Tutkimuksen suunnittelu ratkaisee, mitä tuloksista voidaan päätellä

Lääketutkimus Juhani Tuominen ja Pasi Korhonen Tutkimuksen suunnittelu ratkaisee, mitä tuloksista voidaan päätellä Kliinisen tutkimuksen suunnittelu luo pohjan sille, mitä tuloksista voidaan lopulta saada irti. Suunnittelussa pyritään etsimään mahdollisimman tehokas koeasetelma, jonka avulla ensisijainen tavoite voidaan suurella todennäköisyydellä osoittaa. Suunnittelun kulmakivet muodostuvat tavoitteiden ja niiden osoittamiseen käytettävien tulosmuuttujien määrittämisestä, tutkimusasetelman valinnasta, kohdepopulaation rajaamisesta ja tarvittavan potilasmäärän laskemisesta. Tutkimussuunnitelmasta alkaa jatkumo, joka päättyy lopulta tulosten analysointiin ja päätelmien tekoon. Tulosten arvioinnissa käytettävät tilastolliset pääperiaatteet tulisi päättää ennen tutkimuksen satunnaistamisen ja sokkoutuksen avaamista mahdollisen harhan välttämiseksi. K liinisestä tutkimuksesta tehtävien päätelmien pitää perustua luotettavaan, harhattomaan ja riittävän tarkkaan informaatioon tutkittavan hoitomuodon tehosta ja turvallisuudesta halutussa kohdepopulaatiossa. Tutkimussuunnitelmassa on kuvattava selvästi tutkimuksen tavoitteet eli ne lääketieteelliset kysymykset, joihin tutkimuksella etsitään vastauksia. Tavoitteena voi esimerkiksi olla osoittaa uusi lääke teholtaan paremmaksi (superiority trial) tai vähintään samanveroiseksi (non inferiority trial) kuin vertailulääke. Tehon osoittamisen lisäksi tutkimuksen tavoitteena on arvioida testilääkkeen turvallisuutta ja siedettävyyttä. Tavoitteet jaetaan ensisijaisiin ja toissijaisiin. Ne osoitetaan tulosmuuttujien avulla. Nämä määritellään yksikäsitteisesti tutkimusten kliinisten tarkoitusten perusteella. Päätulosmuuttujien lukumäärä tulisi pitää hyvin pienenä. Toivottavaa on, että tutkimuksessa olisi vain yksi päätulosmuuttuja. Päätulosmuuttujien lisäksi määritetään yleensä useita toissijaisia teho ja turvallisuusmuuttujia. Tutkimuksen tavoitteiden esittäminen lyhyesti mutta kuitenkin riittävän tarkasti on yksi vaikeimmista osista suunnitelmaa kirjoitettaessa. Duodecim 2006;122:967 76 Esimerkin 1 (s. 968) päätavoite ilmoittaa selvästi, että kokeen tarkoituksena on osoittaa tutkittava lääke tehokkaammaksi kuin lumelääke. Esimerkissä 2 on kuvattu tyypillinen koe, jonka tarkoituksena on osoittaa tutkittavan hoitomuodon olevan kliiniseltä teholtaan vähintään samanveroinen kuin vertailuhoito. Tätä varten pitää määrittää, minkä suuruinen ero uuden hoidon ja vertailuhoidon todellisten vasteasteiden välillä on hyväksyttävissä ilman, että sillä olisi hoidollista merkitystä. Samanveroisuusmarginaalin suuruus arvioidaan kliinisin ja tilastollisin perustein. Sen tulee aina olla selvästi pienempi kuin satunnaistetuissa lumekontrolloiduissa kokeissa saatu arvio vertailulääkkeen ja lumelääkkeen välisestä erosta. Samanveroisuusmarginaali perusteluineen pitää ilmoittaa selvästi tutkimussuunnitelmassa. Esimerkissä 2 todellisten vasteasteiden eron (uusi hoitomuoto ja vertailuhoito) samanveroisuusmarginaaliksi oli määritetty 10 %. Tämän mukaan tutkittavaa hoitomuotoa voidaan pitää vähintään samanveroisena kuin vertailuhoitoa, jos voidaan luotettavasti osoittaa todellisten vasteasteiden välisen eron olevan kohdepopulaatiossa enintään 10 %. Ensisijaisten ja toissijaisten tavoitteiden mer 967

Tu t k i m u k s e n t a v o i t e j a o t o s k o o n a r v i o i n t i, e s i m e r k k i 1. Satunnaistetussa kaksoissokkoutetussa lumekontrolloidussa monikeskustutkimuksessa on ensisijaisena tavoitteena osoittaa, että kahdesti päivässä annettava 7,5 mg:n annos tutkittavaa lääkettä on tehokkaampi kuin lumelääke annettaessa lääkkeitä yhdessä amlopidiinin (10 mg:n kerta annos) kanssa rintakivuista kärsiville potilaille, joiden oireita ei voida hoitaa pelkällä amlopidiinilla. Tutkimuksen päätulosmuuttujana on muutos lähtötilanteeseen verrattuna juoksumattorasituskokeen kestossa 12 tunnin jälkeen lääkkeen annosta. Toissijaisina tavoitteina ovat paremmuuden osoittaminen lumelääkkeeseen verrattuna juoksumattorasituskokeen kestossa tutkimuslääkkeen oletetun tehokkuushuipun kohdalla sekä sen osoittaminen, että tutkittavan lääkkeen turvallisuus on yhtä hyvä kuin lumelääkkeen. Otoskoon arviointi: Tarvittava potilasmäärä kutakin ryhmää kohti (n) saadaan kahden riippumattoman otoksen t testiin perustuen kaavasta n 2 x (sd / ) 2 x (1,96 + 0,84) 2, jossa sd on tulosmuuttujan keskihajonta, on asetettu kliinisesti pienin merkityksellinen keskiarvojen ero, 1,96 on normaalijakauman 97,5 %:n piste, joka vastaa kaksisuuntaista 5 %:n merkitsevyystasoa, ja 0,84 on normaalijakauman 80 %:n piste, joka vastaa 80 %:n voimakkuutta. Keskihajonnaksi arvioitiin aikaisemmin tehtyjen vaiheen II tutkimusten perusteella 90 sekuntia ja :n arvoksi asetettiin 40 sekuntia. Näillä arvoilla tarvittavaksi otoskooksi ryhmää kohti saadaan n 2 x (90/40) 2 x 7,84 = 79. kitys lääkkeen myyntilupahakemusmenettelyssä on lähinnä se, että ensisijaisten tavoitteiden osoittaminen on yleensä välttämätön edellytys myyntiluvalle. Jos ensisijaiset tavoitteet saadaan osoitettua, toissijaisten tavoitteiden toteutumista voidaan tarkastella tarkempia hoitosuosituksia arvioitaessa. Kohdepopulaatio ja potilaiden valinta Kliinisen kokeen kohdepopulaatio määritetään pääpiirteittäin hyväksymiskriteerien avulla. Poissulkukriteereillä hienosäädetään kohdepopulaatiota määrittämällä rajoittavia tekijöitä, joiden oletetaan aiheuttavan huomattavaa vaihtelua tuloksissa. Potilas kelpaa tutkimukseen vain, jos kaikki hyväksymiskriteerit täyttyvät hänen osaltaan eikä mikään poissulkukriteereistä täyty. Tutkimuksen tilastolliset ja kliiniset päätelmät voidaan yleistää vain hyväksymis ja poissulkukriteerien avulla määritettyyn kohdepopulaatioon. Varhaisen vaiheen kliinisissä tutkimuksissa kohdepopulaatio on usein valikoitunut osa siitä potilasjoukosta, jossa lääkettä on ajateltu käyttää. Tämä rajoittaa tällaisten tutkimusten tulosten yleistettävyyttä. Vertailuryhmän valinta Sopivan vertailuryhmän käyttö on ratkaisevaa kliinisen kokeen suunnittelussa, jotta tutkimuslääkkeen vaikutuksia voidaan arvioida luotettavasti. Vertailukohteena saattaa olla lumelääke, toinen aktiivinen lääke tai saman lääkeaineen eri annokset. Vertailuryhmästä saatu tieto kertoo, mitä potilaille olisi tapahtunut, jos he eivät olisi saaneet testilääkettä. Vertailuryhmän avulla voidaan erottaa testilääkkeen aiheuttamat muutokset potilaan tulosmuuttujissa muiden tekijöiden aiheuttamista muutoksista ja myötävaikuttaa siihen, että tutkimus pystyy erottelemaan tehokkaat hoitomuodot vähemmän tehokkaista. Kun halutaan osoittaa uuden lääkehoidon olevan teholtaan vähintään samanveroinen kuin aiempi hoitokäytäntö, vertailuun valittavalta lääkkeeltä vaaditaan aiemmin osoitettua paremmuutta samanlaisessa tutkimusasetelmassa vähemmän tehokkaisiin vaihtoehtoihin verrattuna. Joskus tulosten tulkittavuuden vuoksi kannattaa tutkimusasetelmaan lisätä aktiivisen vertailuhoitoryhmän lisäksi myös lumehoitoryhmä, jos se on eettisesti mahdollista. Esimerkiksi psykiatriassa tutkimukset epäonnistuvat erittäin usein taudinkuvan suuren vaihtelun vuoksi. Tällöin aktiivisen vertailuvalmisteen ja lumehoidon välisellä vertailulla voidaan näyttää, pystyikö tutkimus yleensä erottamaan aiemmin tehokasta hoitoa tehottomasta vaihtoehdosta. Vertailuryhmän valintaa on selvitetty tarkemmin kliinisen tutkimuksen harmonisointiin tähtäävässä ICH E10 ohjeessa (ICH Topic E10). Tutkimusasetelman valinta Tutkimus voidaan toteuttaa joko käyttäen samanaikaisia rinnakkaisia vertailuryhmiä tai 968 J. Tuominen ja P. Korhonen

vaihtovuoroisena, jolloin sama potilas saa satunnaisessa järjestyksessä useampaa testattavaa hoitoa. Esimerkkien 1 ja 2 kokeet ovat kahden rinnakkaisen ryhmän kokeita. Niissä kelvolliset potilaat on satunnaisesti jaettu testi ja vertailuryhmiin. Yleensä pyritään samankokoisiin ryhmiin. Rinnakkaisten ryhmien kokeen etuna on, että se on rakenteeltaan yksinkertainen ja helppo toteuttaa, yleisesti hyväksytty ja soveltuu akuutteihin sairauksiin. Lisäksi aineiston tilastollinen analysointi ja tulosten tulkinta on yleensä mutkatonta. Haittana on, että laajassa kohdepopulaatiossa tulosmuuttujan arvojen vaihtelu potilaiden välillä on suurta, minkä vuoksi kokeeseen tarvittava potilasmäärä saattaa olla suuri. Vaihtovuoroinen koeasetelma sopii terveille vapaaehtoisille tehtäviin tutkimuksiin (esim. bioekvivalenssitutkimukset) tai lyhytkestoisiin kroonisten sairauksien hoitokokeisiin, joissa