רפואה נתמכת ראיות

שיטת בדיקת ההשערות בסטטיסטיקה, הקשורה תמיד למבחנים, מובהקות וערך ה"פי", מסתכלת על חיפוש האמת כתחרות בין שתי אפשרויות שאינן יכולות להתממש יחד. במקום להוכיח ישירות את האפשרות שמעניינת אותנו, מבצעים הערכת סבירות לאפשרות השנייה. אי סבירות של האפשרות השנייה היא ראייה לנכונות  האפשרות הראשונה.

ובצורה פורמלית: במקום להוכיח שהשערת החוקר היא הנכונה, מראים שאם השערת האפס הייתה נכונה, לא סביר לקבל את הראיות שקיבלנו במחקר. במצב כזה לא סביר שהשערת האפס נכונה, ואנחנו ונאלצים לקבל את השערת החוקר, כיוון שזו האפשרות האחרת היחידה.

Hypothesis testing

Null hypothesis- H0

Alternative hypothesis (usually the researcher hypothesis)-H1

p value

Evaluation of Oseltamivir Used to Prevent Hospitalization in Outpatients With Influenza

פרק מסכם עבור רווח בר סמך: מה נין להסיק מגרף היער במטא אנליזה לגבי מובהקות, אפקט, דיוק, ומדוע יש סימטריה גרפית אך לא סימטריה מספרית ברווח בר סמך עבור ערכים כמו סיכון יחסי

Meta analysis

Exclusive breastfeeding reduces acute respiratory infection and diarrhea deaths among infants in Dhaka slums

Maternal and Neonatal Morbidity and Mortality Among Pregnant Women With and Without COVID-19 Infection: The INTERCOVID Multinational Cohort Study

בפרקים קודמים ראינו שפעמים רבות התפלגות הדגימה היא התפלגות נורמלית, המאפשרת לחשב שגיאת תקן, רווח בר סמך ועוד. אך כאשר מדובר בסיכון יחסי ובערכים דומים התלויים בחלוקה, לצערנו התפלגות הדגימה היא התפלגות מוטה ימינה. לשמחתנו כאשר מבטאים את הערכים מחדש כלוגריתמים, ההתפלגות הופכת בכל זאת לנורמלית.

חישוב שגיאת התקן ומתוכה גם רווח בר סמך מתבצע על אותה התפלגות נורמלית של הלוגריתמים. אחר כך, כדי שנבין משמעות קלינית אין ברירה אלא לתרגם את כל הערכים חזרה למצבם הטבעי. בתרגום מחדש למצב הטבעי רווח בר סמך עבור הסיכון היחסי יראה לא סימטרי.

Relative risk

Sampling distribution

Re expression/ transformation

Ln

Immunogenicity and Reactogenicity of Coadministration of COVID-19 and Influenza Vaccines

בספרות הרפואית נפוץ מאוד ביטוי מחדש של ערך בעזרת לוגריתם- ובדוגמה הפשוטה ביותר, במקום לציין את הערך המקורי של מספר, ניתן לציין כמה אפסים נמצאים אחרי הספרה אחת. למשל, 10 יבוטא כ 1, ו 1000 יבוטא כ 3.  ביטוי כזה של ערכים הופך פעמים רבות התפלגות מוטה ימינה להתפלגות סימטרית. יש לביטוי מחדש כזה יתרון בנוחיות הבנה וקריאה, בגרפים למשל, וגם חשיבות בהמשך בסטטיסטיקה היסקית, כיוון שאם התפלגות הופכת לנורמלית, אפשר לבצע עליה פעולות רבות.

יש ביטויים מחדש בצורות אחרות- למשל בביטוי השבר שבו הערך המקורי הוא המכנה (נמצא מתחת לקו השבר), כדי להפוך התפלגות מוטה שמאלה להתפלגות סימטרית.

Re expression/ transformation

Logarithm

Ln

Single-Dose Psilocybin Treatment for Major Depressive Disorder

Baricitinib and β-Cell Function in Patients with New-Onset Type 1 Diabetes

בפרק זה נדגים את השימוש ברווח בר סמך להבנת משמעות תוצאות מחקרים פורצי דרך מהשנה האחרונה. הראשון על פסילוסיבין (חומר המופק מפטריית הזיה) במתן חד פעמי כטיפול בדכאון, והשני על ברסיטיניב המשנה כנראה מהלך מחלה בסוכרת נעורים. נתייחס לסימטריה של רווח בר סמך, לקיומו (תמיד) סביב ההערכה הנקודתית במחקר, ולהבנה מתוכו לגבי רמת הדיוק, הערכת השפעת טיפול במקרה הגרוע ביותר ובמקרה הטוב ביותר, ומובהקות.

