在開發新醫療產品時，了解個別病患結果的時間關係非常重要。多年來， JMP臨床透過「病患檔案」和「不良事件敘述」等報告提供了了解用藥時間、不良事件 (AE) 和實驗室異常的方法。這些功能使用戶有機會了解臨床試驗的大量信息，包括：
- 哪些藥物可能導致了顯著的安全問題。
- 針對不良事件的出現，可能採用了哪些治療方法。
- 哪些事件或藥物可能導致患者死亡。
這些報告提供了有關患者體驗的原因和影響的更深入的見解。
然而，將子集劃分為特定的一組臨床相關結果並探索所有患者中圍繞這些結果的使用者定義時間視窗可能具有挑戰性。此外，總結這些視窗內發生的結果的頻率是一個手動過程。
不再！
JMP Clinical 19 中即將推出的「附近事件」報告使用戶能夠定義感興趣的參考事件，並查找在開始或結束日期前後的時間窗口內出現的附近事件，以及參考事件和附近事件之間可能存在時間重疊的附近事件。什麼是發生？根據 CDISC 關於發生資料的文檔：
事件分析是指對具有給定記錄或術語的受試者進行計數，通常包含字典編碼類別的結構化層次結構。適合此結構的資料範例包括用於典型不良事件分析、伴隨用藥和病史的資料。
附近事件目前考慮不良事件 (AE)、伴隨用藥 (CM) 和死亡等事件。
這在實踐中如何應用？例如，附近事件報告使用戶能夠：
- 確定在特定不良事件開始之日或開始之日起幾天內開始使用的藥物。
- 確定患者死亡前一週內開始出現的不良反應或藥物。
- 確定停止服用特定藥物後幾天內出現的任何不良反應。
- 識別在使用特定藥物類別時開始或正在發生的任何不良事件。
附近事件的對話方塊如圖 1 所示。使用者可以根據 MedDRA 或 WHODrug Global 指定的各自編碼名稱來引用 AE 或藥物，也可以根據報告的文本或更高級別的分類（例如，高級術語或藥物的原始類別）來引用術語。這些名稱成為附近活動的「利益條款」。使用者可以選擇探索研究特定時期（即治療前、治療中、治療後追蹤、治療中出現的）發生的所有不良事件或藥物或子集。
Figure 1. Nearby Occurrences dialog
圖 1. 附近事件對話框
執行 Nicardipine 範例的報表會在圖 2 中提供以下輸出。
Figure 2. Nicardipine example
圖 2. 尼卡地平範例
此時，輸出假定所有出現的事件都作為參考事件而受到關注（這不是特別有用）。但是，假設我們對心臟疾病系統器官分類 (SOC) 的嚴重不良事件 (SAE) 感興趣。在資料篩選器中選擇這些術語可提供已選定術語的出現等級和患者等級摘要（圖 3）。在這個例子中，我們所有的參考事件都是 AE。從圖 3 發生層級的左計數圖中，我們可以確定以下內容：
- 有 31 起參考事件是來自心臟疾病 SOC 的 SAE。在這 31 起事件中，有 55% 和 45% 的事件分別發生在 NIC .15 組和安慰劑組的患者中。
- 最常見的情況是心臟驟停，共發生 12 次，NIC .15 和安慰劑組分別為 58% 和 42%。
- 最不常見的心臟疾病 SAE 是一度房室傳導阻滯、室性期外收縮和室性心動過速，各發生一次，這些都發生在安慰劑組患者身上。
Figure 3. Reference occurrences: Cardiac Disorders SAEs
圖 3. 參考事件：心臟疾病嚴重不良事件
從圖 3 中患者層級的右側計數圖中，我們可以確定以下內容：
- 有 24 名患者出現心臟疾病 SAE。在這 24 名患者中，分別有 58% 和 42% 屬於 NIC .15 組和安慰劑組。
- 每種發生類型（n = 12, 3, 3, 3, 3, 2, 2, 1, 1, 1）的患者頻率與發生水平計數圖相比沒有變化，這表明每種發生類型都發生在不同的患者身上。如果發生水平圖中某種發生類型的頻率較高，則表示患者會經歷不只一次此類事件。
- 各個發生頻率的總和 (n = 31) 大於患者人數 (n = 24)，這表明一些患者經歷了多種心臟疾病 SAE。
提供的表格摘要顯示了每個參考出現的頻率和列百分比。例如，從表格中我們可以得出結論：
- NIC .15 組和安慰劑組經歷的心臟疾病 SAE 中，分別有 41.2% (7/17) 和 35.7% (5/14) 為心臟驟停。
