Simple Science

Hochmoderne Wissenschaft einfach erklärt

# Statistik# Anwendungen

Verbesserung der Risikoabschätzung für unerwünschte Ereignisse in klinischen Studien

Ein neuer Ansatz verbessert die Messung von Risiken in klinischen Studien.

― 5 min Lesedauer


BessereBessereRisikobewertungsmethodenin StudienStudien verbessern.Sicherheitsbewertungen in klinischenNeue Methoden sollen die
Inhaltsverzeichnis

In klinischen Studien ist es super wichtig, die Risiken von Nebenwirkungen, auch adverse Ereignisse (AEs) genannt, zu verstehen. Diese Ereignisse können beeinflussen, wie effektiv eine Behandlung ist und wie sicher sie für die Patienten ist. Übliche Methoden zur Messung dieser Risiken ignorieren oft wichtige Faktoren, wie lange Patienten nachverfolgt werden, ob einige Daten fehlen oder ob andere Ereignisse auftreten, die die Ergebnisse beeinflussen können. Dieser Artikel diskutiert, wie ein neuer Ansatz mit Überlebensanalysen helfen kann, die Genauigkeit dieser Risikobewertungen zu verbessern.

Der Bedarf an besseren Methoden

Die aktuellen Methoden sind oft nicht zuverlässig, wenn es darum geht, die Risiken von adversen Ereignissen genau zu bewerten. Ein grosses Problem ist, dass viele gängige Berechnungen die unterschiedlichen Zeiträume, in denen Patienten nach der Behandlung überwacht werden, nicht berücksichtigen. Das kann zu falschen Risikoeinschätzungen führen. Ein weiteres Problem sind konkurrierende Ereignisse, also andere Vorkommnisse (wie Tod oder andere ernsthafte Gesundheitsprobleme), die die Beobachtung des unerwünschten Ereignisses, das uns interessiert, verhindern können. Wenn man diese konkurrierenden Ereignisse ignoriert, kann das die Ergebnisse zusätzlich verzerren.

Das SAVVY-Projekt

Um diese Herausforderungen anzugehen, wurde ein Projekt namens SAVVY ins Leben gerufen. Ziel ist es, die Analyse von adversen Ereignissen in klinischen Studien zu verbessern, indem Überlebensmethoden integriert werden, die unterschiedlich lange Nachverfolgungszeiten und konkurrierende Ereignisse richtig berücksichtigen. Das Projekt ist eine Zusammenarbeit zwischen verschiedenen Pharmaunternehmen und akademischen Institutionen.

Wichtige Erkenntnisse und Methoden

Das SAVVY-Projekt brachte durch Simulationen und Daten aus tatsächlichen klinischen Studien mehrere wichtige Erkenntnisse. Diese Ergebnisse hoben die Risiken hervor, die mit gängigen Schätzmethoden verbunden sind, und gaben Empfehlungen für bessere Ansätze.

Ignorieren von konkurrierenden Ereignissen

Eine der signifikanten Ergebnisse des SAVVY-Projekts war, dass das Nichtberücksichtigen von konkurrierenden Ereignissen zu ernsthaften Verzerrungen bei der Risikobewertung führen kann. Wenn zum Beispiel ein Patient ein konkurrierendes Ereignis wie den Tod erlebt, bevor er ein unerwünschtes Ereignis melden kann, könnte diese Information verloren gehen, was zu einer Überschätzung des Risikos für das unerwünschte Ereignis führt.

Die Bedeutung von Schätzern

Bei der Risikobewertung ist die Wahl des Schätzers, also der Methode zur Risikoberechnung, entscheidend. Es wurde festgestellt, dass die gängigen Methoden, wie Inzidenzproportion und Kaplan-Meier-Schätzer, irreführende Ergebnisse liefern können. Der Aalen-Johansen-Schätzer (AJE), der die unterschiedlich langen Nachverfolgungszeiten und konkurrierende Ereignisse berücksichtigt, wurde als bessere Alternative empfohlen.

Empirische Studien

Um ihre Ergebnisse zu validieren, führte das SAVVY-Team empirische Studien durch, die Daten aus mehreren klinischen Studien analysierten. Sie verglichen verschiedene Schätzer, um zu sehen, wie gut sie bei der Abschätzung von Risikos für adverse Ereignisse abschnitten. Die Ergebnisse zeigten, dass der AJE-Schätzer die genauesten Ergebnisse lieferte, während die gängigen Methoden oft die tatsächlichen Risiken über- oder unterschätzten.

Empfehlungen für die Zukunft

Basierend auf den Erkenntnissen des SAVVY-Projekts gibt es mehrere Empfehlungen zur Verbesserung der Analyse von adversen Ereignissen in klinischen Studien:

  1. Verwendung des Aalen-Johansen-Schätzers: Forscher sollten den AJE zur Berechnung von Risiken für adverse Ereignisse verwenden, da er sowohl die variierenden Nachverfolgungszeiten als auch konkurrierende Ereignisse berücksichtigt.

