Einfacher statistischer Test - zur Überprüfung des Unterschieds zwischen zwei Behandlungen

In vielen Studien ist das primäre Ergebnis ein Krankheitsereignis

• Die Ergebnisse können ein bestimmtes Ereignis sein, z. B. Tod, oder ein zusammengesetztes Ergebnis wie Tod, Herzinfarkt oder Schlaganfall
• statistische Standardmethoden - Cox-Proportional-Hazard-Modelle und Log-Rank-Tests - berücksichtigen die Unterschiede in den Nachbeobachtungszeiten der Patienten, um die Unterschiede zwischen den Behandlungsgruppen zu bewerten. Wenn sich die Ereignisse jedoch auf eine feste Nachbeobachtungszeit beziehen, können Methoden zum Vergleich zweier Proportionen (z. B. der Chi-Quadrat-Test) verwendet werden
• Auf dieser Seite von GPnotebook wird eine einfache Methode beschrieben, mit der sich die Stärke der Evidenz für einen Behandlungsunterschied bei einem Ereignisergebnis schnell bewerten lässt

Dieser Test ist ein statistischer Test, der verwendet wird, um einen Unterschied zwischen Behandlungen festzustellen

• die Schlüsseldaten sind die Anzahl der Patienten mit dem Ereignis in jeder Gruppe. Dieser statistische Test (einfacher/einfachster statistischer Test) vergleicht diese beiden Zahlen
• wenn es sich um eine randomisierte klinische Studie mit zwei Behandlungsgruppen von ungefähr gleicher Größe handelt. In diesem Zusammenhang ist das interessierende Ergebnis ein klinisches Ereignis (z. B. ein Herzinfarkt während einer bestimmten Behandlung), und die Schlüsseldaten sind die Anzahl der Patienten, bei denen das Ereignis auftrat, aufgeschlüsselt nach Behandlungsgruppen (z. B. die Anzahl der Personen, die in jeder Gruppe einen Herzinfarkt erlitten)

Berechnen Sie die Differenz der beiden Ereigniszahlen und teilen Sie diese durch die Quadratwurzel ihrer Summe. Nennen Sie die resultierende Zahl Z

• Z = (a - b) / Quadratwurzel aus (a + b)
  • wobei a und b die Anzahl der Ereignisse in jeder Behandlungsgruppe darstellen
• die Nullhypothese lautet, dass die beiden Behandlungen den gleichen Einfluss auf das Risiko eines Ereignisses haben. Daher ist z annähernd eine standardisierte Normalabweichung, d. h. es hat eine Normalverteilung mit Mittelwert 0 und Varianz 1. Daher kann der Wert von Z über Normalverteilungstabellen in einen P-Wert umgerechnet werden
  • zum Beispiel
    • ein Z-Wert von > 1,96 entspricht einem P-Wert < 0,05
    • ein Z-Wert von > 2,58 entspricht einem P-Wert von < 0,01
  • dieser Test ist ein Näherungstest
    • er liefert jedoch im Allgemeinen zuverlässige Ergebnisse, da
      • bei Randomisierung die Anzahl der Patienten in den beiden Behandlungsgruppen nahezu gleich ist und die Dauer der Nachbeobachtung der Patienten gleich ist
      • die Ereignisraten sind in der Regel recht niedrig - z. B. weniger als 20 % der Patienten (und oft viel niedriger). Daher kann die Anzahl der Patienten, die in jeder Gruppe ein Ereignis haben, als Poisson-Verteilung angesehen werden. Wenn also die Gesamtzahl der Ereignisse nicht zu klein ist (z. B. nicht weniger als 20), dann führt die Normalannäherung für den Vergleich zweier Poisson-Zufallsvariablen zu der in der Abbildung dargestellten Formel
      • Die wichtigsten Informationen, die in die Berechnung einfließen, sind die Zähler (die Zahlen mit einem Ereignis); die Größe der Nenner ist nicht von Belang.
    • Die Berechnung hat zwei Einschränkungen
      • Wenn es einen nicht zu vernachlässigenden Unterschied in der Menge in den Behandlungsgruppen gibt, wird der Test in Bezug auf die größere Behandlungsgruppe verzerrt
      • bei einer hohen Anzahl von Ereignissen wird der Test konservativ, d. h. die P-Werte sind größer als sie sein sollten
• Der einfache Test ist auch für Meta-Analysen relevant, vorausgesetzt, dass alle eingeschlossenen Studien eine gleiche Randomisierung aufweisen.
  • In einer Meta-Analyse wurde beispielsweise die Häufigkeit der Revaskularisierung von Zielläsionen in sechs Studien untersucht, in denen zwei verschiedene Stenttypen (A, B) verglichen wurden
    • Die Kombination der Daten von 3669 Patienten aus allen sechs Studien ergab, dass eine Revaskularisierung von Zielläsionen bei 95 bzw. 142 Patienten in der Stent-A-Gruppe und der Stent-B-Gruppe durchgeführt wurde. Daraus ergibt sich v Z= (142 - 95)/ Quadratwurzel (142+95)= 3,05, was P = 0,002 ergibt.

Referenz:

1. BMJ 2006; 332:1256-8.