35-2. Анализ подгрупп

В понедельник мы говорили о множественных сравнениях. Анализ подгрупп (subgroup analysis) – их частный и самый соблазнительный случай: общий эффект лечения дробят по признакам пациентов (полу, возрасту, тяжести заболевания) и смотрят, у кого препарат сработал, а у кого нет.

Соблазн понятен: хочется знать, кому именно помогает лечение. Но здесь действует та же логика, что и в понедельник. Чем на большее число подгрупп мы дробим выборку, тем меньше пациентов остаётся в каждой и тем менее устойчива оценка эффекта внутри неё; одновременно растёт число сравнений, а с ним – и вероятность, что хотя бы в одной подгруппе различие возникнет по чистой случайности. Поэтому подгруппа, в которой препарат «сработал особенно хорошо» или, напротив, «не сработал вовсе», как правило, отражает не биологию пациента, а малый размер подгруппы и множественность сравнений.

Достаточно наглядно это показали авторы исследования ISIS-2 (1988). Они разделили пациентов по знаку зодиака, и оказалось, что аспирин после инфаркта достоверно снижал смертность в целом, но у родившихся под знаками Весов и Близнецов «не работал» 🙂. Результат заведомо абсурден и показывает, как легко деление на подгруппы порождает бессмыслицу. Лучшая оценка эффекта в конкретной подгруппе – это, как правило, общий результат исследования, а не то, что получилось в ней самой.

Отличить надёжную подгруппу от случайной находки помогают три условия. Во-первых, гипотеза о различии должна быть заявлена заранее, до сбора данных, а не найдена задним числом при переборе вариантов. Во-вторых, различие должно подтверждаться специальным тестом на взаимодействие (test for interaction), а не простым сравнением p-значений внутри каждой подгруппы. В-третьих, различие должно быть биологически правдоподобным.

При чтении статьи относитесь к выводам по подгруппам как к гипотезе для будущего исследования, а не как к основанию менять лечение. Если главный вывод работы держится на одной подгруппе, тем более не заявленной заранее, это повод для скепсиса. В пятницу разберём, как сам способ отбора пациентов в анализ меняет результат.