신약 출시 전후의 다양한 임상시험의 목적 중 하나는 의약품 안전성 평가이며, 안전성 평가를 위한 지표로는 생체징후 측정, 실험실 테스트, 이상사례 관찰 등이 있다. 현재의 이상사례 분석은 이상사례 발생률을 기술하고 이상사례 목록을 열거하는 데 국한되어 있어 아직 임상 연구에서 안전성 평가의 필요성을 충족시킬 수 없습니다. 이 논문에서는 통계적 설명의 관점에서 부작용 분석에 시각적인 방법을 도입하려고 시도합니다. 관찰된 이상사례 데이터를 정적 또는 동적 이미지와 그래픽으로 변환하고, 데이터 속에 숨겨진 의약품 안전성 시그널을 찾아내며, 데이터 이해, 데이터 분석, 개념 형성, 패턴 발견에 도움을 제공합니다. 본 논문에서는 산림도, 수목도, 화산도, 벤다이어그램, 생존함수도, 위험함수도 등 총 6가지 유형의 그래픽을 표시하고 있으며, 이상사례 분석 목적에 따른 그래픽 디자인 및 해석에 대해 논의할 것이다.
1. 연구배경
1.1 이상반응 정의
부작용(AE)은 환자 또는 임상시험 피험자가 약물을 투여받은 후 발생하지만 반드시 약물과 인과관계가 있는 것은 아닌 의료상의 부작용으로 정의됩니다. 이 중 입원이 필요한 경우, 입원 기간이 연장되는 경우, 장애를 유발하는 경우, 작업 능력에 영향을 주는 경우, 생명 또는 사망에 위험을 주는 경우, 선천성 기형을 유발하는 경우 등 임상시험 중 발생하는 특정 이상사례를 중대한 이상사례(SAE)로 정의합니다. 처방된 용량으로 약물을 정상적으로 사용하는 동안 유해하지만 예상되지 않고 약물 사용과 인과관계가 있는 부작용을 약물유해반응(유해반응, ADR)이라고 합니다.
1.2 이상반응 정보 기록
임상시험에서 이상반응을 기록하기 위한 표준이 확립되어 있으며, 현재 임상데이터교환표준협회(Clinical Data Exchange Standards Association, 임상 데이터 교환 표준 컨소시엄 , CDISC) 표준이 제안되었습니다. CDISC의 임상 데이터 수집 표준( 임상 데이터 수집 표준 조화 , CDASH)는 이상사례 수집에는 이상사례명, 시작시간, 종료시간, 이상사례의 심각성 여부, 약물과의 관계, 취한 조치, 결과 및 중증도 등의 내용이 반드시 포함되어야 한다고 지적했다. 이상사례 분류, 이상사례 패턴, 이상사례 코딩, 이상사례 시스템 분류 등의 정보를 필요에 따라 선택적으로 수집할 수 있습니다.
1.3 이상반응 분석
현재 가장 간단한 이상사례 분석 방법은 이상사례를 경험한 환자 수를 연구 치료를 받은 총 환자 수로 나누어 얻은 조율(crude rate)을 기반으로 합니다. 대략적인 비율은 이상사례 발생의 기본적인 상황을 반영할 수 있으나, 이상사례의 세부사항 및 특징을 반영하기 어렵고, 대략적인 비율 산정의 또 다른 단점은 노출시간을 고려하지 않는다는 점이다. 노출시간을 고려하기 위해서는 노출시간 단위당 사건을 조사할 수 있는데, 발생횟수란 특정 사건이 발생한 횟수와 각 환자의 노출이 발생한 시점부터 노출된 총 시간의 비율로 정의된다. 재판의. 이상사례를 전반적으로 또는 개별적으로 분석하는 기존 방식으로는 안전성에 대한 완전한 그림을 쉽게 얻을 수 없으며, 일부 학자들은 안전성 데이터를 신체 시스템에 따라 분류할 것을 제안했습니다. ICH-E3에 제시된 이상사례 목록 형식은 전체 이상사례 경험을 기술할 뿐만 아니라 모든 이상사례를 나열하도록 요구합니다. 각 이상사례를 통계표에 기재하고, 각 군별 해당 수와 비율을 기재하고, 이상사례도 신체계에 따라 분류하고, 이상사례가 연구치료와 관련이 있는지 여부를 구분하여야 한다. 필요하다면, 부작용은 부작용의 심각도에 따라 분류되어야 합니다. 발생률이 높고 그룹 간 차이가 더 큰 이상사례에 대해 자세히 설명해야 합니다.
