Ikerketa Klinikorako Analisi Estatistikoa
Ikerketa klinikoan, analisi estatistikoa funtsezko oinarria da, ikertzaileei datu mediko konplexuak interpretatu eta erantzule diren aurkikuntza bihurtzen laguntzen baitie. Testuinguru klinikoan, ikerketaren emaitzetan oinarritutako erabakiek zuzenean eragin dezakete diagnostikoan, terapian, politika-gomendioetan eta baita pazientearen segurtasunean ere. Beraz, printzipio estatistikoen ulermen sendoa ezinbestekoa da ikertzaile klinikoentzat —diseinuaren plangintzatik eta datuen prozesamendutik hasi eta proben hautaketa eta emaitzen interpretazioraino—.
Estatistikaren eginkizuna ikerketa klinikoan
Ikerketa klinikoak gizakiengan osasun-fenomenoak ebaluatzea du helburu, hala nola sendagai berrien ondorioak, esku-hartze ez-farmakologikoen eraginkortasuna, gaixotasunen arrisku-faktoreak edo diagnostiko-tresnen zehaztasuna. Estatistika honetarako erabiltzen da:
1. Diseinatu ikerketa sendo bat (adibidez, zehaztu lagin-tamaina egokia).
2. Alborapena eta aldakortasuna kontrolatzea ausazkotasunaren, itsutzearen eta estrategia analitikoen bidez.
3. Neurtu efektuaren tamaina eta haren ziurgabetasuna (konfiantza-tartea).
4. Hipotesiak objektiboki probatu eta ondorioak intuizioan oinarrituta murriztu.
Analisi estatistiko egokirik gabe, ikerketak ondorio okerretara eraman dezake; adibidez, terapia bat eraginkorra dela esatea ez denean, edo alderantziz.
Hasierako etapak: ikerketaren diseinua eta datu motak
Metodo estatistiko bat aukeratu aurretik, ikertzaileek ikerketaren diseinua eta bildutako datu mota ulertu behar dituzte.
1. Ikerketaren diseinua
Ikerketa klinikoetan ohikoak diren diseinu batzuk hauek dira:
– Ausazko Kontrolatutako Saiakuntza (AKA): esku-hartze baten eraginkortasuna ebaluatzeko urrezko estandarra.
– Kohorte-azterketak: taldeei jarraipena egin esposizioaren arabera eta emaitzen gertaerak ebaluatu.
– Kasu-kontrol ikerketak: emaitza jakin bat duten pazienteen esposizioa kontrolekin alderatu.
– Zeharkako ikerketak: esposizioa eta emaitza aldi berean neurtzen dituzte.
– Diagnostiko-azterketak: proba baten zehaztasuna ebaluatzen dute erreferentziazko estandar batekin alderatuz.
Diseinu bakoitzak ondorio analitiko desberdinak ditu, batez ere kausalitateari eta alborapen potentzialari dagokienez.
2. Datu mota
Datu motak zehazten ditu laburpen eta proba estatistiko egokiak:
– Kategoria nominala: generoa, erretzeari buruzko egoera (bai/ez).
– Ordinal kategorikoa: minaren maila (arina-moderatua-larria).
– Zenbakizko neurgailu jarraitua: odol-presioa, HbA1c maila.
– Gertaera arteko denbora (biziraupena): errepikapen arteko denbora, heriotza arteko denbora.
Ohiko akatsen artean, datu ordinalak jarraitutzat hartzea kontuan hartu gabe, edo banaketa-hipotesiak betetzen ez direnean proba parametrikoak erabiltzea daude.
Estatistika deskribatzailea: datuen ezaugarrien mapaketa
Analisia askotan datuen banaketa eta laginaren ezaugarriak deskribatzeko estatistika deskriptiboekin hasten da. Ikerketa klinikoan, hau garrantzitsua da taldeen baliokidetasuna ebaluatzeko, emaitzen banaketa ulertzeko eta muturreko balioak detektatzeko.
Maiz erabiltzen diren laburpenak:
– Batez bestekoa eta desbideratze estandarra (DE): normaltasunetik gertu dauden datu jarraituetarako.