potilaan tila palautuu tietyn ajan (wash out) jälkeen ennalleen. Vaihtovuoroisissa kokeissa potilas toimii omana verrokkinaan eikä yksilöiden välinen vaihtelu vaikuta aineiston analyysiin, jolloin tarvittava potilasmäärä on pienempi kuin rinnakkaisryhmäasetelmassa. Vaarana vaihtovuoroisessa kokeessa on ns. jäännösvaikutus, joka tarkoittaa sitä, että ensiksi annetun hoidon vaikutus tuntuu vielä seuraavan hoitojakson aikana. Käsittelyvaikutusten harhaton arviointi tällaisessa tilanteessa koeasetelman mukaan saattaa olla hankalaa tai mahdotonta. Niinpä vaihtovuoroisia koeasetelmia tulisi käyttää vain, jos etukäteen voidaan olla verraten varmoja siitä, ettei jäännösvaikutusta esiinny. Otoskoon arviointi Esimerkin 1 kokeen tarkoituksena on osoittaa testilääke tehokkaammaksi kuin lumelääke. Tämä saadaan näytettyä, jos päätulosmuuttujan testilääkkeen keskiarvo eroaa lumelääkkeen keskiarvosta tilastollisesti merkitsevästi 5 %:n riskitasolla kaksisuuntaisessa tilastollisessa testissä ja lisäksi ero on toivotun suuntainen. Testin voimakkuus on todennäköisyys sille, että etukäteen määrätty kliiniseen arviointiin perustuva pienin merkityksellinen ero ( ) populaatiokeskiarvojen välillä tulee tutkimuksessa näkyviin tilastollisesti Tu t k i m u k s e n t a v o i t e j a o t o s k o o n a r v i o i n t i, e s i m e r k k i 2. Avoimessa monikansallisessa satunnaistetussa, rinnakkaisryhmätutkimuksessa päätavoitteena on osoittaa, että tutkittava lääkehoito on vähintään yhtä hyvä fluorourasiili leukovoriinihoidon (5 FU/LV) kanssa pitkälle edenneen tai etäpesäkkeitä levittäneen paksusuolisyövän hoitovasteen perusteella. Vasteen määrittää riippumaton arviointiryhmä joko täydellisenä tai osittaisena hoitovasteena. Otoskoon arviointi: Arvio tarvittavasta potilasmäärästä ryhmää kohden saadaan kaavasta n (2 x P 0 x (100 P 0 ) / M 2 ) x (1,96 + 0,84) 2, jossa P 0 on vasteen prosenttiosuus vertailuhoidossa, M on asetettu samanveroisuusmarginaali ja luvut 1,96 ja 0,84 ovat vastaavat kuin esimerkissä 1. Esimerkin 2 tapauksessa vasteen osuudeksi 5 FU/ LV hoidossa arvioitiin 20 %. Samanveroisuusmarginaaliksi M oli asetettu 10 %. Otoskooksi saadaan hoitoryhmää kohden n (2 x 20 x 80/10²) x 7,84 = 251. merkitsevänä tuloksena, jos vähintään tällainen ero on todellisuudessa olemassa. Kokeen voimakkuus riippuu todellisen eron suuruudesta ja otoskoosta. Viranomaisohjeistojen mukaan koe tulee suunnittella niin, että annetulle kliinisesti merkitykselliselle erolle lasketaan riittävän suuri otoskoko, jotta kokeen voimakkuudeksi tulee vähintään 80 %. Otoskoon määräämistä varten on kyettävä arvioimaan keskihajonta ja antamaan arvo erolle. Aiemmin tehtyjen vaiheen II tutkimusten perusteella esimerkissä 1 keskihajonnaksi arvioitiin 90 sekuntia ja :n arvoksi asetettiin 40 sekuntia. Näillä arvoilla tarvittavaksi otoskooksi saadaan 158. Tutkimussuunnitelmaan voidaan kirjoittaa»tutkimukseen tarvitaan vähintään 158 kelvollista potilasta, 79 potilasta kumpaankin ryhmään. Tällä potilasmäärällä saavutetaan 80 %:n voimakkuus löytämään 40 sekunnin todellinen ero 5 % kaksisuuntaisessa t testissä.» Esimerkin 2 kokeessa tavoitteena oli osoittaa, ettei tutkittava hoitomuoto ole huonompi kuin vertailuhoito. Hoitovasteen osuudeksi 5 FU/LV hoidolla arvioitiin 20 %. Samanveroisuus saadaan näytettyä, jos vasteasteiden eron kaksisuuntaisen 95 %:n luottamusvälin alaraja on suurempi kuin samanveroisuusmarginaali 10 %. Otoskoon määrääminen perustuu sii Tutkimuksen suunnittelu ratkaisee sen, mitä tuloksista voidaan päätellä 969

S a t u n n a i s t a m i n e n, e s i m e r k k i 3. Lääkeainetta A verrataan lumelääkkeeseen B. Tutkimukseen otetaan 100 potilasta kumpaankin lääkeryhmään. Tutkimus satunnaistetaan siten, että jokaisen kymmenen tutkitun potilaan jälkeen kumpaakin hoitomuotoa on käytetty yhtä monta kertaa. Kyseessä ovat satunnaistetut lohkot, jossa kunkin lohkon koko on kymmenen. Yksi esimerkki tällaisesta satunnaistamisesta on esitetty taulukossa 1. Taulukko 1. Lääkehoitojen A ja B satunnaistaminen satunnaistettuja lohkoja käyttäen. A = tutkittava lääke, B = lumelääke. Potilasnumerot Annettava lääkehoito 1 10 A-A-B-B-B-A-A-B-A-B 11 20 B-A-B-A-A-A-B-B-A-B 191 200 A-A-B-A-B-B-B-B-A-A hen, että 80 %:n