p-arvo-ARR tai p-arvo-NNT-käyrät

nollahypoteesi on, että uuden hoidon ARR-arvo on pienempi kuin x. p-arvot lasketaan vaihteluvälille X. nämä p-arvot piirretään y-akselille ja ARR x-akselille. Näin ollen arr: n eri arvojen osalta meillä on vastaava todennäköisyys, että kliiniset tutkimushavainnot olisivat syntyneet sattumalta, jos todellinen ARR olisi pienempi kuin annetut arvot. Laskentamenetelmä on esitetty lisäyksessä (KS. p 203).

esimerkki 1—tutkimukset, joilla on samat HOITOVAIKUTUKSET mutta eri otoskoot

havainnollistan tätä kuviota vertaamalla kolmen kuvitteellisen tutkimuksen tuloksia, joilla on sama odotettu suhteellinen riski, ARR ja NNT. Otoskoot ovat kuitenkin erilaisia ja myös tilastollisen merkitsevyyden tasot ovat erilaisia. Ensimmäisessä tutkimuksessa p>0, 05 eikä ole tilastollisesti merkitsevä, kun taas toisessa ja kolmannessa tutkimuksessa p<0, 05 ja on tilastollisesti merkitsevä.

tutkimus 1

hoitoryhmä: 50 koehenkilöä; 49 selvisi hengissä, yksi kuoli.

kontrolliryhmä: 50 koehenkilöä; 45 jäi henkiin, viisi kuoli.

ARR = 0, 08 (95%: n luottamusväli-0, 012-0, 172)

NNT = 12, 5 (95%: n luottamusväli ja)

tutkimus 2

hoitoryhmä: 250 koehenkilöä; 245 selvisi hengissä, viisi kuoli.

kontrolliryhmä: 250 koehenkilöä; 225 jäi eloon, 25 kuoli.

ARR = 0, 08 (95%: n luottamusväli 0, 039-0, 121)

NNT = 12, 5 (95%: n luottamusväli 8, 3-25, 7)

tutkimus 3

hoitoryhmä: 1250 koehenkilöä; 1225 selvisi hengissä, 25 kuoli.

kontrolliryhmä: 1250 koehenkilöä; 1125 jäi eloon, 125 kuoli.

ARR = 0.08 (95%: n luottamusväli 0, 062-0, 100)

NNT = 12, 5 (95%: n luottamusväli 10, 2-16, 2)

ARR: n ja NNT: n laskelmat on esitetty liitteessä . Koska arr: n odotusarvo on 0,08, p-arvot, joiden nollahypoteesi todellisen absoluuttisen riskin vähenemisestä on pienempi kuin 0,8, ovat 0,5 jokaisessa kolmessa tutkimuksessa (KS.kuvassa oleva nuoli). Toisin sanoen todelliset ARR-arvot ovat yhtä todennäköisesti yli 0,08 kuin alle 0,08. P-arvot, joilla on nollahypoteesi, että käsittely ja kontrollit ovat yhtä tehokkaita (eli ARR = 0), ovat alle 0.05 tutkimuksissa 2 ja 3 (ks.käyrien leikkaus pystyakselilla). Tämä vastaa 95%: n luottamusväliä ilman Nollaa. Kuva 1A osoittaa kuitenkin myös, että tutkimuksessa 1 vastaava p-arvo on yli 0,05 (KS.leikkaus pystyakselilla). Tämä vastaa sitä, että 95 prosentin luottamusväli on nolla.

Oletetaan, että lääkäri pitää hoitoa kannattavana vain, jos ARR on yli 0, 05. Kun käytetään perinteistä 95%: n luottamusväliä ARR: n suhteen, voidaan päätellä, että ARR: n 95%: n luottamusväli sisältää 0, 05 sekä tutkimuksissa 1 että 2. Tutkimuksessa 2 ARR: n 95%: n luottamusväli oli 0, 04-0, 121. 0, 05: n ARR on lähellä pienempää luottamusväliä, mutta on epäselvää, kuinka todennäköistä on, että todellinen ARR ylittää 0, 05: n. Pitäisikö lääkärin jatkaa hoitoa tutkimuksen 2 tulosten kanssa?

