Dale Lehman, PhD, directeur du Center for Business Analytics, Loras College
Ce document a été soumis dans le cadre du récent défi d'analyse des données SPRINT organisé par le New England Journal of Medicine. Le défi consistait en un concours international visant à étudier les avantages de l’ouverture des données d’essais cliniques - un essai largement médiatisé examinant les avantages et les effets secondaires d’un traitement plus agressif des personnes souffrant d’hypertension artérielle. Il y avait 143 soumissions, et c'était la seule soumission qui indiquait que les participants qui avaient manqué les visites prévues n'avaient pas compris les avantages d'un traitement plus intensif de la tension artérielle. J'attribue l'identification de ce facteur à mon utilisation de JMP - un autre logiciel ne révèle pas facilement le fait que près de 25% des participants au programme SPRINT ont manqué certaines visites programmées et que ce groupe n'a montré aucun bénéfice significatif d'un traitement intensif. Ce groupe avait également un risque accru d'effets indésirables graves. À l'inverse, les patients qui ont assisté à toutes les visites programmées ont eu des résultats encore meilleurs que l'efficacité publiée d'un traitement intensif sous SPRINT, mais avaient un risque accru d'effets indésirables graves. JMP a également permis une représentation visuelle des incertitudes associées à la fois au résultat principal (crises cardiaques) et aux événements indésirables graves (principalement dus à une utilisation plus intensive de médicaments pour traiter l'hypertension artérielle). L'importance des visites manquées et la représentation graphique de l'incertitude démontrent les caractéristiques du programme JMP qui facilitent une meilleure analyse des données.
Remarque: je présenterai les résultats dans le document ci-joint, avec une démonstration en direct de leur dérivation dans JMP. Je ne peux pas fournir les fichiers JMP, car je ne suis pas autorisé à partager les données de la concurrence.
