Kümelenmiş sağkalım çalışmalarında sıra-temelli k-örnek testleri için eyer-noktası (saddlepoint) çıkarımsama

Gerçek dünya çalışmalarında neden önemli

Günümüz klinik çalışmaları artık tek bir basit sonuç—örneğin tek ziyarette ölçülen tansiyon—ile sınırlı kalmıyor. Bunun yerine hastaları zaman içinde izliyor, birden çok ölçümü birleştiriyor ve sıklıkla eşzamanlı olarak birden çok tedavi kıyaslanıyor. Hastalar hastane ya da klinik gibi gruplar halinde tedavi edildiğinde ve gözlemlenen sonuçlar zaman içinde elde edilen karmaşık oranlar veya çarpımlar olduğunda, standart istatistiksel araçlar aşırı güvenli sonuçlar verebilir ve bazen yanlış olabilir. Bu makale, tedavi yararları veya zararları hakkındaki iddiaların yanıltıcı olma olasılığını azaltmak için bu tür çalışmaların daha doğru analiz edilmesini sağlayan bir yaklaşım sunar.

Çalışmalar bireylerle değil, gruplarla yürütülüyor

Kamu sağlığı ve tıpta araştırmacılar sıklıkla tedavileri küme bazında randomize eder: tüm klinikler, okullar veya topluluklar farklı çalışma kollarına atanır ve küme içindeki herkes aynı rejimi alır. Bu tasarım lojistik olarak çekici ve tedaviler arasında "bulaşmayı" önlemeye yardımcı olur, ancak aynı kümedeki kişilerin sonuçlarının birbirine benzemesine—yani sonuçların birlikte hareket etmesine—neden olur. Aynı zamanda çalışmalar, iki laboratuvar değeri oranı gibi türetilmiş ölçüler veya zaman içindeki tekrarlı okumaların kümülatif çarpımı gibi karmaşık özetler kullanarak sağlık değişikliklerini özetlemeye giderek daha fazla başvuruyor. Araştırmacılar bu tür karmaşık, grup tabanlı sonuçları kullanarak birkaç tedavi grubunu karşılaştırmaya çalıştığında, büyük ve bağımsız örnekler için iyi çalışan sıra-temelli testler başarısız olabilir. Küçük veya orta büyüklükteki küme çalışmalarında, test istatistiğini ki-kare eğrisiyle yaklaşık olarak değerlendiren yaygın kestirme yöntem genellikle yanlış alarm oranını şişirir ve güven aralıklarını gereğinden dar hale getirebilir.

Karmaşık ölçüleri karşılaştırılabilir "zaman"lara dönüştürmek

Yazarın ilk adımı karmaşık sonuçları ortak bir dile: olay-zamanı verilerine yeniden ifade etmektir. Bir kan belirtecinin diğerine oranı gibi oranlar, kritik bir orana ulaşmak için geçen "zaman" gibi ele alınır; birkaç ölçümün çarpımı ise genellikle değişkenliği dengelemek için logaritmik dönüşüm uygulanarak tek bir birleşik değere çevrilir. Her hasta daha sonra türetilmiş değerin bir eşik değerini aştığı zaman veya aşılmadığı sürece izlendiği süre ile özetlenir; bu, olağan sağkalım analizini yansıtır. Hastalar kümeler içinde yaşadığından, yöntem her bireye sansürlemeyi—olay gerçekleşmeden izlemelerin sona ermesi durumunu—hesaba katan ağırlıklı sıra-temelli bir skor atar ve bu skorları her küme içinde toplar. Sonuç, olay zamanlamasını ve aynı gruptaki kişiler arasındaki korelasyonu yakalayan her küme için tek bir özet sayıdır. Ardından tüm tedavi kollarını aynı anda karşılaştırmak için bu küme skorlarından küresel bir kuadratik istatistik oluşturulur.

Şans değişkenliğine daha keskin bir mercek

Pratikte, gözlenen bir farkın tedavi grupları arasında şaşırtıcı olup olmadığını en adil şekilde değerlendirmek, kümelerin gerçek randomizasyon şemasına göre tedavilere atanmış olabileceği tüm olası yolları inceleyip test istatistiğinin bu tüm küme üzerinde ne kadar aşırı olduğunu görmektir. Bir kavanoz benzeri dağıtımla—etiketlerin kavanozdan iktisap edilmesi gibi—kümelerin atandığı çalışmalarda bu, çok büyük sayıda permütasyonu keşfetmeyi gerektirir. Bunları eksiksiz listelemek gerçekçi çalışmalar için imkânsızdır ve binlerce kez bilgisayar simülasyonu yapmak birçok test veya güven aralığı inşası için pahalıdır. Makale, permütasyon dağılımını taklit etmek için test istatistiğinin üretici fonksiyonunun yalnızca ortalamasını ve yayılımını değil, tüm davranışını kullanan çok değişkenli bir eyer-noktası (saddlepoint) yaklaşımını tanıtır; bu yol özellikle p-değerlerinin bulunduğu uzak kuyruklarda bile çarpıcı bir doğruluk sağlar.

