ПОПРАВЬТЕ ВАШ ФАКТОР
⠀
Всем страшен confounding. Положительные исследования превращает в негативные, негативные в положительные, скрывает правду, путает наблюдения - как бы проще без него жилось... 🤥
⠀
Мы знаем, что есть методы позволяющие его избежать в начале КИ (рандомизация/стратификация). Но что делать, когда уже все собрано без них (post hoc)? 😱
⠀
❗Скорректированный (adjusted) анализ❗
Это включение в стат анализ факторов/характеристик/ковариант, которые могут влиять на исход➡️
⠀
Мы как бы фиксируем (либо учитываем их влияние) коварианты, чтобы скорректировать оценку эффекта🦾
⠀
⚠️Например, мы пытаемся найти причину тяжелого заболевания ТВ. Находим, что фактор 70 подходит по параметрам, и в анализе получаем р=0,04 (погранично...). Но коллега подсказал, что надо проверить модель с учётом возраста. Ведь есть ассоциация его с ТВ. Мы корректируем анализ (учитываем возраст при влиянии фактора 70 на развитие заболевания ТВ) и получаем р=0,01. Видимо, чтобы более точно предсказать ТВ, надо смотреть на возраст и Ф70 вместе! Мы благодарим коллегу и идём описывать результат🙋🏻‍♂️📑
⠀
Это может помочь более точно оценить влияние вмешательства на исход (не переоценить и недооценить), определить факторы прогнозирования, построить модель, фиксировать влияние дисбаланса⚖️
Также можно учитывать коварианты, которые являются конфаундерами!
⠀
Но для коррекции нужно обоснование:
🔸дисбаланс ковариантов
🔸рандомизация в небольших исследованиях
🔸коварианты-предикторы эффекта/исхода
🔸конфаундеры
⠀
К сожалению, выбор ковариантов часто субъективен, требует подумать, предположить (обоснованно) возможные взаимосвязи🙇🏻‍♂️
Также не всегда можно учесть все коварианты (не собраны, пропуски, не подумали о связи, не проверили и т.д.)
⠀
Основными методами коррекции являются различные виды регрессионного и ковариационный (ANCOVA) анализы📊
⠀
Недавно пришлось самому попробовать это на практике. Рассказать здесь оказалось проще, чем разобраться в полученных результатах 😵‍💫

#ebm_нюансы