uutiset

Satunnaistetut kontrolloidut tutkimukset (RCTS) ovat kultainen standardi hoidon turvallisuuden ja tehokkuuden arvioinnissa. Joissakin tapauksissa RCT ei kuitenkaan ole mahdollinen, joten jotkut tutkijat ehdottavat havainnointitutkimusten suunnittelumenetelmää RCT:n periaatteen mukaisesti, eli "kohdekokeen simuloinnin" avulla havainnointitutkimukset simuloidaan RCT:ksi sen validiteetin parantamiseksi.

Satunnaistetut kontrolloidut tutkimukset (RCTS) ovat kriteerejä lääketieteellisten toimenpiteiden suhteellisen turvallisuuden ja tehokkuuden arvioimiseksi. Vaikka epidemiologisista tutkimuksista ja lääketieteellisistä tietokannoista (mukaan lukien sähköiset potilaskertomukset ja lääketieteelliset korvausvaatimukset) peräisin olevien havainnointitietojen analyyseillä on etuna suuret otoskoot, oikea-aikainen tiedonsaanti ja kyky arvioida "tosielämän" vaikutuksia, näissä analyyseissä on taipumusta vinoumaan, mikä heikentää niiden tuottaman näytön vahvuutta. Pitkään on ehdotettu havainnointitutkimusten suunnittelua RCT-periaatteiden mukaisesti tulosten validiteetin parantamiseksi. On olemassa useita metodologisia lähestymistapoja, joilla pyritään tekemään syy-seuraussuhteita havainnointitiedoista, ja yhä useammat tutkijat simuloivat havainnointitutkimusten suunnittelua hypoteettisiin RCTS-tutkimuksiin "kohdetutkimussimulaation" avulla.

Kohde-tutkimusten simulointikehys edellyttää, että havainnointitutkimusten suunnittelu ja analyysi ovat yhdenmukaisia ​​samaa tutkimuskysymystä käsittelevien hypoteettisten satunnaistettujen kontrolloitujen tutkimusten (RCTS) kanssa. Vaikka tämä lähestymistapa tarjoaa strukturoidun lähestymistavan suunnitteluun, analyysiin ja raportointiin, jolla on potentiaalia parantaa havainnointitutkimusten laatua, tällä tavalla tehdyt tutkimukset ovat edelleen alttiita useista lähteistä johtuvalle harhalle, mukaan lukien havaitsemattomien kovariaattien sekoittavat vaikutukset. Tällaiset tutkimukset vaativat yksityiskohtaisia ​​suunnitteluelementtejä, analyyttisiä menetelmiä sekoittavien tekijöiden käsittelemiseksi ja herkkyysanalyysiraportteja.
Kohde-tutkimussimulaatiolähestymistapaa käyttävissä tutkimuksissa tutkijat asettavat hypoteettisen satunnaistetun kontrolloidun testin (RCTS), joka ihanteellisessa tapauksessa suoritettaisiin tietyn tutkimusongelman ratkaisemiseksi, ja sitten määrittävät havainnointitutkimuksen suunnitteluelementit, jotka ovat yhdenmukaisia ​​kyseisen "kohde-tutkimus"-RCTS:n kanssa. Välttämättömiin suunnitteluelementteihin kuuluvat poissulkemiskriteerien sisällyttäminen, osallistujien valinta, hoitostrategia, hoidon osoittaminen, seurannan aloitus ja lopetus, tulosmittaukset, tehokkuuden arviointi ja tilastollinen analyysisuunnitelma (SAP). Esimerkiksi Dickerman ym. käyttivät kohde-tutkimussimulaatiokehystä ja sovelsivat Yhdysvaltain veteraaniasiainministeriön (VA) sähköisen potilaskertomusjärjestelmän tietoja vertaillakseen BNT162b2- ja mRNA-1273-rokotteiden tehokkuutta SARS-CoV-2-infektioiden, sairaalahoitojen ja kuolemien ehkäisyssä.

