"महत्त्वपूर्ण" म्हणजे काय? औषधांच्या सुरक्षेचा आणि प्रभावीपणाच्या क्लिनिकल चाचणीमध्ये , परिणामी माहिती (माहिती) "सांख्यिकीयदृष्ट्या महत्त्वपूर्ण आहे" असे म्हणण्याचे एक वैज्ञानिक मार्ग आहे की परिणामस्वरूप संधीमुळे घडणे अशक्य आहे. त्यामुळे, परिणाम औषधांच्या परिणामांमुळे होऊ शकतात.
पी-व्हॅल्यू समजून घेणे
अर्थात, त्या निष्कर्षापर्यंत ते दिसते त्यापेक्षा सोपे नाही आहे.
संशोधक विशेषत: अभ्यास आणि अभ्यासातून परिणामांचे मूल्यमापन आणि मूल्यमापन करण्यासाठी एक सुप्रसिद्ध आणि विश्वासार्ह सांख्यिकीय पद्धत वापरतात. त्याला "पी-मूल्य" असे म्हटले जाते आणि हे अभ्यासाचे परिणाम संधीमुळे झाले याची संभावना मोजतात.
पी-मूल्य अभ्यासाच्या परिणामांच्या सांख्यिकीय चाचण्यांवर आधारित, त्या संभाव्यतेची टक्केवारी प्रदान करते. म्हणून जर पी-मूल्य 0.01 असेल, तर त्याचा परिणाम 1% शक्यता आहे आणि त्याचा परिणाम म्हणजे संधीची शक्यता होती आणि 99% शक्यता अशी होती की त्याऐवजी ते औषधांच्या प्रभावामुळे होते.
पी-व्हॅल्यूसाठी सर्वात सामान्य कट-ऑफ 0.05 आहे- म्हणजे जर पी-व्हॅल्यू 0.06 असेल तर ती सांख्यिकीयदृष्टय़ा महत्त्वाची नाही. दुसरीकडे, जर p- मूल्य 0.04 आहे, तर त्याचे परिणाम सांख्यिकीयदृष्ट्या महत्त्वाचे आहे.
"निरर्थवादी पूर्वग्रह" काय आहे?
आपण "शून्य" हा शब्द "शून्य" शी संबंधित आहे हे आपल्याला माहिती असू शकते. या प्रकारच्या सांख्यिकीय मोजमापांमध्ये संशोधक सुरुवातीच्या काळात शून्य फरक समजतात, उदाहरणार्थ नवीन औषधे आणि एक जुने
हे अस्ताव्यस्त वाटू शकते कारण ते शोधू इच्छित आहेत की नवीन जुने व्यक्तीपेक्षा चांगले आहे का? पण ते कार्य करते. कसे ते येथे आहे:
चला असे म्हणू या अभ्यास खरोखरच नवीन औषधाला जुन्यापेक्षा चांगले आहे का ते पाहण्यासाठी डिझाइन केले आहे. रिक्त गृहीते म्हणून असे म्हटले आहे, "नवीन औषध एक्स आणि जुने औषधी वाई" यामध्ये (रुग्णाच्या परिणाम) मध्ये कोणताही फरक नाही. " 0.04 चे पी-मूल्य नंतर भाषांतरित केले जाते: अभ्यास डेटावर आधारित, दोन औषधे यांच्यात फरक नसल्याची 4% शक्यता आहे
अर्थात, याचा अर्थ असा की 9 6% शक्यता त्यांच्यात फरक आहे.
"महत्त्वपूर्ण" म्हणजे काय? एक वास्तविक जीवन उदाहरण
प्रत्यक्ष उदाहरणादाखल वापरण्यासाठी, चला, मल्टीपल स्केलेरोसिस (एमएस) असणा-या लोकांचं REGARD अभ्यास बघूया. या अभ्यासामध्ये कॉपॅक्सोन ते रिबीफची तुलना केली आहे.
