p-värde-ARR eller p-värde-nnt-tomter

nollhypotesen är att ARR för den nya behandlingen är mindre än x. p-värden beräknas för ett intervall av värden på x. dessa p-värden plottas på y-axeln och ARR på x-axeln. Därför har vi för en rad värden av ARR motsvarande sannolikhet att de kliniska prövningsobservationerna skulle ha uppstått av en slump om den verkliga ARR var mindre än de givna värdena. Beräkningsmetoden visas i bilaga (Se p 203).

exempel 1-studier med samma behandlingseffekter men olika provstorlekar

Jag kommer att illustrera denna plot genom att jämföra resultaten från tre fiktiva studier med samma förväntade relativa risk, ARR och NNT. Provstorlekarna är dock olika och nivåerna av statistisk signifikans är också olika. I den första studien, p>0,05 och är inte statistiskt signifikant, medan i den andra och tredje studien, p<0,05 och är statistiskt signifikant.

studie 1

behandlingsgrupp: 50 personer; 49 överlevde, en dog.

kontrollgrupp: 50 personer; 45 överlevde, fem dog.

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

NNT = 12, 5 (95% CI och)

studie 2

behandlingsgrupp: 250 personer; 245 överlevde, fem dog.

kontrollgrupp: 250 personer; 225 överlevde, 25 dog.

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

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

studie 3

behandlingsgrupp: 1250 personer; 1225 överlevde, 25 dog.

kontrollgrupp: 1250 personer; 1125 överlevde, 125 dog.

ARR = 0.08 (95% ki 0,062 till 0,100)

NNT = 12,5 (95% ki 10,2 till 16,2)

beräkningarna för ARR och NNT beskrivs i bilaga . P-värdet-ARR-tomterna visas i fig 1a. eftersom det förväntade värdet för ARR är 0,08 är p-värdena med nollhypotesen att den verkliga absoluta riskreduktionen är mindre än 0,8 0,5 för var och en av de tre studierna (se pil i figuren). Det vill säga de faktiska ARR-värdena är lika lika sannolikt att vara över 0.08 som under 0.08. P-värdena med nollhypotesen att behandlingen och kontrollerna är lika effektiva (det vill säga ARR = 0) är mindre än 0.05 för studier 2 och 3 (se avlyssning av kurvorna med den vertikala axeln). Detta överensstämmer med 95% CI exklusive noll. Fig 1a visar emellertid också att i studie 1 är motsvarande p-värde över 0, 05 (se avlyssning med den vertikala axeln). Detta överensstämmer med att 95% KI är inklusive noll.

Antag att en kliniker anser att behandlingen är värdefull endast om ARR är mer än 0, 05. Med traditionell 95% ki för ARR kommer man att dra slutsatsen att 95% ki för ARR inkluderar 0,05 för båda studierna 1 och 2. I studie 2 varierar 95% ki för ARR från 0,04 till 0,121. ARR på 0,05 ligger nära det lägre CI, men det är oklart hur troligt att den verkliga ARR överstiger 0,05. Ska läkaren fortsätta med behandlingen med resultaten i studie 2?

det framgår emellertid av fig 1A att sannolikheten för att studieobservationerna skulle ha uppstått av en slump med nollhypotesen att den verkliga ARR är mindre än 0,05 är 0,26, 0,08 och 0.000 för de första till tredje studierna (se korsningar mellan de tre kurvorna och den vertikala streckade linjen, märkta A, B respektive C). Medan p = 0,05 är den nivå som vanligtvis används som tröskelvärde i statistiska tester som används för att avgöra om en behandling är effektivare än placebo, kan denna tröskel inte vara tillämplig för att testa sannolikheter att ARR är mindre än en förutbestämd klinisk betydelse. Faktum är att de flesta kliniker skulle använda en mycket högre tröskel—kanske upp till så mycket som 0,2 (en av fem Sannolikhet för att resultaten har uppstått av en slump). Till exempel i studie 2 betyder nivån p = 0, 08 att chansen att observationerna har uppstått av en slump om ARR <0, 05 bara är 0, 08. Därför är det mycket mer sannolikt än inte att den erforderliga nivån av klinisk betydelse uppnås. Detta är ett bra argument för att använda behandlingen. P-värdet-ARR-diagrammet ger ett p-värde för varje klinisk signifikansnivå som är lämplig för de specifika klinikerna.

På samma sätt kan p-värden med deras 95% CI beräknas och ritas för olika nnt-värden, med hjälp av förhållandet NNT = 1/ARR. Detta visas i fig 1B. Ekvivalensen av ARR <0.05 är NNT >20. Figur 1b kan tolkas på ett liknande sätt som ger liknande slutsatser som de från fig 1a.

exempel 2-studier med olika storlekar av behandlingseffekt och provstorlekar

fördelarna med p-värdet-ARR eller p-värdet-NNT-diagram över CI kan visas bättre med två studier: en med lägre statistisk men högre klinisk betydelse (studie 2 nedan) och en med högre statistisk men lägre klinisk betydelse (studie 4 nedan).

studie 2

behandlingsgrupp: 250 patienter; 245 överlevde, fem dog.

kontrollgrupp: 250 patienter; 225 överlevde, 25 dog.

ARR = 0,08 (95% ki 0,04 till 0,121)

NNT = 12,5 (95% ki 8,3 till 25,7)

studie 4

behandlingsgrupp: 2500 patienter; 2400 överlevde, 100 dog

kontrollgrupp: 2500 patienter; 2250 överlevde, 250 dog.

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

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

Antag först att läkaren beslutar att en klinisk signifikans av ARR >0.056 (dvs. NNT <18) krävs och att olika behandlingar studeras i studie 2 och 4. För båda studierna ligger nnt-värdet på 18 inom 95% CI. Det är inte klart vilken, om någon, av behandlingarna ska läkaren använda. Vad händer om läkaren beslutar att den kliniska signifikansnivån är ARR >0.048 (det vill säga NNT <21)? Återigen ligger detta NNT-värde inom CI i båda studierna.

figur 2a visar p-värdet-arr-diagrammet och 2B visar p-värdet-NNT-diagrammet i studierna 2 och 4. Det framgår tydligt av både fig 2a och 2b att vid ARR >0.056 (det vill säga NNT <18) överstiger p-värdet för studie 4 mycket studie 2, medan det omvända är fallet på nivån av ARR >0.048 (det vill säga nnt <21). På grundval av detta diagram kan läkaren välja behandlingen i studie 4 om den nödvändiga kliniska betydelsen är NNT <21, men välj behandlingen i studie 2 om den nödvändiga kliniska betydelsen är NNT <18.