Kohdetutkimuksen simuloinnin avain on asettaa "nolla-aika", jolloin osallistujan kelpoisuus arvioidaan, hoito määrätään ja seuranta aloitetaan. VA:n Covid-19-rokotetutkimuksessa nolla-aika määriteltiin ensimmäisen rokoteannoksen päivämääräksi. Kelpoisuuden määrittämisen, hoidon määräämisen ja seurannan aloittamisen ajankohdan yhdistäminen nolla-aikaan vähentää tärkeitä harhan lähteitä, erityisesti kuolematonta aikaharhaa hoitostrategioiden määrittämisessä seurannan aloittamisen jälkeen ja valintaharhaa seurannan aloittamisessa hoidon määräämisen jälkeen. VA:ssa
Covid-19-rokotetutkimuksessa, jos osallistujat jaettiin analyysia varten hoitoryhmään sen perusteella, milloin he saivat toisen rokoteannoksen, ja seuranta aloitettiin ensimmäisen rokoteannoksen aikaan, kuolinaikaan liittyvää harhaa ei ollut. Jos hoitoryhmään jaettiin ensimmäisen rokoteannoksen aikaan ja seuranta aloitettiin toisen rokoteannoksen aikaan, valintaharhaa syntyy, koska vain ne, jotka saivat kaksi rokoteannosta, otetaan mukaan.

Kohdennettujen tutkimusten simulaatiot auttavat myös välttämään tilanteita, joissa terapeuttisia vaikutuksia ei ole selvästi määritelty, mikä on yleinen vaikeus havainnointitutkimuksissa. VA:n Covid-19-rokotetutkimuksessa tutkijat sovittivat osallistujat yhteen lähtötason ominaisuuksien perusteella ja arvioivat hoidon tehokkuutta 24 viikon kohdalla havaitun tulosriskin erojen perusteella. Tämä lähestymistapa määrittelee tehoarviot nimenomaisesti Covid-19-tulosten eroiksi rokotettujen populaatioiden välillä, joilla on tasapainoiset lähtötason ominaisuudet, samalla tavalla kuin saman ongelman RCT-tehoarviot. Kuten tutkimuksen tekijät huomauttavat, kahden samankaltaisen rokotteen tulosten vertailuun sekoittavat tekijät voivat vaikuttaa vähemmän kuin rokotettujen ja rokottamattomien ihmisten tulosten vertailuun.

Vaikka elementit onnistuttaisiinkin yhdenmukaistamaan RCTS:n kanssa, kohde-tutkimussimulaatiokehikkoa käyttävän tutkimuksen validiteetti riippuu oletusten valinnasta, tutkimusasetelmasta ja analyysimenetelmistä sekä taustalla olevien tietojen laadusta. Vaikka RCT-tulosten validiteetti riippuu myös tutkimusasetelman ja analyysin laadusta, myös havainnointitutkimusten tuloksia uhkaavat sekoittavat tekijät. Koska havainnointitutkimukset eivät ole satunnaistettuja tutkimuksia, ne eivät ole immuuneja RCTS:n kaltaisille sekoittaville tekijöille, eivätkä osallistujat ja lääkärit ole sokeita, mikä voi vaikuttaa tulosten arviointiin ja tutkimustuloksiin. VA:n Covid-19-rokotetutkimuksessa tutkijat käyttivät parittelumenetelmää tasapainottaakseen kahden osallistujaryhmän lähtötason ominaisuuksien jakautumista, mukaan lukien ikä, sukupuoli, etninen alkuperä ja kaupungistumisaste heidän asuinpaikassaan. Erot muiden ominaisuuksien, kuten ammatin, jakautumisessa voivat myös liittyä Covid-19-infektion riskiin ja ovat jäännössekoittavia tekijöitä.

Monissa kohdennettuja tutkimussimulaatiomenetelmiä käyttävissä tutkimuksissa käytetään "reaalimaailman dataa" (RWD), kuten sähköisten potilaskertomusjärjestelmien (EHR) dataa. RWD:n etuihin kuuluvat ajantasaisuus, skaalautuvuus ja se, että se heijastaa hoitomalleja perinteisessä hoidossa, mutta niitä on punnittava datan laatua koskevien ongelmien, kuten puuttuvan datan, osallistujien ominaisuuksien ja tulosten epätarkan ja epäjohdonmukaisen tunnistamisen ja määrittelyn, hoidon epäjohdonmukaisen antamisen, seuranta-arviointien eri tiheyksien ja osallistujien siirtymisen vuoksi tapahtuvan pääsyn menettämisen varalta eri terveydenhuoltojärjestelmien välillä. VA-tutkimuksessa käytettiin tietoja yhdestä sähköisestä potilaskertomusjärjestelmästä, mikä lievensi huoltamme datan epäjohdonmukaisuuksista. Indikaattoreiden, mukaan lukien liitännäissairauksien ja tulosten, puutteellinen vahvistaminen ja dokumentointi on kuitenkin edelleen riski.
Analyyttisten otosten osallistujien valinta perustuu usein retrospektiiviseen dataan, mikä voi johtaa valintaharhaan sulkemalla pois henkilöt, joilta puuttuu lähtötietoa. Vaikka nämä ongelmat eivät ole ainutlaatuisia havainnointitutkimuksille, ne ovat jäännösharhan lähteitä, joita kohdennettujen tutkimussimulaatioiden avulla ei voida suoraan käsitellä. Lisäksi havainnointitutkimuksia ei usein rekisteröidä etukäteen, mikä pahentaa esimerkiksi tutkimusasetelman herkkyyttä ja julkaisuharhaa. Koska eri tietolähteet, asettelut ja analyysimenetelmät voivat tuottaa hyvin erilaisia ​​tuloksia, tutkimusasetelma, analyysimenetelmä ja tietolähteen valintaperusteet on määritettävä etukäteen.

