Léčba CML imatinibem

Kurz Biostatistika

• Předmět: E5046 Biostatistika pro matematickou biologii a biomedicínu
• Lektor: Tomáš Pavlík ([email protected])

Přínos kurzu

• Orientace v principech biostatistiky, plánování a hodnocení experimentů.
• Orientace v biostatistických metodách, jejich výpočetní podstatě a předpokladech.
• Schopnost aplikace metod při řešení reálných problémů v biologii a medicíně a interpretace výsledků.
• Schopnost statistického uvažování nad reálným problémem.
• Příprava pro pokročilejší kurzy statistiky a aplikovaných analýz dat.
• Slouží jako propojení základní biostatistiky s pravdepodobností a statistikou.

Požadavky ke zkoušce

• Zkouška je písemná (60 bodů) a ústní (10 bodů).
• Dva krátké testy (každý 15 bodů) během semestru.
• Možnost vypracovat projekt (20 bodů navíc) během semestru.
• Zkouška vychází z přednášek a skript.

Literatura

• Česky:
  • Zvárová J (2001) Základy statistiky pro biomedicínské obory, Karolinum, Praha.
  • Zvára K (2006) Biostatistika, Karolinum, Praha.
• Anglicky:
  • Altman DG (1991) Practical statistics for medical research, Chapman&Hall/CRC, London.
  • Zar JH (1999) Biostatistical analysis, Prentice-Hall, New Jersey.
• Skripta: https://www.matematickabiologie.cz/studenti
• Web: https://portal.matematickabiologie.cz/

Přednáška I: Úvod do biostatistiky

• Motivační příklady
• Co je biostatistika a čím se zabývá
• Klíčové principy biostatistiky

1. Příklady použití biostatistiky

• Detailní informace chybí, přednáška/text se zaměřuje na dále popsané aspekty.

1. Modelování odpovědi pacientů s CML na léčbu TKI

• Hlavní cíl studie: identifikovat charakteristiky pacientů s CML asociované s prodlouženou dobou k dosažení kompletní cytogenetické odpovědi (CCgR) nebo hlavní molekulové odpovědi (MMR) na léčbu imatinibem.
• Získané charakteristiky nasvědčují zvýšenému riziku progrese onemocnění.

1. Modelování CML – výběr proměnných modelu

• Pokračování analýzy s cílem identifikovat korelované prognostické faktory.
• Získaná data kategorizována do shlukových analýz a vícerozměrných technik.

1. Modelování CML – regresní diagnostika

• Regresní diagnostika použita pro zhodnocení modelu pro data.
• Filtrací outlierů bylo získáno 192 pacientů.

1. Modelování CML – výsledný model

• Hazardové poměry definované konečným modelem po dosažení cytogenetické nebo molekulové odpovědi na léčbu imatinibem v chronické fázi CML.
• Data z roku 2000-2004.
• Použité faktory: pohlaví, hemoglobin, skóre Sokal, klinické centrum.

2. Hodnocení distribuce a dostupnosti zdravotní péče

• Resekce prsního nádoru, data za 2017 a 2017.
• Lokace nemocnic podle počtu hospitalizací.
• Analýza distribuce a dostupnosti zdravotní péče.

2. Hodnocení distribuce a dostupnosti zdravotní péče

• Detailní informace o resěkci prsu 2017
• Kategorizace pacientů s resěkcí prsu (počet hospitalizací v daných nemocnicích).

2. Hodnocení distribuce a dostupnosti zdravotní péče

• Resekce prsu s a bez rekonstrukce prsu.

2. Hodnocení distribuce a dostupnosti zdravotní péče

• Detailní informace k 100 000 obyvatel.
• Rozhodnutí a výsledek dle různých kategorií novorozenců (hmotnost).

3. Vícestavový model pro CML

• Model s diagnózou a zahájením léčby imatinibem, dosažením kompletní cytogenetické odpovědi (CCgR), úmrtím a ztrátou CCgR.

3. Vícestavový model pro CML

• CCI (Current Cumulative Incidence) a CLFS (Current Leukaemia-Free Survival).
• Analýza přežití a absence leukémie.
• Obecný kumulativní výskyt (Common Cumulative Incidence) a leukaemie-free přežívání (Leukaemia-Free Survival).
• Predikce pravděpodobnosti přežití a remisí.

4. Hodnocení bezpečnosti inzulinového analoga u diabetiků

• Hemkens a kol. (2009) zaznamenali srovnání inzulinového analogon s humánním inzulínem. Zjistili vyšší riziko zhoubných nádorů při užívání inzulínu glargin.

4. Observační studie

• Charakteristika a výhody - srovnání s randomizovanými studiemi.
• Omezení, výpočetní metody a klinická doporučení.
• Observační analýza, která nemusí být přímo příčinou.
• Observační data mohou být zkreslená.

4. Problémy hodnocení

• Adjustace dávkování inzulinu (neodpovídá standardům).
• Délka sledování.
• Vyloučení pacientů s kombinovanou terapií.

4. Problémy hodnocení

• Závěr: Studie Hemkens a kol. (2009) není statisticky korektní a výsledky nejsou interpretovatelné.
• Důležité: nekorektní selekce pacientů.

Další příklady použití biostatistiky

• Modelování demografické struktury.
• Hodnocení screeningových programů v onkologii.
• Identifikace vlivu genetických a vnějších faktorů na onemocnění (astma, diabetes, hypertenze).
• Identifikace podskupin pacientů.
• Prostorové modelování koncentrací látek v půdě.
• Prediktivní modelování rozšíření ekosystémů.
• Analýza interakcí mezi dávkami, toxickými látkami a biologickými receptory.

2. O čem ta biostatistika vlastně je?

• Aplikace statistických metod pro řešení biologických a klinických problémů.
• Získaní relevantní informace z pozorovaných dat.
• Zaměření na pozorovanou variabilitu mezi subjekty.
• Aplikací pro daný problém, ne teoretická cvičení.

3. Klíčové aspekty biostatistiky

• Popis cílové populace - zahrnuje odhady charakteristik cílové populace.
• Kvantifikace změn a spolehlivost výsledků.
• Statistické metody a srovnání skupin.
• Získání relevantních dat.
• Důležité: Interpretace výsledků, srovnatelnost skupiny.
• Predikce.
• Klasifikace nových pozorování.
• Biostatistika Ize najít v celém procesu analýzy dat.
• Klíčové aspekty statistických odhadů - významnost.

Ostatní aspekty

• Klíčové aspekty - reprezentativnost.
• Klíčové aspekty - srovnatelnost.
• Klíčové aspekty - spolehlivost.
• Vliv zkreslení.
• Úloha statistické významnosti.