voimakkuudella saadaan samanveroisuus osoitettua silloin, jos todelliset vasteasteet ovat yhtä suuret. Näillä oletuksilla otoskooksi saadaan 251 ryhmää kohti. Tutkimukseen tarvitaan siis kaikkiaan vähintään 502 kelvollista potilasta. Satunnaistaminen ja sokkouttaminen Kliinisiin kokeisiin sisältyy useita harhan lähteitä, joiden syntymistä voidaan minimoida tutkimusta suunniteltaessa. Harhalla tarkoitetaan mitä tahansa systemaattista virhettä, jonka vuoksi tutkimustulokset poikkeavat todellisuudesta. Harhaa voi syntyä kliinisen tutkimuksen monessa eri vaiheessa: kohdepopulaation määrittämisessä ja valinnassa, tutkimuksen suorittamisvaiheessa, mitattaessa vastemuuttujia sekä tutkimustulosten analysoinnissa, tulkinnassa ja julkaisemisessa (Sackett 1979). Valikointiharhaa saattaa syntyä, jos potilailla on erilaiset mahdollisuudet tulla valituksi tutkimukseen sukupuolensa, rotunsa, kliinisen diagnoosinsa, maantieteellisen sijainnin tms. seikkojen takia. Toisaalta tutkimukseen osallistuvilla potilailla ja muulla tutkimushenkilökunnalla saattaa olla suuria odotuksia tai ennakkoasenteita tutkittavan hoitomuodon suhteen. Jos potilas ja hoitava lääkäri tällöin tietäisivät, mihin hoitoryhmään potilas kuuluu, lopputulos saattaisi olla erittäin harhainen. Satunnaistamisella ja sokkouttamisella voidaan pienentää tämänkaltaisten harhojen vaikutusta. Satunnaistaminen toteutetaan siten, että yksittäiselle potilaalle annettava hoitomuoto arvotaan tutkittavien hoitomuotojen joukosta. Näin varmistetaan hoitoryhmien samankaltaisuus sellaisten mitattujen ja ei mitattujen tekijöiden suhteen, jotka ovat vallinneet juuri ennen satunnaistamista. Esimerkissä 3 on esitetty rinnakkaisryhmätutkimuksen satunnaistaminen. Sokkouttamisella pyritään minimoimaan muun muassa arviointiharha lääkehoitojen eroa määritettäessä. Taulukon 1 tutkimus voitaisiin käytännössä sokkouttaa siten, että lääkkeet A ja B valmistetaan ulkoasultaan samanlaisiksi ja laitetaan samanlaisiin purkkeihin, joihin tulee tunnisteeksi ainoastaan potilasnumero. Purkissa 1 on tutkittavaa lääkeainetta samoin kuin purkissa 2. Purkeissa 3, 4 ja 5 on puolestaan lumelääkettä jne. Tutkimukseen tuleva uusi potilas saa järjestyksessä seuraavana vapaana olevan purkin mukaisen lääkkeen, eikä potilas tai tutkiva lääkäri tiedä, kumpaan hoitoryhmään potilas on joutunut. Estimaatti, keskivirhe, luottamusväli ja p arvo Yksi tutkimuksen tärkeimmistä vaiheista on saadun aineiston analysointi, joka lopulta kiteytyy käsittelyeron määrittämiseen ja esittämiseen. Tulosten analysoinnin pääperiaatteet tulisi harhan välttämiseksi pääosin päättää ennen satunnaistamisen ja sokkouttamisen avaamista. Käsittelyeroa arvioidaan numeerisesti estimaatin avulla. Arvioon liittyvä epävarmuus ilmaistaan estimaatin keskivirheellä ja estimaatin luottamusvälillä. Tavallisesti käytetään 95 %:n luottamusväliä. Estimaatin ja sen keskivirheen avulla voidaan muodostaa testisuure ja siihen liittyvä merkitsevyystaso (p arvo), joiden avulla päätetään, poikkeaako estimaatti arvosta, jonka mukaan vertailtavilla lääkehoidoilla ei ole eroa. Näitä käsitteitä ja niiden välisiä yhteyksiä havainnollistaa esimerkki 4. 970 J. Tuominen ja P. Korhonen

Otosnumero 100 p-arvo 100 Luottamusväli 80 80 60 60 40 40 20 20 0 0 0,0 0,2 0,4 0,6 0,8 1,0 4 2 0 2 4 p-arvo Erotus Kuva 1. P arvo (vasen paneeli), erotuksen estimaatti ja erotuksen 95 %:n luottamusväli (oikea paneeli) laskettuina sadasta simuloidusta aineistosta. L u o t t a m u s v ä l i j a p - a r v o, e s i m e r k k i 4. Tutkimuksessa arvioidaan tutkimuslääkkeen ja lumelääkkeen vaikutusta masentuneisuuden lievittymiseen. Lievittyminen on määritelty 17 kohtaisen Hamiltonin masentuneisuusasteikon kokonaispistemäärän muutoksena lähtötilanteesta viikolle 9. Kyseessä on satunnaistettu tutkimus, ja kummassakin ryhmässä on 50 potilasta. Tietokoneen avulla muodostetaan 100 tällaista tutkimusta. Aineistot on tarkoituksella muodostettu niin, että tutkimuslääkkeellä ja lumelääkkeellä ei todellisuudessa ole eroa kokonaispistemäärän muutoksessa. Kustakin aineistosta lasketaan tutkimuslääkityksen ja lumelääkityksen kokonaispistemäärien keskiarvojen erotus, sen keskivirhe ja 95 %:n luottamusväli sekä rinnakkaisten ryhmien keskiarvojen vertailuun