How to Design Impactful Health Outcomes Research Studies for Analysis

Jacob vanhouten, clinical data analyst and biostatistics consultant bij Kolabtree, geeft toptips over het ontwerpen van impactful health outcomes research voor analyse.

als u in de medische sector bent en in de afgelopen twee decennia onderzoek hebt gelezen, gedaan of zelfs overwogen, is het waarschijnlijk dat u bekend bent met het concept van outcomes research. In een notendop, outcomes research is een gebied waar het doel van de studie is een definieerbare gezondheid resultaat, die Ik zal later voorbeelden van geven, en wat wordt gemeten zijn de effecten die verschillende delen van de totale workflow hebben op die resultaten. Aangezien het punt van dergelijke studies is om te bepalen welke factoren de resultaten van belang beïnvloeden, zijn veel verschillende experimentele en observationele studieontwerpen goed geschikt voor deze taak, met inbegrip van klassieke epidemiologische studies zoals:

• gerandomiseerde gecontroleerde studies,
• transversale studies,
• cohortstudies,
• systematische reviews/meta-analyses, of
• methodologieën voor kwaliteitsverbetering.

waarom zelfs resultaten onderzoek doen?

er zijn vele, vele redenen om onderzoek naar de resultaten te doen, en een opsomming van alle resultaten zou veel verder gaan dan wat in dit artikel mogelijk zou zijn. In een super-kleine notendop, outcomes onderzoek als het van toepassing is op het gebied van de biogeneeskunde is voornamelijk gericht op het verbeteren van de prestaties van een taak binnen genoemd gebied. Als beroemde management consultant Peter Drucker wordt gecrediteerd met te zeggen, ” Je kunt niet beheren wat je niet kunt meten.”Met andere woorden, je kunt de naald niet “verplaatsen” na verbetering zonder te weten waar hij in de eerste plaats wijst. Bovendien kan een dergelijke meting leiden tot

• kwaliteitsverbetering,
• lagere kosten voor gezondheidszorg,
• verbeterde efficiëntie van diagnose en behandeling, en
• patiëntervaring.

en wie wil niet de beste resultaten voor zijn patiënten? Het is misschien wel de gezondheidszorg primaire onderzoek noodzakelijk om voortdurend te meten voor verbetering, en uitkomsten onderzoek is een krachtige set van tools waarmee om er te komen.

hoe te denken over resultatenonderzoek als een statisticus

wanneer men denkt aan het starten van een onderzoek, is misschien het eerste wat men moet weten “wat wilt u weten?”Ben je meer geïnteresseerd in het systeem en de efficiëntie, of in de immateriële kwaliteit van leven metingen zoals bepaald door de patiënten? Bent u geïnteresseerd in het maken van zorg meer betaalbaar, rechtvaardig, en toegankelijk voor patiënten, of is uw zorg de winstgevendheid van een praktijk? Enkele belangrijke vragen zijn::

• Wat is de uitkomst van rente,
• wie zijn de relevante belanghebbenden,
• hoe wordt de uitkomst van rente het best weergegeven, en
• Hoe kan ik de gegevens krijgen die ik nodig heb om mijn vragen te beantwoorden?

soorten resultaten

een van de sterke punten van resultatenonderzoek is het vermogen om veel verschillende resultaten en hun relatieve verdiensten in aanmerking te nemen, evenals vanuit veel verschillende standpunten (meer hierover hieronder). In feite zijn sommige resultaten onderzoeksconstructies, zoals de kwaliteit Aangepaste levensjaren, speciaal ontworpen om de vergelijking van verschillende resultaten te maken. Resultaten die van verschillende types kunnen worden vergeleken door omzetting van een resultaat in een equivalent (dat wil zeggen, hoeveelheid geld die men zou moeten ontvangen om op te geven een nacht van slaap) resultaat dat is meer direct vergelijkbaar.

wat maakt het uit?

bij het nadenken over de bovenstaande resultaten om te meten, zou de eerste vraag misschien moeten zijn: “who cares?”. En dit is niet zomaar bedoeld. Oprecht, wie is het die geeft om deze uitkomst. De patiënten? De verzorgers? Verzekeraars, gezondheidszorg? Het is niet onredelijk om voor te stellen dat een patiënt en een ziekenhuis de uitkomst van de tevredenheid van de patiënt heel anders waarderen, hoewel het voor beide belangrijk is. Om adequaat rekening te houden met de resultaten die u wilt meten, moet u overwegen wiens perspectief(s) het beste zijn om te evalueren. Duidelijk identificeren aan het begin van een analytisch plan het perspectief van waaruit u de uitkomsten zal beschouwen beschermt tegen zowel verwarring en post hoc data manipulatie, al dan niet toevallig. Hoewel een uitgebreide lijst van potentiële resultaten van belang buiten het toepassingsgebied van dit artikel valt, wordt in de volgende tabel een aantal van de meest gebruikte categorieën van resultaten belicht.

veelgebruikte categorieën van resultaten

gegevenstypen

naast het soort resultaten waarin u geà nteresseerd bent, is het de moeite waard na te denken over de manier waarop u gegevens ziet, met name in termen van gegevenstypen.

