Тема 1.4 — Отношение рисков (hazard ratio)

Одним предложением: Отношение рисков (hazard ratio) — это компактный, широко сообщаемый и столь же широко неверно читаемый обобщающий показатель того, насколько быстро события происходят в одной группе по сравнению с другой, и умение читать его означает всегда спрашивать «за какой период наблюдения, в какой популяции и что это даёт в абсолютных величинах?», прежде чем позволить ему определять решение о закупке, оценке или отчётности.

Почему это важно в здравоохранении и уходе#

Когда на слайде поставщика написано «наше вмешательство достигло отношения рисков 0,75», руководителя приглашают почувствовать снижение чего-то плохого на 25%. Это ощущение обычно сильнее, чем оправдывает факт. Отношение рисков (HR) — одна из самых распространённых статистик в клинических доказательствах и доказательствах общественного здравоохранения и одна из самых стабильно неправильно понимаемых: не статистиками, а советами директоров, заказчиками и коммуникационными командами, которые действуют на её основании. В здравоохранении и уходе разрыв между тем, что говорит HR, и тем, что люди думают, что он говорит, — не академическая неприятность. Он меняет то, что закупается, что масштабируется и чего пациентам предлагают ожидать.

Эта тема — практическое дополнение к теме 1.3 — Решения на основе доказательств. Та тема утверждала, что силу доказательств следует соотносить с уровнем риска и держать клинические доказательства и доказательства поставки раздельно. Эта идёт на слой глубже, к одной статистике, которая повторяется в клинических доказательствах, которые вас попросят взвесить: как её читать, где она вводит в заблуждение и что требовать рядом с ней. Вам не нужно вычислять отношение рисков. Вам нужно знать, что один и тот же заголовочный HR может соответствовать меняющей жизнь пользе или едва заметной в зависимости от фактов, которые слайд опустил, и что руководитель, не умеющий запросить эти факты, оказывается во власти того, кто выбрал подачу. Поскольку эти числа формируют публичные сообщения и клинические маршруты, ошибиться здесь — вопрос доверия и равенства, а не просто точности.

Ключевые понятия#

Риск (hazard) и отношение рисков. Hazard — это мгновенная скорость, с которой событие (смерть, госпитализация, рецидив) происходит среди тех, кто ещё подвержен риску в данный момент. Отношение рисков — это отношение этой скорости в группе лечения к скорости в контрольной группе. HR ниже 1 означает, что событие происходит медленнее в группе лечения; выше 1 — быстрее; ровно 1 — нет различий. Оно возникает из анализа выживаемости, раздела статистики для данных «время до события», и обычно оценивается с помощью модели пропорциональных рисков, известной по имени создателя как модель Кокса. Решающе важно, что HR описывает скорость, а не вероятность и не количество выигранного времени.

Допущение пропорциональности рисков. Удобство модели Кокса держится на допущении: что отношение рисков постоянно, одинаково через три месяца и через три года, одинаково для 50-летнего и для 80-летнего. Это допущение пропорциональности рисков, и оно часто ложно. Реальные эффекты меняются со временем наблюдения (хирургическое вмешательство может повысить риск рано и снизить позже) и по подгруппам (возраст, пол, сопутствующие заболевания, уровень лишений). Когда допущение нарушается, единый сообщаемый HR — это среднее по конкретному окну наблюдения испытания и составу популяции, взвешенная смесь, а не универсальная константа, которую можно перенести в другие условия.

Относительные показатели, шансы и абсолютные величины. HR легко спутать с тремя соседями. Относительный риск (или отношение рисков в смысле вероятностей) сравнивает кумулятивную вероятность события к некоторому фиксированному сроку, а не скорость; он близок к HR, когда события редки, но расходится, когда они часты. Отношение шансов сравнивает шансы, а не вероятности, и может выглядеть драматично при высоком базовом риске. Все три — относительные показатели. Пациентов и плательщиков на деле заботит абсолютное: абсолютное снижение риска (разность рисков), на сколько меньше событий на сто человек, и его обратная величина, число больных, которых необходимо лечить (NNT), то есть сколько людей нужно лечить, чтобы предотвратить одно событие. Относительный показатель без абсолютного партнёра — полфразы.

