Dale Lehman, PhD, Direktor des Center for Business Analytics, Loras College
Dieses Papier wurde kürzlich im Rahmen der SPRINT Data Analysis Challenge des New England Journal of Medicine eingereicht. Die Herausforderung bestand in einem internationalen Wettbewerb, um die Vorteile der Offenlegung von Daten aus klinischen Studien zu untersuchen – eine vielbeachtete Studie, in der die Vorteile und Nebenwirkungen einer aggressiveren Behandlung von Menschen mit hohem Blutdruck untersucht wurden. Es gab 143 Einsendungen, und dies war die einzige Einsendung, in der festgestellt wurde, dass Teilnehmer, die geplante Besuche verpassten, die Vorteile einer intensiveren Blutdruckbehandlung nicht erkannten. Ich führe die Identifizierung dieses Faktors auf meine Verwendung von JMP zurück – andere Software deckt nicht ohne weiteres die Tatsache auf, dass fast 25 Prozent der SPRINT-Teilnehmer einige geplante Besuche verpassten und dass diese Gruppe keinen signifikanten Nutzen aus der intensiven Behandlung zeigte. Diese Gruppe hatte auch ein erhöhtes Risiko für schwerwiegende unerwünschte Ereignisse. Im Gegensatz dazu erzielten Patienten, die an allen geplanten Besuchen teilnahmen, sogar bessere Ergebnisse als die veröffentlichte Wirksamkeit der Intensivbehandlung in SPRINT, hatten jedoch ein erhöhtes Risiko für schwerwiegende unerwünschte Ereignisse. JMP ermöglichte auch eine visuelle Darstellung der Unsicherheiten, die sowohl mit dem primären Ergebnis (Herzinfarkte) als auch mit den schwerwiegenden unerwünschten Ereignissen (meist resultierend aus dem intensiveren Einsatz von Medikamenten zur Behandlung von Bluthochdruck) verbunden sind. Die Bedeutung versäumter Besuche und die grafische Darstellung der Unsicherheit verdeutlichen Merkmale von JMP, die eine bessere Datenanalyse ermöglichen.
Hinweis: Ich werde die Ergebnisse im beigefügten Dokument zusammen mit einer Live-Demonstration ihrer Ableitung in JMP vorstellen.Ich kann die JMP-Dateien nicht zur Verfügung stellen, da ich die Daten der Konkurrenz nicht weitergeben darf.
