Практикум в STATISTICA

Обратите внимание на p-уровень: 0,63. Гипотезу о равенстве функций распределения отклонить нельзя. Поэтому выявить явное преимущество одного из методов не удалось.

Неявное преимущество можно обнаружить на основе сравнения диаграмм размаха по переменной Эффективность.

Если мы хотим их сравнить вполне разумно рассмотрение категоризованных диаграмм размаха.

Для этого выберем в меню пункт Графики/категоризованные графики/Диаграмма размаха.

Укажем переменные для этого графика:

На вкладке Дополнительно уменьшим количество Y-категорий до 4.

Нажмём OK.

2) Есть ли существенное различие состояний пациентов до и после лечения?

Это уже задача сравнения парных повторных наблюдений. Как и при ответе на первый вопрос, мы воспользуемся непараметрическими методами.

Шаг 1. Запустим модуль Непараметрическая статистика.

Выберем пункт сравнение Двух зависимых переменных.

Шаг 2. Укажем переменные.

Шаг 3. Нажмём на кнопку Критерий знаков.

Вернёмся в диалог Сравнение двух переменных и нажмём на кнопку Критерий Вилкоксона.

Интерпретация результатов: гипотезу об однородности следует отвергнуть и принять альтернативу доминирования. Так как среднее значение состояния до лечения больше среднего значения состояния после лечения, то следует признать, что лечение существенно улучшает состояние пациентов.

http://statsoft.ru/statportal/tabID__50/MId__449/ModeID__0/PageID__344/DesktopDefault.aspx

Эффективность применения лекарственного средства TRNEW для лечения Х-вирусной инфекции

Пример проведения анализа данных клинического исследования. Пример основан на модельных данных, все названия являются вымышленными.

Цель исследования

Доказать превосходство (Superiority trial) эффективности нового лекарственного средства TRNEW для подавления Вируса-Х в сравнении с обычным противовирусным средством TRUSUAL.

Тип исследования

Одноцентровое двойное слепое проспективное рандомизированное сравнительное исследование.

Общая схема исследования

Пациенты, подверженные Х-вирусной инфекции на основе рандомизации были распределены на 2 группы. Согласно заданной схеме лечения пациентам в группах назначался прием одного из препаратов – TRNEW или

TRUSUAL.

Мера тяжести вирусной инфекции (вирусная нагрузка) рассчитывалась путем оценки количества вирусных частиц на миллилитр плазмы крови (измерение проводилось в логарифмических единицах, log ME/мл. Использование логарифмической шкалы удобно, если значения являются очень большими или наоборот, очень маленькими.

Например, 1 584 893 ME/мл = 6.2 log10 Me/мл). Вирусная нагрузка измерялась до и через 3 недели после прохождения курса лечения. У некоторых пациентов после окончания лечения наблюдались осложнения типа A.

В рамках данного примера мы будем рассматривать только часть клинического исследования, относящуюся к проведению статистического анализа данных в STATISTICA.

Фрагмент исходных данных в STATISTICA приведен ниже:

Отметим, что импорт данных из Excel осуществляется очень легко – путем нажатия нескольких клавиш. Более того, STATISTICA позволяет открыть внутри себя рабочую книгу Excel, что позволяет работать в STATISTICA как бы «не выходя из Excel».

Определение необходимого объема выборки, исследуемые популяции

Предположим, что критерии включения и исключения пациентов в исследование заданы. На основании предыдущих исследований известно, что применение в течение 3 недель обычного противовирусного средства TRUSUAL в среднем снижает вирусную нагрузку на 0,4 log 10 МЕ/мл. Снижение вирусной нагрузки за такой же срок при применении нового препарата TRNEW в среднем происходит на 1 log 10 МЕ/мл. Авторы предполагают также, что стандартное отклонение снижения вирусной нагрузки составляет 1,35 log 10 МЕ/мл.

При данных условиях рассчитаем объем выборки, необходимый, чтобы иметь 90% мощность обнаружения значимого различия в снижении вирусной нагрузки при применении рассматриваемых препаратов. Уровень значимости положим 5%.

С помощью STATISTICA решить данную задачу легко. В меню Анализ

выберем Анализ мощности.

