balita

Ang randomized controlled trials (RCTS) ay ang gintong pamantayan para sa pagsusuri sa kaligtasan at pagiging epektibo ng isang paggamot. Gayunpaman, sa ilang mga kaso, ang RCT ay hindi magagawa, kaya ang ilang mga iskolar ay naglagay ng paraan ng pagdidisenyo ng mga obserbasyonal na pag-aaral ayon sa prinsipyo ng RCT, iyon ay, sa pamamagitan ng "target na eksperimento simulation", ang mga pag-aaral sa obserbasyonal ay ginagaya sa RCT upang mapabuti ang bisa nito.

Ang mga randomized na kinokontrol na pagsubok (RCTS) ay mga pamantayan para sa pagsusuri sa relatibong kaligtasan at bisa ng mga interbensyong medikal. Bagama't ang mga pagsusuri ng data ng obserbasyonal mula sa mga epidemiological na pag-aaral at mga database ng medikal (kabilang ang electronic medical record [EHR] at data ng mga medikal na claim) ay may mga pakinabang ng malalaking sukat ng sample, napapanahong pag-access sa data, at kakayahang masuri ang mga epekto ng "tunay na mundo", ang mga pagsusuring ito ay madaling kapitan ng pagkiling na sumisira sa lakas ng ebidensya na kanilang ginagawa. Sa mahabang panahon, iminungkahi na magdisenyo ng mga obserbasyonal na pag-aaral ayon sa mga prinsipyo ng RCT upang mapabuti ang bisa ng mga natuklasan. Mayroong ilang mga pamamaraang metodolohikal na nagtatangkang gumuhit ng mga sanhi ng hinuha mula sa data ng pagmamasid, at dumaraming bilang ng mga mananaliksik ang ginagaya ang disenyo ng mga pag-aaral sa obserbasyonal sa hypothetical na RCTS sa pamamagitan ng "target trial simulation."

Ang target na trial simulation framework ay nangangailangan na ang disenyo at pagsusuri ng mga obserbasyonal na pag-aaral ay naaayon sa hypothetical RCTS na tumutugon sa parehong tanong sa pananaliksik. Bagama't nagbibigay ang diskarteng ito ng nakabalangkas na diskarte sa disenyo, pagsusuri, at pag-uulat na may potensyal na pahusayin ang kalidad ng mga pag-aaral sa obserbasyonal, ang mga pag-aaral na isinagawa sa ganitong paraan ay madaling kapitan ng pagkiling mula sa maraming pinagmumulan, kabilang ang mga nakakalito na epekto mula sa hindi naobserbahang mga covariate. Nangangailangan ang mga naturang pag-aaral ng mga detalyadong elemento ng disenyo, mga pamamaraang analitikal upang matugunan ang mga nakakalito na salik, at mga ulat sa pagsusuri sa pagiging sensitibo.
Sa mga pag-aaral na gumagamit ng target-trial simulation approach, nagtakda ang mga mananaliksik ng hypothetical RCTS na mainam na maisagawa upang malutas ang isang partikular na problema sa pananaliksik, at pagkatapos ay magtakda ng mga elemento ng disenyo ng obserbasyonal na pag-aaral na naaayon sa "target-test" na RCTS. Kabilang sa mga kinakailangang elemento ng disenyo ang pagsasama ng pamantayan sa pagbubukod, pagpili ng kalahok, diskarte sa paggamot, pagtatalaga ng paggamot, pagsisimula at pagtatapos ng follow-up, mga sukat sa kinalabasan, pagtatasa ng pagiging epektibo, at statistical analysis plan (SAP). Halimbawa, si Dickerman et al. gumamit ng target-trial simulation framework at naglapat ng data ng EHR mula sa US Department of Veterans Affairs (VA) para ihambing ang pagiging epektibo ng mga bakunang BNT162b2 at mRNA-1273 sa pagpigil sa mga impeksyon, pagkakaospital, at pagkamatay ng SARS-CoV-2.

Ang isang susi sa simulation ng isang target na pagsubok ay ang magtakda ng "time zero," ang punto sa oras kung saan tinasa ang pagiging kwalipikado ng kalahok, itinalaga ang paggamot, at sinisimulan ang follow-up. Sa pag-aaral ng vaccine ng VA Covid-19, tinukoy ang time zero bilang petsa ng unang dosis ng bakuna. Ang pagsasama-sama ng oras upang matukoy ang pagiging karapat-dapat, magtalaga ng paggamot, at simulan ang pag-follow-up hanggang sa time zero ay nagbabawas sa mahahalagang pinagmumulan ng bias, partikular na walang kamatayang bias sa oras sa pagtukoy ng mga diskarte sa paggamot pagkatapos simulan ang follow-up, at pagpili ng bias sa pagsisimula ng follow-up pagkatapos magtalaga ng paggamot. Sa VA
Sa pag-aaral ng bakuna sa Covid-19, kung ang mga kalahok ay itinalaga sa pangkat ng paggamot para sa pagsusuri batay sa kung kailan nila natanggap ang pangalawang dosis ng bakuna, at ang pag-follow-up ay sinimulan sa oras ng unang dosis ng bakuna, nagkaroon ng non-death time bias; Kung ang pangkat ng paggamot ay itinalaga sa oras ng unang dosis ng bakuna at ang follow-up ay magsisimula sa oras ng ikalawang dosis ng bakuna, lumitaw ang bias sa pagpili dahil ang mga nakatanggap lamang ng dalawang dosis ng bakuna ang isasama.

