A estratégia de análise RMST foi introduzida em pesquisas em saúde há cerca de 25 anos e tem sido amplamente utilizada em economia, engenharia, negócios e outras ocupações.
Em ambientes clínicos, o RMS é útil porque é uma maneira fácil de entender o tempo médio de sobrevivência – os pacientes sobrevivem tempo após o diagnóstico ou tratamento e causar esse tempo – dentro de um determinado prazo.
Além disso, ao contrário dos modelos de Regação de Cox e outros modelos populares, as suposições e comparações usadas pelo RMST não dependem de perigo proporcional estima que a possibilidade de qualquer evento permanecerá constante ao longo do tempo.
“Mas há um problema: o RMS pode testar a diferença entre o impacto do tratamento entre os grupos desde a linha de base até o momento – mas é difícil identificar o fim ideal dos estudos clínicos e epidemiológicos”, Gang Han, professor de bestatística da Escola de Saúde Pública da Universidade A&M. “Isso leva a um resultado que é menos estatisticamente mais forte que eles”.
Para enfrentar esse desafio, os colegas de Han e academia e do setor desenvolveram um novo método que usou um equipamento matemático existente para definir o tempo marginal ideal ou favorável em análise durante a restrição sobre a sobrevivência média enquanto estuda dois grupos – reduz o modelo emocional pisise.
“Isso é especialmente importante no estudo de tratamento”, disse o doutorado Matthew Lee Smith, professor de comportamento em saúde na Escola de Saúde Pública do Texas A&M, que está envolvida neste estudo.
Para determinar o marginal ideal, o partido calculou um tempo marginal a partir de pontos de mudança significativos na taxa de perigo e compara o que eles obtiveram com o maior potencial marginal.
Seu trabalho de pesquisa, publicado American Journal of EpidemiologyOs benefícios do método proposto em vários estudos de simulação e dois exemplos práticos, mostram um estudo clínico e um estudo epidêmico.
Eles usaram o novo método para medir a energia estatística na taxa de erro do tipo 1 e simulações em que a taxa de perigo foi fixada para um grupo e foi alterada para outro grupo. Eles comparam os testes e grupos de lognk padrão usando seus novos modelos.
“Nosso modelo é melhor realizado”, um proeminente professor de doutorado, doutorado, regentes e a Escola de Saúde Pública que estudaram métodos de resistência baseados em provas. “Aconteceu quando o aplicamos a duas circunstâncias do mundo real”.
Para ambas as cenas, o método de análise estatística tradicional baseado em baseado não revela diferenças significativas entre os dois tratamentos. Quando o novo modelo foi aplicado, no entanto, os resultados de cada cena descobriram que um tratamento era claramente maior.
Na primeira cena, dois tratamentos que não podem ser comparados em sete meses em sete meses são para pacientes com pacientes com câncer de pulmão que tiveram níveis mais baixos de biomeor principal. O segundo usou uma avaliação padrão para medir as pessoas que viviam de demência leve que viviam com pessoas cuidadosas que não viviam com cuidado.
“Esses resultados são comprometidos e precisam de mais pesquisas que comparem mais de dois grupos e utilizam vários cobertos, como idade, etnia e posição socioeconômica dos participantes”, disse Han. “No entanto, com base nesse resultado inicial, acreditamos que esse método pode ser mais forte do que todas as comparações existentes nos dois grupos na análise dos resultados do evento de tempos em tempos”.
Outros envolvidos no estudo são o Departamento de Epidemiologia e Biostatística, estudante de doutorado Laura Hopkins, Raymond Carol, PhD, proeminente professora do Departamento de Estatísticas do Texas A&M e Associados Estrangeiros de Elie Lily & Company e H. Lee Mofit Cancer Center and Research Institute.
