CliniGA CRO

Блог CliniGA CRO

Ковариационные допущения в моделях повторных измерений

Как заранее задать ковариационную структуру, альтернативные модели и проверку сходимости при повторных измерениях.

Иллюстративная фотография категории: Ковариационные допущения в моделях повторных измерений
Фото: Diane A. Reid (Photographer) · Лицензия: Public domain · Изображение обрезано и уменьшено.
Опубликовано
Обновлено

Измерения одного человека во времени могут коррелировать. Представление этой связи в модели повторных измерений влияет на оценку неопределенности и практическую выполнимость. Укажите структуру и допущения модели, не полагаясь только на название статистического метода.

Определите вопрос и допущения

Учитывайте время визитов, распределение данных и ожидаемые закономерности пропусков. Заранее задайте обоснование ковариации и последовательность альтернатив при отсутствии сходимости модели. Очень гибкая структура может быть неустойчивой при ограниченной информации, а более простая может не представлять все правдоподобные картины. Выберите и оцените подход с надлежащими специалистами по статистике.

Гипотетический пример исследования

В гипотетическом исследовании запланировано много визитов, но полных профилей наблюдения сравнительно мало. Запланированная модель неустойчива. Команда применяет заранее заданную последовательность альтернатив и диагностику, а не выбирает структуру с наименьшим p-значением, документируя связь решения с наблюдаемыми свойствами данных.

Проверки при оценке дизайна

  • Явно укажите компоненты времени, группы и ковариации в определении модели.
  • Планируйте правила альтернативных моделей без использования знаний сравнительных исходов для выбора.
  • Совместно оцените сходимость, оценки неопределенности и закономерности отсутствия данных.

Зафиксируйте решение и его ограничения

Приемлемый код последовательно реализует описанную модель. Не игнорируйте предупреждения программы; покажите альтернативы и причины. Объясните клинический вопрос разных моделей и изменение неопределенности. Численное завершение одного запуска не доказывает выполнения всех допущений или надлежащей научной интерпретации доступных записей моделью.

Частые вопросы

Всегда ли самая гибкая ковариация лучше?
Нет. Объем информации и устойчивость модели также важны.
Доказывает ли сходимость все допущения?
Нет. Численное завершение отличается от научной пригодности.

Источники

  1. EMA — ICH E9: статистические принципы и дополнение об оцениваемых величинах
  2. EMA — ICH E8: планирование клинических исследований