Antwort-Screening ist eine leistungsstarke Plattform, die in JMP Pro verfügbar ist. Sie automatisiert die Durchführung von Tests mit einer großen Anzahl von Antworten. Die Testergebnisse und zusammenfassenden Statistiken werden direkt im Bericht oder in Datentabellen angezeigt, um eine weitere Datenuntersuchung zu ermöglichen. Außerdem kann das Testen vieler Antworten auf die Auswirkungen von Faktoren schwierig, wenn nicht sogar irreführend sein, ohne den Einsatz geeigneter statistischer Methoden zum Schutz vor falsch-positiven Ergebnissen. Ein Ansatz zur Berechnung der Falschentdeckungsrate (FDR) schützt vor falschen Signifikanzerklärungen. Diagramme mit angepassten p-Werten machen die Ergebnisse leicht interpretierbar. Aufgrund der Flexibilität und Leistung von Antwort-Screening ist es eine oft verwendete Plattform für die Entwicklung neuer Funktionen in JMP Clinical zur Analyse vieler Endpunkte, Zeitpunkte oder Gruppen, die bei klinischen Studien häufig berücksichtigt werden. In JMP Pro 19 und JMP Clinical 19 macht die neue Untergruppenrolle das Untersuchen von Endpunkten innerhalb von Untergruppen von Beobachtungen einfacher als je zuvor.
Was ist eine Untergruppe? Eine Untergruppe ist eine Teilmenge eines vollständigen Beobachtungssatzes, der häufig durch alle Zeilen einer Datentabelle repräsentiert wird. Untergruppen werden häufig aufgrund ihrer Ähnlichkeit hinsichtlich eines oder mehrerer gemeinsamer Merkmale ausgewählt. Es kann von Interesse sein, Analysen innerhalb dieser Untergruppen durchzuführen, um zu verstehen, wie die Ergebnisse von der Analyse des gesamten Beobachtungssatzes abweichen.
Für unsere Zwecke bezeichnet der Begriff Faktor eine Variable, die allein oder in Verbindung mit anderen Faktoren zur Bestimmung von Untergruppen verwendet wird. Diese definieren wir als die einzelnen Ausprägungen eines Faktors oder als Kombination zweier oder mehrerer Faktorausprägungen. Beispielsweise würde die Variable Geschlecht als Faktor gelten, während Männlich und Weiblich als Untergruppen gelten würden. Ein zweiter Faktor, Alter, könnte zwei Untergruppen umfassen: < 65 Jahre und ≥ 65 Jahre. Untergruppen basierend auf Geschlecht und Alter könnten die folgenden vier Untergruppen ergeben:
- Männlich, < 65 Jahre
- Männlich, ≥ 65 Jahre
- Weiblich, < 65 Jahre
- Weiblich, ≥ 65 Jahre
In diesem Blogbeitrag veranschaulichen wir die Rolle der Untergruppe anhand der Nicardipin-Daten aus dem JMP-Beispieldatenindex. Diese Daten enthalten mehrere Zeilen pro Patient, eine für jedes unerwünschte Ereignis. Wählen Sie die Spalte „Eindeutige Subjektkennung“ aus und navigieren Sie zu Zeilen > Zeilenauswahl > Doppelte Zeilen auswählen. Dadurch werden alle doppelten Zeilen hervorgehoben, die nur anhand der eindeutigen Subjektkennung als Duplikat erkannt wurden. Für diese Analyse verbleiben mit „Ausblenden“ und „Ausschließen“ für diese Zeilen 882 Zeilen zur Analyse.
Angenommen, wir möchten den Tod von Patienten (J/N) (mithilfe der Markierung „Patient gestorben“, Einstellung des Zielwerts auf J) zwischen Nicardipin und Placebo (Beschreibung des geplanten Arms, Einstellung von Placebo als Kontrollarm) innerhalb von Untergruppen basierend auf den folgenden Faktoren vergleichen:
- Geschlecht: M, F
- Alter (Jahre)
- Gepoolte Renngruppe 1
- Medikamenten-/Interventionsflags (J/N)
- Antikonvulsiva Flagge
- Flagge für Antiemetika oder Phenothiazine
- Antifibrinolytika-Flagge
- Flagge für Antihypertensiva
- Bluttransfusionsflagge
- Flagge zur Überwachung des zentralen Venendrucks
- Flagge für induzierte Hypertonie
- Flagge für absichtliche Hypervolämie
- Flagge für absichtliche Hämodilution
- Dextran mit niedrigem Molekulargewicht
- Mannitol-Flagge
- Steroide Flagge
- Swan Ganz Überwachungsflagge
- Vasopressoren Flagge
Der Dialog in Abbildung 1 ermöglicht uns die Durchführung der Analyse.