1.4 부작용의 시각적 평가
유해사례 분석은 시각적 방법을 통해 체계적이고 포괄적으로 수행되며, 그래픽은 특히 삼림 다이어그램, 나무 다이어그램, 화산 다이어그램, 웹스터 다이어그램 등과 같이 최근 개발된 신기술을 기반으로 정보의 다양한 측면을 간결하게 전달할 수 있습니다. 그래픽은 표보다 정보를 더 효과적으로 전달합니다. 또한 그래픽은 데이터의 통계적 설명을 해당 통계와 통합할 수 있습니다. 탐색적 임상시험에서는 그래픽을 통해 비정상적인 안전성 신호의 발견을 보여줄 수 있고, 확증적 임상시험에서는 그래픽을 통해 알려진 안전성 문제에 대한 해석과 정교화를 보여줄 수 있습니다.
이상반응을 시각적으로 표현하면 많은 장점이 있습니다. 첫째, 신호 누락 가능성을 줄이고 조기 발견 가능성을 높입니다. 둘째, 인간의 생리학적 관점에서 볼 때, 그래픽은 인간 눈의 다양한 잠재력(빠른 고주파 인식 및 처리, 관련 콘텐츠의 인식 및 연관)을 자극하여 정보를 일시적이고 쉽게 처리한다는 목표를 달성합니다. 그래픽이 제시되면 별다른 설명과 추론 과정 없이도 사람들의 심리적 공간에 직접 들어갈 수 있다. 셋째, 잘 디자인된 그래픽은 통계학자가 의사를 포함한 임상 연구 프로젝트 팀의 다른 동료들과 의사소통하는 능력을 향상시킵니다. 넷째, 통계 그래픽은 정보를 더 빠르고 효과적으로 전달할 수 있을 뿐만 아니라, 통계 결과 표의 설계 및 표현에 관여하지 않는 비통계학자도 그래픽을 통해 전달하는 정보를 더 쉽게 수용할 수 있도록 해줍니다. 통계 결과를 시각화하면 임상 시험 중 협업의 질을 향상시키고 특히 연구 문제가 복잡한 경우 시간과 의사 결정을 단축할 수 있습니다. 일부 저자는 그래픽 디자인에 대해 특별히 글을 썼습니다.
이상반응의 시각적 평가에는 다음과 같은 핵심 요소가 있어야 합니다. 1. 필요한 통계를 그래프에 통합합니다. 2. 그래프에 적절한 표시선을 추가합니다. 3. 그래프는 시험군과 대조군 간의 차이를 시각적으로 비교할 수 있습니다. , 4. 이상 사례 간의 비교를 촉진합니다. 5. 그래프는 초점이 필요한 이상 사례를 강조해야 합니다.
- 데이터 소스 및 도면 소프트웨어:
이번 연구 데이터는 지주막하출혈 환자 치료를 위한 무작위 이중맹검 위약대조 3상 임상시험에서 나온 것으로, 평가된 약물의 작용기전은 주로 칼슘을 차단해 평활근 수축을 억제하고 혈관을 확장시키는 것으로 평가됐다. 채널. 본 연구에는 약물군 449명, 위약군 457명 등 총 906명의 환자가 등록되었으며, 예후에 영향을 미칠 수 있는 요인은 두 군 간 균형을 이루었으며, 두 군 모두 14년 동안 약을 계속 복용했다. 일, 하루에 0.15 mg/Kg/hr를 투여하고 120일 동안 관찰한 결과입니다.
JMP Clinical은 임상시험 데이터 분석을 위해 특별히 개발된 통계 소프트웨어로 표준 CDISC 데이터 형식을 사용하고 고급 통계 방법과 풍부한 대화형 그래픽을 결합하여 사용자 친화적인 환경에서 강력한 통계 분석 기능을 제공합니다. SAS 자체에도 그리기 기능이 있습니다. 본 글에 그려진 그래픽은 모두 SAS와 JMP Clinical을 사용하였습니다.
