<meta http-equiv="Content-Type" content="text/html; charset=UTF-8" />Questo articolo appare in Cavo JMPer, Numero 30, estate 2015 .
da Richard C. Zink richard.zink , PhD, Principal Research Statistician Developer, JMP Life Sciences
JMP® Clinical semplifica l'individuazione, l'analisi e il reporting dei dati per le sperimentazioni cliniche. Con la sua semplice interfaccia utente e la sua dipendenza primaria dai riepiloghi grafici dei risultati, JMP Clinical consente all'intero team di test clinici di esplorare i dati per identificare problemi di sicurezza o di qualità. La prossima analisi di Correlated Findings in JMP Clinical 6.0 consente di scoprire problemi di qualità e cattiva condotta nelle sperimentazioni cliniche.
Nei primi anni '80, l'Istituto nazionale per il cuore, il polmone e il sangue ha sponsorizzato uno studio multicentrico per valutare la riproducibilità di modelli animali per l'infarto miocardico 1 . L'obiettivo finale era determinare se alcuni di questi modelli potevano essere utilizzati per valutare l'efficacia di nuove terapie. Nel corso dello studio, le analisi eseguite presso il centro di coordinamento hanno identificato molti risultati insoliti in uno dei quattro siti di prova. A seguito di ulteriori indagini, numerose relazioni contraddittorie o non plausibili sono state identificate tra diverse variabili. Dopo essersi avvicinato al capo del laboratorio presso il centro problematico, il responsabile del progetto ha scoperto che il medico che conduceva la ricerca era colpevole di aver fabbricato i dati per uno studio condotto l'anno precedente. Armati di questa nuova intuizione, ulteriori analisi hanno scoperto una serie di nuovi problemi, tra cui notevoli differenze nei dati prodotti prima e dopo la data in cui il responsabile del progetto si è avvicinato al capo laboratorio presso il sito problematico.
L'esempio precedente evidenzia un punto importante: i dati sono altamente strutturati e gli esseri umani non fabbricano in modo efficace dati realistici, in particolare nelle molte dimensioni che sarebbero necessarie per apparire plausibili 2 . Anche in assenza di cattiva condotta, l'esame di momenti di ordine superiore come la varianza, l'asimmetria e la curtosi di ciascuna variabile o la correlazione a coppie tra coppie di variabili all'interno di ciascun sito può rivelare un problema nella qualità dei dati. Qui, ci concentriamo sull'analisi delle correlazioni a coppie, che è uno dei report disponibili dai nostri strumenti di analisi della qualità dei dati e delle frodi. Le analisi delle correlazioni sono state applicate in passato per rilevare le irregolarità dai questionari ottenuti negli studi clinici 3 .
Inizialmente, riassumo tutti i test utilizzando un grafico di vulcano per evidenziare le combinazioni di maggiore interesse: quei test con grandi differenze numeriche e / o quelli che soddisfano i criteri per la significatività statistica dopo aver applicato un'adeguata regolazione della molteplicità.
Nella figura 1, l'asse X rappresenta la differenza di correlazioni non trasformate tra il sito sospetto e il suo riferimento (tutti gli altri siti). L'asse Y rappresenta il valore p crudo dalla Z- test definito sopra sul log negativo 10 scala. Più piccolo è il valore p, maggiore è il valore verticale. In generale, l'interessante combinazioni di site-pair avvicinarsi agli angoli superiori del grafico e apparire sopra la linea di riferimento rossa tratteggiata. I marcatori che rappresentano un conto significativo per confronti multipli. Nella figura 1 , numerosi risultati sono identificati tra coppie di test di laboratorio per il sito 28.
Figura 1
Risultati correlati Vulcano Plot
La figura 2 presenta un'ulteriore analisi del test di laboratorio per il sito 28. Questo la rappresentazione grafica del triangolo inferiore delle matrici di correlazione per il sito 28 e il suo riferimento evidenziano la grandezza delle associazioni a coppie. Con File> Preferenze> Grafici> Aree piene> Delineato selezionato selezionato, è possibile delineare eventuali correlazioni selezionate di interesse, come quelle che sono statisticamente significative. Si noti che il Sito 28 ha correlazioni positive molto più forti per le sei coppie selezionate, che comprendono varie combinazioni di quattro test di laboratorio: alanina aminotransferasi (ALT), aspartato aminotransferasi (AST), lattato deidrogenasi e tempo di protrombina. Per inciso, alcuni autori notano che i dati fabbricati tendono ad esibire una correlazione più forte rispetto ai dati non fabbricati 6 .
figura 2
Diagrammi di correlazione per le misurazioni di laboratorio del sito 28
Analizzando queste quattro variabili usando Grafico> Matrice di dispersione genera la Figura 3. Questa trama mostra numerosi valori anomali bivariati che contribuiscono alle forti correlazioni del sito 28. Molti dei valori anomali provengono da un singolo paziente.
Figura 3
Scatterplot Matrix per misurazioni di laboratorio Site 28 selezionate
Mentre i valori estremi per ogni singolo test di laboratorio potrebbero indicare un potenziale problema di sicurezza, test multipli che sono congiuntamente estremi potrebbero indicare qualcosa di più grave, come un danno epatico indotto da farmaci. In esecuzione Screening della legge di Hy in JMP Clinical identifica questo paziente (tra molti altri) come un potenziale caso di tossicità epatica, non troppo sorprendente dato i risultati estremi per i test del fegato (ALT / AST) presentati nella Figura 3.
Riferimenti
- Bailey, KR (1991). Rilevazione della fabbricazione di dati in uno studio sugli animali collaborativo multicentrico. Prove cliniche controllate 12: 741-752.
- Venet, D., Doffagne, E., Burzykowski, T., Beckers, F., Tellier, Y., Genevois-Marlin, E., Becker, U., Bee, V., Wilson, V., Legrand, C ., Buyse, M. (2012). Una statistica
approccio al monitoraggio centralizzato della qualità dei dati nelle sperimentazioni cliniche. Test clinici 9: 705-713. - Taylor, RN, McEntegart, DJ, Stillman, EC (2002). Tecniche statistiche per rilevare frodi e altre irregolarità nei dati del questionario clinico. Giornale di informazione sulla droga 36: 115-125.
- Fisher, RA (1921). Sul "probabile errore" di un coefficiente di correlazione dedotto da un piccolo campione. Metron 1: 3-32.
- Fisher, RA (1970). Metodi statistici per i ricercatori, quattordicesima edizione . Davien, CT: Hafner Publishing Company.
- Akhtar-Danesh, N., Dehghan-Ko. M. (2003). In che modo la struttura di correlazione differisce tra i set di dati reali e fabbricati? Metodologia di ricerca medica BMC. Disponibile a: http://www.biomedcentral.com/1471-2288/3/18 .