  2. Aktualisierung der Richtlinien: Die aktuellen Richtlinien zur Meldung von adversen Ereignissen sollten überarbeitet werden, um bessere Analysemethoden einzubeziehen. Das bedeutet, von einfacheren Methoden abzurücken, die Risikoschätzungen verzerren könnten.

  3. Fokus auf konkurrierende Ereignisse: Es sollte mehr Aufmerksamkeit darauf gelegt werden, konkurrierende Ereignisse in klinischen Studien zu identifizieren und zu kategorisieren, da sie die Bewertung von adversen Ereignissen erheblich beeinflussen können.

Die Rolle der Richtlinien

Richtlinien spielen eine entscheidende Rolle, um sicherzustellen, dass Forscher die besten Methoden zur Risikobewertung verwenden. Obwohl viele bestehende Richtlinien die Bedeutung variierender Nachverfolgungszeiten anerkennen, wird oft nicht angesprochen, wie man mit konkurrierenden Ereignissen umgeht. Wie die Ergebnisse von SAVVY zeigen, muss diese Lücke geschlossen werden, um die Genauigkeit der Ergebnisse klinischer Studien zu verbessern.

Verbesserung der Zusammenarbeit zwischen den Interessengruppen

Das SAVVY-Projekt betont die Notwendigkeit der Zusammenarbeit zwischen verschiedenen Akteuren im Prozess klinischer Studien. Dazu gehören Forscher, Kliniker und Regulierungsbehörden, die gemeinsam bessere Methoden zur Analyse von Sicherheitsdaten umsetzen. Eine verbesserte Zusammenarbeit kann dazu beitragen, dass sicherere und effektivere Behandlungen auf den Markt kommen.

Zukünftige Richtungen

In Zukunft wird das SAVVY-Projekt weiterhin nach besseren Möglichkeiten suchen, Risiken in klinischen Studien zu schätzen, mit einem besonderen Fokus auf Onkologie-Studien. Es wird auch versucht, adverse Ereignisse und konkurrierende Ereignisse in verschiedenen therapeutischen Bereichen klarer zu definieren.

Fazit

Die Erkenntnisse aus dem SAVVY-Projekt unterstreichen die Wichtigkeit, geeignete Methoden zur Bewertung der Risiken von adversen Ereignissen in klinischen Studien zu verwenden. Indem man von veralteten und voreingenommenen Methoden Abstand nimmt, können Forscher genauere Informationen darüber liefern, wie sicher und effektiv Behandlungen sind. Die Empfehlungen des SAVVY-Teams können helfen, zukünftige Praktiken zu gestalten und Sicherheitsaspekte für Patienten an erste Stelle zu setzen.

Originalquelle

Titel: Survival analysis for AdVerse events with VarYing follow-up times (SAVVY): summary of findings and a roadmap for the future of safety analyses in clinical trials

Zusammenfassung: The SAVVY project aims to improve the analyses of adverse events (AEs) in clinical trials through the use of survival techniques appropriately dealing with varying follow-up times and competing events (CEs). This paper summarizes key features and conclusions from the various SAVVY papers. Through theoretical investigations using simulations and in an empirical study including randomized clinical trials from several sponsor organisations, biases from ignoring varying follow-up times or CEs are investigated. The bias of commonly used estimators of the absolute and relative AE risk is quantified. Furthermore, we provide a cursory assessment of how pertinent guidelines for the analysis of safety data deal with the features of varying follow-up time and CEs. SAVVY finds that for both, avoiding bias and categorization of evidence with respect to treatment effect on AE risk into categories, the choice of the estimator is key and more important than features of the underlying data such as percentage of censoring, CEs, amount of follow-up, or value of the gold-standard. The choice of the estimator of the cumulative AE probability and the definition of CEs are crucial. SAVVY recommends using the Aalen-Johansen estimator (AJE) with an appropriate definition of CEs whenever the risk for AEs is to be quantified. There is an urgent need to improve the guidelines of reporting AEs so that incidence proportions or one minus Kaplan-Meier estimators are finally replaced by the AJE with appropriate definition of CEs.

Autoren: Kaspar Rufibach, Jan Beyersmann, Tim Friede, Claudia Schmoor, Regina Stegherr

Letzte Aktualisierung: 2024-02-27 00:00:00

Sprache: English

Quell-URL: https://arxiv.org/abs/2402.17692

Quell-PDF: https://arxiv.org/pdf/2402.17692

Lizenz: https://creativecommons.org/licenses/by/4.0/

Änderungen: Diese Zusammenfassung wurde mit Unterstützung von AI erstellt und kann Ungenauigkeiten enthalten. Genaue Informationen entnehmen Sie bitte den hier verlinkten Originaldokumenten.

Vielen Dank an arxiv für die Nutzung seiner Open-Access-Interoperabilität.

Mehr von den Autoren

Ähnliche Artikel