– Mediana eta kuartil arteko tartea (IQR): datu jarraitu okertuetarako.
– Maiztasuna eta ehunekoa: datu kategorikoetarako.
– Histogramak, kaxa-diagramak eta barra-diagramak bezalako bistaratzeek ereduak ulertzen laguntzen dute inferentziazko probak egin aurretik.
Estatistika inferentziala: proba egokia aukeratzea
Estatistika inferentzialak populazio bati buruzko ondorioak ateratzea du helburu, lagin batean oinarrituta. Probaren aukera analisiaren helburuaren, talde kopuruaren, datu motaren eta datuak parekatuta edo independenteak diren araberakoa da.
1. Bi taldeen konparaketa
– t-test independentea: bi talde independenteren batez bestekoak alderatzen ditu (adibidez, sendagai taldeko odol-presioa vs. plazebo taldekoa), normaltasuna eta bariantza nahiko berdinak suposatuz.
– Mann–Whitney U: datu jarraitu ez-normaletarako alternatiba ez-parametrikoa.
– Chi-karratu edo Fisherren proba zehatza: proportzioak alderatzeko (adibidez, albo-ondorioen intzidentzia). Fisherren proba zehatza erabiltzen da zelularen tamaina txikia denean.
2. Bi talde baino gehiagoren konparaketa
– ANOVA: hiru talde edo gehiagoren batez bestekoak alderatzeko.
– Kruskal–Wallis: ANOVAren alternatiba ez-parametrikoa.
– Emaitzak esanguratsuak badira, normalean ondorengo proba bat egin behar izaten da zein talde diren desberdinak jakiteko.
3. Datu parekatuak
Paziente beraren aurretik-ondoren datuetarako:
– t-proba parekatua (parametrikoa)
– Wilcoxon zeinu-maila (ez-parametrikoa)
Testa hemen gaizki erabiltzeak subjektu beraren barruko korrelazioak alde batera utz ditzake.
Korrelazioa eta atzerakada: harremanak eta iragarpena ulertzea
Ikerketa klinikoan, ikertzaileek askotan ez dituzte taldeak alderatu bakarrik nahi, aldagaien arteko harremanak eta nahasleen kontrola ere ebaluatu nahi dituzte.
1. Korrelazioa
– Pearson korrelazioa: datu jarraitu normaletan erlazio linealetarako.
– Spearman korrelazioa: datu ez-normal edo ordinaletarako.
Hala ere, korrelazioa ez da kausalitatearen berdina; bi aldagai hirugarren faktore baten ondorioz korrelazionatu daitezke.
2. Erregresioa
Erregresioak aldagai independenteek emaitzetan duten eragina kalkulatzea ahalbidetzen du, beste aldagaiak kontrolatzen diren bitartean.
– Erregresio lineala: emaitza jarraitua (adibidez, HbA1c-ren aldaketa).
– Erregresio logistikoa: emaitza bitarra (adibidez, sendatuta/ez).
– Poisson edo erregresio binomial negatiboa: emaitza zenbaketa bat da (adibidez, bisiten kopurua).
– Cox-en arrisku proportzionalen eredua: biziraupen-analisirako (gertaera arteko denbora).
Txosten klinikoetan, emaitzak askotan erregresio-koefiziente, odds ratio (OR), arrisku-ratio (RR) edo hazard ratio (HR) gisa aurkezten dira, % 95eko konfiantza-tarteekin batera.
Efektuaren tamaina, p-balioa eta konfiantza-tartea
Ikerketa klinikoetan interpretazio egokia ez da p-balioan soilik oinarritzen.
– p-balioak hipotesi nuluaren aurkako ebidentzia zenbaterainokoa den adierazten du, baina ez du informaziorik ematen efektuaren magnitudeari edo garrantzi klinikoari buruz.
– Batez bestekoen aldeak, RR, OR edo HR bezalako efektuen tamainak esku-hartzearen eraginaren magnitudeari buruzko informazioa ematen dute.