Цензурирование и кривая выживаемости. Испытания заканчиваются; люди уезжают, выбывают или просто не пережили событие к моменту закрытия данных. Цензурирование (статистика) — способ, которым анализ выживаемости обращается с этими частично наблюдавшимися жизнями, и это сильная сторона, но сильное или несбалансированное цензурирование ослабляет то, что HR может сказать. Честный визуальный спутник любого HR — кривая оценки Каплана — Мейера, ступенчатый график доли без события во времени. Две кривые, которые стабильно расходятся, рассказывают иную историю, чем две, которые пересекаются или сходятся, хотя все три могут давать один и тот же заголовочный HR.

Искажение и неколлапсируемость. HR из наблюдательного исследования может быть искажён искажающими факторами: некий третий фактор определяет и то, кто получает лечение, и то, у кого случается событие. Рандомизированные испытания защищают от этого; сравнения в реальной практике нет, если только не проведена тщательная корректировка. Есть и более тонкая ловушка, свойственная отношениям вроде HR, называемая неколлапсируемостью: даже при отсутствии искажения отношение, полученное после поправки на фактор риска, может отличаться от нескорректированного исключительно как артефакт поведения отношений. Урок тот же: HR привязан к точной модели и популяции, которые его породили, и путешествует не так свободно, как предполагает его чистое единое число.

Что HR даёт в годах. Люди переводят «HR 0,75» в «я проживу дольше», но размер этого выигрыша целиком зависит от базового риска и от того, насколько уже сжата смертность популяции. Представьте это как ослабление одной камеры в игре случая: снижение скорости даёт много дополнительного времени, когда базовый риск высок и распределён, и очень мало, когда большинство людей и так доживают до старости, а смерти упакованы в узкое позднее окно. Одно и то же относительное снижение превращается в разное количество ожидаемой продолжительности жизни в зависимости от этой базовой линии, поэтому HR нельзя прочитать как фиксированное число добавленных лет, не зная популяции, из которой он получен.

Статистическая и клиническая значимость. Наконец, HR может быть статистически значимым (его доверительный интервал исключает 1), тогда как эффект, на который он указывает, клинически тривиален, особенно в очень крупном испытании. Значимость отвечает на вопрос «отличимо ли это от случайности?»; она не отвечает на вопрос «стоит ли ради этого менять маршрут?». Важны оба вопроса, и только второй должен определять инвестиции.

Лучшие практики#

1. Всегда спрашивайте «за какой период наблюдения и в какой популяции?» HR — среднее по конкретному окну испытания и конкретной включённой группе. Прежде чем действовать, выясните длительность наблюдения и критерии включения и исключения: испытания, исключившие очень пожилых, очень юных или людей с частыми сопутствующими заболеваниями, могут вообще не описывать вашу популяцию. Относитесь к HR без этого контекста как к неполной цифре, а не заголовку.

2. Требуйте абсолютные числа рядом с каждым относительным. Для любого HR или относительного риска запрашивайте абсолютное снижение риска и NNT в соответствующей популяции. «HR 0,75» ощущается большим; «одно предотвращённое событие на 200 пролеченных за три года» говорит, стоит ли это затрат, изменения рабочего процесса и побочных эффектов. Относительные и абсолютные показатели всегда должны появляться вместе, а публичные сообщения должны начинаться с абсолютного.

3. Настаивайте на просмотре кривых Каплана — Мейера. Единый HR сжимает целую историю в одно число и скрывает, ранний ли эффект, поздний, растущий, убывающий или меняющий знак. Запросите кривые выживаемости и посмотрите на их форму: расходятся ли они чисто, пересекаются или сходятся? Пересекающиеся кривые — видимый признак того, что допущение пропорциональности рисков нарушено и единый HR вводит в заблуждение.

4. Не экстраполируйте короткое испытание на всю жизнь. Отношение рисков, измеренное за три года, не даёт права на утверждение о тридцати. Эффекты могут ослабевать, менять знак или накапливаться, а допущение пропорциональности рисков почти никогда не выполняется на протяжении жизни. Особенно остерегайтесь экономических моделей и газетных фраз, проецирующих краткосрочный HR вперёд до драматических выигрышей в годах жизни; спрашивайте, какое допущение выполняет эту работу, как рассмотрено в теме 6.1 — Экономика здравоохранения.