käytettävän t testisuureen p arvo. Tulokset on esitetty kuvassa 1, jonka vasemmassa paneelissa on p arvo ja oikeassa paneelissa erotuksen estimaatti. Kuvan vasempaan paneeliin on piirretty pystyviiva, joka vastaa p arvoa 0,05. Oikeaan paneeliin on piirretty pystyviiva vastaamaan erotusta 0, joka on tässä tilanteessa myös lääkitysten välinen todellinen ero. Oikeaan paneeliin on piirretty joitakin valittuja 95 %:n luottamusvälejä estimaatin ympärille. Oikeasta paneelista nähdään, että estimoidut lääkityserot vaihtelevat symmetrisesti arvon 0 molemmin puolin. Keskimäärin erotus on 0. Estimaatin sanotaan olevan harhaton, kun estimaatti tuottaa keskimäärin oikean vastauksen todellisesta lääkityserosta. Vasemmasta paneelista erottuu neljä tapausta piirretyn pystyviivan vasemmalla puolella. Niissä p arvo on ollut pienempi kuin 0,05. Normaalin satunnaisvaihtelun vuoksi p arvo on alle 5 %:n kriittisen rajan 5 %:ssa tapauksista, vaikka todellisuudessa lääkitysryhmien välillä ei olekaan eroa! Otoskoon arvioinnissa käytetään useimmiten tätä 5 %:n kriittistä tasoa, joka on sellaisen virheellisen päätelmän mahdollisuus, että tulosten perusteella lääkitysten välillä todetaan olevan ero, vaikka todellisuudessa eroa ei olisikaan. P arvon ja sitä vastaavan luottamusvälin välillä vallitsee suora yhteys: jos p arvo on alle 5 %, niin vastaava 95 %:n luottamusväli ei sisällä arvoa 0. Oikean paneelin 95 %:n luottamusväli sisälsi lääkehoitojen todellisen eron 96 kertaa sadasta ja neljässä tapauksessa ei. Luottamusvälien leveys on silmämääräisesti sama, mikä kuvastaa sitä, että aineistot ovat samansuuruisia otoksia samanlaisesta populaatiosta. Jos ryhmäkoot olisivat suuremmat, olisivat luottamusvälit kapeammat. Tutkimuksen suunnittelu ratkaisee sen, mitä tuloksista voidaan päätellä 971

Esimerkin 4 avulla voidaan määritellä käsitteet p arvo ja 95 %:n luottamusväli. P-arvo 0,05: jos lääkitysten välillä ei ole todellisuudessa eroa, niin mahdollisuus havaita vähintään saadun suuruinen erotus lääkitysten välillä jommankumman lääkkeen eduksi on 5/100. 95 %:n luottamusväli sisältää lääkeryhmien välisen todellisen eron 95 %:n varmuudella. Paremmuus saadaan osoitettua, jos testisuureen p arvo on alle 0,05. Samanveroisuuden osoittamiseksi vaaditaan, että lääkeryhmien välisen eron kaksisuuntaisen 95 %:n luottamusvälin alaraja on suurempi kuin samanveroisuusmarginaali M (vrt. otoskoon arviointi). Usein raportoidaan»negatiivisia» tuloksia tutkimuksista, jotka ovat kooltaan liian pieniä osoittamaan halutun suuruista hoitoeroa. Miten pitäisi suhtautua tämänkaltaisiin tutkimustuloksiin, jotka eivät ole tilastollisesti merkitseviä? y d i n a s i a t Tutkimuksen ensisijaisena tavoitteena on usein osoittaa uusi lääke teholtaan paremmaksi tai vähintään samanveroiseksi kuin vertailulääke. Tavoitteet osoitetaan tulosmuuttujien avulla. Tutkimuksen tavoite ohjaa tutkimusasetelman ja vertailuryhmän valinnassa. Vertailuryhmän avulla voidaan erottaa testilääkkeen aiheuttamat muutokset potilaan tulosmuuttujissa muiden tekijöiden aiheuttamista muutoksista. Tutkimukseen tarvittava potilasmäärä arvioidaan etukäteen tulosmuuttujaan sisältyvän vaihtelun ja lääkeryhmien välillä etsittävän kliinisesti pienimmän merkityksellisen eron avulla. Harhan välttämiseksi tutkimukset satunnaistetaan ja sokkoutetaan. Tulosten analysoinnin on harhan välttämiseksi perustuttava mahdollisimman täydelliseen joukkoon tutkimukseen satunnaistetuista potilaista. Tulokset on esitettävä kaikista ensisijaisista ja toissijaisista tulosmuuttujista riippumatta siitä, löytyikö vertailtavien lääkeryhmien välillä eroa vai ei. Tutkimuksen koko on yhteydessä tutkimuksesta saatavan estimaatin epävarmuuteen, joka puolestaan heijastuu estimaatin luottamusvälin leveyteen. Luottamusväli pyydystää suurella todennäköisyydellä hoitoeron mahdolliset arvot. Liian pienen tutkimuksen perusteella tehty arvio hoitoerosta voi vaihdella hyvin epäsuotuisista arvoista erittäin suotuisiin arvoihin. Tällaisessa tilanteessa voidaan ainoastaan todeta, että tutkimus on ollut riittämätön hoitoeron arvioimiseksi. Eritoten saadusta ei merkitsevästä tuloksesta ei voida päätellä, että hoitoryhmien välillä ei ole eroa. Tulosten arviointiin käytettävä potilasjoukko Hyvän kliinisen