삼. 부작용의 시각적 표현
3.1 부작용 발생률과 그룹 간 상대적 위험을 설명합니다( 상대적 위험, RR )
이상사례 발생률은 이상사례 발생을 설명하기 위해 가장 일반적으로 사용되는 척도이며, RR은 병용 대조군 간의 이상사례 발생률 차이를 반영한다. Forest Plot의 원리를 이용하여 이상사례 발생률, RR, 95% 신뢰구간을 하나의 그림으로 통합하고, 각 그룹의 이상사례 발생률을 관찰하고, RR을 바탕으로 해당 그룹을 추론할 수 있습니다. 95% 신뢰구간 둘 사이의 차이가 통계적으로 유의한지 여부와 다양한 유형의 이상반응 간의 비교도 종단적으로 수행될 수 있습니다. 연구 목적에 따라 유해사례를 포레스트 다이어그램의 특정 규칙에 따라 정렬하여 가장 주의가 필요한 유해사례를 직관적이고 눈에 띄게 표시할 수 있습니다. 예를 들어, 임상 연구에서는 발생률이 높은 이상사례를 기술하는 것이 목적이므로 발생률이 높은 것에서 낮은 것으로 분류해야 합니다.
연구 기간 동안 총 201건의 부작용이 관찰되었습니다. , 본 논문에서는 시험군에서 발생률이 5% 이상인 이상반응을 선택하고 발생률이 높은 순서대로 그림 1을 그립니다. 그림의 왼쪽 패널의 산점은 이상반응 빈도를 나타내고, 빨간색 삼각형은 시험군, 파란색 점은 대조군을 나타내고, 오른쪽 패널은 대조군 대비 이상반응 시험군의 RR을 나타냅니다. 그룹과 95% 신뢰 구간. X축의 눈금은 로그입니다. 2 변환하면 점선의 위치는 스케일 0이며 이는 RR=2와 같습니다. 0 =1; 눈금 1의 위치는 RR=2와 동일합니다. 1 =2 등. 대조군에 비해 실험군에서 발생률이 더 높고 통계적으로 유의미한 차이를 보이는 이상반응은 '정맥염', '등장성 소변', '저혈압', '폐부종' 등으로 나타났다. 대조군, 실험군에 비해 발생률이 높고 통계적으로 유의미한 차이를 보인 이상반응은 '고혈압', '혈관수축', '저나트륨혈증'이었다.
Forest Plot의 원리에 따라 그리면 각 이상사례를 하나의 열로 처리해야 하며 임상시험에서는 수백 가지 이상사례가 있을 수 있으므로 실제 적용에서는 일부 이상사례를 시각화 목적으로 선택해야 합니다. , 선택 기준을 신중하게 고려해야 합니다. 본 논문에서는 발생률이 5% 이상인 일반적인 부작용을 선택했는데, 이 선택에는 또 다른 문제가 있습니다: 발생률이 5% 미만인 일부 부작용이 있을 수 있지만 그룹 간의 차이는 통계적으로 유의합니다. .발생률에 따라 스크리닝에서 이러한 부작용을 놓칠 수도 있습니다.
그림 1 이상사례 발생률 및 상대위험도 그래프
3.2 신체 시스템 분류, 부작용 수 및 그룹 간 차이점을 설명합니다.
이상사례의 체계적인 분류는 이상사례 분석에 필요한 부분으로, 현재 각 시스템의 이상사례 발생률을 표로 기술하는 경우가 많으며, 트리 다이어그램을 활용하여 이상사례, 각 이상사례의 발생률, 발생률 등을 체계적으로 분류할 수 있다. 그룹 간의 차이 통계 의미는 그림에 통합됩니다. 트리 다이어그램은 계층 시각화 기술을 기반으로 한 대표적인 기술로, n차원 데이터 공간을 여러 개의 하위 공간으로 나누고, 이러한 하위 공간은 여전히 계층 구조로 구성되어 그래픽으로 표현되는 것이 기본 개념입니다.
그림 2는 위의 원리를 바탕으로 그려졌으며, 그림의 각 사각형은 이상사례를 나타냅니다. 동일한 시스템에 대한 이상 사례는 함께 그룹화되고 시스템 분류 이름으로 반투명하게 표시됩니다. 상자의 크기는 이상사례의 개수에 비례하는데, 상자가 클수록 전체 이상사례의 개수는 많아지고, 반대로 상자가 작을수록 이상사례의 개수는 적어집니다. 사각형의 색상은 빨간색으로 시험군의 이상사례 수가 대조군보다 많음을 의미하고, 녹색은 대조군의 이상사례 수가 시험군보다 많다는 것을 의미합니다. . 상자의 색상과 이상사례 수는 그룹 간 차이의 P값에 따라 결정되며, P값이 작을수록, 색상이 진할수록 그룹 간 차이의 유의성이 높은 것입니다.
