Το πρόβλημα

Στα πλαίσια τυχαιοποιημένων κλινικών δοκιμών, συχνά οι επαγγελματίες υγείας καλούνται να συγκρίνουν μία νέα θεραπευτική προσέγγιση, τόσο με την ήδη υπάρχουσα, όσο και με ένα «εικονικό» φάρμακο (placebo) ως προς την αποτελεσματικότητά τους σχετικά με την βελτίωση των επιπέδων κάποιου βιοδείκτη μεταξύ δύο χρονικών στιγμών (π.χ. έναρξη μελέτης – έπειτα από 12 μήνες χορήγησης της θεραπείας). Για παράδειγμα, μία ερευνητική ομάδα επιθυμεί να αναπτύξει μία νέα θεραπευτική αγωγή για τους ασθενείς με διαβήτη τύπου ΙΙ, που θα συμβάλει στην μείωση των επιπέδων της γλυκοζυλιωμένης αιμοσφαιρίνης έπειτα από 12 μήνες χορήγησης και προκειμένου να υποστηρίξει την αναγκαιότητα και τη χρησιμότητά της για την θεραπεία των ασθενών, θα πρέπει να την συγκρίνει με την συνήθη θεραπευτική πρακτική καθώς και με ένα «εικονικό» φάρμακο, ούτως ώστε να αποδείξει την αναγκαιότητα και την υπεροχή της.

Το ζητούμενο

Υπόδειξη της πιο αποτελεσματικής θεραπευτικής αγωγής ως προς την βελτίωση των επιπέδων ενός βιοδείκτη μεταξύ δύο χρονικών στιγμών των ατόμων που συμμετέχουν σε μία κλινική δοκιμή.

Η λύση

Με τη χρήση της κατάλληλης στατιστικής μεθοδολογίας (One- way ANOVA, Kruskal- Wallis test) και έπειτα από τον απαραίτητο έλεγχο των βασικών προϋποθέσεων, θα συγκριθούν οι τρείς ή περισσότερες θεραπευτικές προσεγγίσεις που θα εισάγει ο χρήστης στην εφαρμογή ως προς την βελτίωση ενός βιοδείκτη μεταξύ δύο χρονικών στιγμών των ατόμων, και θα αναγνωριστεί η πιο αποτελεσματική θεραπεία.

Το όφελος

Οι επαγγελματίες υγείας, θα μπορούν εύκολα, γρήγορα και χωρίς να διαθέτουν κάποιο ιδιαίτερο επίπεδο γνώσης στατιστικής, να συγκρίνουν τρείς ή περισσότερες θεραπευτικές προσεγγίσεις που επιθυμούν ως προς την βελτίωση ενός βιοδείκτη μεταξύ δύο χρονικών στιγμών των ατόμων που συμμετέχουν στην μελέτη τους, και έτσι να καταλήξουν στο συμπέρασμα σχετικά με το ποια θεραπεία είναι πιο αποτελεσματική.