– Konfiantza-tarteak (KT) benetako efektuaren balio-tarte sinesgarri bat adierazten du. KT estu batek estimazio zehatzagoa adierazten du, eta KT zabal batek ziurgabetasun handia.
Praktika klinikoan, efektu txiki bat "estatistikoki esanguratsua" izan daiteke laginaren tamaina handia denean, baina baliteke klinikoki esanguratsua ez izatea. Alderantziz, KI zabala duen efektu handia dirudiena kontuz interpretatu behar da.
Laginaren tamaina eta probaren potentzia
Laginaren tamainaren plangintzak zehazten du ikerketak efektu esanguratsuak detektatzeko gai den ala ez. Laginaren tamainaren eragina honako hauek dakartza:
– detektatu beharreko efektuaren magnitudea,
– datuen aldakortasuna,
– esangura-maila (alfa, askotan 0,05),
– potentzia (normalean % 80 edo % 90),
– eskolatik ateratzeko aukera.
Entsegu klinikoetan, laginaren tamaina gutxiesteak "emaitza faltsu negatibo" baten arriskua handitzen du, nahiz eta esku-hartzea benetan onuragarria izan.
Datu falta eta tratatzeko asmoaren analisia
Datu falta arazo ohikoa da ikerketa klinikoetan (adibidez, pazienteak ez agertzea jarraipen-azterketetara). Datuak ausaz ezabatzeak (kasu osoaren analisia) alborapena sor dezake, falta diren datuak ausazkoak ez badira.
Ikuspegi hobeak hauek dira:
– egozpena (adibidez, egozpen anizkoitza),
– sentikortasun-analisia,
– eta EKAetan tratatzeko asmoa (ITT) gomendatzen da askotan, hau da, parte-hartzaileak hasierako ausazko taldearen arabera aztertzea, betetzea edozein dela ere, ausazkotasunaren onurak mantentzeko.
Biziraupen-analisia eta gertaera arteko denboraren ikerketa
Emaitza "gertaera arteko denbora" bada, t-probak bezalako analisi konbentzionalak ez dira egokiak. Ohiko metodoak hauek dira:
– Kaplan-Meier kurba, denboran zehar bizirauteko probabilitatea deskribatzeko,
– bi taldeen biziraupen-kurbak alderatzeko log-rank testa,
– Cox-en erregresioa kobariatzaileak kontrolatzeko eta arrisku-erlazioak kalkulatzeko.
Biziraupenaren kontzeptu garrantzitsu bat zentsura da, hau da, gertaera baten orduari buruzko informazioa osatu gabea denean (adibidez, parte-hartzaile batek ikerketa uzten duenean gertaera gertatu baino lehen).
Emaitzen berri ematea eta gardentasuna
Analisi estatistiko onak txosten gardenekin batera joan behar du. Ikertzaile klinikoek askotan jarraibide hauek jarraitzen dituzte:
– CONSORT entsegu klinikoetarako,
– STROBE behaketa-ikerketetarako,
– PRISMA berrikuspen sistematiko eta metaanalisietarako.
Txostenak honako hauek jaso beharko lituzke: ausazkotasun metodoa, emaitzen definizioa, falta diren datuen kudeaketa, erabilitako probak, egiaztatutako hipotesiak, efektuaren tamaina eta CI.
Ondorioa
Ikerketa klinikoetako analisi estatistikoa ez da urrats tekniko soil bat, baizik eta ondorioen kalitatean eta pazienteen emaitzen segurtasunean eragina duen prozesu zientifiko bat. Diseinu bat hautatzea, datu motak ulertzea, proba egokiak erabiltzea, interpretatzea, efektuen tamainak eta konfiantza-tarteak azpimarratzea... guztiek laguntzen dute ikerketaren emaitzak baliozkoak, garrantzitsuak eta fidagarriak direla ziurtatzen. Zorroztasun estatistikoa eta ulermen klinikoa konbinatuz, ikerketak osasun-praktikarako eta erabaki medikoetarako benetan erabilgarria den ebidentzia sor dezake.
