برآورد اثرات درماني در مطالعات كارآزمايي باليني متقاطع در حضور عدم تمكين بيماران

Estimation of Treatment Effects in Crossover Clinical Trials with Noncompliance

مقدمه و اهداف: دركارآزمايی‌های بالينی برخی افراد نسبت به دريافت درمان خود تمكين نمی‌كنند. استراتژی معمول در تحليل آزمايشات تصادفی، است كه در صورت وجود عدم تمكين بيماران برآوردهای نامعتبری از اثرات درمانی ارائه می‌كند. در اين مطالعه اثر درمان را درمقايسه با دارونما در حضور عدم تمكين بيماران تعديل خواهيم نمود. روش كار: در بررسی كارايی مدل آماری پيشنهاد شده در اين مقاله، از داده‌های يك كارآزمايی بالينی متقاطع استفاده شده كه در آن 42 بيمارمبتلابه استئوارتريت زانو شركت داشته و اثر يك پماد ساختگی در مقايسه بامصرف دارونما مورد بررسی قرار گرفته است. برای تعديل اثر عدم تمكين بيماران از متوسط نسبت تمكين بهره‌مند شده و با روش حداكثر درستنمايی به برآورد پارامترها پرداخته شده است. نتايج: نتايج نشان داد كه توزيع متغيرهای پايه‌ای مانند مدت زمان ابتلا به بيماری، شدت بيماری، سن، جنس و غيره دربين دو گروه درمانی اختلاف معنی‌داری ندارند (05/0 P>). خطای معيار برآورد شده برای تفاضل اثرات درمانی tD بر اساس مدل تعديل يافته به مراتب كوچك‌تر از مدل استاندارد بود (به ترتيب برابر با 09/0 و 12/0). همچنين آماره نسبت درست‌نمايی بدست آمده بر پايه مدل تعديل يافته نسبت به مدل استاندارد كوچك‌تر (7/1177 در مقابل 1/1205) بود. نتيجه‌گيری: بر پايه خطای معيار و آماره نسبت درستنمايی بدست آمده می‌توان گفت كه مدل تعديل يافته برآوردهای كاراتر و معتبرتری را نسبت به مدل استاندارد ارائه می‌كند. واژگان كليدی: كارآزمايی بالينی متقاطع، Intention-to-treat، عدم تمكين، برآورد حداكثر درستنمايي

Background & Objectives: In clinical trials some of participants do not take assignment treatment. Intention-to-treat (ITT) is one of the strategies to analyze of clinical trials with control. ITT estimation will be invalid and incorrect to show of treatment effects in case of existing non-compliance in participants. In this study we adjusted noncompliance effect to compare of active treatment and placebo.Methods: To demonstrate efficiency of proposed model, a dataset of crossover clinical trial with 42 patients with knee osteoarthritis was used. To estimate the non-compliance’s effect adjusting at comparison of treatment effects, we use mean of compliance proportion at periods in sequences. The parameters were estimated by maximum likelihood method. ( could you ask authors to have a look at what they wrote and compare with Farsi version) Results: The results show that baseline variables distributions like duration of disease, severity of disease, age and sex, were not significant (p>0.05). The standard error estimation of treatment effects ( ) based on adjusted model were less than standard model (0.09 and 0.12, respectively). In addition, likelihood ratio statistics based on adjusted model were less than standard model (1177.7 versus 1205.1). Conclusion: Based on estimation of standard errors and likelihood ratio statistics at adjusted and standard models, we observe that adjusted model is more efficient than standard model.