応答スクリーニングは、 JMPプロで利用できるプラットフォームの主力です。多数の応答に対してテストを実施するプロセスを自動化し、テスト結果と要約統計量がレポートまたはデータ テーブルに直接表示されるため、さらにデータを探索できます。さらに、多くの応答に対して因子の影響をテストすることは、偽陽性の結果を防ぐための適切な統計手法を使用しないと、誤解を招く恐れはないにしても困難になる可能性があります。偽発見率 (FDR) アプローチは、有意性の誤った宣言を防ぎます。調整された p 値のプロットにより、結果を簡単に解釈できます。応答スクリーニングは柔軟性とパフォーマンスに優れているため、臨床試験で一般的に考慮される多くのエンドポイント、時点、またはグループを分析するためのJMP臨床内の新機能の開発によく使用されるプラットフォームです。JMP Pro 19およびJMP 臨床 19では、新しいサブグループの役割により、観察のサブグループ内でエンドポイントを探索することがこれまで以上に簡単になりました。
まず、サブグループとは何か？サブグループとは、観測データの完全な集合のサブセットであり、多くの場合、データテーブルのすべての行で表されます。サブグループは、1つ以上の特性が共通しているという理由で選択されることが多く、これらのサブグループ内で分析を行うことで、観測データの完全な集合の分析結果とどのように異なるかを理解したい場合があります。
ここでの議論において、 「因子」という用語は、単独で、または他の因子と組み合わせてサブグループを決定するために使用される変数を指します。サブグループとは、因子の個々のレベル、または2つ以上の因子レベルの組み合わせとして定義されます。例えば、変数「性別」は因子と見なされ、「男性」と「女性」はサブグループと見なされます。2つ目の因子「年齢」には、65歳未満と65歳以上という2つのサブグループが含まれるとします。性別と年齢に基づくサブグループは、次の4つのサブグループに分類されます。
- 男性、65歳未満
- 男性、65歳以上
- 女性、65歳未満
- 女性、65歳以上
このブログ記事では、JMPのサンプルデータインデックスに含まれるニカルジピンデータを用いて、サブグループの役割を説明します。このデータには、患者ごとに複数の行が含まれており、有害事象ごとに1行ずつ含まれています。 「Unique Subject Identifier（被験者固有識別子）」列を選択し、「行」＞「行の選択」＞「重複行の選択」を選択します。これにより、 Unique Subject Identifier（被験者固有識別子）のみを使用して重複を特定したすべての重複行がハイライト表示されます。この分析では、これらの行に「非表示」と「除外」を適用すると、分析に使用できる行は882行になります。
次の要因に基づいて、サブグループ内のニカルジピンとプラセボ（計画されたアームの説明、プラセボをコントロールアームとして設定）間で、患者死亡（Y/N）（患者死亡フラグを使用し、ターゲットレベルを Y に設定）を比較するとします。
- 性別: 男性、女性
- 年齢（歳）
- プールレースグループ1
- 投薬/介入フラグ（Y/N）
- 抗てんかん薬の旗
- 制吐剤またはフェノチアジンフラグ
- 抗線溶薬フラグ
- 降圧剤フラグ
- 輸血旗
- 中心静脈圧モニタリングフラグ
- 誘発性高血圧症フラグ
- 意図的な高血糖フラグ
- 意図的な血液希釈フラグ
- 低分子量デキストランフラグ
- マンニトール旗
- ステロイド旗
- スワンガンツ監視旗
- 血管収縮薬の旗
図 1 のダイアログを使用して分析を実行できます。
Figure 1. Response Screening analysis with Subgroup role図1. サブグループの役割による応答スクリーニング分析
Note the presence of the continuous variable age in the サブグループ role. While it is always possible to create our own categories of continuous variables, レスポンススクリーニング does this automatically using tertiles. Finally, to get pairwise combinations of the levels of each factor (e.g., males with blood transfusions), select the サブグループ2元 option.
出力は図 2 に示されています。
Figure 2. Response Screening of death within subgroups図2. サブグループ内の死亡に対する対応スクリーニング
サブグループ2を選択すると、これら17の因子から612の異なるサブグループが生成されます（ P値データテーブルには612行あるため、「テーブルの保存」>「P値の保存」で簡単に確認できます）。これらのうち、605のサブグループからp値が生成されます（図2）。因子レベルの個別およびペアワイズの組み合わせに基づくすべての潜在的なサブグループが観察されます。「空」のサブグループは、データテーブルでカウントが0（サブグループ分析の透明性と完全性を確保するために最適です）として表示されます。サブグループの規模は、患者1人から最大852人までの範囲です。
図2の表の最初の行のように、単一の因子を用いてサブグループを作成する場合、サブグループ2は「すべて」となります。2つの因子を用いる場合、サブグループとサブグループ2の両方に「すべて」以外の値が含まれます。患者集団全体（ここでは882人）の解析結果では、サブグループとサブグループ2の両方が「すべて」となります。FDR調整を用いて実施された多重検定をすべて考慮すると、治療群間の死亡率に差は認められません。
死亡の相対リスク、リスク差、オッズ比のナイーブ95%信頼区間のフォレストプロットが、「2xM 結果」タブに表示されます。これらのプロットは、実施された検査数を考慮して調整されていないにもかかわらず、治療間に顕著な差がほとんどないことを示唆しています。
Figure 3. Forest plots of death within subgroups図3. サブグループ内の死亡のフォレストプロット
The レスポンススクリーニング personality in 適合モデル makes it possible to fit more complex models for continuous endpoints to allow for the inclusion of multiple covariates into the analysis of subgroups.
レスポンススクリーニング in JMP Pro 19 and JMP 臨床 19 makes it easier than ever before to explore results within subgroups. Soon, we’ll discuss the サブグループスクリーニング report within JMP臨床 that uses the power of レスポンススクリーニング to gain insight into the primary and key secondary endpoints of clinical trials.