5. Разделяйте статистическую и клиническую значимость. Доверительный интервал, исключающий 1, говорит, что эффект, вероятно, реален; он ничего не говорит о том, достаточно ли он велик, чтобы иметь значение. В больших испытаниях тривиальные различия становятся «значимыми». Судите о величине, об абсолютной пользе, относительно бремени и стоимости вмешательства и пусть клиницисты и пациенты определяют, что считается стоящим.

6. Относитесь к наблюдательным HR с повышенным подозрением. Вне рандомизированного испытания HR может отражать искажение (более больные или более здоровые люди отбираются в лечение), а не истинный эффект. Спрашивайте, что корректировалось и правдоподобны ли неизмеренные искажающие факторы. Доказательства реальной практики ценны (см. тему 8.6 — Исследования и оценка в реальной практике), но их отношения рисков требуют большей проверки, а не меньшей.

7. Проверяйте, не используется ли HR вне контекста. HR из одной популяции, дозы или периода наблюдения регулярно цитируется как универсальный. Когда приводят цифру, проследите её до исходного исследования и убедитесь, что популяция и конечная точка соответствуют вашему решению. Неколлапсируемость и различия в базовых уровнях означают, что число, верное там, может быть тихо неверным здесь.

8. Сообщайте честно и начинайте с того, на что люди могут опереться. Когда ваша организация публикует результаты, сопровождайте каждый HR абсолютными цифрами и формулировками простым языком, указывайте период наблюдения и популяцию и избегайте намёков на пожизненную пользу по краткосрочным данным. Это напрямую связано с тем, как вы выбираете меры в теме 10.1 — Ключевые показатели эффективности (KPI): метрика, которую вы выносите в заголовок, формирует то, во что верят люди.

Вопросы для обсуждения с командой#

1. Когда отношение рисков попадает на наш совет, умеем ли мы запросить период наблюдения, популяцию и абсолютную пользу, или мы действуем только по относительной цифре? Этот вопрос проверяет, способно ли ваше руководство допросить самую неверно читаемую статистику, с которой оно столкнётся. Это важно, потому что HR — среднее по конкретному окну испытания и конкретной включённой группе, и одна и та же цифра может означать преобразующую пользу или пренебрежимую в зависимости от базового риска и периода наблюдения, которые слайд опустил. Противоречие в том, что относительное число эмоционально убедительно и легко повторяется, тогда как абсолютное (число, которое нужно лечить, число предотвращённых событий на сто человек) скучнее и труднее получить, поэтому его регулярно отбрасывают. Разберите реальный недавний пример: возьмите HR, повлиявший на решение, и восстановите, какой период наблюдения он охватывал, кто был исключён и какую абсолютную пользу он подразумевал для вашей популяции. Спросите, запрашивал ли кто-нибудь эти факты тогда и изменил бы ли ответ решение. Хорошее обсуждение заканчивается постоянным ожиданием, что ни по одному HR не действуют без периода наблюдения, популяции и абсолютного партнёра рядом.

2. Где мы можем экстраполировать краткосрочное отношение рисков в долгосрочное или пожизненное утверждение: в бизнес-кейсе, модели выгод или публичном сообщении? Тема предупреждает, что HR, измеренный за несколько лет, не даёт права на утверждения о десятилетиях, потому что эффекты ослабевают, меняют знак или накапливаются, а допущение пропорциональности рисков редко выполняется на протяжении жизни. Это важно, потому что и модели экономики здравоохранения, и коммуникационные команды имеют сильные стимулы проецировать краткосрочные относительные снижения вперёд в заголовочные выигрыши в годах жизни или экономии, и эти проекции могут тихо стать обоснованием крупных инвестиций. Компромисс реален: вам нужно планировать и моделировать за горизонтом испытания, но каждый год, который вы проецируете за пределы доказательств, — допущение, а не результат. Вынесите на обсуждение действующий бизнес-кейс или модель получения выгод и спросите, какой временной горизонт предполагают его выведенные из HR выгоды и что произойдёт с кейсом, если эффект выровняется после периода испытания. Подумайте и о том, не подразумевает ли какое-либо обращённое к пациентам сообщение пожизненные добавленные годы по краткосрочным данным. Честный ответ называет, где экстраполяция выполняет основную работу, и обязуется открыто заявлять допущение, а не прятать его в электронной таблице.