그림 2 트리 다이어그램
이러한 그래픽 표현은 독자에게 강한 시각적 효과를 줄 수 있습니다. 독자는 가장 어두운 사각형을 직접 볼 수 있습니다. 이상반응 그룹 간의 차이는 매우 중요합니다. 이러한 차이는 치료 조치에 의해 발생할 가능성이 높습니다. 또한 독자가 직관적으로 관찰할 수도 있습니다. 총 부작용 수 및 부작용 그룹 간의 차이와 같은 정보 이 정보를 얻는 것은 간단하고 직접적이며 이는 디지털 테이블과 비교할 수 없습니다. 그림에서 알 수 있듯이 '신경계 질환'과 '혈관 질환'의 발병률은 대략 동일하지만, '신경계 질환' 그룹 간의 차이의 중요성은 '신경계 질환' 그룹보다 훨씬 높습니다. 질병". "혈관질환"은 주로 4가지 이상사례를 말하며, 그 중 "정맥염"과 "저혈압"은 대조군에 비해 실험군에서 발생률이 높았고, "혈관수축"과 "고혈압"은 대조군에서 발생률이 더 높았습니다. 실험집단보다 통제집단이 더 높다.
그림 2는 JMP에서 그린 것입니다. 이 소프트웨어에서는 관심 있는 이상 사례 상자를 직접 클릭하여 이상 사례에 대한 통계적 설명이나 통계적 추론을 수행하여 필요한 특정 값을 얻을 수 있습니다. 임상 연구의 목적은 종종 다른데, 실제 적용에서는 그림 2를 기반으로 적절한 변환이 이루어질 수 있습니다. 예를 들어 두 개의 트리 다이어그램을 그룹으로 출력할 수 있습니다.
3.3 그룹 간 통계적으로 유의미한 차이가 있는 이상반응 스크리닝
이상사례 분석은 집단 간 통계적으로 유의한 차이가 있는 이상사례를 선별하고 약물과의 관계를 명확히 하는 것이 이상사례 분석의 주요 목적 중 하나입니다. 이러한 부작용에 대한 분석. 통계에서 화산 도표는 분산형 도표 형태의 대규모 데이터 세트에서 동일한 유형의 데이터 그룹 간의 차이를 신속하게 식별하는 데 사용됩니다. 위의 원칙을 바탕으로 그림 3을 그리면 그룹 간 유의한 차이가 있는 이상사례를 강조할 수 있을 뿐만 아니라 이러한 이상사례의 전체 발생률과 그룹 간 위험도 차이(RD)도 표시됩니다.
그림의 X축은 실험군과 대조군(실험군-대조군) 간 이상사례 발생률의 차이를 나타내고, Y축은 군간 차이의 통계적 유의성을 나타낸다. RD가 0보다 큰 점은 시험군에서 이상사례가 더 자주 발생했음을 의미하고, 0보다 작은 점은 대조군에서 이상사례가 더 자주 발생했음을 의미하며, 0점에서 멀어질수록 차이가 크다는 것을 의미합니다. 그룹 사이. Y축은 그룹 간 차이의 유의성을 나타내며, Y축 점의 값이 클수록 그룹 간 이상사례 차이의 P값이 작아지며, 통계적으로 유의한 차이는 SAS를 통해 계산한다. 혼합 모델이며 여러 테스트를 위해 수정된 FDR(False Discover Rate) 통계 방법을 사용합니다. 조정 후 빨간색 점선 위의 이상 사례는 그룹 간에 통계적으로 차이가 있습니다. 점의 색상의 의미는 범례에 나타난 바와 같으며, 점의 크기는 이상사례 발생률을 나타냅니다.
그림 3 그룹 간 부작용의 차이와 차이의 크기를 반영하는 화산 도표
3.4 이상반응이 복합적으로 발생
화산 차트를 통해 주목해야 할 주요 부작용 유형은 5가지로 관찰되었으며, 이때 연구자들은 이러한 5가지 부작용을 관찰하여 발생 원인을 추론하는 것을 포함하여 세부적으로 분석해야 하는 경우가 많습니다. 부작용의 동시성. 이를 위해 벤다이어그램이나 벤다이어그램을 사용할 수 있는데, 통계학에서 벤다이어그램은 집합과 그 관계를 직관적으로 표현하기 위해 폐곡선을 사용하는 그래프이다.
