Funnel-Plots werden für kontinuierliche, binäre und Zähl-Endpunkte verwendet, um die Leistung sich gegenseitig ausschließender Subgruppen im Vergleich zur Gesamtpopulation zu beurteilen (Spiegelhalter, 2005). In klinischen Studien werden Funnel-Plots häufig eingesetzt, um die Leistung von Studienzentren zu bewerten und festzustellen, ob zusätzliche Schulungen und Überwachung erforderlich sind, um die Datenqualität zu gewährleisten (Zink et al., 2018).
Betrachten wir beispielsweise das Balkendiagramm links in Abbildung 1, das den prozentualen Anteil der Todesfälle an den verschiedenen Studienzentren der Nicardipin-Studie zusammenfasst (Haley et al., 1993). Die Gesamtsterblichkeitsrate beträgt etwa 25 %. Bei Sicherheitsbedenken liegt es nahe, die Studienzentren mit den höchsten Sterberaten genauer zu untersuchen, um mögliche Ursachen für die übermäßige Anzahl an Todesfällen zu ermitteln.
Figure 1. Nicardipine exampleAbbildung 1. Beispiel Nicardipin
Eine extrem hohe Sterberate muss jedoch nicht zwangsläufig Anlass zur Sorge geben. Nehmen wir beispielsweise ein Zentrum mit nur einem eingeschriebenen Patienten. Die Sterberate an diesem Zentrum kann entweder 100 % oder 0 % betragen. Bei einer Gesamtsterberate von 25 % erfordert eine Sterberate von 100 % an einem Zentrum mit nur einem eingeschriebenen Patienten nicht unbedingt weitere Untersuchungen. Das Balkendiagramm könnte die Stichprobengröße des Zentrums als Beschriftungen verwenden, dies löst das Problem jedoch nicht für Zentren mit mehreren eingeschriebenen Patienten. Idealerweise liegt das Interesse darin, Zentren zu kennzeichnen, deren Sterberate im Verhältnis zur Anzahl der dort eingeschriebenen Patienten ungewöhnlich hoch ist.
Betrachten wir nun das Funnel-Plot, das in Abbildung 1 rechts dargestellt ist. Es zeigt den Anteil der Todesfälle an jedem Standort, bezogen auf die Stichprobengröße der dort behandelten Patienten. Eine vertikale Referenzlinie (rot) fasst die Gesamtsterblichkeitsrate zusammen, während Kurven die oberen und unteren Grenzen der 99,8%- und 95%-Konfidenzintervalle (KI) für jede entlang der X-Achse dargestellte Stichprobengröße verbinden. Die durch diese Referenzlinien definierten Bereiche können zur Kategorisierung der Standortmarker und zur Priorisierung der notwendigen Interventionen verwendet werden. Die Marker im rechten Teil von Abbildung 1 sind beispielsweise:
- Grün, wenn die Sterberate unter der allgemeinen Sterberate lag (geringes Risiko).
- Gelb, wenn die Sterberate über der allgemeinen Sterberate liegt (mittleres Risiko).
- Rot, wenn die Sterberate die obere Grenze von 99,8 % überschreitet, was ungefähr drei Standardfehler über der Gesamtreaktion liegt (hohes Risiko).
Die entsprechenden Balken im linken Feld sind farblich gekennzeichnet, was verdeutlicht, dass es nicht ausreicht, sich allein auf übermäßig hohe Sterberaten zu verlassen, um problematische Standorte zu identifizieren.
Weitere Kategorisierungen sind möglich. Zum Beispiel:
- Grün, wenn die Sterberate innerhalb der Grenzen des 95%-Konfidenzintervalls liegt (geringes Risiko).
- Gelb, wenn die Sterberate das 95%-Konfidenzintervall überschreitet und innerhalb des 99,8%-Konfidenzintervalls liegt (mäßiges Risiko), wobei die Raten über dem Gesamtdurchschnitt liegen (was auf eine erhöhte Sterblichkeit hinweist) und die Raten unter dem Durchschnitt liegen (was auf Knappheit hinweist).
- Rot, wenn die Sterberate das 99,8%-Konfidenzintervall überschreitet (hohes Risiko), wobei die Raten über der oberen Grenze (was auf eine Übersterblichkeit hinweist) und unter der unteren Grenze (was auf Knappheit hinweist) liegen.
Weniger Todesfälle sind zwar grundsätzlich eine gute Sache, doch das Ausbleiben von Todesfällen kann Anlass zur Sorge geben (z. B. verspätete Meldung, Fehlverhalten).
Das Funnel-Plot-Add-in im JMP Marketplace vereinfacht die Erstellung von Funnel-Plots erheblich und ermöglicht die Darstellung von kontinuierlichen, binären und Zähl-Endpunkten. Die Intervalle binärer Ergebnisse lassen sich an die Dauer der Nachbeobachtung anpassen (Liu et al., 2006). Benutzer definieren Intervalle anhand spezifischer Konfidenzgrenzen oder Vielfacher des Standardfehlers (Abbildung 2).
Figure 2. Funnel Plot dialogAbbildung 2. Dialog „Trichterdiagramm“
Abbildung 3 fasst beispielsweise die expositionsbereinigten Inzidenzraten von Bluttransfusionen pro 100 Tage zusammen.
Figure 3. Exposure-adjusted incidence rates of blood transfusion per 100 daysAbbildung 3. Expositionsbereinigte Inzidenzraten von Bluttransfusionen pro 100 Tage
Das Handbuch beschreibt mögliche zukünftige Verbesserungen des Add-ins. Wenn Sie es hilfreich finden, teilen Sie mir Ihre Meinung bitte über den JMP Marketplace mit!
Referenzen
- Hayley EC, Kassell NF & Torner JC. (1993). Eine randomisierte, kontrollierte Studie zur hochdosierten intravenösen Gabe von Nicardipin bei aneurysmatischer Subarachnoidalblutung . Zeitschrift für Neurochirurgie 78: 537-547.
- Liu GF, Wang J, Liu K & Snavely DB. (2006). Konfidenzintervalle für eine expositionsadjustierte Inzidenzratendifferenz mit Anwendungen in klinischen Studien . Statistik in der Medizin 25: 1275-1286.
- Spiegelhalter DJ. (2005). Trichterdiagramme zum Vergleich der institutionellen Leistung. Statistik in der Medizin 24: 1185-1202.
- Zink RC, Dmitrienko A & Dmitrienko A. (2018). Überprüfung der klinisch basierten Schwellenwerte von TransCelerate BioPharma für das risikobasierte Monitoring . Therapeutic Innovation & Regulatory Science 5: 560-571.