3. Последовательно ли мы различаем «реально ли это?» и «достаточно ли это велико, чтобы иметь значение?» или одна статистическая значимость определяет наши решения? Этот вопрос обращён к путанице между статистической и клинической значимостью, когда доверительный интервал, исключающий 1, принимается за зелёный свет независимо от величины эффекта. Это важно, потому что большие испытания и большие наборы данных реальной практики делают тривиальные различия статистически значимыми, а цифровая медицинская интервенция может показать «значимый» HR при пользе, слишком малой, чтобы оправдать её стоимость, нарушение рабочего процесса или альтернативную стоимость относительно других способов потратить те же деньги. Более глубокое противоречие в том, что величина — клиническое и ценностное суждение (что считается стоящим, зависит от состояния, бремени лечения и предпочтений пациента), поэтому её нельзя делегировать p-значению или автоматизировать. Возьмите решение вашей команды, принятое отчасти на основании значимого результата, и спросите, какой на самом деле была абсолютная величина эффекта и кто решил, что она достаточно велика для действий. Выясните, участвовали ли клиницисты и, в идеале, пациенты в суждении о том, что польза стоит того. Сильный ответ показывает, что команда регулярно спрашивает о величине, а не только о значимости, и считает их двумя отдельными воротами, оба из которых нужно пройти.

4. Когда отношение рисков получено из рутинных данных или набора данных реальной практики поставщика, а не из рандомизированного испытания, спрашиваем ли мы, что корректировалось и мог ли неизмеренный искажающий фактор объяснить эффект? Всё чаще отношения рисков, доходящие до решения, происходят не из чистых испытаний, а из наблюдательных источников (анализ «до и после» поставщика, регистр или ваши собственные рутинно собираемые записи), где получавшие вмешательство систематически отличаются от не получавших. Это важно, потому что искажение по показанию — норма, а не исключение: более здоровые или более больные пациенты отбираются в лечение, и если это тщательно не скорректировано, получаемый HR измеряет то, кого лечили, не меньше, чем то, что сделало лечение. Противоречие в том, что доказательства реальной практики действительно ценны и часто единственные доступные для цифровой услуги, внедрённой в масштабе, но их удобство соблазняет команды читать их как причинные, когда они лишь ассоциативные. Допросите реальный наблюдательный HR, на который опиралась ваша команда: спросите, какие переменные корректировались, какие правдоподобные искажающие факторы остались неизмеренными и лестно или обесценивающе направление вероятного смещения. Подумайте, учтена ли неколлапсируемость (то, как поправка на фактор риска может сдвинуть отношение даже при отсутствии искажения) в том, как цитируется число. Честный ответ считает наблюдательные отношения рисков гипотезами, требующими большей проверки, а не меньшей, и может прямо сказать, что должно быть истинно, чтобы эффект был реальным.

5. Просматриваем ли мы регулярно кривые Каплана — Мейера за отношением рисков и распознали бы мы, что допущение пропорциональности рисков нарушено? Единый HR молча усредняет всю форму эффекта в одно число, скрывая, ранняя ли польза, поздняя, растущая, убывающая или меняющая знак за период наблюдения. Это важно, потому что модель Кокса, дающая большинство отношений рисков, предполагает, что отношение постоянно во времени, и это допущение часто ложно: хирургическое или процедурное вмешательство может повысить риск рано и снизить позже, а пересекающиеся или сходящиеся кривые могут давать тот же аккуратный заголовочный HR, что и чисто расходящиеся. Компромисс в том, что чтение кривых выживаемости требует больше усилий и экспертизы, чем повторение единой цифры, а кривые часто отсутствуют в итоговом слайде именно потому, что усложняют историю. Возьмите отношение рисков, на основании которого действовала ваша команда, и спросите, видел ли кто-нибудь график Каплана — Мейера, что форма кривых говорила о том, когда накапливалась польза, и проверялось ли допущение пропорциональности рисков. Обсудите, у кого в команде достаточная статистическая грамотность, чтобы заметить пересекающиеся или сходящиеся линии и сказать, что они значат для вашей популяции. Хороший ответ делает просмотр кривых постоянным ожиданием, а не услугой специалиста, и считает отсутствие кривой поводом спросить, а не деталью, которую можно пропустить.