그림 4 벤다이어그램
3.5 장기간의 후속 임상 연구에는 다음이 필요합니다. AE 생존 분석
이상사례의 통계적 분석에 있어서, 시간에 따른 피험자의 이상사례 발생 위험도를 관찰하기 위해, 이상사례 데이터는 생존 분석을 위한 사건 발생 시점의 데이터로 사용될 수 있다. 이상반응 데이터 자체에는 이상반응 발생 유무와 발생 시점이 모두 포함되어 있기 때문에 생존 분석 모델을 사용하여 사건의 위험성을 평가하는 것은 매우 적절합니다. 따라서 위험을 과소평가하는 것을 피하기 위해 생존 분석을 사용하여 부작용의 누적 비율을 계산해야 합니다. ICH에서는 이상사례 데이터를 분석하기 위해 생존 분석 방법을 사용할 것을 권장하고 있으며, 외국 문헌에서는 이상사례 분석에서 생존 분석 모델의 중요성을 입증하고 생존 곡선 설계에 대해 논의했습니다. 임상 연구에는 다양한 유형의 이상사례가 있으며, 이 방법은 특정 이상사례에 초점을 맞춘 생존 분석만 수행할 수 있습니다.
이상사례 분석은 이상사례 발생 시점과 투약 시점의 관계에 중점을 두고 있으며, 그림 5는 두 군의 정맥염 발생 시점에 대한 Kaplan-Meier 곡선이며, 그림 하단의 숫자는 각 방문 초기의 인원수. " +" 표시는 현재 검열된 사례가 있음을 나타내며 곡선 위와 아래에 95% 신뢰구간이 그려져 있습니다. 두 곡선이 매우 가까운 상태에서 신뢰구간을 그리면 두 곡선을 구별하기가 어려우며, 그래프를 단순하고 쉽게 구별하기 위해 다음과 같은 방법을 사용하는 것이 좋습니다. 95% 신뢰 구간 대신 표준 오차를 사용하거나 곡선 위에 표준 오차를 그립니다 2. 두 곡선의 신뢰 구간이 엇갈리도록 실험군 곡선을 왼쪽으로, 위약군 곡선을 오른쪽으로 이동합니다. 3. 더 이상 신뢰할 수 있는 구간을 그리지 않습니다.HR을 표시하고 신뢰 구간을 표시하거나 Log-rank 테스트의 P 값을 사용할 수 있습니다.
그림 5 정맥염 발생까지의 시간에 대한 Kaplan-meier 곡선
그림에서 알 수 있듯이 연구 시작 후 17일 이내, 주로 첫 14일 이내에 정맥염이 발생했는데, 이는 연구의 복약 시기와 일치하며, 시험군의 정맥염 발생률이 훨씬 높았다. 위약군보다 속도가 빨라 이 약을 사용하는 동안 정맥염을 유발할 수 있음을 시사합니다.
생존분석에서는 생존함수 외에 생명표법을 통해서도 위험함수를 계산할 수 있는데, 추적관찰 중 정맥염의 위험함수를 도 6에 나타내었다. 마찬가지로 시작 인원수는 그래프 아래에 표시되고 표준 오차는 곡선에 표시됩니다. 그래프는 생명표법을 이용하여 계산되며, 2일을 간격으로 설정하고, 각 간격의 위험율은 간격의 중간점의 위험율을 나타낸다. 이 그래프는 약물 복용 후 다양한 시점에 피험자의 정맥염 위험을 직접적으로 반영합니다. SAS의 생명표 방법에서는 모든 검열 사례가 시간 간격의 중간 지점에서 발생한다고 가정하므로 검열 사례가 시간 간격의 절반만 발생하는 것과 동일하므로 해당 시점의 인원수를 계산할 때 유의해야 합니다. 기간 초 검열 건수에 0.5를 곱합니다. 이로 인해 해당 기간이 시작될 때의 인원 수는 정수가 아닙니다.
그림 6 부작용 위험 기능 다이어그램
장기 추적 관찰 임상시험의 이상사례 평가에서는 위의 두 수치를 활용하는 것이 바람직하다.
