Не могу не поделиться этим здесь 😁
#bias

А помните у меня была идея провести лекцию по докмеду
Будет. Буду делать
Попробую сделать упор на то, как это помогает решать клинический вопрос + небольшая оценка статьи (как одного из этапов)

НЕ ХУЖЕ ≠ ЛУЧШЕ
⠀
❗Non-inferiority trial (нормального перевода нет, но мне нравится - ИССЛЕДОВАНИЯ НЕ МЕНЬШЕ РЕЗУЛЬТАТИВНОСТИ)❗
⠀
Направлено показать, что экспериментальное лечение не хуже контроля 🤷🏻‍♂️
⠀
"Золотой стандарт" исследований (рандомизированное плацебо-контролируемое двойное-слепое) в основном относится к типу superiority (исследование превосходства). То есть нужно показать, что новый препарат лучше контроля 📈
⠀
Но если результат не лучше? Это обязательно хуже?
Нет, вот здесь и место non-inferiority trial.
⠀
⚠️Обязательно для его проведения используется предел (δ, non-inferiority margin) результата⚠️
⠀
🟥Если результат исследования НИЖЕ предела, то делается вывод, что новое лечение ХУЖЕ стандартного.
⠀
🟩Однако, если ВЫШЕ, то мы говорим, что новое лечение НЕ ХУЖЕ стандартного.
⠀
Выбор δ является критически важным аспектом. Часто выбирается на основе суждения со ссылкой на источник.
⠀
❗Т.е. с самого начала КИ должно быть разработано так, чтобы показать, что эффект нового лечения хуже, но не более чем на заранее определенную величину❗
⠀
И когда же может потребоваться такое?
⠀
📍Соответствует ли новое лечение по эффективности стандарту (неэтично сравнивать с плацебо), имея при этом вторичные преимущества (безопасность, экономическая выгода)
📍Сравнение существующих эффективных методов лечения между собой или с установленным "золотым стандартом"
📍Соответствие эффективности дженериков/аналогов оригинальному препарату (но в идеале для этого использовать КИ на эквивалентность)
⠀
И всегда нужно помнить о различных подводных камнях:
🔹Нельзя делать вывод, что один из методов лучше (только "хуже"/"не хуже")
🔹Достаточно непростой правильный расчет δ
🔹Больший размер выборки (чем для superiority)
🔹Не "золотой стандарт" исследований
🔹Необходимо проводить коррекцию статистического анализа
🔹Использовать ITT и PP анализов (используя только один можно получить смещение результатов)
⠀
Non-inferiority trial достаточно интересный тип КИ, но (мне кажется 👨🏻‍⚕️) немного недооценённый. Почему-то важнее показать, что новое всегда "лучше", а не "не хуже"🙀
⠀
#ebm_дизайн

Нас интересует стрелочка B

Когда уже провел весь анализ и написал статью, а потом вспомнил, что забыл сделать поправку на конфаундеры и получил незначимые результаты

ПОПРАВЬТЕ ВАШ ФАКТОР
⠀
Всем страшен confounding. Положительные исследования превращает в негативные, негативные в положительные, скрывает правду, путает наблюдения - как бы проще без него жилось... 🤥
⠀
Мы знаем, что есть методы позволяющие его избежать в начале КИ (рандомизация/стратификация). Но что делать, когда уже все собрано без них (post hoc)? 😱
⠀
❗Скорректированный (adjusted) анализ❗
Это включение в стат анализ факторов/характеристик/ковариант, которые могут влиять на исход➡️
⠀
Мы как бы фиксируем (либо учитываем их влияние) коварианты, чтобы скорректировать оценку эффекта🦾
⠀
⚠️Например, мы пытаемся найти причину тяжелого заболевания ТВ. Находим, что фактор 70 подходит по параметрам, и в анализе получаем р=0,04 (погранично...). Но коллега подсказал, что надо проверить модель с учётом возраста. Ведь есть ассоциация его с ТВ. Мы корректируем анализ (учитываем возраст при влиянии фактора 70 на развитие заболевания ТВ) и получаем р=0,01. Видимо, чтобы более точно предсказать ТВ, надо смотреть на возраст и Ф70 вместе! Мы благодарим коллегу и идём описывать результат🙋🏻‍♂️📑
⠀
Это может помочь более точно оценить влияние вмешательства на исход (не переоценить и недооценить), определить факторы прогнозирования, построить модель, фиксировать влияние дисбаланса⚖️
Также можно учитывать коварианты, которые являются конфаундерами!
⠀
Но для коррекции нужно обоснование:
🔸дисбаланс ковариантов
🔸рандомизация в небольших исследованиях
🔸коварианты-предикторы эффекта/исхода
🔸конфаундеры
⠀
К сожалению, выбор ковариантов часто субъективен, требует подумать, предположить (обоснованно) возможные взаимосвязи🙇🏻‍♂️
Также не всегда можно учесть все коварианты (не собраны, пропуски, не подумали о связи, не проверили и т.д.)
⠀
Основными методами коррекции являются различные виды регрессионного и ковариационный (ANCOVA) анализы📊
⠀
Недавно пришлось самому попробовать это на практике. Рассказать здесь оказалось проще, чем разобраться в полученных результатах 😵‍💫