Nakakatulong din ang mga target na trial simulation na maiwasan ang mga sitwasyon kung saan ang mga therapeutic effect ay hindi malinaw na tinukoy, isang karaniwang kahirapan sa mga pag-aaral sa pagmamasid. Sa pag-aaral ng bakuna sa VA Covid-19, itinugma ng mga mananaliksik ang mga kalahok batay sa mga katangian ng baseline at tinasa ang pagiging epektibo ng paggamot batay sa mga pagkakaiba sa panganib ng resulta sa 24 na linggo. Tahasang tinutukoy ng diskarteng ito ang mga pagtatantya ng efficacy bilang mga pagkakaiba sa mga resulta ng Covid-19 sa pagitan ng mga nabakunahang populasyon na may mga balanseng feature ng baseline, katulad ng mga pagtatantya ng efficacy ng RCT para sa parehong problema. Gaya ng itinuturo ng mga may-akda ng pag-aaral, ang paghahambing ng mga kinalabasan ng dalawang magkatulad na bakuna ay maaaring hindi gaanong naiimpluwensyahan ng nakakalito na mga salik kaysa sa paghahambing ng mga resulta ng mga nabakunahan at hindi nabakunahan na mga tao.

Kahit na ang mga elemento ay matagumpay na nakahanay sa RCTS, ang bisa ng isang pag-aaral gamit ang isang target-trial simulation framework ay nakasalalay sa pagpili ng mga pagpapalagay, disenyo at mga pamamaraan ng pagsusuri, at ang kalidad ng pinagbabatayan ng data. Bagaman ang bisa ng mga resulta ng RCT ay nakasalalay din sa kalidad ng disenyo at pagsusuri, ang mga resulta ng mga pag-aaral sa obserbasyon ay nanganganib din ng mga nakakalito na kadahilanan. Bilang mga hindi random na pag-aaral, ang mga obserbasyonal na pag-aaral ay hindi immune sa nakakalito na mga salik tulad ng RCTS, at ang mga kalahok at clinician ay hindi bulag, na maaaring makaapekto sa pagtatasa ng kinalabasan at mga resulta ng pag-aaral. Sa pag-aaral ng bakuna sa VA Covid-19, gumamit ang mga mananaliksik ng diskarte sa pagpapares upang balansehin ang pamamahagi ng mga katangian ng baseline ng dalawang grupo ng mga kalahok, kabilang ang edad, kasarian, etnisidad, at antas ng urbanisasyon kung saan sila nakatira. Ang mga pagkakaiba sa pamamahagi ng iba pang mga katangian, tulad ng trabaho, ay maaari ding nauugnay sa panganib ng impeksyon sa Covid-19 at magiging mga natitirang confounder.

Maraming mga pag-aaral na gumagamit ng target-trial simulation na pamamaraan ay gumagamit ng "real world data" (RWD), gaya ng EHR data. Kabilang sa mga benepisyo ng RWD ang pagiging napapanahon, nasusukat, at sumasalamin sa mga pattern ng paggamot sa kumbensyonal na pangangalaga, ngunit dapat na timbangin laban sa mga isyu sa kalidad ng data, kabilang ang nawawalang data, hindi tumpak at hindi pare-parehong pagkakakilanlan at kahulugan ng mga katangian at resulta ng kalahok, hindi pare-parehong pangangasiwa ng paggamot, iba't ibang dalas ng follow-up na pagtatasa, at pagkawala ng access dahil sa paglipat ng mga sistema ng pangangalagang pangkalusugan sa pagitan ng iba't ibang sistema ng pangangalagang pangkalusugan. Gumamit ang pag-aaral ng VA ng data mula sa iisang EHR, na nagpagaan sa aming mga alalahanin tungkol sa mga hindi pagkakapare-pareho ng data. Gayunpaman, nananatiling panganib ang hindi kumpletong kumpirmasyon at dokumentasyon ng mga tagapagpahiwatig, kabilang ang mga komorbididad at resulta.
Ang pagpili ng kalahok sa analytical sample ay kadalasang nakabatay sa retrospective na data, na maaaring humantong sa pagpili ng bias sa pamamagitan ng pagbubukod ng mga taong may nawawalang baseline na impormasyon. Bagama't ang mga problemang ito ay hindi natatangi sa mga obserbasyonal na pag-aaral, ang mga ito ay pinagmumulan ng natitirang bias na hindi direktang matutugunan ng mga simulation ng pagsubok. Bilang karagdagan, ang mga obserbasyonal na pag-aaral ay kadalasang hindi nakarehistro, na nagpapalala sa mga isyu gaya ng pagiging sensitibo sa disenyo at bias sa publikasyon. Dahil ang iba't ibang mga pinagmumulan ng data, mga disenyo, at mga pamamaraan ng pagsusuri ay maaaring magbunga ng ibang mga resulta, ang disenyo ng pag-aaral, pamamaraan ng pagsusuri, at batayan ng pagpili ng pinagmumulan ng data ay dapat na paunang matukoy.

