Dale Lehman, PhD, Direttore del Center for Business Analytics, Loras College
Questo articolo è stato presentato nella recente SPRINT Data Analysis Challenge organizzata dal New England Journal of Medicine. La sfida era un concorso internazionale per indagare i vantaggi derivanti dall’accesso ai dati provenienti da studi clinici – uno studio ben pubblicizzato che esaminava i benefici e gli effetti collaterali di un trattamento più aggressivo delle persone con pressione alta. Sono state presentate 143 richieste e questa è stata l'unica in cui è stato riscontrato che i partecipanti che non avevano partecipato alle visite programmate non erano riusciti a realizzare i benefici di un trattamento più intensivo della pressione sanguigna. Attribuisco l'identificazione di questo fattore al mio utilizzo di JMP: altri software non rivelano facilmente il fatto che quasi il 25% dei partecipanti allo SPRINT ha saltato alcune visite programmate e che questo gruppo non ha mostrato alcun beneficio significativo dal trattamento intensivo. Questo gruppo aveva anche un rischio maggiore di eventi avversi gravi. Al contrario, i pazienti che hanno partecipato a tutte le visite programmate hanno avuto risultati ancora migliori rispetto all’efficacia pubblicata del trattamento intensivo nello studio SPRINT, ma avevano un rischio maggiore di eventi avversi gravi. JMP ha inoltre consentito una rappresentazione visiva delle incertezze associate sia all'esito primario (attacchi di cuore) che agli eventi avversi gravi (per lo più derivanti da un uso più intensivo di farmaci per il trattamento dell'ipertensione). L'importanza delle visite mancate e la rappresentazione grafica dell'incertezza dimostrano entrambe le caratteristiche di JMP che facilitano una migliore analisi dei dati.
Nota: presenterò i risultati nel documento allegato, insieme a una dimostrazione dal vivo della loro derivazione in JMP.Non posso fornire i file JMP poiché non mi è consentito condividere i dati della competizione.