6. Проверили ли мы, не скрывает ли единый HR неравномерное распределение пользы по возрасту, сопутствующим заболеваниям и уровню лишений среди тех, кого мы на самом деле обслуживаем? Один заголовочный HR представляет эффект так, будто он ложится равномерно, но польза, усреднённая по включённой группе испытания, может распределяться очень по-разному среди пожилых, более больных и более депривированных людей, составляющих значительную часть реальной популяции здравоохранения и ухода. Это важно, потому что действие по агрегатной цифре может увеличить неравенство, при этом выглядя как общее улучшение результатов: вмешательство, помогающее более крепкой подгруппе и мало делающее для более хрупкой, всё равно показывает привлекательный средний HR. Противоречие в том, что дезагрегация требует данных, статистической мощности и готовности видеть неудобную вариацию, тогда как единую цифру проще сообщать и легче продвигать. Посмотрите на решение, определённое одним отношением рисков, и спросите, разбивался ли когда-либо эффект по возрастным группам, сопутствующим заболеваниям или уровню лишений и включило ли испытание достаточно вашей популяции, чтобы поддержать такую разбивку. Подумайте, как вы будете отслеживать неравную пользу, когда услуга заработает, связав это с вашей оценкой реальной практики и обязанностями по равенству. Честный ответ принимает, что единообразно выглядящий HR может маскировать неравную реальность, и обязуется посмотреть на дезагрегированную, абсолютную картину до масштабирования.

На практике: пример из здравоохранения и ухода#

Интегрированной системе ухода (ICS) предлагают услугу дистанционного мониторинга для людей с сердечной недостаточностью. Центральное утверждение поставщика — отношение рисков 0,72 для составного исхода «смерть или внеплановая госпитализация», описанное как «снижение на 28%» и сопровождаемое проекцией существенных выигранных лет жизни по всей популяции.

Цифровой и клинический руководители воспринимают цифру как отправной вопрос, а не вывод. Они запрашивают исходное исследование и находят единственное рандомизированное испытание с медианой наблюдения восемнадцать месяцев, включавшее пациентов младше 75 лет с недавней госпитализацией и без значительных когнитивных нарушений: более крепкую и молодую группу, чем реальная популяция ICS с сердечной недостаточностью, которая смещена в сторону более пожилых и с большим числом сопутствующих заболеваний. Они запрашивают кривые оценки Каплана — Мейера и видят, что две линии расходятся главным образом в первые шесть месяцев, затем идут примерно параллельно, намёк на то, что польза сосредоточена рано, а допущение постоянного HR шатко на более длинном горизонте.

Затем они запрашивают абсолютные числа. В пересчёте на популяцию испытания HR соответствует скромному абсолютному снижению риска и числу больных, которых необходимо лечить, около 20 за восемнадцать месяцев, чтобы предотвратить одно составное событие: значимо, но гораздо менее драматично, чем намекало «снижение на 28%», и, вполне возможно, ещё меньше в их более пожилой популяции. Команду экономики здравоохранения просят перестроить модель без экстраполяции восемнадцатимесячного HR на всю жизнь и проверить, что произойдёт, если ранняя польза не сохранится. Руководители по клинической безопасности и управлению информацией оценивают услугу по существу (тема 1.6 — Клиническая безопасность и управление рисками). ICS продолжает, но как поэтапное внедрение под наблюдением со своей собственной оценкой реальной практики, и инструктирует коммуникационную команду начинать с абсолютной пользы и честных ограничений, а не с относительного заголовка. Когда позже местная газета спрашивает о «цифре 28%», ICS может объяснить, что именно она значит и чего не значит.

Отраслевые перспективы#

Каждый, кто читает HR, несёт одну и ту же обязанность интерпретации, но давления и защитные механизмы различаются по организациям.

Стартап#

Стимул стартапа — представить самое лестное из правдивых чисел, а относительное отношение рисков часто и есть самое лестное из доступных правдивых чисел, поэтому «HR 0,7» появляется на питч-деке без периода наблюдения, популяции или абсолютной пользы, которые вернули бы его к реальному масштабу. Честный и в конечном счёте более убедительный ход — начинать с абсолютного эффекта и числа, которое нужно лечить, прямо указывать период наблюдения и исключения испытания и сопротивляться проецированию краткосрочных результатов на всю жизнь в бизнес-кейсе. Добросовестные оценщики NHS и серьёзные инвесторы всё чаще знают, что нужно спрашивать, поэтому команда, добровольно сообщающая контекст, выглядит сильнее, а не слабее. Эта дисциплина почти ничего не стоит и защищает основателей от более позднего, более ущербного исправления.

