nijs

Randomisearre kontroleare proeven (RCTS) binne de gouden standert foar it evaluearjen fan 'e feiligens en effektiviteit fan in behanneling. Yn guon gefallen is RCT lykwols net mooglik, dus guon wittenskippers stelle de metoade foar om observaasjestúdzjes te ûntwerpen neffens it prinsipe fan RCT, dat wol sizze, fia "doeleksperimintsimulaasje" wurde observaasjestúdzjes simulearre yn RCT om de jildigens te ferbetterjen.

Randomisearre kontroleare proeven (RCTS) binne kritearia foar it evaluearjen fan 'e relative feiligens en effektiviteit fan medyske yntervinsjes. Hoewol analyses fan observaasjegegevens út epidemiologyske stúdzjes en medyske databases (ynklusyf elektroanyske medyske dossiers [EHR] en gegevens oer medyske oanspraken) de foardielen hawwe fan grutte stekproefgrutte, tydlike tagong ta gegevens, en de mooglikheid om effekten út 'e "echte wrâld" te beoardieljen, binne dizze analyses gefoelich foar foaroardielen dy't de sterkte fan it bewiis dat se produsearje ûndermynje. Lange tiid is it suggerearre om observaasjeûndersiken te ûntwerpen neffens de prinsipes fan RCT om de jildigens fan 'e befiningen te ferbetterjen. D'r binne in oantal metodologyske oanpakken dy't besykje kausale konklúzjes te lûken út observaasjegegevens, en in groeiend oantal ûndersikers simulearret it ûntwerp fan observaasjeûndersiken nei hypotetyske RCTS fia "doelproefsimulaasje".

It simulaasjeraamwurk foar doelproeven fereasket dat it ûntwerp en de analyze fan observaasjestúdzjes konsekwint binne mei hypotetyske RCTS'en dy't deselde ûndersyksfraach behannelje. Hoewol dizze oanpak in strukturearre oanpak biedt foar ûntwerp, analyze en rapportaazje dy't de potinsje hat om de kwaliteit fan observaasjestúdzjes te ferbetterjen, binne stúdzjes dy't op dizze manier útfierd wurde noch altyd gefoelich foar bias fan meardere boarnen, ynklusyf betiizjende effekten fan net-waarnommen kovariaten. Sokke stúdzjes fereaskje detaillearre ûntwerpeleminten, analytyske metoaden om betiizjende faktoaren oan te pakken, en rapporten oer gefoelichheidsanalyses.
Yn stúdzjes dy't de doel-test simulaasje-oanpak brûke, stelle ûndersikers in hypotetyske RCTS yn dy't ideaal útfierd wurde soe om in spesifyk ûndersyksprobleem op te lossen, en stelle se dan ûntwerpeleminten foar observaasjestúdzjes yn dy't oerienkomme mei dy "doel-test" RCTS. Needsaaklike ûntwerpeleminten omfetsje it opnimmen fan útslutingskritearia, dielnimmerseleksje, behannelingstrategy, behannelingtawizing, begjin en ein fan follow-up, útkomstmaten, effektiviteitsbeoardieling en in statistysk analyseplan (SAP). Bygelyks, Dickerman et al. brûkten in doel-test simulaasjekader en pasten EHR-gegevens fan it Amerikaanske Ministearje fan Feteranen Saken (VA) ta om de effektiviteit fan BNT162b2- en mRNA-1273-faksins te fergelykjen by it foarkommen fan SARS-CoV-2-ynfeksjes, sikehûsopnamen en deaden.

In kaai ta de simulaasje fan in doelproef is it ynstellen fan "tiid nul", it tiidstip wêrop't de geskiktheid fan dielnimmers wurdt beoardiele, behanneling wurdt tawiisd en follow-up wurdt inisjeare. Yn 'e VA Covid-19-faksinaasjestúdzje waard tiid nul definiearre as de datum fan 'e earste doasis faksin. It ferienigjen fan 'e tiid om geskiktheid te bepalen, behanneling ta te wizen en follow-up te begjinnen mei tiid nul ferminderet wichtige boarnen fan bias, benammen ûnstjerlike tiidsbias by it bepalen fan behannelingstrategyen nei it starten fan follow-up, en seleksjebias by it starten fan follow-up nei it tawizen fan behanneling. By VA
Yn 'e Covid-19-faksinstúdzje, as dielnimmers tawiisd waarden oan 'e behannelgroep foar analyze op basis fan wannear't se de twadde doasis faksin krigen, en de follow-up waard inisjeare op it momint fan 'e earste doasis faksin, wie der in net-deatiidbias; as de behannelgroep tawiisd wurdt op it momint fan 'e earste doasis faksin en de follow-up begjint op it momint fan 'e twadde doasis faksin, ûntstiet seleksjebias, om't allinich dejingen dy't twa doses faksin krigen hawwe, opnommen wurde.

