30 พ.ย. 2021 เวลา 11:44 • สุขภาพ
survival analysis อาจทำให้วิเคราะห์ผิด
โดยทั่วไป survival analysis จะถูกนำมาใช้วิเคราะห์ผลของ antipsychotic ต่อการป้องกันการกลับมาเป็นซ้ำ ในผู้ป่วยโรคทางจิตเวชเป็นเวลานาน แต่มีรายงานผลศึกษาที่ตั้งข้อสงสัยถึงวิธีนี้ Joanna Moncrieff และคณะจาก University College London สหราชอาณาจักรแสดงตัวอย่างการศึกษาแบบ randomized controlled trials (RCT) 2 การศึกษาที่เปรียบเทียบกลุ่มที่ให้ยา antipsychotic กับกลุ่มที่หยุดยา โดยวิเคราะห์แบบ survival analysis จากนั้นประกาศใน BMJ Evidence-Based Medicine (ฉบับออนไลน์, 23 กันยายน ค.ศ. 2021) ว่า สิ่งสำคัญเพื่อการตัดสินใจที่ถูกต้องคือ ต้องติดตามผลในระยะยาวโดยให้สันนิษฐานว่าผลลัพธ์ (outcome) ในระยะสั้นและระยะยาวแตกต่างกัน และต้องตระหนักถึง withdrawal symptoms เนื่องจากการหยุดให้ยาอาจส่งผลต่อผลลัพธ์การศึกษาได้
survivorship curve ตัดกันในการตรวจสอบระยะยาว
[ตัวอย่างการศึกษาที่ 1] ผลป้องกันการกลับมาเป็นซ้ำของ antipsychotic / proportional hazard กับการติดตามผลระยะยาวใน first episode of psychosis
งานศึกษา RCT แบบ open label เปรียบเทียบผลป้องกันของ antipsychotic ต่อการกลับมาเป็นซ้ำ ระหว่างกลุ่มให้ยากับกลุ่มหยุดยาในผู้ป่วย first episode of psychosis โดยใช้การวิเคราะห์แบบ Cox regression analysis การติดตามผลตอนเริ่มแรก 18 เดือนพบว่า hazard ratio (HR) ของการกลับมาเป็นซ้ำทั้งสองกลุ่มคงที่ตลอดช่วงเวลา (proportional hazard เป็นจริง) ขณะที่ความเสี่ยงของการเกิดซ้ำเมื่อครบ 18 เดือนสูงกว่ากลุ่มที่หยุดยา 2.3 เท่า
อย่างไรก็ตาม จากการติดตามนานถึง 7 ปี พบว่า survival curve ของทั้งสองกลุ่มมาบรรจบกันและตัดกันในเวลาประมาณ 3 ปี ซึ่งแสดงให้เห็นว่า proportional hazard ไม่เป็นจริง และความเสี่ยงของการกลับมาเป็นซ้ำในกลุ่มให้ยาเพิ่มขึ้นหลังจาก 3 ปี
|------------------------------------------|
📌เกาะติดข่าวสาร และข้อมูล เพื่อบุคลากรทางการแพทย์ได้ง่าย ๆ เพียงดาวน์โหลด! https://bit.ly/3AdzTeY 📲
The all in 1 application for Healthcare professionals.
📰 Medical News, Journals & research summary
👨🏽‍🎓 CPE/CME/CMTE/CPD
🎥 Medical Talk VDO
📲 Download for free now!