#ebm_нюансы

Мне не нравится (и периодически бесит), когда подменяют понятия. Это делают много кто и где (в науке, СМИ, магазинах и т.д.). Почти всегда это делается как реклама ради внимания.
1) ничего не имею против рекламы, но что стоит за этим? Действительно ли то, что рекламируется нужно? Оно что-то меняет? Это можно как-то оценить объективно?
Если нет, то зачем тогда все это? Если, чтобы разводить людей на деньги, то получается ваша аудитория невежды и дураки? Но никто же так не считает (и уже тем более не говорит)...
2) "я делаю крутой проект". А по факту там только идея твоя, а все остальное делают наемные специалисты. Получается проект не твой, а команды. Да ты его придумал (но структуру написал скорее всего кто-то другой), но над ним трудятся ещё люди, о которых нужно сказать. Даже блоги ведутся командами! А "лицо" заявляет, что это его мнение, мысли и вообще вам поможет эта информация от него сделать свою жизнь лучше (видимо контент-план и написание постов пустяки, которым занимаются те же невежды).

В журнальном клубе я организатор, но есть ребята, которые мне помогают. Поэтому я часто упоминаю "наш", "у нас". ЖК в целом это своеобразная команда. А вот над блогом (теперь в 2-ух местах) работаю я один. Картинки, посты, сторисы, мысли и т.д. Я даже не составляю контент-план. Мне с ним неудобно. Нравится работать по идеи.

Наговорил многобукв. Подытожу:
Мне не нравится, когда в разной степени подменяют понятия

Решил я тут поизучать распределения, чтобы лучше в них разобраться (мое слабое место). И первый же слайд меня сразу победил

#statistic

Интересно, а если блогеры перестанут делать 100500 напоминаний о том, что "через неделю, завтра, сегодня, через час у нас ВЕБИНАР (о боже, боже) с таким-то другим БЛОГЕРОМ (ну тут остановка сердца)", то будет ли столько же слушателей на этих вебинарах?
А ещё интересно, действительно ли такие вебинары могут иметь эффективность?
Мол "Я послушал, понял трудный момент статистики/диагностики/лечения, проанализировал (не на словах) изменение своей работы и действительно наблюдаю положительный результат"
Или все упирается тупо в красивые картиночки и видосики?

Пока я работаю, Топа бдит

Всем, кому интересно "критическое" мышление, и тем, кто хочет разочароваться в своем 😂 хочу порекомендовать два видео
После них хочется много интересных вопросов задать себе

1 видео:
https://youtu.be/y5gy5JYs-OE

2 видео:
https://youtu.be/OATd1QE2y_8

#ebm_мысли

Не поверите, вот только сегодня я смотрел вышеуказанные видео, как сразу в сторис вылез новый коуч со своим курсом по лидерству с фразой "смог я - сможешь и ты!"
Ну и конечно ссылка на заполнение анкеты на эту программу, после которой с вами свяжется менеджер

Феномен Баадера — Майнхоф как есть 😁 Что думаете, надо брать?

Очередной "уникальный" проект, не имеющий аналогов! Иногда кажется, что повсюду великие люди с гениальными идеями...

Когда уже сам запутался в своем обучении...

