wartość p-ARR lub wartość p-NNT działki

hipoteza zerowa jest taka, że ARR dla nowego leczenia jest mniejsza niż X. wartości p są obliczane dla zakresu wartości x. te wartości p są wykreślane na osi y i ARR na osi x. Stąd, dla zakresu wartości ARR, mamy odpowiednie prawdopodobieństwo, że obserwacje z badań klinicznych powstałyby przez przypadek, gdyby rzeczywisty ARR był mniejszy niż podane wartości. Metoda obliczeń przedstawiona jest w dodatku (zob. p 203).

przykład 1—badania o takich samych efektach leczenia, ale o różnych rozmiarach próbek

zilustruję ten wykres, porównując wyniki trzech fikcyjnych badań z tym samym oczekiwanym ryzykiem względnym, ARR i NNT. Jednak wielkości próby są różne i poziomy istotności statystycznej są również różne. W pierwszym badaniu p>0, 05 i nie jest statystycznie istotne, natomiast w drugim i trzecim badaniu p<0, 05 i jest statystycznie istotne.

badanie 1

Grupa leczona: 50 osób; 49 przeżyło, jeden zmarł.

grupa kontrolna: 50 osób; 45 przeżyło, pięciu zmarło.

ARR = 0,08 (95% CI-0,012 do 0,172)

NNT = 12,5 (95% CI i)

Badanie 2

Grupa leczona: 250 osób; 245 osób przeżyło, pięciu zmarło.

grupa kontrolna: 250 osób; 225 przeżyło, 25 zmarło.

ARR = 0,08 (95% CI 0,039 do 0,121)

NNT = 12,5 (95% CI 8,3 do 25,7)

badanie 3

Grupa leczona: 1250 osób; 1225 przeżyło, 25 zmarło.

grupa kontrolna: 1250 osób; 1125 przeżyło, 125 zmarło.

ARR = 0.08 (95% CI 0,062 do 0,100)

NNT = 12,5 (95% CI 10,2 do 16,2)

obliczenia dla ARR i NNT przedstawiono szczegółowo w załączniku . Wartość p-arr wykresy są pokazane na fig 1A. ponieważ wartość oczekiwana dla ARR wynosi 0,08, wartości p z hipotezą zerową, że rzeczywista bezwzględna redukcja ryzyka jest mniejsza niż 0,8 wynosi 0,5 dla każdego z trzech badań (patrz strzałka na rysunku). Oznacza to, że rzeczywiste wartości ARR są równie równe, co prawdopodobnie powyżej 0,08, jak poniżej 0,08. Wartości p z hipotezą zerową, że leczenie i kontrole są równie skuteczne (to znaczy, ARR = 0) są mniejsze niż 0.05 dla badań 2 i 3 (patrz punkt przecięcia krzywych z osią pionową). Jest to zgodne z 95% CI bez zera. 1A pokazuje jednak również, że w badaniu 1 odpowiednia wartość p jest większa niż 0,05 (patrz punkt przecięcia z osią pionową). Jest to zgodne z 95% przedziałem ufności obejmującym zero.

Załóżmy, że klinicysta uważa leczenie za opłacalne tylko wtedy, gdy ARR jest większy niż 0,05. Stosując tradycyjne 95% CI dla ARR, stwierdza się, że 95% CI dla ARR obejmuje 0,05 dla obu badań 1 i 2. W badaniu 2, 95% CI dla ARR mieści się w zakresie od 0, 04 do 0, 121. ARR wynoszący 0,05 jest zbliżony do dolnego CI, ale nie jest jasne, jak prawdopodobne jest, że rzeczywisty ARR przekracza 0,05. Czy lekarz powinien kontynuować leczenie z wynikami badania 2?

