Post #73

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