Малый бизнес#

Устоявшийся небольшой поставщик (практика врача общей практики, общественная аптека, дом престарелых или клиника в одном месте, взвешивающие инструмент мониторинга или утверждение поставщика) имеет реальных пациентов на кону, но нет штатного статистика и мало времени читать испытание. Практический риск в том, что относительное отношение рисков поставщика принимают за чистую монету, потому что некому восстановить период наблюдения, популяцию и абсолютную пользу, и нет аналитической команды, чтобы сверить его с собственным списком пациентов практики. Соразмерный ответ — не осваивать анализ выживаемости, а задать любому поставщику три простых вопроса: за какой период наблюдения, у каких пациентов и сколько людей нам нужно лечить, чтобы предотвратить одно событие, и опираться на общие ресурсы, такие как руководство NICE, фармацевт CCG или ICS или сеть коллег, а не судить по одной цифре. Небольшой поставщик, настаивающий на абсолютной цифре и исключениях испытания до подписания, защищает своих пациентов и бюджет, не нуждаясь в статистической мощи крупного траста.

Крупная организация#

У траста NHS или ICS есть аналитические возможности и объёмы пациентов, чтобы должным образом допросить HR, и подотчётность, которая этого требует, потому что внедрение в масштабе на неверно прочитанной статистике — одновременно риск клинической безопасности и государственных денег. Характерный сбой — институциональный энтузиазм: убедительная относительная цифра, которую продвигает уважаемый клиницист, принимается до того, как кто-либо восстановит абсолютную пользу для реальной, часто более пожилой и более больной популяции траста. Лекарство — постоянная привычка: каждый HR в записке для совета приходит со своим периодом наблюдения, популяцией, абсолютным снижением риска и кривыми Каплана — Мейера, а каждая экстраполяция называет своё допущение. Крупные организации также сами порождают наблюдательные HR из рутинных данных, где искажение — вечная опасность, а корректировка должна быть явной.

Государство#

Национальный орган (NICE, NHS England, UK Health Security Agency, DHSC) часто решает, как подаются доказательства для всей системы, поэтому его обращение с отношениями рисков формирует общественное понимание в масштабе населения. Решения здесь привлекают внимание регуляторов, парламента и СМИ, а относительная цифра, процитированная без абсолютного партнёра, может ввести в заблуждение миллионы и подорвать доверие, когда её позже исправят. Обязанность — публиковать абсолютные величины рядом с относительными, указывать популяцию и период наблюдения и откровенно говорить, где допущение пропорциональности рисков и короткие горизонты испытаний ограничивают то, что можно утверждать. В этом масштабе честная подача — не любезность, а инструмент равенства: польза, выглядящая единообразной в одном HR, может распределяться неравномерно по возрасту и уровню лишений, и только дезагрегированная, абсолютная картина её выявляет.

Типичные способы сбоя#

• Отчётность только в относительных величинах. Цитирование «снижение на 28%» без абсолютного снижения риска или числа, которое нужно лечить. Противоядие: сопровождать каждый относительный показатель абсолютным партнёром и начинать публичные сообщения с абсолютного.
• Экстраполяция на всю жизнь. Проецирование HR короткого испытания на десятилетия в экономической модели или газетной фразе. Противоядие: моделировать только до горизонта доказательств и называть каждое допущение за его пределами.
• Игнорирование популяции. Применение HR испытания к более пожилым, более больным или более депривированным группам, которых испытание исключило. Противоядие: сверять критерии включения и исключения с вашей реальной популяцией.
• Допущение постоянства. Считать один HR верным в каждом возрасте и в каждый момент времени. Противоядие: смотреть на кривые Каплана — Мейера на предмет пересекающихся или сходящихся линий.
• Значимость принимают за важность. Действие по статистически значимому HR с клинически тривиальным эффектом. Противоядие: судить о величине отдельно, с участием клиницистов и пациентов.
• Некритичное доверие к наблюдательным HR. Чтение HR из реальной практики как причинного без вопроса об искажении. Противоядие: спрашивать, что корректировалось и правдоподобны ли неизмеренные искажающие факторы.
• Отмывание чисел. Повторное использование HR вне исходного контекста как универсального. Противоядие: прослеживать каждую цитируемую цифру до исходного исследования и конечной точки.

