Evaluación de la similitud de sujetos de ensayos clínicos dentro del sitio de estudio escribió:
[...] en nuestra discusión de la última vez, nos gustaría utilizar la mayor cantidad posible de datos de un sujeto para evaluar [...]
Mike Clayton escribió:
Los valores atípicos de MT y los inliers a menudo se detectan en los datos de las pruebas de obleas semiconductoras, y estos dispositivos pueden ser "riesgosos" en las pruebas de estrés posteriores. Todos son de la misma oblea, por lo que vieron los mismos procesos y herramientas, pero defectos pequeños los convierten en "circuitos inconformistas" y pueden ser contenidos.
Afortunadamente, se hacen miles en cada oblea, y se conocen las coordenadas xy, y esos datos se rastrean a través de todos los pasos de fabricación, SPC y pasos de prueba, hasta que los troqueles se separan y empaquetan. Pero la DieID (ubicación de lote y oblea y xy) está marcada en cada parte en un código de barras 2D u otros métodos para problemas de devolución del cliente. Por lo tanto, el análisis de MV se usa mucho para contener demarcadores estadísticos que a menudo también resultan ser demoledores físicos. Gracias por su buen tutorial para agregar a nuestra colección.
Nos estamos acercando al final de esta serie de publicaciones sobre detección de fraude en ensayos clínicos y algunas características futuras de JMP Clinical 4.1 que ayudan a identificar observaciones inusuales. Hemos descrito como fechas de visita y medidas tomadas en la clínica puede significar problemas en el sitio clínico y discutió cómo pueden aparecer los participantes del ensayo varias veces dentro del mismo estudio.En las dos últimas publicaciones, nos centramos en algunos métodos que utilizan la mayor cantidad posible de datos de un sujeto para ver cómo se compara con otros sujetos.Hoy usaremos Distancia de Mahalanobis para identificar valores inliers y outliers multivariados.
Distancia de Mahalanobis se puede usar para calcular la distancia entre dos vectores aleatorios o de un vector a un punto particular en el espacio multivariante (típicamente la media multivariada o centroide).Se diferencia de la distancia euclidiana en que da cuenta de la correlación entre las variables, por lo que se considera que los puntos pueden no estar distribuidos esféricamente alrededor del centroide. La distancia de Mahalanobis es sencilla de calcular en SAS , y para nuestros propósitos compararemos vectores de datos del sujeto con el centroide.
En estadística, la mayoría de nosotros estamos familiarizados con el término "parte aislada." Merriam-Webster define parte aislada como "una observación estadística que tiene un valor marcadamente diferente de las demás de la muestra". En un diagrama de caja, un valor atípico puede identificarse como un punto que excede 1,5 veces el rango intercuartílico (distancia entre el primer y tercer cuartiles) más allá del primer o tercer cuartil.
Por otro lado, un "Inlier" es un valor cercano a la media.En una configuración univariante, un valor cercano a la media no llamaría la atención.Sin embargo, como señala Evans (2001), sería poco probable que una observación se ubicara cerca de la media para un gran número de variables.Entonces, mientras que los valores atípicos pueden ser problemáticos, es más probable que los inliers representen observaciones que son "demasiado buenas para ser verdad" o "demasiado buenas para ser reales". Por supuesto, una distancia de Mahalanobis de cero representaría un sujeto que se encuentra en la media de cada variable.(¿Qué mejor manera de escapar a la detección que crear valores individuales que no se destacan?)
Próximamente de JMP Clinical Inliers y valores atípicos multivariados El proceso analítico (AP) crea un conjunto de datos que comprende una fila por sujeto de un conjunto de CDISC conjuntos de datos formateados.Las variables para las pruebas de laboratorio, los signos vitales, los síntomas y otros datos de Hallazgos se generarán por número de visita y punto de tiempo.Se calcularán las variables que representan la frecuencia de los eventos adversos, los medicamentos y los términos del historial médico.Con base en las opciones de diálogo, las variables que excedan un cierto porcentaje de datos faltantes (por defecto 5%) serán excluidas del análisis, ya que los sujetos con datos faltantes para las variables de interés no pueden calcular la distancia de Mahalanobis. Éste es un punto importante.Se debe adoptar un enfoque equilibrado entre el uso de tantos datos como sea posible y la posibilidad de excluir demasiados sujetos en su revisión.Se esperaría que los sujetos que discontinúan temprano tengan numerosos valores perdidos, por lo que es probable que se pierdan algunos sujetos al considerar la mayoría de los datos.Sin embargo, las opciones permiten excluir todas las variables que contienen valores perdidos.
El conjunto de datos resultante calculado anteriormente se utilizará para calcular la distancia de Mahalanobis.La Figura 1 muestra un diagrama de caja de medidas de distancia para cada sujeto en comparación con el centroide de la distribución multivariante.La medida de distancia se calcula a partir de 268 de 744 posibles variables. Las variables restantes tenían tasas de datos faltantes superiores al 5% y se eliminaron del análisis.Cincuenta y dos sujetos no tenían medidas de distancia calculadas debido a 15 variables con algunos datos faltantes.Esta figura puede identificar valores atípicos (grandes distancias) o inliers (distancias pequeñas).La línea de referencia roja punteada se deriva de un distribución chi-cuadrado con k (número de variables en el análisis) grados de libertad.El cuadrado de la distancia de Mahalanobis sigue esta distribución.
La Figura 2 presenta la distancia de Mahalanobis por sitio de estudio para identificar si algún sitio en particular es extremo.Esto puede descubrir posibles errores de datos entre las variables analizadas, pero también puede describir diferencias clave en la población de estudio entre los sitios.La longitud de los diagramas de caja indica qué tan variables están los sujetos dentro de un sitio dado alrededor de la media multivariada.La gran variabilidad puede reflejar una población de estudio diversa o un sitio que puede beneficiarse de una capacitación adicional.La baja variabilidad puede reflejar una población particularmente homogénea.En cualquier caso, cualquier sitio que "se destaque" puede requerir un mayor escrutinio.
Evans, S. (2001). Aspectos estadísticos de la detección de fraudes.En: Lock, S, Wells, F & Farthing, M, eds.Fraude y mala conducta: en investigación biomédica, tercera edición .Libros BMJ.
