vijesti

Randomizirana kontrolirana ispitivanja (RCTS) su zlatni standard za procjenu sigurnosti i učinkovitosti liječenja. Međutim, u nekim slučajevima, RCT nije izvodljiv, pa neki naučnici predlažu metodu dizajniranja opservacijskih studija prema principu RCT-a, odnosno, putem "simulacije ciljanog eksperimenta", opservacijske studije se simuliraju u RCT kako bi se poboljšala njegova validnost.

Randomizirana kontrolirana ispitivanja (RCTS) su kriteriji za procjenu relativne sigurnosti i efikasnosti medicinskih intervencija. Iako analize opservacijskih podataka iz epidemioloških studija i medicinskih baza podataka (uključujući elektronske medicinske kartone [EHR] i podatke o medicinskim zahtjevima) imaju prednosti velikih uzoraka, pravovremenog pristupa podacima i mogućnosti procjene efekata "stvarnog svijeta", ove analize su sklone pristranosti koja potkopava snagu dokaza koje proizvode. Dugo se sugeriralo da se opservacijske studije dizajniraju prema principima RCT-a kako bi se poboljšala validnost nalaza. Postoji niz metodoloških pristupa koji pokušavaju izvući uzročne zaključke iz opservacijskih podataka, a sve veći broj istraživača simulira dizajn opservacijskih studija na hipotetičke RCTS putem "simulacije ciljanog ispitivanja".

Okvir za simulaciju ciljanog ispitivanja zahtijeva da dizajn i analiza opservacijskih studija budu konzistentni s hipotetičkim RCTS-ima koji se bave istim istraživačkim pitanjem. Iako ovaj pristup pruža strukturiran pristup dizajnu, analizi i izvještavanju koji ima potencijal da poboljša kvalitet opservacijskih studija, studije provedene na ovaj način i dalje su sklone pristranosti iz više izvora, uključujući zbunjujuće efekte iz neopserviranih kovarijanti. Takve studije zahtijevaju detaljne elemente dizajna, analitičke metode za rješavanje zbunjujućih faktora i izvještaje o analizi osjetljivosti.
U studijama koje koriste pristup simulacije ciljnog ispitivanja, istraživači postavljaju hipotetički RCTS koji bi se idealno proveo za rješavanje određenog istraživačkog problema, a zatim postavljaju elemente dizajna opservacijske studije koji su u skladu s tim RCTS-om "ciljnog ispitivanja". Neophodni elementi dizajna uključuju uključivanje kriterija isključenja, odabir učesnika, strategiju liječenja, dodjelu liječenja, početak i kraj praćenja, mjere ishoda, procjenu efikasnosti i plan statističke analize (SAP). Na primjer, Dickerman i saradnici koristili su okvir simulacije ciljnog ispitivanja i primijenili EHR podatke Ministarstva za pitanja veterana SAD-a (VA) kako bi uporedili efikasnost vakcina BNT162b2 i mRNA-1273 u sprječavanju infekcija, hospitalizacija i smrtnih slučajeva SARS-CoV-2.

Ključ simulacije ciljanog ispitivanja je postavljanje "vremena nula", vremenske tačke u kojoj se procjenjuje podobnost učesnika, dodjeljuje liječenje i započinje praćenje. U studiji vakcine o Covid-19 koju je proveo Univerzitet u Virginiji, vrijeme nula je definirano kao datum prve doze vakcine. Ujedinjavanje vremena za utvrđivanje podobnosti, dodjeljivanje liječenja i početak praćenja s vremenom nula smanjuje važne izvore pristranosti, posebno pristranost besmrtnog vremena u određivanju strategija liječenja nakon početka praćenja i pristranost selekcije u početku praćenja nakon dodjeljivanja liječenja. U studiji o vakcini protiv Covid-19 koju je proveo Univerzitet u Virginiji...
U studiji vakcine protiv Covid-19, ako su učesnici bili raspoređeni u grupu za liječenje radi analize na osnovu toga kada su primili drugu dozu vakcine, a praćenje je započeto u vrijeme prve doze vakcine, postojala je pristrasnost koja nije vezana za vrijeme smrti; Ako je grupa za liječenje raspoređena u vrijeme prve doze vakcine, a praćenje počinje u vrijeme druge doze vakcine, dolazi do pristrasnosti u selekciji jer će biti uključeni samo oni koji su primili dvije doze vakcine.

Simulacije ciljanih ispitivanja također pomažu u izbjegavanju situacija u kojima terapijski efekti nisu jasno definirani, što je česta poteškoća u opservacijskim studijama. U studiji vakcine VA o Covid-19, istraživači su uparili učesnike na osnovu početnih karakteristika i procijenili učinkovitost liječenja na osnovu razlika u riziku od ishoda nakon 24 sedmice. Ovaj pristup eksplicitno definira procjene učinkovitosti kao razlike u ishodima Covid-19 između vakcinisanih populacija s uravnoteženim početnim karakteristikama, slično procjenama učinkovitosti RCT-a za isti problem. Kao što autori studije ističu, poređenje ishoda dvije slične vakcine može biti manje pod utjecajem zbunjujućih faktora nego poređenje ishoda vakcinisanih i nevakcinisanih osoba.

