Vaka Çalışması : Gripten Aşılama Yoluyla Korunma
Klinik grip vakalarının sadece küçük bir kısmına influenzaya karşı koruma sağlayan çoğu aşının hedefi olan influenza A virüsü neden olur. Bu, influenza aşılarının klinik denemelerinde klinik influenza vakalarının büyük bir bölümünün tamamen etkili bir aşıyla bile önlenemeyeceği anlamına gelir.
Ayrıca, influenza A ile ilgisi olmayan klinik influenza vakalarının oranı, “grip benzeri hastalıklara” neden olan diğer viral enfeksiyonlardaki mevsimsel ve coğrafi farklılıklara göre denemeler arasında dalgalanmaktadır. İnfluenza aşılarının etkinliğinin sistematik bir incelemesinde, bu durumda, influenza A vakalarına yakalanan katılımcıların oranı, diğer influenza benzeri olmayan grip benzeri vakaları edinenlerin oranından daha istikrarlıysa, risk farkının en uygun özet istatistik olduğu tartışıldı.
Bir L’Abbé grafiğinin incelenmesi ve heterojenlik istatistikleri, durumun böyle olduğunu göstermektedir. Bununla birlikte, hangi özet istatistik kullanılırsa kullanılsın, heterojenliğin istatistiksel önemi kalır. Bu kısmen, homojenlik testinin, büyük örneklemli incelemelerde tedavi etkilerindeki küçük varyasyonları tespit etmek için yeterince güçlü olmasıyla açıklanabilir (bu incelemeye 30.000’den fazla katılımcı dahil edilmiştir).
Bununla birlikte, farklı denemelerde kullanılan aşının formülasyonundaki varyasyon ve dolaşımdaki influenza A viral alt tiplerindeki değişikliklerle de açıklanabilir. Bu durum için sonucu tersine çevirmek ve klinik influenzadan uzak kalma risk oranını dikkate almak klinik olarak mantıklı değildir.
Böyle bir model, grip benzeri hastalık oranlarının çok düşük olduğu bir popülasyonda aşılamanın en büyük mutlak faydasını ve oranların çok yüksek olduğu bir popülasyonda hiçbir fayda sağlamayacağını tahmin edecektir.
Tartışma
Bu bölümde ele alınan tüm özet istatistikler, randomize kontrollü bir araştırma için tedavi etkisinin eşit derecede geçerli ölçümleridir, burada ele aldığımız soru, sistematik bir derlemede resmi bir meta-analizde yer alan bir dizi çalışmayı özetlemek için uygunluklarıdır.
Bir ölçü seçiminin dayandırılması gereken üç kriteri göz önünde bulundurduk: tutarlılık, matematiksel davranış ve anlama kolaylığı. Tek bir ölçü tekdüze en iyi değildir, bu nedenle seçim kaçınılmaz olarak bir uzlaşmayı içerir.
Olasılık oranı en güçlü matematiksel özelliklere sahiptir, ancak anlaşılması ve pratikte uygulanması en zor olanıdır. Meta-analizlerden elde edilen olasılık oranlarının yazarlar tarafından risk oranlarıymış gibi yanlış yorumlandığı birçok yayınlanmış örnek vardır. Nitekim, Schwartz “olasılık oranlarının risk oranları olarak yorumlanması zorunludur” gözlemlenmiştir.
Sistematik incelemelerin sonuçlarının olasılık oranları olarak rutin olarak sunulmasının, sonuçlar klinik uygulamada uygulandığında, tedavilerin yararlarının ve zararlarının sıklıkla olduğundan fazla tahmin edilmesine yol açacağı konusunda her zaman bir endişe olmalıdır.
Olasılık oranının sistematik bir inceleme için özet ölçü olarak yaygın kullanımı, geçmiş ve kolaylık nedenlerinden kaynaklanmış olabilir. Mantel-Haenszel olasılık oranı yöntemi, olasılık oranının tek geçerli özet ilişki ölçüsü olduğu vaka-kontrol çalışmalarının tabakalı analizi için istatistiksel bir yöntem olarak yayınlandı.
Vaka çalışması örneği
Vaka analizi örnekleri ve çözümleri pdf
Banka vaka çalışması örnekleri
Coca-Cola vaka çalışması
Eczacıbaşı vaka çalışması
Case Study örnekleri
Çağrı merkezi vaka çalışması örnekleri
MAN vaka çalışması
Sağlık hizmetlerinde klinik araştırmaların meta-analizleri ilk kez yapıldığında, denemeleri birleştirmek ve katmanları birleştirmek arasındaki analoji dikkat çekti ve yöntem meta-analitik bir yöntem olarak yeniden tasarlandı. Yöntemin yaygın kullanımı, hesaplamayı üstlenecek yazılımın mevcudiyeti ve Richard Peto tarafından sağkalım analizlerinden elde edilen verilerin havuzlanması için yöntemin basitleştirilmesi ve genişletilmesi ile desteklenmiştir.
