Yksilöllisten oireiden ja vasteen masennuslääkkeisiin varhainen paraneminen potilailla, joilla on vakava masennushäiriö

Opintojen suunnittelu

Ehdotettu projekti on yksilöllinen potilastietojen meta-analyysi. Tiedot kootaan 31:stä toisen sukupolven masennuslääketutkimuksesta vakavan masennushäiriön hoitoon, käyttäen tietoja lumelääkettä tai FDA:n hyväksymiä masennuslääkkeitä käsitellyistä tutkimusryhmistä. Näissä kokeissa on yhteensä noin 7 800 masennuslääkehoitoa ja 3 000 lumelääkettä saanutta osallistujaa. Rangaistettuja regressiomenetelmiä (erityisesti vähiten absoluuttista kutistumista ja valintaoperaattoria, "lasso") käytetään tutkimaan tiettyjen masennusoireiden varhaisen paranemisen ja hoitovasteen välistä suhdetta. Lisäksi tutkijat selvittävät, parantavatko varhain pahenevien oireiden sekä varhain paranevien oireiden ja demografisten muuttujien, kuten iän ja sukupuolen, väliset vuorovaikutukset hoitotuloksen ennustetta. Lopuksi tutkijat tutkivat myös, riippuuko hoitovasteen ennuste spesifisten oireiden varhaisen paranemisen perusteella tarjotun hoidon tyypistä (plasebo, selektiiviset serotoniinin takaisinoton estäjät [SSRI] tai serotoniinin ja norepinefriinin takaisinoton estäjät [SNRI]). ehdottaisi lääkekohtaista mekanismia.

Tilastollinen analyysisuunnitelma

Puuttuvat tiedot: Täydellisten tapausten lähestymistapaa käytetään, koska on mielenkiintoista ennustaa vaste ja remissio osallistujilla, jotka ovat tosiasiallisesti ottaneet masennuslääkettä tietyn ajan. Siksi vain osallistujat, joilla on kelvolliset lähtötilanteen, viikon 2 ja viikon 6 (±1) HDRS-pisteet, valitaan pääanalyyseihin (tai kelvollisiin viikon 12 tietoihin viikon 12 tulosten toissijaisiin analyyseihin).

Koulutus- ja validointinäyte: Tiedot jaetaan satunnaisesti 80 %:n harjoitusotokseen ja 20 %:n validointiotokseen (ryhmitelty hoitoryhmittäin). Mallin löytäminen tehdään koulutusnäytteessä, kun taas mallien ennakoivaa suorituskykyä arvioidaan validointinäytteessä.

Ennustajat: Yksittäisten oireiden paraneminen johdetaan HDRS-kohdista lähtötilanteessa ja viikolla 2. Näiden kohtien vastausvaihtoehdot vaihtelevat välillä 0 - 2 7 kohdalla ja 0 - 4 10 kohteen kohdalla. Varhainen parantaminen jaetaan kahteen osaan "ei parantumista" ja "parantaminen". "Ei parannusta" ilmaistaan ​​kohteen pistemäärän huononemisena (esim. 1:stä lähtötilanteessa 2:een viikolla 2) tai ei muutosta kohdepistemäärässä. "Parantuminen" on osoitus kohteen pistemäärän parantumisesta ≥1. Ristitaulukoiden avulla tarkistetaan, ovatko muuttujat erittäin korreloivia, ja jos on, yksi kohteista poistetaan. Malliin sisällytetään myös HDRS-kohteiden peruspisteet, jotta voidaan tutkia yksittäisten kohteiden parantamisen lisäarvoa peruspisteiden lisäksi.

HDRS-17:n kokonaispistemäärän osalta varhainen parannus jaetaan myös ei-vähäiseen parantumiseen (<20 % parannus) tai parantumiseen (≥20 % parannus). HDRS-17:n peruspistemäärä standardoidaan ja sisällytetään malliin kovariaattina.

Sukupuoli on jo demografisten tekijöiden suhteen kaksijakoinen muuttuja ja ikä standardoidaan.

Lasso-regressio: Lasso-regressiota sovelletaan seuraaviin malleihin:

Ensisijainen analyysi (vain masennuslääkettä saaneessa ryhmässä)

1. Malli, joka sisältää muuttujat varhaiseen parantamiseen viikolla 2 kaikissa 17 HDRS-kohteessa, ikä, sukupuoli ja kaikki näiden muuttujien väliset kaksisuuntaiset vuorovaikutukset; lähtötason HDRS-pisteet; ja lisäksi HDRS-kokonaispistemäärä lähtötilanteessa ja varhainen parannus (≥20 % pistemäärän paraneminen) HDRS-kokonaispistemäärässä viikolla 2.

   Tutkiva analyysi (kaikilla osallistujilla, myös lumelääkettä saaneilla)

2. Kuten yllä oleva malli 1, mutta mukaan lukien hoitoryhmä (plasebo, SSRI, SNRI) ja kaikki kaksi- ja kolmisuuntaiset vuorovaikutukset hoitoryhmän kanssa.

Viritysparametri (lambda), joka johtaa minimaaliseen ennustusvirheeseen (poikkeaman perusteella), valitaan 10-kertaisen ristiinvalidoinnin avulla. GLMMLasso-pakettia monitasoisille tiedoille käytetään sopimaan lassomalliin, joka myöhemmin sovitetaan sekavaikutteisella logistisella regressiolla käyttämällä vain lasso-regressiolla valittuja muuttujia.

Mallin suorituskyky: Ennusteen tarkkuus arvioidaan soveltamalla sekavaikutteista logistista regressiomallia riippumattomaan validointiotokseen. Vastaanottimen toiminta-ominaiskäyrän (ROC) käyrän alla olevaa pinta-alaa (AUC) käytetään vasteen/remission ennustamisessa 6 tai 12 viikon kohdalla ennustetarkkuuden arvioinnissa. Herkkyys, spesifisyys ja tarkkuus (oikeiden ennusteiden prosenttiosuus) määritetään myös.

Toissijaiset analyysit: Toissijaisissa analyyseissä tarkastellaan 12 viikon tuloksia tutkimusten alaryhmässä, jossa kaksoissokkohoidon kesto on vähintään 12 viikkoa.