Mayroong mga alituntunin para sa pagsasagawa at pag-uulat ng mga pag-aaral gamit ang target na trial simulation framework na nagpapahusay sa kalidad ng pag-aaral at tinitiyak na ang ulat ay sapat na detalyado para sa mambabasa upang kritikal na suriin ito. Una, ang mga protocol ng pananaliksik at SAP ay dapat na ihanda nang maaga bago ang pagsusuri ng data. Dapat isama ng SAP ang mga detalyadong istatistikal na pamamaraan upang matugunan ang bias dahil sa mga confounder, pati na rin ang mga pagsusuri sa pagiging sensitibo upang masuri ang tibay ng mga resulta laban sa mga pangunahing pinagmumulan ng bias gaya ng mga confounder at nawawalang data.

Ang mga seksyon ng pamagat, abstract, at mga pamamaraan ay dapat gawing malinaw na ang disenyo ng pag-aaral ay isang obserbasyonal na pag-aaral upang maiwasan ang pagkalito sa RCTS, at dapat na makilala sa pagitan ng mga pag-aaral na obserbasyonal na isinagawa at mga hypothetical na pagsubok na sinusubukang gayahin. Dapat tukuyin ng mananaliksik ang mga hakbang sa kalidad tulad ng pinagmumulan ng data, ang pagiging maaasahan at bisa ng mga elemento ng data, at, kung maaari, ilista ang iba pang nai-publish na pag-aaral gamit ang data source. Ang imbestigador ay dapat ding magbigay ng isang talahanayan na nagbabalangkas sa mga elemento ng disenyo ng target na pagsubok at ang obserbasyonal na simulation nito, pati na rin ang isang malinaw na indikasyon kung kailan tutukuyin ang pagiging karapat-dapat, simulan ang follow-up, at magtalaga ng paggamot.
Sa mga pag-aaral na gumagamit ng mga target na pagsubok simulation, kung saan ang isang diskarte sa paggamot ay hindi maaaring matukoy sa baseline (tulad ng mga pag-aaral sa tagal ng paggamot o ang paggamit ng mga kumbinasyong therapy), isang resolusyon sa non-death time bias ay dapat ilarawan. Dapat mag-ulat ang mga mananaliksik ng mga makabuluhang pagsusuri sa pagiging sensitibo upang masuri ang katatagan ng mga resulta ng pag-aaral sa mga pangunahing pinagmumulan ng bias, kabilang ang pagbibilang ng potensyal na epekto ng hindi nakakagambalang mga confounder at paggalugad ng mga pagbabago sa mga resulta kapag nakatakda ang mga pangunahing elemento ng disenyo. Ang paggamit ng mga negatibong resulta ng kontrol (ang mga resulta ay lubos na walang kaugnayan sa pagkakalantad ng pag-aalala) ay maaari ring makatulong sa pagbibilang ng natitirang bias.

Bagama't maaaring suriin ng mga pag-aaral sa obserbasyonal ang mga isyu na maaaring hindi posible na magsagawa ng RCTS at maaaring samantalahin ang RWD, ang mga pag-aaral sa obserbasyonal ay mayroon ding maraming potensyal na mapagkukunan ng bias. Sinusubukan ng target na trial simulation framework na tugunan ang ilan sa mga bias na ito, ngunit dapat na gayahin at maingat na iulat. Dahil ang mga confounder ay maaaring humantong sa bias, ang mga pagsusuri sa pagiging sensitibo ay dapat isagawa upang masuri ang katatagan ng mga resulta laban sa hindi naobserbahang mga confounder, at ang mga resulta ay dapat bigyang-kahulugan upang isaalang-alang ang mga pagbabago sa mga resulta kapag ang iba pang mga pagpapalagay ay ginawa tungkol sa mga confounder. Ang target na trial simulation framework, kung mahigpit na ipinatupad, ay maaaring maging isang kapaki-pakinabang na paraan para sa sistematikong pagtatakda ng mga disenyo ng obserbasyonal na pag-aaral, ngunit hindi ito isang panlunas sa lahat.