- 在 NIC .15 (7/14) 組和安慰劑 (5/10) 組經歷心臟疾病 SAE 的患者中，50.0% 經歷了心臟驟停。
開啟資料大綱框即可查看 31 個參考事件。
透過選擇這些參考事件，資料選項面板的查詢大綱框使用戶能夠執行查詢來識別符合查詢條件的事件（AE 或死亡）或藥物（圖 4）。
Figure 4. Query dialog
圖 4. 查詢對話框
可能有兩種類型的查詢：
- 具體查詢：此查詢透過將參考事件的開始或結束日期與附近事件的開始或結束日期進行比較來搜尋附近事件。如果附近事件發生在選定日期之後、之前或之前或之後的選定天數內，則它們將被匯總在輸出的附近事件區域中。請注意，零天視窗將識別在同一天發生的事件。例如，如果開始日期用於參考事件和附近事件，則附近事件將識別與參考事件同一天開始的術語。
- 任何重疊：此查詢透過根據參考事件和附近事件的開始和結束日期評估是否存在時間重疊來搜尋附近事件。
實際上，不太可能出現死亡和不良事件日期缺失的情況。然而，治療慢性病的藥物可能有未知的開始日期（表明該藥物在過去的某個時間點開始使用）或未知的結束日期（意味著該藥物仍在用於控制疾病）。儘管JMP臨床盡力按照預先定義的規則估算日期，但在某些情況下仍可能出現缺失日期的情況。附近事件對於缺失日期做出以下假設：
- 對於特定查詢，只有當查詢中使用的日期均不缺失時，才能確定記錄「彼此接近」。換句話說，缺失的開始日期被認為是過去很久以前發生的，因此不能被解釋為「附近」。同樣，缺失的結束日期被認為沒有發生，因此暗示藥物或事件仍在進行中。
- 對於任何重疊的查詢，缺失的開始日期被假定為時間的開始，而缺失的結束日期被假定為時間的結束。當缺少一個或兩個日期時，這些假設使得我們能夠識別與參考事件在時間上有重疊的鄰近事件。
例如，如果藥物或不良事件的停止日期未作為 eCRF 設計的一部分收集，則停止日期被認為等於開始日期。換句話說，事件開始和結束在同一天。對於死亡，總是做出這樣的假設。
讓我們執行以下查詢來識別在參考事件開始前三天內開始的鄰近事件（圖 5）。
Figure 5. Specific query
圖 5. 具體查詢
按一下「執行查詢」會在輸出視窗的「附近發生」區域中產生圖形和表格。您可以關閉「引用發生」大綱框以輕鬆查看此輸出。回想一下，尼卡地平試驗針對一種非常嚴重的疾病，每天進行訪問，持續約兩週。初始輸出非常擁擠，但是當我們使用資料過濾器子集到 CM 時，我們得到了圖 6 中的以下結果。
根據結果，以下結論是正確的：
- 發生等級
- 有 192 起 CM 發生在至少一種心臟疾病 SAE 開始日期的三天內。在這 192 例 CM 中，有 54% 和 46% 的 CM 分別發生在 NIC .15 組和安慰劑組的患者。
- 附近最常見的藥物是地塞米松，共出現 22 次，在 NIC .15 和安慰劑中均為 50%。
- 鉀補充劑有 21 次出現。
- 在所有附近 CM 發生案例中，有 21 起（10.9%）與鉀補充劑有關。
- 病人層面
- 24 名患者中，有 21 名患有至少一種心臟疾病 SAE 的鄰近 CM 病史。
- 十二名患者服用苯巴比妥。鑑於發生水準上有 18 例苯巴比妥，因此有些患者在這三天內服用了不只一次）。 11 名患者服用了鉀補充劑。鑑於發生率水準有 21 個實例，因此有些患者在這三天內服用了不只一次）。
- 21 名患者中有 12 名（57.1%）使用了苯巴比妥，其中三分之二的患者使用了 NIC .15。
Figure 6. Nearby Occurrences
圖 6. 附近事件
在這裡，用戶可能對資料視窗更感興趣，以便查看附近事件的具體細節以及它們所屬的特定參考事件。請注意，圖 4 中的圖表顯示了獨特的附近事件。但是，資料視窗會顯示適用於每個參考事件的所有鄰近事件，即使鄰近事件出現多次。
即使沒有附近事件發生，報告也會在輸出中包含參考事件；它們被列為「附近無事件」。
附近事件也適用於交叉試驗或依研究期不同治療方法的試驗。患者層級摘要是基於計劃或實際組。發生級別摘要基於發生級別處理值。
這項即將推出的功能使得根據患者經歷的事件識別感興趣的患者變得更加容易。
