在新医疗产品的开发中，了解个体患者结果的时间关系至关重要。多年来， JMP临床通过“患者档案”和“不良事件叙述”等报告，提供了了解用药时间、不良事件 (AE) 和实验室异常的方法。这些功能使用户有机会了解临床试验中的大量信息，包括：
- 哪些药物可能导致了显著的安全问题。
- 针对不良事件的出现，可能采用了哪些治疗方法。
- 哪些事件或药物可能导致患者死亡。
这些报告提供了有关患者体验的原因和影响的更深入的见解。
然而，将一组特定的临床相关结果子集划分为子集，并探索所有患者中围绕这些结果的用户自定义时间窗口可能颇具挑战性。此外，汇总这些窗口内发生的结果频率是一个手动过程。
不再！
JMP Clinical 19 即将推出的“邻近事件”报告功能，使用户能够定义感兴趣的参考事件，并查找在开始或结束日期前后时间窗口内出现的邻近事件，以及参考事件和邻近事件之间可能存在时间重叠的邻近事件。什么是事件？根据 CDISC 关于事件数据的文档：
事件分析是指对具有给定记录或术语的受试者进行计数，通常包含字典编码类别的结构化层次结构。适合此结构的数据示例包括用于典型不良事件分析、伴随用药和病史的数据。
附近事件目前考虑不良事件 (AE)、伴随用药 (CM) 和死亡等事件。
如何将其应用于实践？例如， “附近事件”报告可以帮助用户：
- 确定在特定不良事件开始日期或开始日期后几天内开始服用的药物。
- 确定患者死亡前一周内开始出现的不良反应或药物。
- 确定停止服用特定药物后几天内出现的任何不良反应。
- 识别在使用特定药物类别时开始或正在发生的任何不良事件。
附近事件对话框如图 1 所示。用户可以根据 MedDRA 或 WHODrug Global 规定的各自代码名称来引用不良事件或药物，也可以根据报告文本或更高级别的分类（例如，高级术语或药物原始类别）来引用术语。这些名称将成为附近事件的“关注术语”。用户可以选择探索所有不良事件或药物，也可以选择探索研究特定时期（例如，治疗前、治疗中、治疗后随访、治疗后突发事件）发生的术语子集。
Figure 1. Nearby Occurrences dialog图 1. 附近事件对话框
运行 Nicardipine 示例的报告会在图 2 中提供以下输出。
Figure 2. Nicardipine example图 2. 尼卡地平示例
此时，输出假设所有事件均作为参考事件（这并非特别有用）。但是，假设我们感兴趣的是心脏疾病系统器官分类 (SOC) 中的严重不良事件 (SAE)。在数据过滤器中选择这些术语，即可提供所选术语的事件级别和患者级别摘要（图 3）。在此示例中，所有参考事件均为不良事件。从图 3 中事件级别的左侧计数图中，我们可以确定以下内容：
- 心脏疾病 SOC 中有 31 例参考事件属于严重不良事件 (SAE)。在这 31 例事件中，分别有 55% 和 45% 发生在 NIC 0.15 组和安慰剂组的患者中。
- 最常见的情况是心脏骤停，共发生 12 次，NIC .15 和安慰剂组分别为 58% 和 42%。
- 最不常见的心脏疾病 SAE 是一度房室传导阻滞、室性期外收缩和室性心动过速，各发生一次，这些都发生在安慰剂组患者身上。
Figure 3. Reference occurrences: Cardiac Disorders SAEs图 3. 参考事件：心脏疾病严重不良事件
从图 3 中患者级别的右侧计数图中，我们可以确定以下内容：
- 共有 24 名患者出现心脏疾病严重不良事件 (SAE)。其中，NIC 0.15 组占 58%，安慰剂组占 42%。
- 每种事件类型（n = 12, 3, 3, 3, 3, 2, 2, 1, 1, 1）的患者频率与事件水平计数图相比没有变化，这表明每种事件类型发生在不同的患者身上。如果事件水平图中某种事件类型的频率更高，则表明患者可能经历过不止一次相同的事件。
- 各个发生频率的总和 (n = 31) 大于患者人数 (n = 24)，这表明一些患者经历了多种心脏疾病 SAE。
提供的表格摘要显示了每个引用出现的频率和列百分比。例如，从表格中我们可以得出以下结论：