Figure 1. Response Screening analysis with Subgroup roleAbbildung 1. Antwort-Screening-Analyse mit Untergruppenrolle
Beachten Sie das Vorhandensein der kontinuierlichen Variable „Alter“ in der Rolle „Untergruppe“ . Es ist zwar jederzeit möglich, eigene Kategorien kontinuierlicher Variablen zu erstellen, Antwort-Screening tut dies jedoch automatisch mithilfe von Terzilen. Um schließlich paarweise Kombinationen der Ausprägungen jedes Faktors zu erhalten (z. B. Männer mit Bluttransfusionen), wählen Sie die Option „Zweiwege-Untergruppe“ .
Die Ausgabe ist in Abbildung 2 dargestellt.
Figure 2. Response Screening of death within subgroupsAbbildung 2. Response-Screening der Todesfälle innerhalb der Untergruppen
Mit der Auswahl der Untergruppe Twoway ergeben diese 17 Faktoren 612 verschiedene Untergruppen (gut sichtbar in der P-Werte -Datentabelle, da diese 612 Zeilen enthält, siehe Tabellen speichern > P-Werte speichern). Davon ergeben 605 Untergruppen P-Werte (Abbildung 2). Alle potenziellen Untergruppen basierend auf individuellen und paarweisen Kombinationen von Faktorstufen werden beobachtet. Leere Untergruppen werden in Datentabellen mit „Anzahl“ gleich 0 dargestellt (was der Transparenz und Vollständigkeit der Untergruppenanalyse dient). Die Größe der Untergruppen reicht von einem bis zu 852 Patienten.
Wird ein einzelner Faktor zur Bildung einer Untergruppe verwendet, wie in der ersten Tabellenzeile von Abbildung 2, ist Untergruppe2 = Alle. Werden zwei Faktoren verwendet, sind sowohl für Untergruppe als auch für Untergruppe2 Werte aufgeführt, die nicht „Alle“ sind. Das Analyseergebnis für die gesamte Patientenpopulation (hier 882) zeigt, dass sowohl Untergruppe als auch Untergruppe2 „Alle“ sind. Unter Berücksichtigung aller Mehrfachtests mit FDR-Anpassung sind keine Unterschiede in den Sterberaten zwischen den Behandlungsarmen zu beobachten.
Forest-Diagramme der naiven 95%-Konfidenzintervalle für das relative Risiko, die Risikodifferenz und die Odds Ratio des Todes werden auf der Registerkarte „2 x M Ergebnisse“ dargestellt. Diese Diagramme bestätigen nur wenige nennenswerte Unterschiede zwischen den Behandlungen, obwohl diese Analysen nicht an die Anzahl der durchgeführten Tests angepasst sind.
Figure 3. Forest plots of death within subgroupsAbbildung 3. Walddiagramme der Todesfälle innerhalb von Untergruppen
Die Antwort-Screening- Persönlichkeit in Modell anpassen ermöglicht es, komplexere Modelle für kontinuierliche Endpunkte anzupassen, um die Einbeziehung mehrerer Kovariaten in die Analyse von Untergruppen zu ermöglichen.
Antwort-Screening in JMP Pro 19 und JMP Clinical 19 macht es einfacher denn je, Ergebnisse innerhalb von Untergruppen zu untersuchen. Demnächst stellen wir Ihnen den Bericht zum Untergruppen-Screening in JMP Clinical vor, der die Leistungsfähigkeit von Antwort-Screening nutzt, um Einblicke in die primären und wichtigsten sekundären Endpunkte klinischer Studien zu gewinnen.