अभ्यास केलेले एक निकाल (परिणाम) दवाखान्यात राहण्याच्या 96 आठवड्यांनंतर रुग्णांच्या पहिल्या एमएस पुन्हा एकदा होण्याआधी पास होण्याची वेळ होती. (या साठीचे संशोधनपद्धत "प्रथम पुन्हा पुन्हा उकलण्याची वेळ" आहे.) या फरकासाठी पी-मूल्य p = 0.64 आहे, म्हणजे, कारण पी-मूल्य 0.05 पेक्षा जास्त होते, तेव्हा वेळेअंत एकतर औषधांवर रूग्णांमध्ये प्रथम अपप्राप्ती. वेगळ्या मते, तिथे सांख्यिकदृष्ट्या महत्त्वपूर्ण फरक नसल्याची 64% शक्यता होती.
तथापि, आणखी एक परिणाम असा झाला की, सक्रिय गट विकृतींमध्ये दोन गटांचे एमआरआय स्कॅनवर पाहिले गेले होते. हे लक्षात आले की रेबीफेशी केलेल्या अभ्यासात सहभागी झालेल्यांची स्कॅन प्रति सरासरी 0.24 एमएस जखमी झाली होती, तर कोक्झोन घेताना ते प्रति स्कॅनने सरासरी 0.41 जखमी होते. या प्रकरणात, पी = 0.0002, याचा अर्थ असा एक संख्यात्मक लक्षणीय शोध आहे
"महत्वपूर्ण" वैयक्तिक रुग्णांना आणि त्यांचे डॉक्टर म्हणजे काय?
लक्षात ठेवणे महत्वाचे आहे की "सांख्यिकीयदृष्ट्या महत्त्वपूर्ण" याचा अर्थ असा होतो की काहीतरी वैद्यकीयदृष्ट्या लक्षणीय आहे किंवा ते व्यक्तींसाठी अर्थपूर्ण आहे.
उदाहरणार्थ, वरील अभ्यास केलेल्या एमएस वेदांमधील संख्येतील फरक लहान आहे, जरी तो सांख्यिकीय स्वरुपात महत्त्वाचा आहे म्हणून कदाचित डॉक्टर मुख्य कारण नसतील तर इतर औषधे निवडतात. उपचार प्रक्रियेत डॉक्टर अन्य घटक अधिक वजन देऊ शकतात. उदाहरणार्थ, औषधांचा दुष्परिणाम, किंमत आणि इन्जेक्शन वारंवारता
क्लिनिकल स्टडी अहवालाकडे पहात असताना मन मध्ये ठेवण्यासाठी गोष्टी
आपल्याला कदाचित शंका येईल की, अनेक कारणे आहेत (उदाहरणार्थ, किती सहभागींचा अभ्यास केला जातो किंवा परिणाम कसे मोजण्यात येतात) जे एक क्लिनिकल अभ्यासाचे अंतिम पी-मूल्य परिणामांवर प्रभाव टाकू शकतात.
तरीसुद्धा, पी-व्हलचा अर्थ काय आहे हे जाणून घेण्याकरता क्लिनिकल अभ्यासातील माहितीचा उपयोग संशोधक, डॉक्टर आणि रुग्णांसाठी होतो.
अभ्यासाचा किमान सारांश (लहान सारांश) वाचा. आपण एखाद्या मार्केटिंग टप्प्यात किंवा ब्रोशर मथळामध्ये एका-ओळीच्या आख्यायिकामधून मिळवू शकता त्यापेक्षा औषधांबद्दल अधिक तपशील प्रदान करु शकता.
स्त्रोत:
मिकोल डीडी, बरखोफ एफ, चांग पी, कोयल पीके, जेफरी डीआर, स्चविड एसआर, स्टुबिन्स्की बी, यूटिडेहॅग बीएम; अभ्यास अभ्यास गट. मल्टीपल स्केलेरोसिस (रीबिफ वि ग्लिटिमेर एसीटेट वि ग्लिटिरमर एसीटेट वि एमएस डिसीझ [रीगार्ड] स्टिल): एक मल्टिकंट्रे, यादृच्छिक, समांतर, ओपन-लेबल चाचणी. लॅन्सेट न्यूरॉल 2008 ऑक्टो; 7 (10): 9 3 9 -14