Практикум в STATISTICA

Итак, среднее снижение вирусной нагрузки в ITT-популяциях для группы лечения TRNEW составляло 1,05 log10 ME/мл (95%-доверительный интервал 0,84-1,26), для группы лечения TRUSUAL – 0,32 (95%- доверительный интервал 0,09-0,55).

Для популяции РР соответствующие показатели были 0,97 (0.76, 1.18) и 0,33

(0.06, 0.59).

Закономерно увидеть, что снижение вирусной нагрузки было больше для группы TRNEW. Подкрепим наше предположение графически.

В меню Графика выберем 2М Графики, Графики средних с ошибками.

Зададим переменные. Вы можете в интерактивном режиме изменять как настройки, так и внешний вид любого из графиков. Настраивать график можно как из окна графического анализа, до его построения, так и после того, как график построен, щелкнув по графику два раза мышью.

В нашем случае мы оставим настройки графика по умолчанию, построим интересующий нас график.

Из построенного графика отчетливо видно, что не только средние значения снижения вирусной нагрузки для двух типов лекарств различаются, но и их 95%-доверительные интервалы не пересекаются.

Отметим также, что доверительные интервалы изменения нагрузки для обоих типов лекарств находятся ниже 0, что свидетельствует о том, что оба препарата оказывают снижающее действие на концентрацию вируса в крови.

Докажем значимость различия в снижении вирусной нагрузки для двух типов лекарственной терапии.

Нулевая гипотеза состоит в том, что среднее значение изменения вирусной нагрузки для нового препарата равно среднему значению изменения вирусной нагрузки для стандартного препарата .

Проверить данную гипотезу можно, воспользовавшись t-критерием для независимых выборок. Однако необходимо помнить, что применение данного критерия возможно при выполнении двух условий: нормальность распределения изменения нагрузки в каждой из групп, а также однородность дисперсий по группам.

STATISTICA содержит удобные инструменты, позволяющие в рамках одного анализа проверить и выполнить необходимые условия применения критерия, и провести сам критерий, и построить соответствующие графики, наглядно иллюстрирующие результат.

В модуле Основные статистики и таблицы выберем t-критерий для независимых выборок. Зададим переменные. Прежде, чем выводить результаты критерия, проверим нормальность распределения. Проверка может осуществляться различными способами, мы построим

категоризованные нормальные вероятностные графики, нажав соответствующую кнопку в окне анализа.

На графике изображается зависимость между наблюдаемыми значения переменной и ожидаемыми от нормального распределения значениями. Близость точек к прямой красной линии, как в нашем случае, свидетельствует о нормальном распределении переменной.

Убедившись в нормальности распределения переменной, выведем результаты t-критерия, предварительно отметив на вкладке Опции включение результатов критерия Левена для проверки гипотезы об однородности дисперсий.

Получим следующие результаты:

Гипотезу об однородности дисперсий мы отклонить не можем (p>0,05), таким образом, мы можем смело доверять результатам t-критерия, который говорит о значимости различия в изменении нагрузки для различных типов лечения (p=0,00006).

Аналогичные результаты получены и для PP-популяции (р=0,000234).

Итак, превосходство (значимое снижение вирусной нагрузки для ITT/PP популяций) нового лекарственного средства TRNEW над стандартным

TRUSUAL доказано.

Отметим, что если необходимые условия применения t-критерия не выполнены, необходимо провести аналогичный анализ с помощью непараметрических методов (Манна-Уитни, Вальда-Вольфовица и др.),

находящихся в модуле Непараметрическая статистика.

Относительные риски возникновения осложнений, доверительные интервалы (RR, CI)

Как было отмечено выше, у 107 пациентов (41%) для ITT популяции, 88 пациентов (39%) для РР популяции наблюдались осложнения после проведения лечения.

Можно показать, что относительная частота возникновение осложнений и её зависимость от метода лечения различалась в зависимости от тяжести вирусной нагрузки до лечения.

Для пациентов с низкой или умеренной исходной вирусной нагрузкой вероятность возникновения осложнений не зависела от назначенного лекарственного препарата.

Однако для пациентов с высокой вирусной нагрузкой риск возникновения осложнений значимо снижался, если в качестве лечения было выбрано лекарственное средство TRNEW.