jednak można zobaczyć z fig 1A, że prawdopodobieństwo, że obserwacje badawcze powstały przez przypadek z hipotezą zerową, że rzeczywisty ARR jest mniejszy niż 0,05, wynosi 0,26, 0,08 i 0.000 odpowiednio dla pierwszego do trzeciego badania (patrz przecięcia między trzema krzywymi a pionową linią przerywaną, oznaczone odpowiednio A, B I C). Podczas gdy p = 0,05 jest poziomem zwykle używanym jako próg w testach statystycznych stosowanych do decydowania, czy leczenie jest bardziej skuteczne niż placebo, próg ten może nie mieć zastosowania do badania prawdopodobieństwa, że ARR jest mniejszy niż z góry określone znaczenie kliniczne. W rzeczywistości większość klinicystów zastosowałaby znacznie wyższy próg-być może nawet do 0,2 (co piąte prawdopodobieństwo wystąpienia wyników przez przypadek). Na przykład w badaniu 2 poziom P = 0,08 oznacza, że szansa, że obserwacje powstały przez przypadek, jeśli ARR <0,05 wynosi tylko 0,08. W związku z tym znacznie bardziej prawdopodobne jest osiągnięcie wymaganego poziomu znaczenia klinicznego. Jest to dobry argument, aby skorzystać z leczenia. Wykres wartości P-ARR daje wartość p dla każdego poziomu istotności klinicznej odpowiedniego dla poszczególnych klinicystów.

podobnie wartości p z 95% CI można obliczyć i wykreślić dla różnych wartości NNT, używając relacji NNT = 1 / ARR. Jest to pokazane na fig. Równoważność ARR <0.05 wynosi NNT >20. 1A.

przykład 2—badania o różnej wielkości efektu leczenia i wielkości próbek

korzyści z wartości p-ARR lub wartości p-NNT powyżej CI mogą być lepiej pokazane w dwóch badaniach: jednym o niższym statystycznym, ale większym znaczeniu klinicznym (badanie 2 poniżej) i jednym o wyższym statystycznym, ale mniejszym znaczeniu klinicznym (badanie 4 poniżej).

Badanie 2

Grupa leczona: 250 pacjentów; 245 przeżyło, pięciu zmarło.

grupa kontrolna: 250 pacjentów; 225 przeżyło, 25 zmarło.

ARR = 0,08 (95% CI 0,04 do 0,121)

NNT = 12,5 (95% CI 8,3 do 25,7)

badanie 4

Grupa leczona: 2500 pacjentów; 2400 przeżyło, 100 zmarło

grupa kontrolna: 2500 pacjentów; 2250 przeżyło, 250 zmarło.

ARR = 0,06 (95% CI 0,05 do 0,075)

NNT = 16,7 (95% CI 13,5 do 21,8)

Po pierwsze, załóżmy, że klinicysta zdecyduje, że kliniczne znaczenie ARR > 0.056 (tj. NNT <18) jest wymagane i że różne metody leczenia są badane w badaniach 2 i 4. W obu badaniach wartość NNT 18 mieści się w 95% CI. Nie jest jasne, który, jeśli w ogóle, z zabiegów powinien stosować klinicysta. Co zrobić, jeśli klinicysta zdecyduje, że poziom istotności klinicznej wynosi ARR >0,048 (czyli NNT <21)? Ponownie, Ta wartość NNT mieści się w CI obu badań.

rysunek 2A przedstawia wartość P-Wykres ARR, A 2b przedstawia wartość p-Wykres NNT w badaniach 2 i 4. 2A i 2b wyraźnie widać, że w ARR >0,056 (to znaczy NNT <18) wartość p w badaniu 4 znacznie przekracza badanie 2, podczas gdy odwrotnie jest w przypadku arr >0,048 (czyli NNT <21). Na podstawie tego wykresu lekarz może wybrać leczenie w badaniu 4, jeśli wymagane znaczenie kliniczne to NNT <21, ale wybrać leczenie w badaniu 2, jeśli wymagane znaczenie kliniczne to NNT <18.