- NIC .15 组和安慰剂组经历的心脏疾病 SAE 中，分别有 41.2% (7/17) 和 35.7% (5/14) 为心脏骤停。
- 在 NIC .15 (7/14) 组和安慰剂 (5/10) 组经历心脏疾病 SAE 的患者中，50.0% 经历了心脏骤停。
打开数据大纲框即可查看 31 个参考事件。
通过选择这些参考事件，数据选项面板的查询大纲框使用户能够运行查询来识别符合查询条件的事件（AE 或死亡）或药物（图 4）。
Figure 4. Query dialog图 4. 查询对话框
可能有两种类型的查询：
- 特定查询：此查询通过将参考事件的开始日期或结束日期与邻近事件的开始日期或结束日期进行比较来搜索邻近事件。如果邻近事件发生在选定日期之后、之前或之前或之后的选定天数内，则它们将汇总到输出的“邻近事件”区域中。请注意，零天窗口将识别发生在同一日期的事件。例如，如果参考事件和邻近事件都使用开始日期，则“邻近事件”将识别与参考事件同一天开始的术语。
- 任何重叠：此查询通过根据参考事件和附近事件的开始和结束日期评估是否存在时间重叠来搜索附近事件。
实践中，死亡和不良事件的日期缺失不太可能发生。然而，慢性病药物的起始日期可能未知（表明该药物在过去某个时间点开始使用）或终止日期未知（意味着该药物仍在用于控制疾病）。虽然JMP临床会尽力按照预先定义的规则估算日期，但在某些情况下仍可能出现日期缺失的情况。“邻近事件”对缺失日期做出以下假设：
- 对于特定查询，只有当查询中使用的日期均为非缺失日期时，才能确定记录“彼此接近”。换句话说，缺失的开始日期被假定为发生在过去很久以前，因此无法解释为“接近”。同样，缺失的结束日期被假定为尚未发生，因此暗示药物或事件仍在进行中。
- 对于任何重叠的查询，缺失的开始日期将被假定为时间的开始，而缺失的结束日期将被假定为时间的结束。这些假设使得在缺少一个或两个日期的情况下，能够识别出与参考事件在时间上存在一定重叠的邻近事件。
例如，如果药物或不良事件的停药日期未在 eCRF 设计中收集，则停药日期将假定为与开始日期相同。换句话说，事件的开始和结束日期在同一天。对于死亡病例，始终采用此假设。
让我们运行以下查询来识别在参考事件开始前三天内开始的邻近事件（图 5）。
Figure 5. Specific query图 5. 具体查询
点击“运行查询”后，会在输出窗口的“附近发生”区域生成图表和表格。您可以关闭“参考发生”轮廓框以轻松查看此输出。回想一下，尼卡地平试验针对一种非常严重的疾病，每天进行访问，持续约两周。初始输出结果非常拥挤，但当我们使用数据过滤器将其子集化到CM后，我们得到了图6所示的结果。
根据结果，以下结论是正确的：
- 发生级别
- 有 192 例 CM 发生在至少一项心脏疾病严重不良事件发生日期后的三天内。在这 192 例 CM 中，NIC 0.15 组和安慰剂组患者分别占 54% 和 46%。
- 附近最常见的药物是地塞米松，共出现 22 次，在 NIC .15 和安慰剂中均为 50%。
- 钾补充剂有 21 次出现。
- 在所有附近 CM 发生案例中，有 21 起（10.9%）与钾补充剂有关。
- 患者层面
- 24 名患者中，有 21 名患有至少一种心脏疾病 SAE 的邻近 CM 病史。
- 12名患者服用了苯巴比妥。鉴于发生水平上有18例苯巴比妥，部分患者在这三天内服用了不止一次。11名患者服用了钾补充剂。鉴于发生水平上有21例苯巴比妥，部分患者在这三天内服用了不止一次。
- 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图 6. 附近事件
此时，用户可能更感兴趣的是数据窗口，它能显示邻近事件的具体详情以及它们所属的特定参考事件。请注意，图 4 中的图表显示的是独特的邻近事件。然而，数据窗口会显示适用于每个参考事件的所有邻近事件，即使这些邻近事件出现多次。
即使没有附近发生的事件，报告也会在输出中包含参考事件；它们被列为“没有附近发生的事件”。
附近事件也适用于交叉试验或治疗方案随研究周期变化的试验。患者层面的总结基于计划组或实际组。发生层面的总结基于发生层面的治疗值。
这一即将推出的功能使得根据患者经历的事件识别感兴趣的患者变得更加容易。