Модель зрелости#

Контрольный список#

• Каждое отношение рисков приходит с длительностью наблюдения и критериями включения и исключения испытания.
• Каждый относительный показатель (HR, относительный риск) сопровождается абсолютным снижением риска и числом, которое необходимо лечить.
• Кривые Каплана — Мейера просматриваются на предмет формы эффекта и любых пересечений или схождений.
• Популяция испытания сверяется с вашей реальной, местной популяцией до действий.
• Никакой краткосрочный HR не экстраполируется на всю жизнь без явно заявленного допущения.
• Статистическая и клиническая значимость оцениваются как отдельные ворота.
• Наблюдательные HR проверяются на искажение и на то, что корректировалось.
• Каждый цитируемый HR прослеживается до исходного исследования, конечной точки и периода наблюдения.
• Публичные сообщения и сообщения для совета начинаются с абсолютной пользы и честных ограничений.

Ключевые источники#

• Wikipedia — Hazard ratio, Proportional hazards model, Survival analysis (основополагающие определения).
• BMJ / серия The BMJ Statistics Notes — Douglas Altman и J. Martin Bland — простые объяснения отношений рисков, кривых выживаемости и абсолютного и относительного риска.
• David Spiegelhalter — The Art of Statistics: Learning from Data (Pelican, 2019) — о честной передаче относительного и абсолютного риска.
• Gerd Gigerenzer et al. — Helping Doctors and Patients Make Sense of Health Statistics (Psychological Science in the Public Interest, 2007) — о том, почему относительные цифры вводят в заблуждение.
• Cochrane — Handbook for Systematic Reviews of Interventions — об интерпретации мер эффекта.
• dynomight — эссе об отношениях рисков и ожидаемой продолжительности жизни (dynomight.net) — интуиция «русской рулетки» о том, почему относительные снижения не равны годам жизни и почему вмешательства имеют разные отношения рисков в разном возрасте.
• Equator Network — руководство по отчётности CONSORT — о том, как следует сообщать об эффектах испытаний, включая исходы «время до события».

Ссылки#

1. Hazard ratio — Wikipedia — https://en.wikipedia.org/wiki/Hazard_ratio
2. Proportional hazards model — Wikipedia — https://en.wikipedia.org/wiki/Proportional_hazards_model
3. Survival analysis — Wikipedia — https://en.wikipedia.org/wiki/Survival_analysis
4. Relative risk — Wikipedia — https://en.wikipedia.org/wiki/Relative_risk
5. Odds ratio — Wikipedia — https://en.wikipedia.org/wiki/Odds_ratio
6. Risk difference (absolute risk reduction) — Wikipedia — https://en.wikipedia.org/wiki/Risk_difference
7. Number needed to treat — Wikipedia — https://en.wikipedia.org/wiki/Number_needed_to_treat
8. Censoring (statistics) — Wikipedia — https://en.wikipedia.org/wiki/Censoring_(statistics)
9. Kaplan–Meier estimator — Wikipedia — https://en.wikipedia.org/wiki/Kaplan%E2%80%93Meier_estimator
10. Confounding — Wikipedia — https://en.wikipedia.org/wiki/Confounding
11. Life expectancy — Wikipedia — https://en.wikipedia.org/wiki/Life_expectancy
12. Statistical significance — Wikipedia — https://en.wikipedia.org/wiki/Statistical_significance
13. The Art of Statistics: Learning from Data — David Spiegelhalter, Pelican — https://www.penguin.co.uk/books/294857/the-art-of-statistics-by-spiegelhalter-david/9780241398630
14. Helping Doctors and Patients Make Sense of Health Statistics — Gerd Gigerenzer et al., Psychological Science in the Public Interest — https://doi.org/10.1111/j.1539-6053.2008.00033.x
15. Statistics Notes (survival and risk) — Douglas Altman & J. Martin Bland, The BMJ — https://www.bmj.com/specialties/statistics-notes
16. Cochrane Handbook for Systematic Reviews of Interventions — Cochrane — https://training.cochrane.org/handbook
17. Hazard ratios and life expectancy — dynomight — https://dynomight.net/
18. CONSORT reporting guideline — Equator Network — https://www.equator-network.org/reporting-guidelines/consort/