CliniGA CRO

Blog CliniGA CRO

Ipotesi di covarianza nei modelli per misure ripetute

Prespecificare struttura di covarianza, alternative e diagnostica nei modelli per misure ripetute.

Fotografia rappresentativa della categoria: Ipotesi di covarianza nei modelli per misure ripetute
Foto: Diane A. Reid (Photographer) · Licenza: Public domain · Immagine ritagliata e ridimensionata.
Pubblicazione
Aggiornamento

Le misurazioni della stessa persona nel tempo possono essere correlate. Il modo in cui un modello per misure ripetute rappresenta tale relazione influisce sulla stima dell’incertezza e sulla fattibilità pratica. Specificare struttura e ipotesi del modello, anziché affidarsi soltanto al nome del metodo statistico.

Definire il quesito e le ipotesi

Considerare tempi delle visite, distribuzione dei dati e andamenti previsti dei dati mancanti. Prespecificare il razionale della covarianza e la sequenza delle alternative se il modello non converge. Una struttura molto flessibile può essere instabile con informazioni limitate, mentre una più semplice può non rappresentare ogni andamento plausibile. Scegliere e valutare l’approccio con competenze statistiche adeguate.

Esempio di studio ipotetico

In uno studio ipotetico sono programmate molte visite, ma esistono relativamente pochi profili completi di follow-up. Il modello pianificato è instabile. Il gruppo applica la sequenza di alternative e la diagnostica prespecificate, anziché scegliere la struttura che produce il valore di p più piccolo, documentando il legame fra decisione e caratteristiche dei dati osservati.

Verifiche di revisione del disegno

  • Specificare esplicitamente nella definizione del modello le componenti di tempo, gruppo e covarianza.
  • Pianificare le regole dei modelli alternativi senza usare la conoscenza comparativa degli esiti per sceglierli.
  • Valutare insieme convergenza, stime dell’incertezza e andamenti dei dati mancanti.

Documentare la decisione e i suoi limiti

Il codice accettato implementa in modo coerente il modello riportato. Non ignorare gli avvisi del software; mostrare alternative e ragioni. Spiegare il quesito clinico affrontato dai diversi modelli e come cambi l’incertezza. Il completamento numerico di un’esecuzione non dimostra che ogni ipotesi sia valida o che il modello offra un’interpretazione scientifica appropriata delle registrazioni disponibili.

Domande frequenti

La covarianza più flessibile è sempre la migliore?
No. Contano anche quantità di informazione e stabilità del modello.
La convergenza dimostra ogni ipotesi?
No. Il completamento numerico differisce dall’idoneità scientifica.

Fonti

  1. EMA — ICH E9: principi statistici e addendum sugli estimand
  2. EMA — ICH E8: disegno degli studi clinici