tutkimuksen periaatteisiin kuuluu, että arvio tutkittavan lääkehoidon paremmuudesta vertailulääkitykseen nähden perustuu mahdollisimman täydelliseen tietoon kaikista tutkimukseen kelpuutetuista potilaista, jotka on satunnaistettu saamaan tutkimusvalmistetta (ICH Topic E6 ja E9). Pitempikestoisissa tutkimuksissa osa potilaista putoaa pois aktiivisesta seurannasta ennenaikaisesti eikä heistä ole saatavissa lääkevertailuun tarvittavia tietoja. Pitäisikö tällaiset potilaat jättää analyysistä pois? Jos poisjäännillä ei olisi mitään tekemistä itse taudinkuvan kannalta, ja ennalta pois jääneet olisivat täysin satunnainen otos kaikista tutkimukseen satunnaistetuista potilaista, ei analyysistä pois jättämisestä aiheutuisi harhaa hoitoeroa arvioitaessa. Ennenaikaisen poisjäännin taustalla on usein kuitenkin tekijöitä, jotka liittyvät taudinkuvaan tai käytettävään lääkehoitoon. Potilas, jolle lääkehoidolla ei jostakin syystä ole ollut toivottavaa parantavaa vaikutusta, saattaa jättää tutkimuksen kesken todennäköisemmin kuin potilas, jonka tila selvästi paranee lääkityksen myötä. Tällöin pois jättäminen aiheuttaisi vakavan harhan 972 J. Tuominen ja P. Korhonen

tuloksiin. Satunnaistamisen jälkeen tehdyt pois sulkemiset lopputulosten analyysistä onkin tarkoin perusteltava ennen satunnaistamistiedon avaamista. Mahdolliset pois sulkemiset on raportoitava tarkkaan, ja niiden vaikutusta tuloksiin on arvioitava. Paremmuus osoitetaan käyttäen potilaita, jotka on satunnaistettu tutkimukseen ja jotka ovat saaneet vähintään yhden kerran lääkehoitoa satunnaistamisen jälkeen ja joille on tehty vähintään yksi mittaus lääkkeen tehosta satunnaistamisen jälkeen. Tästä osajoukosta käytetään nimitystä täydellinen analyysijoukko. Tulosten analysoinnissa kukin potilas pidetään alkuperäisessä satunnaistetussa hoitoryhmässään huolimatta siitä, kuinka kauan hän todellisuudessa sai lääkehoitoa tai oliko hänelle annettu satunnaistuksen mukaista hoitoa. Tämä periaate johtaa tavallisesti varovaiseen arvioon lääkitysten todellisesta erosta. Tulokset arvioidaan yleensä myös käyttäen sellaisia potilaita, jotka ovat säntillisesti käyneet tutkimuksen läpi suunnitelman mukaisesti. Tästä osajoukosta käytetään nimitystä tutkimussuunnitelman mukainen analyysijoukko. Samanlainen tulos molempia analyysijoukkoja käytettäessä lisää tutkimustuloksen luotettavuutta. Samankaltaisuutta osoitettaessa poikkeamilla tutkimussuunnitelman mukaisesta käytännöstä on tapana heikentää tutkimuksen herkkyyttä havaita eroja. Näin saatetaan tehdä herkemmin päätelmä lääkitysten samankaltaisuudesta. Tällöin on huolehdittava erityisesti siitä, että ennenaikaisen poisjäännin mahdollisuus on pieni ja että tutkimuksen hyväksymis ja poissulkuehtoja noudatetaan ja että potilaat noudattavat lääkitysohjeita. Tulosmuuttujien tyypit ja hoitomuotojen välisen eron määrittäminen Tutkimustulosten raportoinnin tulisi perustua tutkimussuunnitelman mukaisiin linjauksiin riippumatta siitä, oliko yksittäisessä tulosmuuttujassa eroa ryhmien välillä. Jokaisen tulosmuuttujan osalta pitäisi esittää ryhmäkohtaiset tunnusluvut ja lääkitysryhmien välinen ero luottamusväleineen. Yleensä tutkimukset eivät ole riittävän voimakkaita havaitsemaan eroja haittavaikutusten tai muiden harvinaisten tapausten ilmaantuvuudessa. Silti on tärkeää, että haittavaikutukset esitetään tulosten yhteydessä, jotta lukija voi tehdä arvion hoidon hyötyjen ja haittojen välisestä suhteesta. Arvioitaessa hoitomuodon vaikutusta on mahdollista käyttää erityyppisiä tulosmuuttujia. Tavallisesti käytettyjä tulosmuuttujia ovat jatkuvat vasteet, kaksi tai useampiluokkaiset vasteet, lukumäärävaste ja elinaikavaste. Oheisissa esimerkeissä on esitetty joitakin tapoja mitata kahden hoitomuodon välistä eroa erityyppisillä tulosmuuttujilla. Jatkuva tulosmuuttuja. Neljässä eri keskuksessa tehdyssä masentuneisuustutkimuksessa tulosmuuttujana käytettiin 17 kohtaisen Hamiltonin masentuneisuusasteikon kokonaispistemäärän muutosta yhdeksän viikon hoidon jälkeen (Dimitrienko ym. 2005). Kokonaispistemäärää voidaan pitää jatkuvana vasteena, ja lisäksi sen voidaan olettaa olevan normaalisti jakautu Taulukko 2. Masentuneisuustutkimuksen tulokset (Hamiltonin masentuneisuusasteikko) keskuksittain. Keskus Aktiivilääke Lumelääke Keskiarvo Keskihajonta n Keskiarvo Keskihajonta n Erotus (LV) 100 20,6 5,6 11 11,7 3,4 13 8,94 (5,11 12,78) 101 11,6 3,3 7 16,0 2,7 7 4,43 ( 7,92 0,94) 102 19,0 4,7 16 13,4 3,6 14 5,57 (2,40 8,74) 103 20,8 5,9 9 13,2 6,6 10 7,58 (1,47 13,69) 104 20,7 4,2 7 10,3 5,6 6 10,38 (4,37 16,39) Keskuksen huomioiva analyysi LV = 95 %:n luottamusväli 5,61 (3,64 7,58) Tutkimuksen suunnittelu ratkaisee sen, mitä tuloksista voidaan päätellä 973

