmy, że w fikcyjnym badaniu podano wyłącznie liczbę uczestników zgłaszających ból głowy w pierwszych dniach. Można porównać odsetki między grupami, o ile pytano o ten sam okres i w taki sam sposób. Nie da się z tego jednego wyniku odczytać wszystkich problemów zdrowotnych ani zdarzeń późniejszych. Sprawdź listę monitorowanych zdarzeń oraz okres obserwacji bezpieczeństwa oddzielnie od okresu analizy skuteczności.
Nawet duże badanie może nie ujawnić bardzo rzadkiego zdarzenia. Jeżeli w określonej grupie nie odnotowano żadnego przypadku, wiemy, co widziano w tej próbie. Dokładność wniosku zależy od liczby uczestników i czasu obserwacji. Dłuższe lub szersze monitorowanie pozwala zebrać dodatkowe informacje. Dlatego zera w tabeli badania nie należy czytać jako gwarancji zera w każdej większej grupie.
Na etapie analizy badacze mogą sprawdzać, czy rodzaj, liczba lub czas zdarzeń w jednej grupie różnią się od drugiej. Wynik może wymagać dodatkowego wyjaśnienia, zwłaszcza przy małej liczbie obserwacji. Ważne jest też to, czy wystąpienie zdarzenia doprowadziło do przerwania udziału i jak takie przypadki opisano. Takie informacje pomagają zrozumieć, jak dane bezpieczeństwa zebrano i oceniono.
Co zmienia się po dopuszczeniu szczepionki
Po dopuszczeniu regulatorzy nadal monitorują bezpieczeństwo oraz informacje o działaniu podczas stosowania w praktyce. Do tego mogą wykorzystywać zgłoszenia podejrzewanych działań niepożądanych i wyniki dodatkowych badań. Zgłoszenie może być pierwszą informacją o problemie wymagającym sprawdzenia. Samo wystąpienie kilku podobnych zdarzeń nie przesądza, że spowodował je produkt. Do oceny potrzebne są dane o kontekście, czasie i możliwych innych przyczynach.
W niektórych ocenach porównuje się liczbę obserwowanych zdarzeń z tym, ilu można by się spodziewać w podobnej populacji i okresie. Na takie porównanie wpływa między innymi jakość zgłoszeń i sposób wybrania danych odniesienia. Jeśli jedną liczbę zebrano w inny sposób niż drugą, różnica wymaga ostrożnej interpretacji. Większa liczba zgłoszeń może uzasadniać sprawdzenie przyczyny, a dalsze badania pomagają ocenić, co rzeczywiście się wydarzyło.
Monitorowanie działania w praktyce odpowiada na pytania dotyczące ludzi i warunków, które nie zostały w pełni ujęte w próbie. Zmiany w czasie mogą wiązać się z poziomem narażenia, zmianami drobnoustroju, upływem czasu lub różnicami między grupami. Badacze określają, na jaki wynik i okres patrzą. W komunikacie warto zachować tę informację razem z procentem, szczególnie gdy zestawia się różne okresy.
Gdy czytasz o sygnale bezpieczeństwa, zapisz najpierw, na jakim etapie jest ocena. „Zgłoszono”, „badano związek” oraz „oceniono, że dane go potwierdzają” przekazują różne informacje. Podobnie w analizie działania odróżnij wstępną obserwację od wyników zakończonego badania. Taki sposób czytania pozwala śledzić, jak wraz z nowymi danymi zmieniają się pytania i poziom pewności wniosków.
Jak odróżnić skuteczność z próby od działania w praktyce
Skuteczność w próbie opisuje wynik w warunkach zaplanowanego badania. Działanie w praktyce, często określane angielskim słowem effectiveness, opisuje wyniki w rzeczywistych warunkach. Populacje mogą mieć inny skład, różną częstość narażenia i odmienny dostęp do testów lub opieki. Wyniki mogą też dotyczyć różnych okresów po podaniu. Każdy z tych elementów warto sprawdzić przed oceną, dlaczego dwa odsetki się różnią.
W badaniu obserwacyjnym osoby, które otrzymały szczepionkę, mogą różnić się od tych, które jej nie otrzymały. Na przykład mogą częściej pracować w miejscach o dużej liczbie kontaktów albo częściej korzystać z opieki zdrowotnej. Badacze stosują metody ograniczające wpływ takich różnic. W raporcie warto zobaczyć, które cechy rzeczywiście uwzględniono i jak dobrano grupę porównawczą.
Wyobraź sobie dwie publikacje. Pierwsza podaje 60 procent dla choroby z objawami w ciągu trzech miesięcy. Druga opisuje inną liczbę dla hospitalizacji w półrocznym okresie. Bez dodatkowych informacji nie da się przypisać różnicy jednej przyczynie. Zmieniły się między innymi wynik, długość obserwacji i możliwe cechy populacji. Porównanie ma sens dopiero po zapisaniu wspólnych i odmiennych warunków obu prac.
Przed zestawieniem dwóch wyników zrób krótką tabelę. W kolejnych wierszach podaj populację, grupę odniesienia, zdarzenie, okres, sposób wykrywania przypadków oraz oszacowanie z przedziałem. Zobacz, które wartości mają to samo znaczenie. Jeżeli artykuły odpowiadają na różne pytania, można przytoczyć oba wnioski oddzielnie. Próba uśrednienia ich bez porównywalnych danych utrudniłaby zrozumienie każdego badania.
Dlaczego liczba uczestników to tylko część planu
Zespół, który planuje badanie skuteczności, musi oszacować, ile przypadków choroby można się spodziewać. Jeśli w czasie próby będzie mało zachorowań w obu grupach, nawet duża liczba zapisanych osób może nie wystarczyć do precyzyjnego porównania. W niektórych projektach moment głównej analizy wyznacza z góry ustalona łączna liczba zdarzeń. Obserwacja trwa wtedy do uzyskania danych potrzebnych w zaplanowanym porównaniu, zgodnie z protokołem.
Wróć do dwóch fikcyjnych przykładów. W jednym przebadano po tysiąc osób i zliczono w sumie 70 przypadków. W drugim uczestników było po dziesięć tysięcy, ale w warunkach niższego ryzyka również uzyskano 70 przypadków. Duża różnica liczby uczestników nie spowodowała dziesięciokrotnego wzrostu liczby zdarzeń. Sama liczba uczestników nie mówi, ile informacji zebrano o rzadko występującym wyniku.
Jeśli w publikacji pojawia się analiza przeprowadzona jeszcze przed końcem badania, sprawdź, czy przewidziano ją w protokole. Wielokrotne sprawdzanie wyników i zatrzymanie próby po wyjątkowo korzystnym odczycie może utrudnić interpretację. W badaniu z planowanymi analizami pośrednimi określa się warunki sprawdzenia danych i zasady decyzji. W opisie wyniku warto wskazać, czy pochodzi z analizy pośredniej, czy z końcowej.
Z tego samego powodu sprawdź czas obserwacji. Zebrane wcześniej dane mogą dobrze opisywać krótszy okres, ale niewiele mówić o tym, co dzieje się po roku. Nawet gdy pierwsza analiza daje dokładny wynik, odpowiedź dotycząca czasu utrzymywania się ochrony wymaga odpowiednio długiej obserwacji. Można zapisać oba pytania oddzielnie i sprawdzić, czy publikacja w ogóle planowała udzielić odpowiedzi na każde z nich.
Jak odczytać wyniki w kilku podgrupach
Raport może przedstawiać wyniki według wieku lub innej ważnej cechy uczestników. Każdy taki wynik ma własną liczbę przypadków, grupy porównawcze oraz przedział ufności. Jeżeli w jednej podgrupie odnotowano znacznie mniej zdarzeń, jej wynik może być mniej precyzyjny. Warto przeczytać liczby obok procentu, zanim uzna się, że różnica między podgrupami wskazuje na inną odpowiedź na szczepionkę.
Wyobraź sobie, że w fikcyjnej podgrupie A oszacowanie wynosi 60 procent, a w B 45 procent. Różnica między tymi dwiema liczbami jest widoczna w tabeli, ale do oceny różnicy działania potrzebny jest odpowiedni test lub oszacowanie porównujące efekty, zgodnie z projektem. Porównanie, w którym jeden wynik spełnia wybrane kryterium statystyczne, a drugi go nie spełnia, samo w sobie nie dowodzi różnicy między grupami.
Gdy autorzy sprawdzają wiele podgrup, niektóre odczyty mogą wyglądać niezwykle po prostu przez przypadek. Zobacz, które porównania zaplanowano przed badaniem, ile wykonano i czy przedstawiono ich ograniczenia. Wynik odkryty po przejrzeniu danych może wskazać pytanie dla nowego badania. W krótkim podsumowaniu zapisz, czy dana obserwacja była potwierdzająca, czy przede wszystkim pomagała sformułować hipotezę.
Jak sprawdzić własną interpretację na trzech zadaniach
Pierwsze zadanie polega na odczytaniu dwóch grup po tysiąc osób z pięćdziesięcioma i dwudziestoma przypadkami. Wypisz ryzyka i oblicz dwie miary. Poprawny zapis to pięć i dwa procent, różnica trzech punktów procentowych i względna redukcja o 60 procent. W pełnym zdaniu dopisz czas obserwacji oraz określenie choroby zgodne z definicją przypadku. Bez nich liczba ma szersze brzmienie, niż pozwalają dane.
Drugie zadanie używa takiej samej liczby przypadków w grupach po 10 tysięcy osób. Oblicz wyniki ponownie i porównaj je z pierwszym przykładem. Procentowa redukcja pozostanie na poziomie 60, natomiast różnica wyniesie 0,3 punktu procentowego. Jeżeli w jednym miejscu wpiszesz po prostu „0,3 procent mniej”, dodaj właściwą jednostkę. Dwie miary odpowiadają na inne pytania i powinny być zapisane oddzielnie.
Trzecie zadanie dotyczy wniosku z niepełnego opisu. Jeżeli czytasz „60 procent skuteczności” i nic więcej, wypisz trzy pytania potrzebne do interpretacji. Można zacząć od „skuteczności wobec czego?”, „względem jakiej grupy?” oraz „w jakim okresie?”. Następnie sprawdź liczbę przypadków i przedział ufności. Te informacje pozwalają ocenić zakres oraz precyzję wyniku bez zgadywania szczegółów badania.
Na końcu spróbuj przeczytać inną publikację o badaniu bez zapamiętywania od razu głównego procentu. Zacznij od pytania, grup i sposobu wykrywania zdarzeń, a dopiero potem przejdź do liczb. Sprawdź, czy wynik dotyczy odporności, choroby czy bezpieczeństwa. Na podstawie tego wybierz jedno zdanie, które da się obronić przy podanych danych, i jedną rzecz, której badanie jeszcze nie wyjaśnia.