Таким образом, важным вопросом является доказательство правильного выбора предельной точки вирусной нагрузки, по достижению которой назначение препарата TRNEW значимо снижает риск возникновения осложнений в сравнении с препаратом TRUSUAL.

Этот вопрос окажется особенно важным, если стоимость производства лекарства TRNEW значительно превышает стоимость лекарства TRUSUAL: для пациентов с умеренной или низкой вирусной нагрузкой может быть выбрано лечение более дешевым препаратом TRUSUAL, однако если уровень вирусной нагрузки превышает предельную точку, то назначение препарата TRNEW является необходимым для снижения риска возникновения осложнений.

С помощью STATISTICA Вы можете перебрать все возможные предельные точки и выбрать ту, что обеспечивала бы наибольший относительный риск (RR) возникновения осложнений для пациентов, имеющих вирусную нагрузку, превышающую предельное значение, и наименьший (близкий к 1) для пациентов, имеющих вирусную нагрузку меньше, чем значение предельной точки.

Выбор оптимальной предельной точки может быть легко автоматизирован самостоятельно с помощью STATISTICA Visual Basic.

Пусть предельная точка найдена и равна 6 log ME/мл.

Покажем, как вычислить относительный риск возникновения осложнений при лечении различными препаратами для пациентов ITT-популяции, имеющих вирусную нагрузку большую и меньшую значения предельной точки, равной 6 log ME/мл.

В модуле Основные статистики и таблицы выберем Таблицы сопряженности, флагов и заголовков.

Зададим переменные, затем отметим, для каких пациентов будет проведен анализ, нажав кнопку Select Cases, зададим условие выбора.

В условии выбора отметим наблюдения (пациентов), имеющих вирусную нагрузку, меньшую 6 log ME/мл.

Нажмем ОК, после чего STATISTICA выведет окно результатов кросстабуляции.

Для вывода таблицы сопряженности с включенным критерием проверки значимости различия в группах, на вкладке Опции поставим галочку Хи-

квадрат Пирсона и максимального правдоподобия (МП). Отметим также вывод процентов по строке.

На вкладке Дополнительно нажмем кнопку Подробные двухвходовые таблицы.

Получим следующие результаты:

Итак, для пациентов, получающих препарат TRNEW, риск возникновения осложнений 16/83= 0,19, для пациентов, получающих TRUSUAL – 20/107=0,18. Таким образом, риск возникновения инсульта при назначении препарата TRNEW практически не снижается:

RR=0,19/0,18=1,05.

95%-доверительный интервал для относительного риска можно рассчитать по формуле:

где SE(lnRR) – стандартная ошибка для лог-относительного риска,

.

Итак, 95%-доверительный интервал для относительного риска возникновения осложнений при лечении препаратом TRNEW в группе имеющей вирусную нагрузку, меньшую 6 log ME/мл в ITT-популяции: (0.58,

1.90).

Проделаем аналогичные действия для группы пациентов ITT-популяции, имеющих вирусную нагрузку, большую или равную 6 log ME/мл.

Получим результаты:

Таким образом, для пациентов, получающих препарат TRNEW, риск возникновения осложнений – 0,45, для пациентов, получающих TRUSUAL – 0,82. Таким образом, риск возникновения инсульта при назначении препарата TRNEW снижается практически в 2 раза:

RR=0,45/0,82=0,55,

CI=(0.38, 0.80).

Аналогично для PP-популяции имеем:

Для группы с вирусной нагрузкой <6 log ME/мл: RR=0.85, CI=(0.44, 1.63);

Для группы с вирусной нагрузкой ≥6 log ME/мл: RR=0.85, CI=(0.44, 1.63);

Итак, оптимальный выбор предельной точки доказан.

Выводы

В ходе проведения статистического анализа было доказано превосходство (superiority) нового лекарственного средства TRNEW в сравнении со стандартным противовирусным средством TRUSUAL. Найдена предельная точка вирусной нагрузки, равная 6 log ME/мл. Для пациентов, имеющих вирусную нагрузку, большую предельного значения, применение TRNEW максимально снижает риск возникновения осложнений RR=0.55 (0.38, 0.8) для ITT-популяции и RR=0.49 (0.31, 0.77) для PP-популяции.

http://statsoft.ru/solutions/ExamplesBase/branches/detail.php?ELEMENT_ID=766#Цель_исследования