kuviosta 1A voidaan kuitenkin nähdä, että todennäköisyydet, joiden mukaan tutkimushavainnot olisivat syntyneet sattumalta nollahypoteesilla, jonka mukaan todellinen ARR on alle 0,05, ovat 0,26, 0,08 ja 0.000 ensimmäisen ja kolmannen tutkimuksen osalta (ks.kolmen käyrän ja pystysuuntaisen katkoviivan risteymät, joissa on merkintä A, B ja C). Vaikka p = 0, 05 on taso, jota käytetään yleensä kynnysarvona tilastollisissa testeissä, joilla päätetään, onko hoito tehokkaampi kuin lumelääke, tätä kynnysarvoa ei välttämättä voida soveltaa testattaessa todennäköisyyksiä, joiden mukaan ARR on pienempi kuin ennalta määrätty kliininen merkitsevyys. Itse asiassa useimmat lääkärit käyttäisivät paljon korkeampaa kynnystä-ehkä jopa 0,2: ta (joka viides todennäköisyys, että tulokset ovat syntyneet sattumalta). Esimerkiksi tutkimuksessa 2 taso p = 0, 08 tarkoittaa sitä, että havaintojen mahdollisuus on syntynyt sattumalta, jos ARR <0, 05 on vain 0, 08. Siksi on paljon todennäköisempää kuin ei, että vaadittu kliininen merkitys saavutetaan. Tämä on hyvä peruste käyttää hoitoa. P-arvo-ARR-käyrä antaa p-arvon jokaiselle kliiniselle merkitsevyystasolle, joka sopii tietyille kliinikoille.

vastaavasti p-arvot, joiden luottamusväli on 95%, voidaan laskea ja piirtää eri NNT-arvoille käyttämällä suhdetta NNT = 1 / ARR. Tämä on esitetty kuvassa 1B. Arr <0,05 on NNT >20.

esimerkki 2—tutkimukset, joilla on erikokoisia hoitovaikutuksia ja otoskokoja

p-arvo-ARR-tai p-arvo-NNT-käyrien edut LUOTTAMUSVÄLIIN nähden voidaan osoittaa paremmin kahdella tutkimuksella: toisella on pienempi tilastollinen mutta suurempi kliininen merkitsevyys (tutkimus 2 alla) ja toisella suurempi tilastollinen mutta pienempi kliininen merkitsevyys (tutkimus 4 alla).

tutkimus 2

hoitoryhmä: 250 potilasta, 245 jäi henkiin, viisi kuoli.

kontrolliryhmä: 250 potilasta; 225 jäi eloon, 25 kuoli.

ARR = 0, 08 (95%: n luottamusväli 0, 04-0, 121)

NNT = 12, 5 (95%: n luottamusväli 8, 3-25, 7)

tutkimus 4

hoitoryhmä: 2500 potilasta; 2400 selvisi, 100 kuoli

kontrolliryhmä: 2500 potilasta; 2250 selvisi, 250 kuoli.

ARR = 0, 06 (95%: n luottamusväli 0, 05-0, 075)

NNT = 16, 7 (95%: n luottamusväli 13, 5-21, 8)

ensinnäkin oletetaan lääkärin päättävän, että arr: n kliininen merkitys >0.056 (eli NNT <18) tarvitaan, ja että eri hoitoja tutkitaan tutkimuksissa 2 ja 4. Molemmissa tutkimuksissa NNT-arvo 18 on 95%: n luottamusvälin sisällä. Ei ole selvää, mitä hoitoja lääkärin tulisi käyttää. Mitä jos lääkäri päättää, että kliininen merkitsevyystaso on ARR >0, 048 (eli NNT <21)? Tämäkin NNT-arvo on molempien tutkimusten luottamusvälin sisällä.

Kuvassa 2a esitetään tutkimusten 2 ja 4 p-arvo-ARR-kuvaaja ja 2B p-arvo-NNT-kuvaaja. Sekä kuvasta 2A että kuvasta 2B näkyy selvästi, että arvolla ARR >0, 056 (eli NNT <18) tutkimuksen 4 p-arvo ylittää huomattavasti tutkimuksen 2, kun taas arr-arvolla >0, 048 (eli NNT <21). Tämän havaintoalan perusteella lääkäri voi valita hoidon tutkimuksessa 4, jos vaadittu kliininen merkitys on NNT <21, mutta valita hoidon tutkimuksessa 2, jos vaadittu kliininen merkitys on NNT <18.