Évaluer la similarité des sujets des essais cliniques sur le site de l'étude a écrit:
[...] dans notre discussion de la dernière fois, nous aimerions utiliser autant de données de sujet que possible pour évaluer la [...]
Mike Clayton a écrit:
Les valeurs aberrantes et les valeurs intermédiaires sont souvent détectées dans les données de test de plaquettes de semi-conducteurs, et ces dispositifs peuvent être jugés "risqués" lors de tests de contrainte ultérieurs. Ils sont tous issus de la même plaquette et ont donc mis en oeuvre les mêmes processus et outils, mais de minuscules défauts en font des "circuits non-conformistes" et ils peuvent être contenus.
Heureusement, des milliers sont créés sur chaque tranche, et les coordonnées xy sont connues, et ces données sont suivies à travers toutes les étapes de fabrication, SPC et étapes de test, jusqu'à ce que les puces soient séparées et emballées. Mais les ID de puce (emplacement du lot, de la plaquette et xy) sont marqués sur chaque partie dans un code à barres 2D ou par une autre méthode pour les problèmes de retour client. L'analyse MV est donc très utilisée pour contenir des francs-tiroirs statistiques qui se révèlent souvent être aussi des francs-tiroirs physiques. Merci pour son tutoriel à ajouter à notre collection.
Nous approchons de la fin de cette série d'articles sur la détection de la fraude dans les essais cliniques et certaines fonctionnalités à venir de JMP Clinical 4.1 qui aident à identifier les observations inhabituelles. Nous avons décrit comment dates de visite et mesures prises à la clinique peut signifier des problèmes sur le site clinique et a discuté de la façon dont les participants à l'essai peuvent apparaître plusieurs fois dans la même étude.Pour les deux derniers articles, nous nous concentrons sur certaines méthodes qui utilisent autant de données d'un sujet que possible pour voir comment il ou elle se compare à d'autres sujets.Aujourd'hui, nous allons utiliser Distance de Mahalanobis pour identifier les inliers et les valeurs aberrantes multivariées.
Distance de Mahalanobis peut être utilisé pour calculer la distance entre deux vecteurs aléatoires ou d'un vecteur à un point particulier dans l'espace multivarié (généralement la moyenne multivariée ou le centroïde).Elle diffère de la distance euclidienne en ce qu'elle tient compte de la corrélation entre les variables, considérant ainsi que les points peuvent ne pas être distribués de manière sphérique autour du centre de gravité. La distance de Mahalanobis est simple à calculer SAS , et pour nos besoins, nous comparerons les vecteurs de données sujet au centre de gravité.
En statistique, la plupart d'entre nous connaissent le terme «Valeur aberrante». Merriam-Webster définit aberrante comme "une observation statistique dont la valeur est nettement différente des autres de l'échantillon." Dans une boîte à moustaches, une valeur aberrante peut être identifiée comme un point qui dépasse 1,5 fois l'intervalle interquartile (distance entre le premier et le troisième quartile) au-delà du premier ou du troisième quartile.
D'autre part, un "Inlier" est une valeur proche de la moyenne.Dans un cadre univarié, une valeur proche de la moyenne ne soulèverait aucun sourcil.Cependant, comme le souligne Evans (2001), il est peu probable qu'une observation se situe près de la moyenne pour un grand nombre de variables.Ainsi, alors que les valeurs aberrantes peuvent être problématiques, les inliers peuvent être plus susceptibles de représenter des observations qui sont «trop belles pour être vraies» ou «trop belles pour être réelles». Bien sûr, une distance de Mahalanobis de zéro représenterait un sujet qui se trouve sur la moyenne de chaque variable.(Quoi de mieux pour échapper à la détection que de créer des valeurs individuelles qui ne se démarquent pas?)
Le prochain JMP Clinical Inliers et valeurs aberrantes multivariées Le processus analytique (AP) crée un ensemble de données comprenant une ligne par sujet à partir d'un ensemble de CDISC ensembles de données formatés.Les variables pour les tests de laboratoire, les signes vitaux, les symptômes et autres données de constatations seront générées par numéro de visite et moment.Les variables représentant la fréquence des événements indésirables, les médicaments et les termes des antécédents médicaux seront calculées.Sur la base des options de dialogue, les variables dépassant un certain pourcentage de données manquantes (par défaut 5%) seront exclues de l'analyse, car les sujets avec des données manquantes pour les variables d'intérêt ne peuvent pas faire calculer la distance de Mahalanobis. C'est un point important.Une approche équilibrée doit être adoptée entre l'utilisation d'autant de données que possible et la possibilité d'exclure trop de sujets dans votre examen.On s'attendrait à ce que les sujets qui arrêtent prématurément aient de nombreuses valeurs manquantes, il est donc probable qu'ils s'attendent à perdre certains sujets en considérant la majorité des données.Cependant, les options permettent d'exclure toutes les variables contenant des valeurs manquantes.
L'ensemble de données résultant calculé ci-dessus sera ensuite utilisé pour calculer la distance de Mahalanobis.La figure 1 montre une boîte à moustaches de mesures de distance pour chaque sujet par rapport au centroïde de la distribution multivariée.La mesure de distance est calculée à partir de 268 des 744 variables possibles. Les variables restantes avaient des taux de données manquants supérieurs à 5% et ont été retirées de l'analyse.Cinquante-deux sujets n'avaient pas de mesures de distance calculées en raison de 15 variables avec des données manquantes.Ce chiffre peut identifier des valeurs aberrantes (grandes distances) ou des valeurs entrantes (petites distances).La ligne de référence rouge en pointillé est dérivée d'un distribution du chi carré avec k (nombre de variables dans l'analyse) degrés de liberté.Le carré de la distance de Mahalanobis suit cette distribution.
La figure 2 présente la distance de Mahalanobis par site d'étude pour identifier si un site particulier est extrême.Cela peut révéler d'éventuelles erreurs de données parmi les variables analysées, mais cela peut également décrire des différences clés dans la population étudiée entre les sites.La longueur des boîtes à moustaches indique comment les sujets variables sont dans un site donné autour de la moyenne multivariée.Une grande variabilité peut refléter une population d'étude diversifiée ou un site qui pourrait bénéficier d'une formation supplémentaire.Une faible variabilité peut refléter une population particulièrement homogène.Dans tous les cas, tout site qui «se démarque» peut nécessiter un examen plus approfondi.
Evans, S. (2001). Aspects statistiques de la détection de la fraude.Dans: Lock, S, Wells, F & Farthing, M, eds.Fraud and Misconduct: in Biomedical Research, troisième édition .Livres BMJ.
