ТРЕТИЙ НЕ ЛИШНИЙ
⠀
Иногда некоторые врачи пытаются найти преимущества от лечения в подгруппах пациентах. И если оно выявляется в определенной популяции, то что это? Случайная ошибка? Конфаудинг? Множественные сравнения? Или эффект взаимодействия? 🤷🏻‍♂️
Познакомимся с последним поближе👇🏻
⠀
❗Эффект взаимодействия (interaction) возникает, когда эффект от лечения зависит от другого фактора❗
⠀
Например, тестируется новый препарат Х 💊 против плацебо от артериальной гипертензии. В общей популяции Х снижает САД на 10 мм рт ст📉. А затем обнаружили, что у мужчин ♂️ он снижает на 18, а у женщин♀️ на 7 мм рт ст. (будем считать, что мощность КИ достаточная)
Вроде все очевидно. Ведь так...?
⠀
В целом, по эффекту взаимодействия можно выделить 4 ситуации (рис. в карусели)
🔸1 - взаимодействия нет (САД снижается одинаково у М и Ж)
🔸2 и 3 - количественное взаимодействие, эффект лечения не меняет направление (2 - лучше снижает у М, 3 - у Ж)
🔸4 - качественное (перекрестное) взаимодействие (у Ж лучше плацебо, у М - лечение)
⠀
Итак, если мы предполагаем, что взаимодействие есть, то надо его оценить. Наиболее часто для этого используется регрессионный анализ.
Если максимально просто (❗), то надо посмотреть как влияют факторы, когда они независимые (X - лечение, S - пол):
⠀
y = b0 + b1X + b2S
⠀
А затем, когда есть взаимодействие:
⠀
y = b0 + b1X + b2S + b3XS
⠀
Таким образом, мы сможем узнать степень влияния на результат без и с эффектом взаимодействия, а также значим ли он 🙀
⠀
🟢Это может быть полезно, когда выявляется гетерогенность в подгруппах или между центрами, также при исследовании некоторых механизмов действия ЛС и используется в факториальном дизайне.
⠀
🔴Однако стоит помнить, что изучение эффекта взаимодействия проводится после сбора данных с использованием специальных статистических методов. А результаты следует трактовать с осторожностью и (желательно) в исследовательских целях⚠️

#ebm_нюансы