nut. Tällöin on järkevää käyttää lääkityseron arviointiin lääkeryhmien keskiarvojen erotusta. Tulosten oikeaoppisessa analysoinnissa otetaan huomioon se, että tutkimus on tehty monessa keskuksessa. Taulukossa 2 on esitetty tulokset keskuksittain ja viimeisellä rivillä keskukset huomioiva analyysi. Keskus 101 poikkeaa tuloksiltaan muista merkittävästi. Huomioitaessa keskusten välinen vaihtelu saadaan hoitoryhmien väliseksi eroksi 5,61, joka on täsmälleen keskuskohtaisten erotusten keskiarvo. Todellinen erotus on 95 %:n varmuudella 3,64 ja 7,58 pisteen välillä. Vastaava p arvo on pienempi kuin 0,0001. Ellei lääkitysten välillä olisi todellisuudessa eroa, mahdollisuus havaita vähintään yhtä suuri ero lääkitysten välillä olisi pienempi kuin 1/10 000. Kyseessä on erittäin vakuuttava näyttö aktiivilääkityksen eduksi. Kaksiluokkainen tulosmuuttuja. Lumekontrolloidun satunnaistetun kaksoissokkoutetun NINDS tutkimuksen (National Institute of Neurological Disorders and Stroke rt PA Stroke Group 1995) yksi päätavoite oli tutkia suoneen annettavan rekombinantin kudosplasminogeeniaktivaattorin (rt PA) vaikutusta kliinisen tilan paranemiseen iskeemisen aivoverenvuodon saaneilla potilailla hoidon alkuvaiheessa. Taulukossa 3 on esitetty aineisto hoitoryhmittäin (Chow ja Liu 1998). Vastemuuttujan mahdolliset arvot ovat»parantunut» ja»ei parantunut». Hoitoryhmäkohtaiset parantumistodennäköisyydet ovat 147/312 = 47,1 % (rt PA) ja 122/312 = 39,1 % (lumelääke). Hoitoryhmien välistä eroa voidaan arvioida riskierolla, suhteellisella riskillä tai kerroinsuhteella (odds ratio, OR). Riskierolla tarkoitetaan parantumistodennäköisyyksien erotusta. Riskieroksi saadaan 47,1 % 39,1 % = 8,0 % rt PA:n eduksi. Suhteellinen riski on puolestaan parantumistodennäköisyyksien suhde eli 47,1 % / 39,1 % = 1,20. Suhteellinen riski ilmaisee, että aikaisen vaiheen parantumisosuus on 1,20 kertainen rt PA hoidossa lumehoitoon verrattuna. OR luku on tulkinnaltaan mutkikkaampi. Se lasketaan hoitoryhmäkohtaisten parantumistodennäköisyyksien kautta seuraavasti: OR = [47,1 % / (100 % 47,1 %)] / [39,1 % / (100 % 39,1 %)] = 1,39. Tästä nähdään, että parantumistodennäköisyyksien pienentyessä hoitoryhmäkohtaiset nimittäjät lähenevät 100 %:a, jolloin OR on numeeriselta arvoltaan lähes sama kuin suhteellinen riski. NINDS tutkimuksen aineiston analyysi on esitetty taulukossa 4. Taulukon p arvo on laskettu käyttämällä yhden vapausasteen χ 2 testiä. Tulosten perusteella voidaan sanoa, että rt PA lisää hoidon alkuvaiheessa kliinisen tilan parantumisen todennäköisyyttä. Kaikki käytettävät hoitoeron mittarit antavat samansuuntaisen tuloksen. Todellinen riskiero on 95 %:n varmuudella 0,3 %:n ja 15,8 %:n välillä. Tulosmuuttujana elinaika. Kaikkiaan 44 pitkäaikaisesta maksatulehduksesta kärsivää potilasta satunnaistettiin joko saamaan prednisolonia tai olemaan vertailuryhmässä ilman lääkitystä (Kirk ym. 1980, Collett 2003). Päätulosmuuttujana tutkimuksessa oli potilaiden elinaika kuukausina tutkimukseen tulosta alkaen. Molempiin ryhmiin satunnaistettiin 22 potilasta. Kaikkiaan 16 vertailuryhmän ja 11 prednisoloniryhmän potilasta kuoli seuranta aikana. Vertailuryhmän kuolemat sattuivat yleensä aiemmin verrattuna aktiivilääkeryhmään. Taulukko 3. NINDS tutkimuksen aineisto. Taulukko 4. NINDS tutkimuksen aineiston analyysi. Hoitoryhmä Parantuneita Ei parantuneita Yhteensä Hoitoeron mittari Estimaatti (LV) rt-pa 147 165 312 Lumelääke 122 190 312 Yhteensä 269 1 221 624 Riskiero (%) Suhteellinen riski 8,0 (0,3 15,8) 1,20 (1,00 1,44) OR 1,39 (1,01...1,91) p = 0,0433 LV = 95 %:n luottamusväli 974 J. Tuominen ja P. Korhonen