O zamandan beri, risk oranlarını ve risk farklılıklarını özetlemek için meta-analitik yöntemler geliştirilmiştir. Olasılık oranının güçlü savunucuları olsa da, bazı istatistikçiler ve epidemiyologlar, rastgele denemelerin ve sistematik incelemelerin sonuçlarını özetlemek için olasılık oranının genellikle en uygun özet istatistik seçimi olmadığını savundular.
Risklere dayalı bir sunum, olasılıklara dayalı bir sunumdan daha doğru yorumlanma olasılığı daha yüksek görünmektedir. Risk farkı, anlaşılması en kolay ölçüdür, ancak bir dizi denemede en az tutarlı olan ölçüdür. Tedavi yararı genellikle temel riskle ilişkili olduğundan, beklenen riskleri geniş ölçüde değişen gerçek hastalara uygulandığında kullanımı sorunludur.
Risk oranı bazı istenmeyen matematiksel özelliklere sahiptir, ancak bunlar yalnızca olay oranlarının çok yüksek olduğu ve risk oranlarının birden fazla olduğu analizler için geçerlidir.
Diğer meta-analizler için, anlaşılması nispeten kolay olduğu için risk oranı akıllıca bir seçim olabilir ve ampirik çalışmamız, bir olasılık oranı kadar denemeler arasında tutarlı olma olasılığının yüksek olduğunu göstermektedir. Ancak, sonucu nasıl tanımladığımıza bağlı olarak herhangi bir analiz için dikkate alınabilecek iki “karşıt” risk oranı vardır ve “yanlış” olanı seçmek, Vaka çalışmasında gösterildiği gibi sistematik incelemenin sonuçlarını önemli ölçüde değiştirebilir.
Bir başka olası yaklaşım, verileri analiz etmek için bir istatistik kullanmak ve sonuçları bir başkasını kullanarak sunmaktır. Analiz için istatistiğin seçimi, matematik ve tutarlılık hususlarına dayalı olabilirken, sunum için kolayca yorumlanan bir istatistik kullanılabilir.
Bu yaklaşım, örneğin, sonuçların bir risk oranına veya sunum için tedavi edilmesi gereken bir sayıya dönüştürüldüğü analiz için olasılık oranının kullanımını gösterebilir. Buradaki zorluk, olasılık oranlarından diğer istatistiklere dönüşümlerin, sonuçların uygulandığı duruma göre büyük ölçüde değişecek olan işlemsiz tipik olay oranına (pc) duyarlı olmasıdır.
PC için ortalama bir değer genellikle klinik araştırmaların kontrol gruplarından tahmin edilir, ancak denemeler nadiren bu değerin geçerli bir tahminini sağlamak üzere tasarlandığından, bu tahmin, incelemenin sonuçlarını uygularken uygun olmayabilir. Klinik deneyime dayalı olarak bilgisayar seçmek daha iyi bir yaklaşım olabilir. Özet istatistik seçiminin etkisi, olasılık oranları, risk oranları ve risk farklılıkları için analizin tekrarlanmasıyla duyarlılık analizlerinde de dikkate alınabilir.
Açıkça, özet istatistikten bağımsız olarak sonuçların yorumlanmasının tutarlı olacağını umarız, bu da incelemenin geniş nitel sonuçlarının belirli bir etki ölçüsünün kullanımına bağlı olmadığını gösterir. Ancak bunun her zaman böyle olmayacağını gördük. Bazı durumlarda, etki ölçüsünü değiştirmek, sonuçların yorumlanması üzerinde, özellikle de etkinin boyutunun ve yönünün kritik olduğu durumlarda, büyük bir etkiye sahip olabilir.
Heterojenlik istatistiklerine ilişkin araştırmalarımız, olasılık oranlarının, risk oranlarının ve ortalama risk farklılıklarının göreceli uygunluğuna dair ampirik kanıtlar sağlamada yardımcı olsa da, belirli bir analiz için bir özet istatistik seçiminde bunların kullanımı sınırlıdır. Heterojenliğin en aza indirilmesi temelinde bir özet ölçü seçimi, sahte (fazla iyimser) bulgular üretebilen bir şekilde veriden türetilmiş bir yaklaşımdır. Ayrıca, uygulamada L’Abbé planı veya heterojenlik istatistikleri için hangi önlemin en uygun olduğuna dair net bir rehberlik sağlamak için genellikle çok az sayıda deneme vardır.