Simulaasjes fan doelproeven helpe ek situaasjes te foarkommen wêr't de terapeutyske effekten net dúdlik definieare binne, in faak foarkommende swierrichheid yn observaasjestúdzjes. Yn 'e VA Covid-19-faksinstúdzje hawwe ûndersikers dielnimmers fergelike op basis fan baseline-karakteristiken en de effektiviteit fan behanneling beoardiele op basis fan ferskillen yn útkomstrisiko nei 24 wiken. Dizze oanpak definiearret effektiviteitsskattingen eksplisyt as ferskillen yn Covid-19-útkomsten tusken faksineare populaasjes mei lykwichtige baseline-karakteristiken, fergelykber mei RCT-effektiviteitsskattingen foar itselde probleem. Lykas de auteurs fan 'e stúdzje oanjaan, kin it fergelykjen fan útkomsten fan twa ferlykbere faksins minder beynfloede wurde troch betiizjende faktoaren dan it fergelykjen fan útkomsten fan faksineare en net-faksineare minsken.

Sels as de eleminten mei súkses ôfstimd binne op RCTS, hinget de jildigens fan in stúdzje mei in doel-trial simulaasjeramt ôf fan 'e seleksje fan oannames, ûntwerp- en analysemetoaden, en de kwaliteit fan 'e ûnderlizzende gegevens. Hoewol de jildigens fan RCT-resultaten ek ôfhinklik is fan 'e kwaliteit fan it ûntwerp en de analyze, wurde de resultaten fan observaasjestúdzjes ek bedrige troch betiizjende faktoaren. As net-randomisearre stúdzjes binne observaasjestúdzjes net ymmún foar betiizjende faktoaren lykas RCTS, en dielnimmers en klinisy binne net blyn, wat ynfloed kin hawwe op 'e beoardieling fan 'e útkomst en stúdzjeresultaten. Yn 'e VA Covid-19 faksinstúdzje brûkten ûndersikers in koppelingsbenadering om de ferdieling fan basiskarakteristiken fan 'e twa groepen dielnimmers yn lykwicht te bringen, ynklusyf leeftyd, geslacht, etnisiteit en mjitte fan urbanisaasje wêr't se wennen. Ferskillen yn 'e ferdieling fan oare skaaimerken, lykas berop, kinne ek ferbûn wêze mei it risiko op Covid-19-ynfeksje en sille oerbleaune betiizjende faktoaren wêze.

In protte stúdzjes dy't gebrûk meitsje fan target-trial simulaasjemetoaden brûke "echte wrâldgegevens" (RWD), lykas EHR-gegevens. De foardielen fan RWD omfetsje dat se aktueel, skalberber en reflektearjend binne fan behannelingpatroanen yn konvinsjonele soarch, mar moatte ôfweage wurde tsjin problemen mei de gegevenskwaliteit, ynklusyf ûntbrekkende gegevens, ûnkrekte en ynkonsistente identifikaasje en definysje fan dielnimmerskarakteristiken en útkomsten, ynkonsistente administraasje fan behanneling, ferskillende frekwinsje fan follow-upbeoardielingen, en it ferlies fan tagong fanwegen de oerdracht fan dielnimmers tusken ferskate sûnenssoarchsystemen. De VA-stúdzje brûkte gegevens fan ien EHR, wat ús soargen oer gegevensynkonsistinsjes fermindere. Unfolsleine befêstiging en dokumintaasje fan yndikatoaren, ynklusyf komorbiditeiten en útkomsten, bliuwt lykwols in risiko.
Dielnimmerseleksje yn analytyske stekproeven is faak basearre op retrospektive gegevens, wat kin liede ta seleksjebias troch minsken út te sluten mei ûntbrekkende basisynformaasje. Hoewol dizze problemen net unyk binne foar observaasjestúdzjes, binne se boarnen fan oerbleaune bias dy't simulaasjes fan doelproeven net direkt kinne oanpakke. Derneist binne observaasjestúdzjes faak net foarôf registrearre, wat problemen lykas ûntwerpgefoelichheid en publikaasjebias fergruttet. Omdat ferskate gegevensboarnen, ûntwerpen en analysemetoaden tige ferskillende resultaten kinne opleverje, moatte it stúdzjeûntwerp, de analysemetoade en de seleksjebasis fan gegevensboarnen foarôf bepaald wurde.