4. 논의하다
임상시험에서 이상사례를 분석하는 방향은 여러 가지가 있는데, 본 논문에서는 이를 다각도로 분석하고 제시하려고 하지만 여전히 모든 것을 다룰 수는 없다. 위 6개의 사진은 기사에 표시된 분석 목적으로만 사용될 수 없습니다.예를 들어 임상 시험에서 "환자가 부작용 없이 X개월 동안 치료를 받았다면 경계를 완화할 수 있습니까?"라는 질문에 직면하게 됩니다. 언제까지 유지해야 하는가?"경계?" 이러한 필요성에 따라 그림 5를 이용하여 최초로 이상반응이 발생한 시간에 대한 위험함수도를 만들 수 있으며, 그 그림에서 위험률이 떨어지는 것을 관찰할 수 있다. X개월 후, 즉 X개월 이내에 0으로 변경됩니다. 즉, 이상반응을 시각적으로 분석하는 과정에서 시각화의 목적과 그래픽의 특성을 결합하여 가장 적절한 그래픽을 선택해야 한다.
임상시험의 두 그룹 중 하나의 이상반응 빈도는 0인 것이 일반적입니다. 이러한 유형의 데이터에 대해 일반적인 방법은 각 그리드에 0.5를 추가한 다음 RR, 즉 위험 차이(RD)를 계산하는 것입니다. . 이 기사에서는 통계에 비율 차이가 사용됩니다.
부작용 분석에서는 질병 경과, 연령, 성별, 질병의 중증도, 약물 복용량 등과 같은 부작용에 영향을 미칠 수 있는 몇 가지 요인도 고려해야 합니다. 로지스틱 회귀 분석을 사용하여 관련 요인을 다음과 같이 사용할 수 있습니다. 공변량을 사용하여 OR 값을 계산합니다. 그림 1에 표시된 OR 값을 사용하세요. 이상반응의 세 가지 특징: 0 빈도는 비율이 크고, 이상사례 빈도의 분산이 평균보다 크고, 이상사례의 군집이 발생합니다. 즉, 이상사례 후 또 다른 이상사례가 발생할 확률이 변합니다. 발생하는 경우 부정적인 이벤트를 사용하는 것이 더 적합하도록 만들고 모델을 적합시키기 위해 이항 회귀를 사용했습니다. 따라서 로지스틱 회귀분석을 적용할 수 없는 경우 음이항회귀모형을 고려할 수 있다.
임상시험에서 이상반응의 군간 차이에 대해 통계적 검정을 실시하는 경우에는 위양성 오류를 줄이기 위해 다중비교의 문제를 고려해야 한다. 기존의 다중비교는 전체 제1종 오류율을 통제하는 것에 기반을 두고 있으나 그룹이 너무 많으면 결과가 너무 보수적이다. 총 제1종 오류율 오류율
5. 요약하다
신약이 시판되기 위해서는 GCP 요구사항에 따라 과학적이고 표준화된 임상시험을 통해 그 유효성과 안전성이 확인되어야 하며, 이상사례 분석은 안전성 평가의 중요한 측면이므로 특히 중요합니다. 그러나 현재의 이상사례 분석은 완벽하지 않으며, 물론 안전성 평가는 유효성 평가와 다르기 때문에 안전성 분석의 특성과도 관련이 있다. 가설 테스트는 대상 모집단의 평균 반응에 초점을 맞추기 위해 여러 그룹 간의 결과를 비교합니다. 안전성 종점은 일반적으로 미리 결정되지 않으며 안전성 분석은 본질적으로 탐구적인 경향이 있습니다. 임상적 유효성 분석과 비교하여 평균값을 중시하며, 안전성 평가는 개인별 반응에 더 중점을 두고 있습니다. 이는 이상사례 분석이 주로 통계적 기술의 형태로 이루어지고 있음을 알 수 있다.
그러나 현재의 통계 기술은 주로 표를 기반으로 하고 있으며, 표의 수가 많아 정보를 효과적으로 전달하기가 어렵습니다. 시각적인 방법을 사용하여 이상반응을 분석하는데, 이는 간결하고 목표 지침이 명확할 뿐만 아니라 관련 주요 통계를 그래픽에 통합하여 의사소통 효율성을 높이고 연구 개발 시간을 절약합니다. 따라서 임상시험에서 이상사례 분석에 있어서는 다양한 통계 그래픽을 도출하여 잠재적인 안전성 신호를 발견할 수 있는 시각적 분석 방법을 사용하는 것이 좋습니다.