Yöntemi teste sokmak

Yeni çerçeve, değişen sayıdaki tedavi grupları, farklı küme büyüklükleri, küme içi korelasyonun çeşitli düzeyleri ve orta ile ağır sansürlemelerin bulunduğu gerçek dünya çok kollu küme çalışmalarını taklit eden kapsamlı simülasyonlarla stres-testine tabi tutulur. Yirmi zor senaryo ve oranlar ile çarpımlar olmak üzere iki türetilmiş uç nokta ailesi genelinde, eyer-noktası temelli p-değerleri büyük sayıda rastgele permütasyondan elde edilen neredeyse-özel (near-exact) "altın standart" değerlerle yakından eşleşir. Buna karşılık, tanıdık ki-kare yaklaşımı özellikle küçük veya yüksek korelasyonlu durumlarda ve birçok tedavi grubu karşılaştırıldığında sıklıkla sıfır hipotezini gereğinden fazla reddeder. Aynı desen güven aralıklarında da görülür: eyer-noktası testi tersine çevrilerek oluşturulduğunda tedavi etkileri için aralıklar ilan edildiği %95 oranında gerçek değeri kapsarken, ki-kare temelli aralıklar sınırda olan tasarımlarda özellikle kararların en hassas olduğu yerlerde bunu çok sık kaçırabilir.

Gerçek klinik çalışmalardan dersler

Uygulamadaki önemini göstermek için yazar yöntemi üç çok merkezli klinik çalışmaya uygular: kan sayılarının ne kadar hızla toparlandığını ölçen bir lösemi çalışması, her iki gözde birleşik görme kaybını izleyen yaşa bağlı göz hastalığı çalışması ve ağız içi diş eti hastalığının ilerlemesini değerlendiren bir periodontitis denemesi. Bu olgulardan ikisinde, ki-kare yaklaşımlarını kullanan standart analiz geleneksel %5 anlamlılık düzeyinde tedavi etkisini "istatistiksel olarak anlamlı" ilan eder; bu güçlü klinik sonuçlara yol açabilir. Eyer-noktası yöntemi ve neredeyse-özel permütasyon karşılaştırmaları ise biraz daha büyük p-değerleri ve "etkisizlik"i içerebilecek daha geniş aralıklar verir; bu, kanıtın önerici ancak kesin olmadığını işaret eder. Büyük, yüksek güçlü bir görme çalışmasında tüm yöntemler tedavinin yararlı olduğunu teyit eder, ancak eyer-noktası aralıkları yine aşırı kesinlik iddiasından kaçınarak belirsizlik hakkında daha dürüst bir tablo sunar.

Karmaşık verilerden daha net yanıtlar

Halk için ana mesaj, çalışmalar karmaşık hale geldiğinde ve örnek büyüklükleri sınırlı kaldığında tüm istatistiksel araçların eşit güvenilir olmadığıdır. Bu çalışma, küme çalışmalarının gerçek randomizasyon şemasına ve modern uç noktaların inceliklerine ağır simülasyona veya kırılgan büyük-örnek kestirmelerine başvurmadan saygı gösteren ilkesel ve hesaplamaca verimli bir yol sunar. Yanlış pozitifleri güvenilir biçimde kontrol ederek ve vaat ettikleri güvenilirlikte güven aralıkları sunarak, eyer-noktası çerçevesi özellikle dengeli veya daha küçük çok merkezli çalışmalarda yeni tedavilerle ilgili sonuçların verilerin izin verdiği kadar sağlam bir temele dayanmasını sağlamaya yardımcı olur; ne fazlası ne eksik.

Atıf: Newer, H.A. Saddlepoint inference for rank-based k-sample tests in clustered survival trials. Sci Rep 16, 11372 (2026). https://doi.org/10.1038/s41598-026-44064-9

Anahtar kelimeler: kümelenmiş randomize çalışmalar, sağkalım analizi, eyer-noktası yaklaşımı, permütasyon testleri, küçük örnek çıkarımsaması