Der binne rjochtlinen foar it útfieren en rapportearjen fan stúdzjes mei it doelproefsimulaasjekader dy't de kwaliteit fan 'e stúdzje ferbetterje en derfoar soargje dat it rapport detaillearre genôch is foar de lêzer om it kritysk te evaluearjen. Earst moatte ûndersyksprotokollen en SAP fan tefoaren taret wurde foar gegevensanalyse. SAP moat detaillearre statistyske metoaden omfetsje om bias troch betiizjende faktoaren oan te pakken, lykas gefoelichheidsanalyses om de robuustheid fan 'e resultaten te beoardieljen tsjin wichtige boarnen fan bias lykas betiizjende faktoaren en ûntbrekkende gegevens.

De titel, gearfetting en metoadeseksjes moatte dúdlik meitsje dat it ûndersyksûntwerp in observaasjestúdzje is om betizing mei RCTS te foarkommen, en moatte ûnderskied meitsje tusken observaasjestúdzjes dy't útfierd binne en hypotetyske proeven dy't besocht wurde te simulearjen. De ûndersiker moat kwaliteitsmaatregels spesifisearje lykas de gegevensboarne, de betrouberens en jildigens fan 'e gegevenseleminten, en, as it mooglik is, oare publisearre stúdzjes listje dy't de gegevensboarne brûke. De ûndersiker moat ek in tabel leverje dy't de ûntwerpeleminten fan 'e doelproef en syn observaasjesimulaasje sketst, lykas in dúdlike oantsjutting fan wannear't geskiktheid bepaald wurde moat, follow-up begjinne moat en behanneling tawiisd wurde moat.
Yn stúdzjes dy't gebrûk meitsje fan simulaasjes fan doelgerichte stúdzjes, wêrby't in behannelingstrategy net by de baseline bepaald wurde kin (lykas stúdzjes oer de doer fan behanneling of it gebrûk fan kombinaasjetherapyen), moat in oplossing foar net-deatiidbias beskreaun wurde. Undersykers moatte betsjuttingsfolle gefoelichheidsanalyses rapportearje om de robuustheid fan stúdzjeresultaten te beoardieljen foar wichtige boarnen fan bias, ynklusyf it kwantifisearjen fan 'e potinsjele ynfloed fan ûnopfallende betiizjende faktoaren en it ûndersykjen fan feroaringen yn útkomsten as wichtige ûntwerpeleminten oars ynsteld binne. It gebrûk fan negative kontrôleútkomsten (útkomsten dy't sterk net relatearre binne oan 'e bleatstelling fan soarch) kin ek helpe by it kwantifisearjen fan oerbleaune bias.

Hoewol observaasjestúdzjes problemen kinne analysearje dy't miskien net mooglik binne om RCTS út te fieren en gebrûk meitsje kinne fan RWD, hawwe observaasjestúdzjes ek in protte potinsjele boarnen fan bias. It simulaasjeraamwurk foar doelproeven besiket guon fan dizze bias oan te pakken, mar moat sekuer simulearre en rapportearre wurde. Omdat betiizjende faktoaren kinne liede ta bias, moatte gefoelichheidsanalyses útfierd wurde om de robuustheid fan 'e resultaten te beoardieljen tsjin net-waarnommen betiizjende faktoaren, en de resultaten moatte ynterpretearre wurde om rekken te hâlden mei feroaringen yn 'e resultaten as oare oannames makke wurde oer de betiizjende faktoaren. It simulaasjeraamwurk foar doelproeven, as it strang ymplementearre wurdt, kin in brûkbere metoade wêze foar it systematysk ynstellen fan ûntwerpen fan observaasjestúdzjes, mar it is gjin wondermiddel.