Электронный скрининг и краткое вмешательство в отношении опасного и вредного употребления алкоголя среди студентов шведских университетов: повторный анализ результатов рандомизированного контролируемого исследования с использованием байесовской структуры
АБСТРАКТНЫЙ
Актуальность: В связи с возрождающимися дебатами о неправильном использовании значений P в Journal of Medical Internet Research публикуется постоянный тематический выпуск, предлагающий повторный анализ данных испытаний (в первую очередь цифрового здравоохранения) с использованием байесовской структуры. Эта первая статья в этой серии посвящена электронному скринингу и краткому вмешательству (eSBI), нацеленному на вредное и опасное потребление алкоголя, которое студенческие медицинские центры по всей Швеции регулярно проводили для всех студентов в течение последнего десятилетия. Второе исследование по оценке и обратной связи с алкоголем «Эффективность демонтажа для студентов университетов» (AMADEUS-2) было направлено на оценку влияния eSBI на потребление алкоголя среди студентов , которые были вредными и опасными пьющими. Был использован дизайн рандомизированного контролируемого исследования с двумя группами, в ходе которого подходящие участники были рандомизированы либо в лист ожидания, либо в прямой доступ к eSBI. Последующие оценки проводились через 2 месяца после рандомизации. Последующий анализ исследования следовал традиционному подходу нулевой гипотезы, и не было обнаружено статистической значимости между группами при последующем наблюдении в отношении количества стандартных напитков, потребляемых еженедельно. Однако в неопределенном анализе чувствительности было обнаружено, что удаление трех потенциальных выбросов сделало разницу между группами значительной.
Цель: Целью данного исследования является повторное проведение первичного и чувствительного анализа исследования AMADEUS-2 с использованием байесовской структуры и сравнение результатов с результатами исходного анализа.
Методы: Те же регрессионные модели, которые использовались в исходном анализе, были использованы в этом повторном анализе (отрицательная биномиальная регрессия). Параметрам модели были заданы единые априоры. Цепь Маркова Монте-Карло использовалась для байесовского вывода, а апостериорные вероятности были вычислены для заранее заданных порогов интереса.
Результаты: Тесты с нулевой гипотезой не выявили статистически значимой разницы между группой вмешательства и контрольной группой, возможно, из-за нескольких экстремальных точек данных. Байесовский анализ показал 93,6% вероятность того, что существовала разница в граммах алкоголя, потребляемого при последующем наблюдении между группой вмешательства и контрольной группой, и 71,5% вероятность того, что коэффициент заболеваемости составлял <0,96. Апостериорные вероятности увеличивались при исключении трех потенциальных выбросов, однако такой анализ post hoc не был необходим, чтобы показать предпочтение в пользу предложения eSBI вредным и опасным пьющим среди студентов университетов.
Выводы: Структура нулевой гипотезы опирается на точечные оценки параметров. Таким образом, значения P могут сильно колебаться в зависимости от одной или нескольких точек данных, что ставит под сомнение ценность анализа. Байесовский анализ приводит к распределению по значениям параметров и, следовательно, менее чувствителен к выбросам и экстремальным значениям. Результаты анализа клинических испытаний вмешательств, в которых ожидаются небольшие или умеренные размеры эффекта, могут быть более надежными в байесовской структуре, что делает этот подход потенциально лучшим подходом для анализа данных цифровых исследований в области здравоохранения.
Регистрация исследования: Международный стандартный номер рандомизированного контролируемого исследования (ISRCTN) 02335307; http://www.isrctn.com/ISRCTN02335307