Elossa olevien osuus (%) 100 80 Prednisoloni 60 40 Verrokit 20 0 0 50 100 150 Kuukautta Kuva 2. Kaplan Maier kuvaaja maksatulehdustutkimuksen aineistosta. Tämäntyyppisessä tutkimuksessa halutaan estimoida elossa pysymisen todennäköisyys ajan funktiona hoitoryhmittäin ja verrata, ovatko kyseiset todennäköisyydet erilaiset hoitoryhmissä. Aineistosta estimoitu eloon jäämisen todennäköisyys voidaan esittää Kaplan Meier kuvaajan avulla (kuva 2). Kuvaaja on porrasmainen, ja kunkin portaan kohdalla on tapahtunut ainakin yksi kuolema. Lisäksi kuvaajaan on piirretty pieniä pystyviivoja kohtiin, joissa kyseisestä ryhmästä seuranta loppui jonkun potilaan osalta ilman, että potilas oli kuollut. Näitä havaintoja kutsutaan sensuroituneiksi. Kuvan perusteella havaitaan, että prednisoloniryhmässä on selkeästi pienempi todennäköisyys kuolla kuin hoitamattomassa vertailuryhmässä. Verrokeista 50 % on kuollut 40,6 kuukauden kuluttua. Vastaava rajapyykki prednisoloniryhmässä on 146 kuukautta. Eloonjäämiskuvaajien vertailuun käytettävä»log rank» testisuure saa arvon 4,7 (p = 0,0309). Tästä päättelemme, että prednisoloni parantaa merkitsevästi eloonjäämismahdollisuutta maksatulehduksen hoidossa. Kuinka monta potilasta on hoidettava prednisolonilla, jotta vältetään yksi kuolema? Taulukossa 5 on esitetty arvioidut eloonjäämistodennäköisyydet 1, 3 ja 5 vuoden aikana. Niistä on laskettu riskiero ja riskieron käänteisluku. Riskieron käänteisluku ilmaisee, kuinka monta potilasta on hoidettava prednisolonilla, jotta vältetään yksi kuolema hoitamattomaan tilanteeseen verrattuna. Pitää esimerkiksi hoitaa 11:tä potilasta vuoden ajan, jotta vältytään yhdeltä kuolemalta. Vastaava määrä kolmen vuoden hoidossa on 3,7 ja viiden vuoden hoidossa 2,4. Tälle arviolle voidaan myös määrittää luottamusvälit (Altman ja Andersen 1999). Lopuksi Kliinisen tutkimuksen suunnitteluvaihe muodostaa vankan perustan tutkimuksen onnistumiselle. Kliinisen tavoitteen näyttämiseksi on valittu Taulukko 5. Maksatulehdustutkimuksesta arvioidut vuosittaiset eloonjäämistodennäköisyydet. Vuosi Prednisoloni Verrokit Riskiero 1/Riskiero 1 0,864 0,773 0,091 11,0 3 0,864 0,591 0,273 3,7 5 0,818 0,409 0,409 2,4 Tutkimuksen suunnittelu ratkaisee sen, mitä tuloksista voidaan päätellä 975

paras mahdollinen toteuttamiskelpoinen tutkimusasetelma, joka toteutetaan riittävällä potilasmäärällä. Tutkimuksen kruununa on tulosten arviointi ja raportointi. Raportin kliiniset päätelmät ovat sopusoinnussa tulosmuuttujalle sopivan tilastollisen analyysin kanssa. Yksittäinen kliininen tutkimus onkin lääketieteellisen asiantuntemuksen ja tilastotieteellisen ajattelun tiivistä vuoropuhelua suunnittelusta loppuraporttiin. Kirjallisuutta Altman DG, Andersen PK. Calculating the number needed to treat for trials where the outcome is time to an event. BMJ 1999;319:1492 5. Chow S-C, Liu J. Design and analysis of clinical trials, concepts and methodologies. Wiley & Sons, 1998. Collett D. Modelling survival data in medical research. 2. painos. Chapman & Hall, 2003. Dmitrienko A, Molenberghs G, Chuang-Stein C, Offen W. Analysis of clinical trials using SAS, a practical guide. SAS Institute Inc., 2005. ICH Topic E6. Good clinical practice: consolidated guideline. ICH Topic E8. General considerations for clinical trials. Note for guidance on general considerations for clinical trials. Step 4, consensus guideline, 17 July 1997, CPMP/ICH/291/95. ICH Topic E9. Statistical principles for clinical trials. A note for guidance on statistical principles for clinical trials, London, 18 March 1998, CPMP/ICH/363/96. ICH Topic E10. Choice of control group in clinical trials. Note for guidance on choice of control group in clinical trials. London, 27 July 2000, CPMP/ICH/364/96. Kirk AP, Jain S, Pocock S, Thomas HC, Sherlock S. Late results of the Royal Free Hospital prospective controlled trial of prednisolone therapy in hepatitis B surface antigen negative chronic active hepatitis. Gut 1980;21:78 93. National Institute of Neurological Disorders and Stroke rt-pa Stroke Group. Tissue plasminogen activator for acute ischemic stroke. NEJM 1995;333:1581 7. Sackett DL. Bias in analytic research. J Chronic Dis 1979;32:51 63. Juhani Tuominen, VTL, professori juhani.tuominen@utu.fi Turun yliopisto, tilastotieteen laitos 20014 Turun yliopisto Pasi Korhonen, FT, toimitusjohtaja StatFinn Oy Tekniikantie 21 C, 02150 Espoo 976