Bilimsel Araştırma
Yayın Tarihi: 18 Eylül 2026
Son Güncelleme: 22 Eylül 2026

Randomize Klinik Çalışmalarda Genelleştirilmiş Eşli Karşılaştırmalar İçin Kayıp Veri Stratejilerinin Karşılaştırılması: Bir Simülasyon Çalışması

Önemli Tıbbi Uyarı: Bu içerik sadece bilimsel bilgilendirme amaçlıdır; kesinlikle doktor tavsiyesi yerine geçmez. Lütfen uzman bir hekime danışmadan herhangi bir ilaç veya tedavi yöntemi uygulamayınız.
Doğrulanmış Kaynak Statistics in medicine Orijinal Kaynak
Tier 1
Tier 1 - Resmi / Akademik Kaynak
Doğrudan PubMed gibi akademik veri tabanlarından veya hakemli tıp dergilerinden gelen makaleler.

Hasta ve Yakınları İçin Anlatım

Bu araştırma, klinik çalışmalarda hastaların verilerinde eksiklikler olduğunda sonuçların doğru analiz edilmesi için kullanılan farklı yöntemleri incelemektedir. Araştırmada, hastaların yaşam süresi ve zaman içindeki sağlık durumlarını birleştiren ölçütler, amyotrofik lateral skleroz hastalığının seyrine benzer şekilde simüle edilmiştir. Yedi farklı eksik veri yöntemi test edilmiştir. Eğer veriler tedaviTedaviBir hastalığı veya yaralanmayı iyileştirmek için uygulanan tıbbi müdahale. grupları arasında dengeli kaybolduysa tüm yöntemler güvenli çalışmıştır. Ancak gruplar arasında veri kaybı dengesiz olduğunda bazı yöntemler yanıltıcı sonuçlar (yüksek hata payı) üretebilmiştir. Sadece 'son ortak ziyaret' yöntemi her koşulda hata oranını düşük ve tutarlı tutabilmiştir. Çoklu veri tamamlama yöntemleri ise gücü kısmen artırsa da dengesiz kayıplarda hata oranını yükseltebilmiştir.

Doktor Özeti: Bu çalışma, randomizeRandomizeKatılımcıların tedavi gruplarına şans eseri (rastgele) atanması yöntemi. klinik çalışmalarda genel sağkalım ve longitudinal (boylamsal)Longitudinal (Boylamsal)Bir olgunun veya hasta grubunun belirli bir zaman dilimi boyunca tekrarlanan ölçümlerle takip edildiği araştırma yöntemi. bir sonlanım noktasını birleştiren hiyerarşik bileşik sonlanım noktalarının performansını, eksik veri ve sansürleme durumlarında değerlendiren bir simülasyon çalışmasıdır. Amyotrofik lateral sklerozun (ALSALSBeyin ve omurilikteki motor sinir hücrelerinin kaybıyla karakterize, kas erimesi ve güç kaybına yol açan ilerleyici bir nörodejeneratif hastalık.) doğal seyri temel alınarak üretilen verilere yedi farklı eksik veri stratejisi uygulanmıştır. Çalışma bulgularına göre; sansürleme ve eksik veri oranı kollar arasında dengeli olduğunda tüm yöntemler yansızdır (unbiased) ve nominal Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi.yı korumuştur. Ancak dengesizlik durumunda Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi. oranı bazı stratejilerde 0.378'e kadar yükselmiştir. 'Son ortak ziyaret' (last common visit) stratejisi, nominal hata oranlarını tutarlı bir şekilde koruyan tek yaklaşım olmuştur. Çoklu atamaÇoklu atamaEksik verilerin birden fazla kez tahmin edilerek doldurulması yöntemi. (multiple imputation) yöntemi, istatistiksel gücü kısmen geri kazandırıp yanlılığı azaltsa da, diferansiyel attrition (kollar arası kayıp) senaryolarında Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi. oranını artırmıştır.

Önemli Bulgular: Genelleştirilmiş ikili karşılaştırmalarGenelleştirilmiş ikili karşılaştırmalarRandomize klinik çalışmalarda giderek daha fazla kullanılan karşılaştırma yöntemi. randomizeRandomizeKatılımcıların tedavi gruplarına şans eseri (rastgele) atanması yöntemi. klinik çalışmalarda giderek daha fazla kullanılmaktadır. Veri eksikliği ve sansürleme kollar arasında dengeliyken tüm yöntemler yansızdır ve nominal Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi.yı korur. Kollar arası dengesizlik durumunda Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi. oranı bazı stratejilerde 0.378'e kadar çıkmaktadır. Son ortak ziyaret stratejisi, nominal hata oranlarını tutarlı bir şekilde koruyan tek yaklaşımdır. Çoklu atamaÇoklu atamaEksik verilerin birden fazla kez tahmin edilerek doldurulması yöntemi. (multiple imputation) gücü kısmen geri kazandırır ve yanlılığı azaltır, ancak diferansiyel attrition durumunda Tip I hataTip I Hataİstatistiksel analizlerde, aslında doğru olan bir boş hipotezin (etki yok hipotezi) yanlışlıkla reddedilmesi.yı artırır.

Kayıt Bilgileri

PMID / DOI

42751965 | 10.1002/sim.70737

Dergi

Statistics in medicine

* Yasal Uyarı: Bu sayfadaki bilgiler bilimsel veri tabanlarından otomatik olarak çekilmekte ve AI tarafından özetlenmektedir. Bu bilgiler kesinlikle tıbbi tavsiye niteliği taşımaz. Tedavi planlamanız için mutlaka bir uzman tıp doktoruna başvurunuz.