Vous vous demandez peut-être… «Deux publications bayésiennes d'affilée? Que se passe-t-il?"
Bien que ma formation statistique se soit concentrée sur les méthodologies Frequentist, je suis un fervent partisan de l'utilisation de tous les outils pour m'aider à mieux comprendre le problème statistique sur lequel je me concentre actuellement. Fréquentiste ou bayésien, cela ne fait aucune différence. En fait, parce que je suis biostatisticien, mon appréciation de ces deux écoles d’inférence statistique prend tout son sens.
C'est un commun malentendu la biostatistique est axée sur l'analyse statistique de données médicales ou biologiques. Rien ne pourrait être plus éloigné de la vérité. Disséquons le mot «biostatistique». Selon le dictionnaire, «bi-» signifie «deux». Ainsi, clairement, «bi-» et «statistiques» désignent les deux principaux paradigmes inférentiels de la statistique moderne. Que signifie le "o"? Il signifie "oh, comme j'aime."
Alors passons en revue:
bi “bayésien ou fréquentiste”
«Oh, comme j'aime»
statistiques «statistiques»
Donc, biostatistique signifie «Bayésien ou Frequentist, oh, comme j'aime les statistiques».
À part Ramblings, nous allons parler aujourd'hui de l'analyse des événements indésirables à l'aide de modèles hiérarchiques bayésiens. Il n’est pas surprenant que l’analyse des événements indésirables, et l’analyse du critère de tolérance en général, impliquent généralement un grand nombre de comparaisons entre deux groupes de traitement. En outre, de nombreux événements indésirables surviennent rarement. Enfin, une analyse typique des événements indésirables ignore la manière dont les événements peuvent être liés les uns aux autres.
Pour résoudre ces problèmes, Berry & Berry (2004) définir un modèle de mélange hiérarchique à trois niveaux qui:
Analyse tous les événements simultanément. L'inférence est basée sur la synthèse des échantillons MCMC de la distribution postérieure.Permet aux EI associés d'emprunter de la force les uns aux autres (en fonction de l'appartenance à une classe de systèmes d'organes, par exemple).Module les résultats extrêmes, probablement en raison de la rareté de certains événements.le Modèle hiérarchique bayésien AE Le processus analytique (PA) correspond au modèle Berry & Berry (2004) de JMP Clinical 4.1 en utilisant PROC MCMC pour comparer le profil des événements indésirables apparus sous traitement de deux groupes de traitement. Il existe des options permettant de spécifier le nombre d'échantillons brûlés et postérieurs, le taux d'amincissement et le nombre de chaînes de Markov indépendantes. En outre, les utilisateurs peuvent modifier les valeurs supposées d'hyperparamètre suggérées dans Berry et Berry (2004).
La figure 1 résume l'analyse des effets indésirables de la nicardipine par rapport à un placebo à l'aide d'une version bayésienne d'un graphe de volcan (figure 2). Au lieu de –log10 (valeur de p) pour l'axe des ordonnées, nous utilisons la probabilité de dépassement postérieur, définie initialement par p [différence de proportions> 0 | données] (ou les rapports de cotes pourraient être analysés à la place). Pour chaque événement indésirable, cette probabilité est calculée comme le nombre d'échantillons postérieurs où la différence de proportions (Nicardipine - Placebo) est> 0 divisée par le nombre total d'échantillons postérieurs (ici: 10 000). Cela peut être interprété comme la probabilité que Nicardipine présente un risque excédentaire par rapport à Placebo. L'utilisateur est libre de modifier la définition de la probabilité de dépassement postérieur et de redessiner le tracé du volcan.
L'axe des x est similaire au tracé du volcan Frequentist, sauf que nous utilisons la moyenne postérieure de la différence de proportions (qui est simplement la moyenne de tous les échantillons postérieurs). Les bulles sont dimensionnées de manière à ce que la surface de la bulle soit proportionnelle au nombre total de sujets ayant vécu l'événement au cours des deux traitements combinés. La couleur indique la classe d'organes système à laquelle les événements appartiennent. Il est évident que plusieurs troubles vasculaires, respiratoires et psychiatriques présentent un risque accru de nicardipine.
La figure 3 contient des tracés forestiers qui résument les intervalles crédibles postérieurs à valeur égale et HPD pour tous les événements où p [différence de proportions> 0 | données]> 0,80. À intervalles égaux, plusieurs événements semblent présenter un risque plus élevé de nicardipine: l’isosthénurie, la phlébite, l’épanchement pleural, l’hypotension et l’agitation. Ces événements se distinguent également à la figure 2.
Cependant, le modèle bayésien met en évidence des événements supplémentaires: atélectasie (effondrement d'une partie du poumon), délire et désorientation. Une atélectasie a été ressentie par 86 sujets (19,2%) et 63 (13,8%), le délire par 6 (1,3%) et 0 et la désorientation par 8 (1,8%) et 3 (0,7%) sujets sous Nicardipine et Placebo, respectivement. Les valeurs p brutes et ajustées par le FDR pour l'atélectasie étaient de 0,0293 et 0,4100, le délire de 0,0132 et 0,2876 et la désorientation de 0,122 et 0,5416, respectivement. Redéfinir la probabilité de dépassement et examiner les événements où p [différence de proportions <0 | données]> 0,80 montre un risque accru d'hypertension et de vasoconstriction pour le placebo (ce qui est conforme à l'analyse de la figure 2). Cependant, la bradycardie sinusale ne montre aucune différence importante entre les traitements. Cela est probablement dû au fait qu'il existe 12 autres événements dans la classe de système d'organes des troubles cardiaques sans effets de traitement. Idéalement, l'analyse bayésienne devrait évaluer la sensibilité des résultats à différentes hypothèses antérieures, mais nous avons identifié quelques événements indésirables supplémentaires entre les traitements nécessitant un examen plus approfondi.
Alternativement, un modèle qui ajuste l'exposition du sujet peut être utilisé pour analyser les événements indésirables dans JMP Clinical ( Xia, Ma & Carlin, 2010 ). Pour les sujets présentant un événement, leur exposition est calculée en fonction du temps écoulé entre le début du traitement et le premier événement. L'exposition des sujets sans événement est calculée comme leur temps d'étude complet.
Je discuterai de ces méthodes plus en détail lors du SAS Global Forum. N'hésitez pas à revoir mon article ici .