НА ПОДУМАТЬ...
⠀
В последнее время я очень много уделяю внимания обучению. Пытаюсь изучить и наверстать то, чему нигде не учили (Regression analysis, Bayesian statistics, DAG, causal inference, работа в R studio и прочее). Всё не охватить... 🤯И чем дальше, тем больше сомневаюсь.
⠀
Сегодня хочу поделиться некоторыми мыслями.
⠀
1️⃣ я ошибался по поводу исследований "случай-контроль" и когортных. Это очень сложные и в то же время важные исследования❗ Что делать, если нельзя провести РКИ по этическим соображениям? Что делать, если эксперимент в принципе невозможен? Вот и приходится использовать дизайны пониже...⚖️
⠀
2️⃣ наверное, РКИ очень удобный дизайн. На самом деле он простой. Есть заморочки с методологией и бюрократией🗂️ Но в целом, если все грамотно проведено, то эффект должен быть простым и понятным. Можно подтвердить/опровергнуть причино-следственную связь (при адекватной гипотезе). Классно и удобно, но главное - качественно!👍🏻
⠀
3️⃣ мы нихрена не понимаем причино-следственные связи...🔁 Когда не пытаемся учиться и думать. А когда пытаемся, то больше сомневаемся.
"Ассоциация не подразумевает причино-следственную связь".
А ведь связи могут быть очень запутанными🔃
⠀
4️⃣ я поражаюсь всему, что написано. Ведь кто-то об этом задумался, кто-то проверил, кто-то перепроверил, написал и т.д. Сомнение людей позволяет лучше изучать процессы вокруг нас🙀
⠀
5️⃣ "математика не пригодится"🤡 Возможно, что для тех, кто хочет жить в иллюзиях и принимать решения "потому что так сказали", это выход. Мне очень жаль, что я много уже забыл. Ещё больше жаль, что очень много не преподается! Может быть наш мир сильно изменился бы... Хотя может быть большинство бы забило, как на математику...🙈🙉🙊
⠀
Один из участников клуба как-то написал ""философия > науки". Тут сложно делать однозначные выводы. Но я всё больше согласен, что сомнения в себе и вокруг, поиск нового, анализ не вредят мозгу Homo Sapiens🧠 А вот застой по имеющимся данным, видимо, наоборот... 😵‍💫

#ebm_мысли

"А посмотрите подгруповой анализ" - говорили они.
На него очень любят ссылаться при поиске каких-либо "дополнительных опций или преимуществ" лечения. Мол для женщины старше 65 лет, рожавшей более 3 раз и имеющей 3 коморбидности по ССС, препарат работает лучше, чем для исследуемой популяции 🤦‍♂

У себя в блоге я уже указал какие ошибки при этом встречаются, и что выводы на его основе нужно делать очень осторожно. А лучше делать не выводы, а новые исследования.

В общем A.W. Hahn с коллегами продемонстрировали интересные результаты, советую всем к прочтению (OA)

Ссылка:
https://journals.sagepub.com/doi/full/10.1177/17588359221103199

ТРЕТИЙ НЕ ЛИШНИЙ
⠀
Иногда некоторые врачи пытаются найти преимущества от лечения в подгруппах пациентах. И если оно выявляется в определенной популяции, то что это? Случайная ошибка? Конфаудинг? Множественные сравнения? Или эффект взаимодействия? 🤷🏻‍♂️
Познакомимся с последним поближе👇🏻
⠀
❗Эффект взаимодействия (interaction) возникает, когда эффект от лечения зависит от другого фактора❗
⠀
Например, тестируется новый препарат Х 💊 против плацебо от артериальной гипертензии. В общей популяции Х снижает САД на 10 мм рт ст📉. А затем обнаружили, что у мужчин ♂️ он снижает на 18, а у женщин♀️ на 7 мм рт ст. (будем считать, что мощность КИ достаточная)
Вроде все очевидно. Ведь так...?
⠀
В целом, по эффекту взаимодействия можно выделить 4 ситуации (рис. в карусели)
🔸1 - взаимодействия нет (САД снижается одинаково у М и Ж)
🔸2 и 3 - количественное взаимодействие, эффект лечения не меняет направление (2 - лучше снижает у М, 3 - у Ж)
🔸4 - качественное (перекрестное) взаимодействие (у Ж лучше плацебо, у М - лечение)
⠀
Итак, если мы предполагаем, что взаимодействие есть, то надо его оценить. Наиболее часто для этого используется регрессионный анализ.
Если максимально просто (❗), то надо посмотреть как влияют факторы, когда они независимые (X - лечение, S - пол):
⠀
y = b0 + b1X + b2S
⠀
А затем, когда есть взаимодействие:
⠀
y = b0 + b1X + b2S + b3XS
⠀
Таким образом, мы сможем узнать степень влияния на результат без и с эффектом взаимодействия, а также значим ли он 🙀
⠀
🟢Это может быть полезно, когда выявляется гетерогенность в подгруппах или между центрами, также при исследовании некоторых механизмов действия ЛС и используется в факториальном дизайне.
⠀
🔴Однако стоит помнить, что изучение эффекта взаимодействия проводится после сбора данных с использованием специальных статистических методов. А результаты следует трактовать с осторожностью и (желательно) в исследовательских целях⚠️

#ebm_нюансы