Čak i ako se elementi uspješno usklade s RCTS-om, validnost studije koja koristi okvir simulacije ciljnog ispitivanja ovisi o odabiru pretpostavki, metodama dizajna i analize, te kvaliteti osnovnih podataka. Iako validnost rezultata RCT-a također ovisi o kvaliteti dizajna i analize, rezultati opservacijskih studija su također ugroženi zbunjujućim faktorima. Kao nerandomizirane studije, opservacijske studije nisu imune na zbunjujuće faktore poput RCTS-a, a učesnici i kliničari nisu slijepi, što može utjecati na procjenu ishoda i rezultate studije. U studiji vakcine VA Covid-19, istraživači su koristili pristup uparivanja kako bi uravnotežili distribuciju osnovnih karakteristika dvije grupe učesnika, uključujući dob, spol, etničku pripadnost i stepen urbanizacije u kojem su živjeli. Razlike u distribuciji drugih karakteristika, kao što je zanimanje, također mogu biti povezane s rizikom od infekcije Covid-19 i bit će rezidualni zbunjujući faktori.

Mnoge studije koje koriste metode simulacije ciljnih ispitivanja koriste "podatke iz stvarnog svijeta" (RWD), kao što su podaci iz elektronskih zdravstvenih kartona (EHR). Prednosti RWD-a uključuju pravovremenost, skalabilnost i odražavanje obrazaca liječenja u konvencionalnoj njezi, ali se moraju odmjeriti s problemima kvalitete podataka, uključujući nedostajuće podatke, netačnu i nedosljednu identifikaciju i definiciju karakteristika i ishoda učesnika, nedosljednu primjenu liječenja, različitu učestalost procjena praćenja i gubitak pristupa zbog transfera učesnika između različitih zdravstvenih sistema. Studija VA koristila je podatke iz jednog EHR-a, što je ublažilo našu zabrinutost zbog nedosljednosti podataka. Međutim, nepotpuna potvrda i dokumentacija indikatora, uključujući komorbiditete i ishode, ostaje rizik.
Odabir učesnika u analitičkim uzorcima često se zasniva na retrospektivnim podacima, što može dovesti do pristranosti u odabiru isključivanjem ljudi kojima nedostaju početne informacije. Iako ovi problemi nisu jedinstveni za opservacijske studije, oni su izvori rezidualne pristranosti koju simulacije ciljanih ispitivanja ne mogu direktno riješiti. Osim toga, opservacijske studije često nisu unaprijed registrovane, što pogoršava probleme kao što su osjetljivost dizajna i pristranost objavljivanja. Budući da različiti izvori podataka, dizajni i metode analize mogu dati vrlo različite rezultate, osnova za odabir dizajna studije, metode analize i izvora podataka mora biti unaprijed određena.

Postoje smjernice za provođenje i izvještavanje o studijama korištenjem okvira simulacije ciljanog ispitivanja koje poboljšavaju kvalitet studije i osiguravaju da je izvještaj dovoljno detaljan da ga čitalac može kritički procijeniti. Prvo, istraživački protokoli i SAP trebaju biti pripremljeni unaprijed prije analize podataka. SAP treba uključivati ​​detaljne statističke metode za rješavanje pristranosti uzrokovane zbunjujućim faktorima, kao i analize osjetljivosti za procjenu robusnosti rezultata u odnosu na glavne izvore pristranosti kao što su zbunjujući faktori i nedostajući podaci.

Naslov, sažetak i odjeljci o metodama trebaju jasno naznačiti da je dizajn studije opservacijska studija kako bi se izbjegla zabuna s RCTS-om, te treba razlikovati opservacijske studije koje su provedene od hipotetičkih ispitivanja koja se pokušavaju simulirati. Istraživač treba navesti mjere kvalitete kao što su izvor podataka, pouzdanost i validnost elemenata podataka i, ako je moguće, navesti druge objavljene studije koje koriste izvor podataka. Istraživač također treba dostaviti tabelu u kojoj su navedeni elementi dizajna ciljanog ispitivanja i njegove opservacijske simulacije, kao i jasnu naznaku kada utvrditi podobnost, započeti praćenje i dodijeliti liječenje.
U studijama koje koriste simulacije ciljanih ispitivanja, gdje se strategija liječenja ne može odrediti na početku (kao što su studije o trajanju liječenja ili upotrebi kombinovanih terapija), treba opisati rješavanje pristranosti koja nije povezana sa vremenom smrti. Istraživači bi trebali izvijestiti o značajnim analizama osjetljivosti kako bi procijenili robusnost rezultata studije na ključne izvore pristranosti, uključujući kvantificiranje potencijalnog utjecaja nenametljivih zbunjujućih faktora i istraživanje promjena u ishodima kada su ključni elementi dizajna drugačije postavljeni. Upotreba negativnih kontrolnih ishoda (ishodi koji nisu u velikoj mjeri povezani s izloženošću zabrinutosti) također može pomoći u kvantificiranju rezidualne pristranosti.

Iako opservacijske studije mogu analizirati probleme koje možda nije moguće provesti RCTS-om i mogu iskoristiti RWD, opservacijske studije također imaju mnogo potencijalnih izvora pristranosti. Okvir simulacije ciljanog ispitivanja pokušava se pozabaviti nekim od ovih pristranosti, ali se mora pažljivo simulirati i izvještavati. Budući da zbunjujući faktori mogu dovesti do pristranosti, moraju se provesti analize osjetljivosti kako bi se procijenila robusnost rezultata u odnosu na neopažene zbunjujuće faktore, a rezultati se moraju interpretirati kako bi se uzele u obzir promjene u rezultatima kada se naprave druge pretpostavke o zbunjujućim faktorima. Okvir simulacije ciljanog ispitivanja, ako se rigorozno implementira, može biti korisna metoda za sistematsko postavljanje dizajna opservacijskih studija, ali nije čarobni štapić.