💛ทุกดาวน์โหลดคือกำลังใจในการทำงาน ขอบคุณค่ะ💛
|------------------------------------------|
อย่างไรก็ตาม จากผลการทดสอบ log rank test พบว่า การกลับมาเป็นซ้ำอาจมีความเสี่ยงต่ำกว่าในกลุ่มให้ยา เนื่องจากอัตราการกลับมาเป็นซ้ำระยะแรกสูงในกลุ่มหยุดยา ดังนั้น HR ของการกลับมาเป็นซ้ำในช่วง 18 เดือนแรกที่ proportional hazard เป็นจริงกับความเสี่ยงของการกลับมาเป็นซ้ำสะสมในช่วง 7 ปีไม่เท่ากัน แต่จุดนี้ถูกซ่อนไว้เมื่อใช้การทดสอบ log rank test
นอกจากนี้ outcome ของการวิเคราะห์แบบ survival analysis คือ “ระยะเวลาก่อนจะกลับมาเป็นซ้ำ” แต่ไม่มีหลักฐานว่าผู้ป่วยและผู้ดูแลให้ความสำคัญกับผลการกลับเป็นซ้ำที่ล่าช้าหรือไม่ หรือความล่าช้าเท่าไรที่สร้าง risk / benefit balance กับผลข้างเคียงของ antipsychotic โดยเฉพาะอย่างยิ่ง การศึกษานี้แสดงให้เห็นว่าการใช้ antipsychotic ในระยะยาวอาจลด social function ของผู้ป่วย
การศึกษานี้แสดงให้เห็นถึงความสำคัญของการติดตามผลระยะยาว โดยสันนิษฐานว่า outcome ต่างกันในระยะสั้นและระยะยาว และระบุในรายงานติดตามผลศึกษาว่า “สำหรับ outcome โดยรวม ควรพิจารณาอัตราการกลับมาเป็นซ้ำสะสมในแต่ละช่วงเวลา รวมถึงช่วงของเวลาติดตามผลขั้นสุดท้ายจะดีกว่า”
[ตัวอย่างการศึกษาที่ 2] การป้องกันการกลับเป็นซ้ำและการรับรู้ถึง withdrawal symptom ของภาวะซึมเศร้าที่ดื้อต่อการรักษาด้วย esketamine
แม้ว่า esketamine เป็นยาที่ค่อนข้างใหม่ แต่ผู้ใช้ ketamine ซึ่งเป็นยาที่คล้ายคลึงกันเพื่อใช้รักษา อาจพบ withdrawal symptom เช่น หดหู่ และวิตกกังวลหลังหยุดยา ซึ่งอาจเข้าใจผิดว่ากลับมาเป็นซ้ำ
การศึกษานี้เป็นการทดลองหยุด esketamine แบบ double-blind, placebo-controlled, randomized และมีความเป็นไปได้สูงที่จะสูญเสีย blind (เนื่องจากผลข้างเคียงของ esketamine หายไป) หลังเปลี่ยนไปใช้ยาหลอก ผู้ป่วยรับรู้ได้ว่าตนเองใช้ยาหลอกอยู่ สิ่งนี้ทำให้เกิดความวิตกกังวลเกี่ยวกับการหยุดการรักษา และอาจกระตุ้นการกลับมาเป็นซ้ำในเชิงปัจจัยทางจิตวิทยา
การวิเคราะห์ครั้งแรกของการศึกษาเดียวกันนี้ใช้วิธี Kaplan-Meier และพบความแตกต่างอย่างมีนัยสำคัญในอัตราการกลับมาเป็นซ้ำระหว่างกลุ่ม esketamine และกลุ่มยาหลอกในการทดสอบ logrank test (P = 0.003) survival curve ไม่ตัดกัน แม้ว่าจะเกิดการผันผวนใน HR ความแตกต่างของความเสี่ยงสูงสุดสำหรับการกลับมาเป็นซ้ำระหว่างสองกลุ่มเกิดขึ้นภายใน 8 สัปดาห์หลังสุ่ม มีข้อเสนอแนะว่าอาจสะท้อนถึง withdrawal symptom ในระยะแรกเนื่องจากการหยุด esketamine
การวิเคราะห์การรอดชีวิตที่ตามมาพบว่า survival curve ตัดกันที่ประมาณ 9 เดือน (Lancet Psychiatry 2020; 7: 232-235) การวิเคราะห์ Cox regression analysis ถูกใช้ประเมิน HR แต่ proportional hazard ไม่เป็นจริงเนื่องจาก survival curve บรรจบกัน และไม่เหมาะสมที่จะคำนวณ HR โดยรวมจากการวิเคราะห์ Cox regression analysis
ในทางกลับกัน การทดสอบ log rank test ถูกใช้ทดสอบความแตกต่างอย่างมีนัยสำคัญทั้งสองกลุ่ม ซึ่งแสดงให้เห็นความแตกต่างอย่างมีนัยสำคัญของความเสี่ยงการกลับมาเป็นซ้ำ (P = 0.048) ตัวอย่างนี้ยังแสดงให้เห็นว่าผลลัพธ์ของการทดสอบ log rank test ปิดบังผลลัพธ์ที่ survival curve บรรจบกันหลังเริ่มมีเหตุการณ์ที่ดูเหมือนจะเป็น withdrawal symptom ระยะแรก ซึ่งอาจนำไปสู่การตัดสินที่ผิดพลาดคล้ายกับตัวอย่างที่ 1
จากข้างต้น Moncrieff และคณะสรุปว่า “ไม่ควรใช้การวิเคราะห์แบบ survival analysis ในการทดสอบ intervention ที่มุ่งป้องกันการกลับมาเป็นซ้ำในผู้ป่วยโรคทางจิตเวชระยะยาว ควรใช้วิธีทางสถิติ เช่น การทดสอบ χ2 และ logistic regression เพื่อชดเชยสิ่งนั้น และแสดงระยะเวลาของ outcome ด้วย Kaplan-Meier curve” เป็นมุมมองปัจจุบัน
ดูข่าวเเละบทความทางการเเพทย์ทั้งหมดที่เรามี ฟรี! ได้ที่ >> https://bit.ly/3AdzTeY <<📲
โฆษณา