Затем выберем подходящий критерий. Зная средние значения снижения вирусной нагрузки в двух независимых выборках (т. е. в двух схемах лечения), выберем пункт Два средних, t-критерий, независимые выборки.

Зададим параметры (средние снижения нагрузки в двух группах Mu1 и Mu2, стандартное отклонение Sigma, уровень значимости Alpha, требуемую мощность P) в рамках тестируемой гипотезы (напомним, что при выявлении значимости различия в группах, мы формулируем нулевую гипотезу о равенстве средних значений).

В результате STATISTICA выведет таблицу, где содержится необходимая нам информация о требуемом объеме выборки по группам.

Таким образом, для исследования необходимо включения 108 пациентов в каждой из групп (всего 216 пациентов).

В исследовании при проведении статистического анализа оценивались следующие популяции пациентов:

—«популяция в соответствии с назначенным вмешательством», ITT (Intention-to-treat population) - все рандомизированные пациенты, которые прошли хотя бы один курс лечения исследуемым препаратом. N=263 (123 пациентов в группе TRNEW, 140 пациентов в группе TRUSUAL).

—«популяция в соответствии с протоколом», PP (Per protocol population) - все рандомизированные пациенты, завершившие исследование без нарушений протокола. N=224 (111 пациентов в группе TRNEW, 113 пациентов в группе TRUSUAL).

Для доказательства превосходства (superiority) лекарственного средства TRENEW над стандартной противовирусной терапией TRUSUAL нам необходимо доказать значимость различий в снижении вирусной нагрузки как в популяции ITT, так и в популяции PP.

Описательный анализ

Проведем описательный анализ вирусной нагрузки до и после лечения по группам.

Для этого в меню Анализ выберем Основные статистики и таблицы, затем

Группировка и однофакторный ДА. Данный тип анализа позволяет быстро вычислять описательные статистики по группам, проводить однофакторный дисперсионный анализ, а также строить соответствующие графики, наглядно иллюстрирующие результаты.

После задания переменных для анализа, перейдем на вкладку Описательные. Здесь Вам предоставляется возможность отметить любые интересующие описательные статистики.

Выведем последовательно таблицы описательных статистик для популяций

ITT и РР.

Отметим, что результаты анализов сохраняются по умолчанию в Рабочую книгу STATISTICA, возможно также автоматически помещать все построенные таблицы и графики в Microsoft Word.

Продолжим описательный анализ, выясним частоту возникновения осложнений в каждой из групп. Для этого в окне Основные статистики и таблицы выберем Таблицы сопряженности, флагов и заголовков, зададим переменные и отметим вывод частоты возникновения осложнений, в том числе и в процентах от общего числа пациентов в каждой из групп для популяций ITT/PP.

Итак, в ITT популяции в группе лечения препаратом TRNEW осложнения возникали у 34 (27,6%) пациентов из 123, в группе лечения TRUSUAL – у 47 (33,6%) пациентов из 140. Аналогичные показатели для РР популяции были

27(24,3%) из 111 и 40 (35,4%) из 113 соответственно.

Визуализируем результат. Для этого обратимся к меню Графика, где представляется обширнейший набор графических средств STATISTICA.

Ниже приведена круговая диаграмма для ITT популяции, отображающая частоту возникновения осложнений в каждой из групп лечения.

Наглядно видно, что частота возникновения осложнений почти не различалась в группах лечения препаратами TRNEW, TRUSUAL.

Доказательство эффективности нового лекарственного средства TRNEW над стандартным TRUSUAL

Перейдем к следующему этапу статистического анализа. Проанализируем эффективность применения нового лекарственного средства TRNEW в сравнении со стандартным противовирусным лекарством TRUSUAL: докажем превосходство (superiority) нового метода.

Рассмотрим изменение вирусной нагрузки под действием препаратов. Вычислим средние значения и 95%-доверительные интервалы для каждой из групп лечения. Для этого вновь вернемся к анализу Основные статистики и таблицы, выберем Группировка и однофакторный ДА,

зададим переменные, отметим интересующие нас статистики и получим таблицы результатов для каждой из типов популяций ITT/PP: