Можно считать итогом вебинара)

Как думаете, в чем проблема informative censoring в онкологических исследованиях?

Наш слон 💪

Простите, оффтоп, но я с этого ору просто

- Никита, как вы сами используете ИИ в науке?
- Мемы генерирую

Подходите на секцию
У нас тут плохой звук, душно, но я планирую в конце чуть поправить это 😁

В прошлый раз моргал свет при упоминании меня, в этот раз были проблемы со звуком 😁
Спасибо всем, кто был. Надеюсь было интересно 🔥

P.S. позже выложу презентации свои

Вышла статья Б.О. Соколова о целевых каузальных эффектах. Несмотря на то, что в названии указаны социальные исследования, для медицины это тоже актуально. Поэтому рекомендую ознакомиться (даже переводчиком пользоваться не нужно 😱)

*Полный текст в комментах

Последние несколько дней наблюдаю за одним феноменом 😁
Люди решили перед новым годом избавиться от токсичности?)

ОТПУСТИ И ЗАБУДЬ

Прочитав несколько статей я понял, что ничего не понял про informative censoring.
Точнее, проблема есть, но она не статистическая, а скорее методологическая (на мой взгляд).

Судя по публикациям, данный феномен встречается для суррогатных исходов в анализе выживаемости, таких как выживаемость без прогрессирования (PFS), безрецидивная выживаемость (DFS) и др. [1, 2].
В то же время часто (но не всегда) он встречается, когда лечение (single arm или experimantal group) токсичное, приводит к нежелательным явлениям (AEs), или пациенты не хотят получать назначенное лечение [3]. И логично, что больше этому подтверждены исследования с наблюдательным дизайном.

Но что происходит не так, как надо? Чтобы разобраться, надо понять, а как надо.

В анализе выживаемости есть такое понятие как цензурирование [4]. В онкологических исследованиях мы отслеживаем, случился ли интересующий нас исход у пациента. Вечно наблюдать мы не можем (нет ресурсов, времени, пациент переехал, перестал приходить и т.п.), а значит может случиться ситуация, когда у пациента исход наступил, но мы об этом не знаем (или не наступил, и мы тоже этого не знаем). Но какая-то информация у нас есть: например, последний прием пациента, когда мы с ним встречались, и у него не был зафиксирован исход (рецидив/прогрессирование). Мы можем ее использовать, отметить, что исхода нет, и записать сколько времени его пронаблюдали до этого последнего визита. Такой подход и называется цензурированием.
В идеале, нам нужно максимально долго пронаблюдать всех пациентов, независимо от лечения, характеристик пациентов и других факторов.
Если я верно понимаю, то нарушение независимости цензурирования, приводит к информативному (или это одно и то же, тут похоже мнения разнятся [5, 6, 7]), т.е. механизм цензурирования содержит какую-то информацию о параметре ковариаты [8]. Что ведет к смещению результатов.

Как пример, пациент получает достаточно токсичное лечение, что постепенно приводит к отказу от него. Он перестает наблюдаться у онколога и/или принимать лечение и пр. (и скорее всего рано достигнет исхода, т.е. у него высокий риск исхода). Исследователь не озаботился сохранить контакты с пациентом. А значит такого пациента в исследовании зацензурируют. И если это происходит у большого количества пациентов (в группе токсичного лечения), то это вызывает смещение оценки (в данном случае переоценка эффекта, т.к. "слабые" не наблюдались, остались "сильные") [1, 3].

Из вышеописанного можно обратить внимание на то, что действия исследователя/врача приводят к появлению проблемы. Следовательно необходимо профилактировать такое развитие событий.

Возможно в исследовании нужно заранее определиться с минимальным/рекомендуем периодом наблюдения за пациентом (например, 3 или 5 лет) и использованием удобных для пациента каналов связи. Это поможет сохранить большинство пациентов.

Как выявить данный феномен? Предлагаются разные методы оценки наличия информированного цензурирования: обратный метод Каплана-Мейера [9], графическая оценка количества символов цензурирования на кривых Каплана-Мейера, описание цензурирования в разделе "Материал и методы", сравнение AEs между группами [3], восстановления данных и моделирования [1].

И разные методы ее коррекции: множественная импутация (рассматривать механизмы цензурирования, как механизмы пропусков) [10], анализ чувствительности [11], байесовский подход (куда же без него) [12], замена конечной точки с использование модели конкурирующих рисков [1].

Но простых ответов как выявлять и исправлять нет, как и полного понимания...

@Ebm_base

Вспомнил один из ярких моментов канала 😁
Кто знает, тот знает)

Поддержу общий итог
Это самый популярный пост