De Betekenis van Significant in MS Studies

Wat betekent "significant"? In een klinisch onderzoek naar de veiligheid en effectiviteit van een medicijn is de bevinding dat de resulterende gegevens (informatie) "statistisch significant" zijn een wetenschappelijke manier om te zeggen dat het resultaat waarschijnlijk niet toevallig is gebeurd. Daarom is het resultaat waarschijnlijk te wijten aan de effecten van de medicatie die werd onderzocht. 

P-waarden begrijpen

Natuurlijk, tot die conclusie komen is niet zo eenvoudig als het klinkt. Onderzoekers gebruiken meestal een bekende en betrouwbare statistische methode om de resultaten van studie te bestuderen en te evalueren. Het wordt de 'p-waarde' genoemd en het meet de kans dat de resultaten van een studie toevallig zijn gebeurd. 
De p-waarde geeft een percentage van die kans, op basis van statistische tests van de studieresultaten. Dus als een p-waarde 0,01 is, is er een kans van 1% dat het resultaat te wijten was aan toeval en een kans van 99% dat het niet-dat was, in plaats daarvan was het te wijten aan het effect van het medicijn.
De meest gebruikelijke cut-off voor p-waarden is 0,05 - dat wil zeggen, als een p-waarde 0,06 is, dan wordt het beschouwd als niet statistisch significant. Aan de andere kant, als een p-waarde 0.04 is, dan is het resultaat is statistisch significant.

Wat is de "nulhypothese"?

U weet misschien dat het woord "nul" geassocieerd is met "nul". Bij dit type statistische metingen veronderstellen onderzoekers dat er geen verschil is tussen bijvoorbeeld een nieuw medicijn en een ouder medicijn. Dit lijkt misschien vreemd, omdat ze willen weten of de nieuwe is beter dan de oudere. Maar het werkt. Hier is hoe:
Laten we zeggen dat een onderzoek inderdaad is opgezet om te zien of een nieuw medicijn beter is dan een ouder medicijn. De nulhypothese wordt vermeld als: "Er is geen verschil in het effect (resultaat van de patiënt) tussen nieuw medicijn X en ouder medicijn Y." Een p-waarde van 0,04 vertaalt zich dan in: Op basis van de studiegegevens is er een kans van 4% dat er geen verschil is tussen de twee medicijnen. Dat betekent natuurlijk dat daar 96% kans is is een verschil tussen hen.

Wat betekent "significant"? Een real-life voorbeeld

Om een ​​echt voorbeeld te gebruiken, laten we eens kijken naar de REGARD-studie van mensen met multiple sclerose (MS). Deze studie vergeleek de medicatie Copaxone met Rebif.
Eén uitkomst (resultaat) die werd bestudeerd, was de hoeveelheid tijd die verstreek voordat de eerste MS van patiënten na 96 weken medicatie terugvalt. (De onderzoekstermijn hiervoor is "tijd tot eerste terugval.") De p-waarde voor dit verschil was p = 0,64, wat betekent dat, omdat de p-waarde hoger was dan 0,05, er geen statistisch significant verschil was tussen de tijden tot de eerste terugval bij patiënten op beide medicijnen. Anders gezegd, er was een kans van 64% dat er geen statistisch significant verschil was.
Een andere uitkomst was echter het aantal actieve laesies dat op MRI-scans van de twee groepen werd waargenomen. Het bleek dat de deelnemers aan de studie die met Rebif werden behandeld een gemiddelde van 0,24 MS-laesies per scan hadden, terwijl degenen die Copaxone namen een gemiddelde van 0,41 laesies per scan hadden. In dit geval was p = 0,0002, wat betekent dat dit een statistisch significante bevinding was.

Wat betekent "significant" voor individuele patiënten en hun artsen?

Het is belangrijk om in gedachten te houden dat "statistisch significant" niet noodzakelijkerwijs betekent dat iets klinisch significant of zinvol is voor individuen. Het verschil in het aantal actieve MS-laesies in het hierboven besproken onderzoek is bijvoorbeeld klein, hoewel het statistisch significant is. Dus het zou waarschijnlijk niet de hoofdreden zijn dat een arts één van de medicijnen boven de andere kiest. De arts kan andere factoren meer gewicht geven in de behandelingsbeslissing. Bijvoorbeeld de bijwerkingen, kosten en injectiefrequentie van de medicijnen.

Dingen om in gedachten te houden bij het bekijken van een klinisch onderzoeksrapport

Zoals u wellicht vermoedt, zijn er veel meer factoren (bijvoorbeeld hoeveel deelnemers worden bestudeerd of hoe de resultaten worden gemeten) die van invloed kunnen zijn op de uiteindelijke p-waardieresultaten van een klinisch onderzoek. Niettemin, weten wat p-waarden betekenen, is een enorm voordeel om te begrijpen wat de informatie uit een klinische studie betekent voor onderzoekers, artsen en patiënten.
Lees in ieder geval de samenvatting (korte samenvatting) van de studie. Het kan meer informatie geven over een medicijn dan je kunt krijgen van een blurb in één regel in een marketingartikel of een brochure.