Kohdetutkimuksen simulointikehyksen käyttöä tutkimusten suorittamiseen ja raportointiin on olemassa ohjeita, jotka parantavat tutkimuksen laatua ja varmistavat, että raportti on riittävän yksityiskohtainen, jotta lukija voi arvioida sitä kriittisesti. Ensinnäkin tutkimusprotokollat ​​ja SAP tulisi laatia etukäteen ennen data-analyysia. SAP:n tulisi sisältää yksityiskohtaiset tilastolliset menetelmät sekoittavien tekijöiden aiheuttaman harhan käsittelemiseksi sekä herkkyysanalyysejä, joilla arvioidaan tulosten luotettavuutta tärkeimpiin harhan lähteisiin, kuten sekoittaviin tekijöihin ja puuttuviin tietoihin, nähden.

Otsikon, tiivistelmän ja menetelmäosioiden tulee tehdä selväksi, että tutkimusasetelma on havainnointitutkimus, jotta vältetään sekaannukset satunnaistettujen kontrolloitujen testien (RCTS) kanssa, ja niissä tulee erottaa toisistaan ​​jo tehdyt havainnointitutkimukset ja hypoteettiset tutkimukset, joita yritetään simuloida. Tutkijan tulee määritellä laatumittarit, kuten tietolähde, tietoelementtien luotettavuus ja validiteetti, ja mahdollisuuksien mukaan luetella muut julkaistut tutkimukset, joissa on käytetty tietolähdettä. Tutkijan tulee myös toimittaa taulukko, jossa esitetään kohdetutkimuksen ja sen havainnointisimulaation suunnitteluelementit, sekä selkeä kuvaus siitä, milloin kelpoisuus määritetään, seuranta aloitetaan ja hoito määrätään.
Kohdennettuja tutkimussimulaatioita käyttävissä tutkimuksissa, joissa hoitostrategiaa ei voida määrittää lähtötilanteessa (kuten hoidon kestoa tai yhdistelmähoitojen käyttöä koskevat tutkimukset), tulisi kuvata ratkaisu kuolemaan johtamattomaan aikaan liittyvään harhaan. Tutkijoiden tulisi raportoida mielekkäät herkkyysanalyysit, joilla arvioidaan tutkimustulosten luotettavuutta keskeisten harhan lähteiden suhteen, mukaan lukien huomaamattomien sekoittavien tekijöiden mahdollisen vaikutuksen kvantifiointi ja tulosten muutosten tutkiminen, kun keskeiset suunnitteluelementit on asetettu muuten. Negatiivisten kontrollitulosten (tulokset, jotka eivät liity vahvasti huolenaiheeseen liittyvään altistukseen) käyttö voi myös auttaa jäännösharhan kvantifioinnissa.

Vaikka havainnointitutkimuksissa voidaan analysoida asioita, joita ei välttämättä ole mahdollista tehdä satunnaistetuilla kontrolloiduilla kontrolloiduilla tutkimuksilla (RCTS), ja niissä voidaan hyödyntää RWD-menetelmää, havainnointitutkimuksissa on myös monia mahdollisia harhan lähteitä. Kohdetutkimuksen simulointikehys pyrkii käsittelemään joitakin näistä harhoista, mutta se on simuloitava ja raportoitava huolellisesti. Koska sekoittavat tekijät voivat johtaa harhaan, on suoritettava herkkyysanalyysejä tulosten luotettavuuden arvioimiseksi havaitsemattomiin sekoittaviin tekijöihin nähden, ja tuloksia on tulkittava siten, että otetaan huomioon tulosten muutokset, kun sekoittavista tekijöistä tehdään muita oletuksia. Kohdetutkimuksen simulointikehys voi, jos sitä sovelletaan tarkasti, olla hyödyllinen menetelmä havainnointitutkimusasetelmien systemaattiseen määrittämiseen, mutta se ei ole ihmelääke.