Nei prossimi post del blog, discuterò varie analisi che possono essere utilizzate per identificare dati insoliti e potenzialmente fraudolenti provenienti da studi clinici. Vedere Buyse al per una buona sintesi delle frodi relative alle sperimentazioni cliniche, compresi suggerimenti per metodi statistici per aiutare a identificare dati insoliti. JMP Clinical 4.1 includerà diversi nuovi processi analitici (AP) per aiutare gli statistici, i gestori di dati e i monitor nell'identificazione di soggetti o siti clinici che potrebbero richiedere un esame più approfondito.
La frode è difficile da diagnosticare. Spesso, i metodi per identificare i valori problematici sono di natura grafica, in cui le tendenze e i modelli dei dati in un particolare sito clinico possono variare sostanzialmente dai siti rimanenti. Questi grafici richiedono una revisione e ciò che si qualifica come "segnale" può variare a seconda dell'analista. Inoltre, mentre queste differenze possono evidenziare un potenziale problema, possono anche semplicemente identificare siti con importanti differenze nel modo in cui determinate procedure vengono eseguite (che, idealmente, saranno standardizzate tra i siti il più possibile) o importanti differenze nella popolazione disponibile di soggetti. Peggio ancora, possono evidenziare alcune lacune nella progettazione e nella raccolta dei dati dello studio stesso.
Facciamo un semplice esempio. I pazienti sottoposti a studi clinici ricevono un'assistenza medica eccellente, a volte con l'aggiunta di un rimborso finanziario. A volte la necessità di mantenere questo trattamento o di ricevere ulteriori incentivi finanziari può indurre i soggetti a re-iscriversi al processo presso un altro centro di studio partecipante. Questi soggetti con duplicati registrati sono problematici. Da un punto di vista statistico, l'assunzione di indipendenza tra i soggetti dello studio è violata. Non considerare questa violazione ha il potenziale di sottostimare l'errore standard per l'effetto del trattamento. In alternativa, se questi errori vengono identificati dopo che il processo ha completato la registrazione, ciò può comportare una perdita di potere poiché un modo semplice per gestire i dati duplicati deve includere dati sull'efficacia solo per la prima istanza di ciascun soggetto che partecipa allo studio (risultante in una perdita di dimensioni del campione). Le analisi di sensibilità possono includere questi soggetti duplicati. In ogni caso, l'analisi e la segnalazione degli studi diventano molto più difficili con la presenza di soggetti duplicati.
Come è possibile identificare soggetti che hanno partecipato più di una volta? Semplici modi di identificare potenziali re-iscritti includono gli ID dei soggetti corrispondenti per data di nascita o iniziali. Vedi la Figura 1. Questo output proviene dal Compleanni e iniziali AP utilizzando dati da Nicardipina. I soggetti sono abbinati per data di nascita, con opzioni per consentire finestre per una data di nascita (nel caso in cui le date siano inserite nel database in modo errato); o con iniziali che spiegano la possibilità che un'iniziale media riportata in precedenza possa non essere segnalata in un altro sito. Qui, il sesso e la razza diversi all'interno di una partita possono identificare rapidamente coppie che non richiedono ulteriore attenzione. Se disponibile, JMP Clinical riassumerà anche etnia, altezza e peso in questa tabella.
Ad esempio, le prime due righe che rappresentano 15Apr1915 probabilmente non sono lo stesso argomento poiché il sesso è diverso. Tuttavia, la coppia per 28Jul1928 (righe 7 e 8) potrebbe richiedere una revisione. Infine, rivedi la coppia di soggetti nelle ultime due righe per 18ott1956. Corrispondono per genere e razza e partecipano allo stesso sito! Revisionare ulteriori dati dal DM / ADSL può fornire ulteriore chiarezza usando il Mostra soggetti scavare a fondo. Un caso peggiore è che è stato presentato un CRF duplicato per questo argomento (probabilmente solo un errore di errore). Un'altra possibilità è che i gemelli si siano iscritti a questo sito!
Come abbiamo visto sopra, l'identificazione delle partite in base a date di nascita e iniziali ha il potenziale per identificare i falsi positivi. Il famoso Problema di compleanno afferma che con 57 persone, c'è una probabilità del 99% di avere almeno un paio di soggetti con una data di nascita corrispondente. Tuttavia, riassumere ulteriori caratteristiche demografiche e dei segni vitali dovrebbe identificare ed eliminare rapidamente questi casi.
Identificazione di inlier e valori anomali multivariati ha scritto:
[...] la clinica può significare problemi nel sito clinico e ha discusso di come i partecipanti al trial possano apparire più volte nello stesso studio. Negli ultimi due post, ci concentriamo su alcuni metodi che usano tanto [...] ]
Individuazione di dati potenzialmente fraudolenti nei domini di SDTM Findings ha scritto:
[...] una precedente discussione si è incentrata sull'identificazione di soggetti che potrebbero essersi arruolati in uno studio più volte, tipicamente in più di un sito clinico. In generale, tuttavia, il comportamento fraudolento si verifica [...]