Semaglutide and Cardiovascular Outcomes in Obesity without Diabetes

רוחב רווח בר סמך מעיד על רמת הדיוק של המחקר (לא להתבלבל עם התקפות או האמינות). קצות רווח בר סמך יכולים לשמש להתייחסות למקרה הגרוע ביותר (בסבירות של 95%) או הטוב ביותר לגבי השפעת טיפול כלשהו אך יש לשים לב שמדובר בערך הגרוע ביותר עבור ממוצע או קבוצה לא עבור מטופל בודד. רווח בר סמך הכולל בתוכו את הערך הניטרלי מעיד על העדר מובהקות. כאשר מדובר ברווח בר סמך ברמת בטחון של 95%, מדובר על מובהקות ברמה של 0.05. ערך ניטרלי לגבי משתנים של יחס הוא 1, וערך ניטרלי לגבי משתנים של הפרשה הוא 0. שתי תפיסות שגויות נפוצות של רווח בר סמך: 1) להתייחס אליו כאילו מתאר פיזור באוכלוסיה ("95% מהמטופלים היו עם ערכים בין 7.5 ל 8.5"), 2) להבין כאילו כדי לחשבו יש לבצע כמות גדולה של מדגמים/ מחקרים.

precision

value of null effect

Semaglutide and Cardiovascular Outcomes in Obesity without Diabetes

  Confidence intervals-Cochrane collaboration

רווח בר סמך בשימושו המקובל בספרות הרפואית, הוא טווח המספרים שבתוכו סביר שנמצאת האמת (סביר= 95% בדרך כלל).

הוא מחושב בעזרת התפלגות הדגימה ושגיאת התקן שלה. 95%  מהמחקרים הדמיוניים נופלים במרחק מסוים מהאמת הלא ידועה. ניתן להפוך את הכיוון ולהגיד שמחקר בודד הוא כנראה (סבירות של 95%) אחד ממחקרים אלו, ולכן המרחק המקסימלי שלו מהאמת יהיה אותו מרחק. במצבים בהם התפלגות הדגימה היא התפלגות נורמלית או כמעט נורמלית, כ-95% מהמחקרים הדמיוניים יפלו במרחק של שתי שגיאות תקן מהאמת. במצבים אלו, המרחק של האמת (למשל, ההפרש האמיתי בירידה במשקל בין סמגלוטייד לפלצבו) מהתוצאה במחקר הבודד (למשל 8.5 ק"ג יתרון לסמגלוטייד) יהיה שתי שגיאות תקן לכל היותר (במקרה הזה, שתי שגיאות תקן הם רבע ק"ג). לכן רווח בר סמך להפרשה הירידה במשקל בין סמגלוטייד לפלצבו הוא הטווח שבין 8.25 ק"ג ל 8.75 ק"ג. זהו הטווח שבתוכו כנראה נמצאת האמת לגבי השפעת סמגלוטייד, בהנחה שאין הטיות.

Confidence interval

Natriuresis-guided diuretic therapy in acute heart failure: a pragmatic randomized trial

כיוון שהתפלגות הדגימה, למשל של ממוצעים, היא נורמלית, כ 95% (נקרא להם "הרוב הגדול") מהמחקרים על הכוכב הדמיוני יפלו במרחק של עד שתי שגיאות תקן מהאמת לכל כיוון. המחקר שלנו (שאנחנו קוראים) הוא אחד המחקרים מתוך אותה התפלגות דגימה, ולכן יש סבירות של 95% שהוא אחד מ"הרוב הגדול". אם פשוט נהפוך את כיוון מדידת המרחק, כאשר בידינו רק הממוצע מהמחקר, נוכל נסיק (בסבירות של 95%) שהאמת תהיה במרחק של עד שתי שגיאות תקן מהתוצאה של המחקר שלנו.

Inferential statistics- סטטיסטיקה היסקית

confidence interval - רווח בר סמך

Tirzepatide after intensive lifestyle intervention in adults with overweight or obesity: the SURMOUNT-3 phase 3 trial

כמו שהבנו כבר, התפלגות הדגימה היא התפלגות תיאורטית בלבד ולא באמת מתבצעים המוני מדגמים שונים. שגיאת התקן היא סטיית התקן של אותה התפלגות תיאורטית. בהגדרה פשטנית: שגיאת התקן היא המרחק הממוצע של הערכים בהתפלגות הדגימה מהאמת (למשל, של ממוצעי מדגמים רבים מהממוצע האמיתי).

למרות שהתפלגות הדגימה היא תיאורטית, ניתן להבין את צורתה מתוך נתונים במחקר. ולמרות שהיא נוגעת למחקרים תיאורטיים מרובים, ניתן להבין את צורתה ממחקר בודד בלבד. למשל, ניתן לחשב שגיאת תקן של ממוצעים בעזרת שני נתונים: סטיית התקן במחקר הבודד ומספר המשתתפים בו. שגיאת תקן מחושבת עבור ערכים שונים ולא רק עבור ממוצע- למשל עבור הפרשי ממוצעים, סיכון, הפרשי סיכונים, ותוצאים רבים אחרים.

התופעה הפלאית שעליה בנוי חלק גדול מהסטטיסטיקה ההיסקית היא שהתפלגות הדגימה (התיאורטית) מתנהגת פעמים רבות כמו התפלגות נורמלית, גם כאשר הנתונים המקוריים אינם מתפלגים נורמלית.

נדגים זאת בצורה הקלאסית על ממוצע של ערך מספרי, למשל משקל בננות או ערך המוגלובין מסוכרר. התפלגות הדגימה של הממוצעים, כאשר המדגם מספיק גדול, תהיה התפלגות נורמלית עם כל מאפייניה. נדגיש שוב שהתפלגות זו קורית רק בכוכב הדמיוני.