Screening della risposta è una piattaforma di punta disponibile in JMP Pro . Automatizza il processo di esecuzione dei test su un gran numero di risposte, presentando i risultati e le statistiche di riepilogo direttamente nel report o in tabelle dati per consentire un'ulteriore esplorazione dei dati. Inoltre, testare numerose risposte per gli effetti dei fattori può essere difficile, se non fuorviante, senza utilizzare un'adeguata metodologia statistica per proteggere dai risultati falsi positivi. Un approccio basato sul tasso di falsi positivi (FDR) protegge da dichiarazioni errate di significatività. I grafici dei valori p aggiustati rendono i risultati facilmente interpretabili. Grazie alla flessibilità e alle prestazioni di Screening della risposta , si tratta di una piattaforma spesso utilizzata per lo sviluppo di nuove funzionalità all'interno di JMP Clinica per l'analisi di numerosi endpoint, punti temporali o gruppi, che sono considerazioni comuni per gli studi clinici. In JMP Pro 19 e JMP Clinico 19 , il nuovo ruolo Sottogruppo semplifica più che mai l'esplorazione degli endpoint all'interno dei sottogruppi di osservazioni.
Innanzitutto, cos'è un sottogruppo? Un sottogruppo è un sottoinsieme di un insieme completo di osservazioni, spesso rappresentato da tutte le righe di una tabella dati. Spesso, i sottogruppi vengono selezionati in base alla loro similarità in una o più caratteristiche che condividono, e potrebbe essere interessante eseguire analisi all'interno di questi sottogruppi per comprendere come i risultati possano variare rispetto all'analisi dell'insieme completo di osservazioni.
Ai fini della nostra discussione, il termine fattore si riferisce a una variabile utilizzata da sola o in combinazione con altri fattori per determinare i sottogruppi , che definiamo come i singoli livelli di un fattore o una combinazione di due o più livelli di fattore. Ad esempio, la variabile Sesso sarebbe considerata un fattore, mentre Maschio e Femmina sarebbero considerati sottogruppi. Forse un secondo fattore, Età, contiene due sottogruppi, < 65 anni e ≥ 65 anni. I sottogruppi basati su Sesso ed Età potrebbero produrre i seguenti quattro sottogruppi:
- Maschio, < 65 anni
- Maschio, ≥ 65 anni
- Donna, < 65 anni
- Donna, ≥ 65 anni
In questo articolo del blog, illustriamo il ruolo di Sottogruppo utilizzando i dati sulla nicardipina disponibili nell'indice dei dati campione di JMP. Questi dati contengono più righe per paziente, una per ciascun evento avverso. Selezionare la colonna Identificativo univoco del soggetto e andare a Righe > Selezione righe > Seleziona righe duplicate. In questo modo vengono evidenziate tutte le righe duplicate, determinando la duplicazione utilizzando solo l'Identificativo univoco del soggetto . Ai fini di questa analisi, l'utilizzo di Nascondi ed Escludi su queste righe lascia 882 righe disponibili per l'analisi.
Supponiamo di voler confrontare il decesso del paziente (S/N) (utilizzando il flag Paziente deceduto, impostando il livello target su S) tra Nicardipina e Placebo (descrizione del braccio pianificato, impostando il Placebo come braccio di controllo) all'interno dei sottogruppi in base ai seguenti fattori:
- Sesso: M, F
- Età (anni)
- Gruppo di razza raggruppato 1
- Segnalazioni di farmaci/interventi (S/N)
- Bandiera degli anticonvulsivanti
- Segnalazione di antiemetici o fenotiazine
- Segnalazione antifibrinolitici
- Segnalazione antipertensiva
- Bandiera per trasfusione di sangue
- Segnalatore di monitoraggio della pressione venosa centrale
- Segnalazione di ipertensione indotta
- Segnalazione di ipervolemia intenzionale
- Flag di emodiluizione intenzionale
- Flag di destrano a basso peso molecolare
- Bandiera del mannitolo
- Bandiera degli steroidi
- Bandiera di monitoraggio Swan Ganz
- Bandiera dei vasopressori
Il dialogo nella Figura 1 ci consente di eseguire l'analisi.
Figure 1. Response Screening analysis with Subgroup roleFigura 1. Analisi dello screening della risposta con ruolo del sottogruppo
Si noti la presenza della variabile continua età nel ruolo Sottogruppo . Sebbene sia sempre possibile creare categorie personalizzate di variabili continue, Screening della risposta lo fa automaticamente utilizzando i terzili. Infine, per ottenere combinazioni a coppie dei livelli di ciascun fattore (ad esempio, uomini con trasfusioni di sangue), selezionare l'opzione Sottogruppo bidirezionale .
Il risultato è presentato nella Figura 2.
Figure 2. Response Screening of death within subgroupsFigura 2. Screening della risposta alla morte all'interno dei sottogruppi
Selezionando Sottogruppo bidirezionale , questi 17 fattori producono 612 sottogruppi diversi (facilmente visibili dalla tabella dati dei valori P , che presenta 612 righe; Salva tabelle > Salva valori P). Di questi, 605 sottogruppi producono valori p (Figura 2). Vengono osservati tutti i potenziali sottogruppi basati su combinazioni individuali e a coppie dei livelli fattoriali. I sottogruppi "vuoti" verrebbero presentati nelle tabelle dati con Conteggio pari a 0 (il che è ottimale per la trasparenza e la completezza dell'analisi dei sottogruppi). Le dimensioni dei sottogruppi variano da un paziente fino a 852 pazienti.
Quando si utilizza un singolo fattore per generare un sottogruppo, come nella prima riga della tabella della Figura 2, Sottogruppo2 = Tutti. Quando si utilizzano due fattori, sia Sottogruppo che Sottogruppo2 presentano valori diversi da Tutti. Il risultato dell'analisi nell'intera popolazione di pazienti (in questo caso 882) presenta Sottogruppo e Sottogruppo2 entrambi uguali a Tutti. Considerando tutti i test multipli eseguiti con aggiustamento FDR, non si osservano differenze nei tassi di mortalità tra i bracci di trattamento.
I diagrammi a foresta degli intervalli di confidenza ingenui al 95% per il rischio relativo, la differenza di rischio e l'odds ratio di morte sono presentati nella scheda Risultati 2 per M. Questi diagrammi confermano poche differenze significative tra i trattamenti, sebbene queste analisi non siano state corrette per il numero di test eseguiti.
Figure 3. Forest plots of death within subgroupsFigura 3. Grafici forestali della mortalità all'interno dei sottogruppi
Lo Screening della risposta della personalità in Modello di adattamento consente di adattare modelli più complessi per endpoint continui per consentire l'inclusione di più covariate nell'analisi dei sottogruppi.
Con Screening della risposta in JMP Pro 19 e JMP Clinico 19, esplorare i risultati all'interno dei sottogruppi è più facile che mai. A breve, parleremo del report Screening dei sottogruppi in JMP Clinica , che sfrutta la potenza di Screening della risposta per ottenere informazioni sugli endpoint primari e secondari chiave degli studi clinici.
