Le filtrage des réponses est une plateforme performante disponible dans JMP Pro . Il automatise la réalisation de tests sur un grand nombre de réponses, les résultats et les statistiques récapitulatives étant présentés directement dans le rapport ou dans des tableaux de données pour permettre une exploration plus approfondie des données. De plus, tester de nombreuses réponses pour déterminer l'effet des facteurs peut s'avérer complexe, voire trompeur, sans une méthodologie statistique appropriée pour se protéger des faux positifs. Une approche basée sur le taux de fausses découvertes (FDR) prévient les déclarations de significativité erronées. Les courbes de p ajustées facilitent l'interprétation des résultats. Grâce à sa flexibilité et à ses performances, le filtrage des réponses est une plateforme fréquemment utilisée pour le développement de nouvelles fonctionnalités dans JMP Clinical, permettant d'analyser de nombreux critères d'évaluation, points temporels ou groupes, fréquemment pris en compte dans les essais cliniques. Dans JMP Pro 19 et JMP Clinical 19 , le nouveau rôle « Sous-groupe » simplifie plus que jamais l'exploration des critères d'évaluation au sein de sous-groupes d'observations.
Tout d'abord, qu'est-ce qu'un sous-groupe ? Un sous-groupe est un sous-ensemble d'observations, souvent représenté par toutes les lignes d'un tableau de données. Les sous-groupes sont souvent sélectionnés en raison de leur similarité sur une ou plusieurs caractéristiques communes. Il peut être intéressant d'effectuer des analyses au sein de ces sous-groupes afin de comprendre comment les résultats peuvent différer de l'analyse de l'ensemble des observations.
Aux fins de notre analyse, le terme « facteur » désigne une variable utilisée, seule ou en conjonction avec d'autres facteurs, pour déterminer les sous-groupes , que nous définissons comme les niveaux individuels d'un facteur ou une combinaison de deux ou plusieurs niveaux de facteurs. Par exemple, la variable « Sexe » serait considérée comme un facteur, tandis que « Homme » et « Féminin » seraient considérés comme des sous-groupes. Un deuxième facteur, « Âge », pourrait contenir deux sous-groupes : < 65 ans et ≥ 65 ans. Les sous-groupes basés sur le sexe et l'âge pourraient produire les quatre sous-groupes suivants :
- Homme, < 65 ans
- Homme, ≥ 65 ans
- Femme, < 65 ans
- Femme, ≥ 65 ans
Tout au long de cet article, nous illustrons le rôle du sous-groupe à l'aide des données sur la nicardipine disponibles dans l'index des données d'échantillons de JMP. Ces données contiennent plusieurs lignes par patient, une pour chaque événement indésirable. Sélectionnez la colonne « Identifiant unique du sujet » , puis allez dans « Lignes > Sélection des lignes > Sélectionner les lignes en double ». Toutes les lignes en double sont alors mises en évidence, ce qui permet de déterminer la duplication en utilisant uniquement l'identifiant unique du sujet . Pour les besoins de cette analyse, l'utilisation des options « Masquer et Exclure » sur ces lignes laisse 882 lignes disponibles pour l'analyse.
Supposons que nous voulions comparer le décès du patient (O/N) (en utilisant l'indicateur de décès du patient, en définissant le niveau cible sur O) entre la nicardipine et le placebo (description du bras prévu, en définissant le placebo comme bras témoin) au sein de sous-groupes en fonction des facteurs suivants :
- Sexe : H, F
- Âge (années)
- Groupe de courses groupées 1
- Drapeaux de médicaments/d'intervention (O/N)
- Drapeau des anticonvulsivants
- Drapeau antiémétique ou phénothiazines
- Drapeau des antifibrinolytiques
- Drapeau des antihypertenseurs
- Drapeau de transfusion sanguine
- Drapeau de surveillance de la pression veineuse centrale
- Drapeau d'hypertension induite
- Drapeau d'hypervolémie intentionnelle
- Drapeau d'hémodilution intentionnelle
- Drapeau de dextrane de faible poids moléculaire
- Drapeau Mannitol
- Drapeau des stéroïdes
- Drapeau de surveillance Swan Ganz
- Drapeau des vasopresseurs
La boîte de dialogue de la figure 1 nous permet d’effectuer l’analyse.
Figure 1. Response Screening analysis with Subgroup roleFigure 1. Analyse de sélection des réponses avec rôle de sous-groupe
Notez la présence de la variable continue « âge » dans le rôle « Sous-groupe » . Bien qu'il soit toujours possible de créer ses propres catégories de variables continues, Sélection des réponses le fait automatiquement à l'aide de tertiles. Enfin, pour obtenir des combinaisons par paires des niveaux de chaque facteur (par exemple, hommes ayant reçu des transfusions sanguines), sélectionnez l'option « Sous-groupe à deux facteurs » .
Le résultat est présenté dans la figure 2.
Figure 2. Response Screening of death within subgroupsFigure 2. Dépistage des décès au sein des sous-groupes
Avec le sous-groupe à deux voies sélectionné, ces 17 facteurs produisent 612 sous-groupes différents (facilement visibles dans le tableau de données Valeurs p , car il y a 612 lignes, Enregistrer les tableaux > Enregistrer les PValues). Parmi ceux-ci, 605 sous-groupes produisent des pvalues (Figure 2). Tous les sous-groupes potentiels basés sur des combinaisons individuelles et par paires de niveaux de facteurs sont observés. Les sous-groupes « vides » seraient présentés dans des tableaux de données avec un nombre égal à 0 (ce qui est optimal pour la transparence et l'exhaustivité de l'analyse des sous-groupes). La taille des sous-groupes varie d'un patient à 852 patients.
Lorsqu'un seul facteur est utilisé pour produire un sous-groupe, comme dans la première ligne du tableau de la figure 2, Sous-groupe 2 = Tous. Lorsque deux facteurs sont utilisés, les valeurs indiquées pour Sous-groupe et Sous- groupe 2 sont différentes de Toutes. Le résultat de l'analyse portant sur l'ensemble de la population de patients (ici, 882) indique que Sous-groupe et Sous-groupe 2 sont tous deux égaux à Toutes. Compte tenu de tous les tests multiples effectués avec ajustement FDR, aucune différence n'est observée dans les taux de mortalité entre les groupes de traitement.
Des graphiques en forêt d'intervalles de confiance naïfs à 95 % pour le risque relatif, la différence de risque et le rapport de cotes de décès sont présentés dans l'onglet Résultats 2 x M. Ces graphiques confirment peu de différences notables entre les traitements, bien que ces analyses ne soient pas ajustées en fonction du nombre de tests effectués.
Figure 3. Forest plots of death within subgroupsFigure 3. Graphiques en forêt de la mortalité au sein des sous-groupes
La Sélection des réponses de personnalité dans Modèle d'ajustement permet d'ajuster des modèles plus complexes pour des points finaux continus afin de permettre l'inclusion de plusieurs covariables dans l'analyse des sous-groupes.
La Sélection des réponses dans JMP Pro 19 et JMP Clinical 19 simplifie plus que jamais l'exploration des résultats au sein des sous-groupes. Nous aborderons prochainement le rapport de sélection des sous-groupes dans JMP Clinique , qui exploite la puissance de la Sélection des réponses pour mieux comprendre les critères d'évaluation principaux et secondaires clés des essais cliniques.
