Innledende alvorlighetsgrad og antidepressiv effekt for angstlidelser: en individuell pasientdata-metaanalyse

Studere design:

Det foreslåtte prosjektet er en individuell pasientdata-metaanalyse. Etterforskerne vil samle data fra 29 randomiserte kontrollerte studier av andre generasjons antidepressiva (spesifikt: paroksetin, paroksetin kontrollert frigjøring (CR), duloksetin og fluoksetin) for korttidsbehandling av en angstlidelse, inkludert totalt ca. 8 800 deltakere . Angstlidelsene som inngår i det foreslåtte prosjektet er generalisert angstlidelse (GAD), sosial angstlidelse (SAD), obsessiv-kompulsiv lidelse (OCD), posttraumatisk stresslidelse (PTSD) og panikklidelse (PD). Generaliserte lineære blandede modeller vil bli brukt for å undersøke om initial symptomalvorlighet er relatert til antidepressiv effekt.

Statistisk analyseplan:

En separat longitudinell analyse vil bli utført for hver lidelse. For GAD, SAD, OCD og PTSD vil lineære blandede modeller bli brukt; for PD vil en generalisert lineær blandet modell (multilevel negativ binomial regresjon) brukes, da den avhengige variabelen for denne lidelsen (antall panikkanfall) er en diskret tellevariabel. Maksimal likelihood estimering vil bli brukt som estimeringsmetode for de lineære blandede modellene, mens Laplace approksimasjon vil bli brukt som estimeringsmetode for multilevel negative binomial regresjon for PD. I alle modellene representerer målingsanledning nivå 1, deltakere representerer nivå 2, og forsøk representerer nivå 3. Effektmålet av interesse er endringen i symptomer fra baseline, bortsett fra PD, hvor effektmålet av interesse er det totale antallet panikkanfall per to uker.

Den første modellen vil bygges ved å inkludere alle de faste effektene av interesse, uavhengig av betydning. Disse inkluderer initial alvorlighetsgrad, behandlingsgruppe og kovariater (se nedenfor). Lineære og kvadratiske termer for tid (i dager siden grunnlinjen) vil bli inkludert. For hver deltaker vil de faktiske besøksdatoene bli brukt (hvis tilgjengelig) i stedet for den tiltenkte ukentlige besøksdatoen. Følgende to- og treveis interaksjoner vil også bli inkludert: alvorlighetsgrad x gruppe, alvorlighetsgrad x lineær tid, gruppe x lineær tid, alvorlighetsgrad x gruppe x lineær tid, alvorlighetsgrad x kvadratisk tid, gruppe x kvadratisk tid, alvorlighetsgrad x gruppe x kvadratisk tid.

Ved å bruke denne første modellen vil varians-kovariansstrukturen til de nestede dataene bli modellert ved å inkludere tilfeldige effekter. Tilfeldige effekter for studie, emne og (lineær og kvadratisk) tid, samt ulike kovariansstrukturer (ustrukturerte, autokorrelerte feil, Toeplitz, etc.) vil bli vurdert. Begrenset maksimal sannsynlighet (REML) vil bli brukt for estimering, og den best passende modellen vil bli valgt basert på Akaike Information Criterion (AICc).

I denne best passende modellen vil bakovervalg med maksimal sannsynlighet (ML) bli brukt for å velge de signifikante faste effektene. Ikke-signifikante interaksjonstermer vil bli fjernet fra modellen (med mindre treveisinteraksjonen av gruppe x alvorlighetsgrad x (lineær eller kvadratisk) tid er signifikant, i så fall vil alle toveisinteraksjoner og hovedeffekter som bruker disse variablene beholdes ). Den best passende modellen vil igjen bli valgt basert på Akaike Information Criterion (AICc).

Kovariater: Modeller med og uten følgende kovariater vil bli testet: alder, kjønn og sykdomsvarighet (hvis tilgjengelig). Bare hovedeffekten av disse kovariatene vil bli inkludert; ingen interaksjoner med andre variabler vil bli inkludert.

Manglende data: Grunnlinjevariabler (som innledende alvorlighetsgrad) er sannsynligvis i det vesentlige fullstendige, men noen endringsskår mangler sannsynligvis på grunn av frafall eller tapte målinger. Antakelsen er gjort at disse dataene mangler tilfeldig (MAR), det vil si: mangel på den avhengige variabelen kan avhenge av observerte variabler (som tidligere symptomskåre eller kovariater), men det avhenger ikke av verdien av den uobserverte ( mangler) variabel. Når MAR holder, gir den blandede modellen objektive estimater av koeffisienter og standardfeil selv når noen data mangler, og ingen andre metoder for å håndtere manglende data er nødvendig.