gegevens zijn er in twee hoofdvormen: numeriek en categorisch.

numerieke gegevens

numeriek is precies zoals het klinkt; de gemeten variabele is kwantitatief, zijnde van het type integer, dat de gehele getallen zijn, en drijft, dat alle getallen zijn met een niet-geheel getaldeel.

voorbeelden van gehele getallen zijn onder meer het aantal baby ‘ s dat in een ziekenhuis is bevallen, de resultaten van een Likert-schaalvragenlijst over de tevredenheid van de patiënt, of het aantal minuten dat tijdens een operatie is ingenomen, evenals vele, vele anderen.

categorische gegevens

categorische gegevens zijn gegevens die slechts bepaalde specifieke waarden kunnen aannemen. Sommige gegevenspunten zijn categorisch en dichotoom, wat betekent dat de variabele één en slechts één van twee mogelijke uitkomsten kan nemen. Bijvoorbeeld, een gloeilamp kan ofwel worden uitgeschakeld, of aan, maar het zal een van die opties, en niet de andere. Soms zijn er meer dan twee categorieën, en dit definieert een nominale variabele. Nominale variabelen hebben meerdere verschillende mogelijke waarden, maar geen natuurlijke volgorde onder hen; een voorbeeld zou kunnen zijn bloemsoorten, waarbij de plant kan een roos, tulp, madeliefje, zonnebloem, enz. Ten slotte worden categorische variabelen die wel een natuurlijke ordening hebben, maar nog steeds beperkt zijn tot specifieke uitkomsten, ordinaal genoemd.

een voorbeeld van dit type variabele kan een categorische representatie van patiënttevredenheid zijn: ontevreden, enigszins tevreden, tevreden, zeer tevreden. Zelfs degenen die er is een beperkt universum van mogelijke uitkomsten, deze niveaus hebben een natuurlijke ordening tussen elkaar.

de reden waarom het zo belangrijk is om op de hoogte te zijn van outcome types en data types is omdat u grotendeels zelf zal beslissen hoe u de data modelleert, wat op zijn beurt zal bepalen welke soorten analyses mogelijk zijn. Als u het aantal chirurgische operaties in uw ziekenhuis per dag wilt weten, kunt u het werkelijke gehele getal (1,2,3,enz.) gebruiken, of u kunt ze factoriseren in hoog, gemiddeld en laag volume dagen. Op het einde, de manier waarop u ervoor kiest om de gegevens te vertegenwoordigen onthult aan degenen die het lezen van uw werk hoe u de wereld te zien, evenals waarom u de beslissingen die u hebt gemaakt. Zij zijn het misschien niet met u eens, of kunnen uw gegevens reproduceren, maar als u geen ruimte laat voor dubbelzinnigheid, is er geen twijfel over de waarheid van uw bevindingen.

waar komen uw gegevens vandaan? Gaat u ze verzamelen of verkrijgen van een andere bron? Als u de gegevens zelf registreert, is het aan u om te beslissen wat u wel en wat u niet opneemt, wat van invloed is op de beschikbare analyse-opties. Als u niet van plan bent om het zelf te verzamelen, hoe is de dataset momenteel opgeslagen (gegevenstype, locatie, enz.)? En heel belangrijk: het proces kennen en begrijpen waarmee de gegevens worden geproduceerd en verzameld. Misverstanden over deze kwesties kunnen leiden tot onderzoek dat de beoogde vraag niet beantwoordt.

Bonustip: waarom het inhuren van een statisticus uw studie zou kunnen redden

ik ben geen auto-Man. Als de mijne regelmatig werk of een specifieke reparatie nodig heeft, ben ik de eerste die het naar de winkel brengt. Waarom? Omdat ik weet dat ik niet de vaardigheden heb om het werk te doen. Ook zal niet iedereen zijn eigen statistieken opstellen, hetzij omdat hij niet over de vereiste opleiding beschikt, hetzij omdat hij ervoor kiest zijn inspanningen elders te zetten. Met dat in gedachten, degenen die nog steeds willen resultaten onderzoek te doen, maar niet willen verantwoordelijk zijn voor hun eigen analyse moeten overwegen het inhuren van een freelance statisticus, de wil van die u gemakkelijk kunt vinden op Kolabtree.

als u ervoor kiest om met een statisticus te werken, doe uzelf dan een plezier en betrek hen eerder dan later erbij. Zoals de beroemde (indien niet vriendelijk herinnerd) statisticus R. A. Fisher wordt geciteerd, ” om de statisticus te raadplegen nadat een experiment is voltooid is vaak alleen maar om hem te vragen om een post-mortem onderzoek uit te voeren. Hij kan misschien zeggen waar het experiment aan gestorven is.”

dit is absoluut waar, in die zin dat zodra een experiment is uitgevoerd, en de verzamelde gegevens, zijn er een aantal analysemethoden die niet meer beschikbaar die kunnen zijn geweest als verschillende beslissingen waren genomen in eerdere stadia van het onderzoek.

naast het feit dat u geen eigen statistische analyse hoeft te maken, kunnen er ook andere materiële en immateriële voordelen zijn aan het werken met een statisticus. Bijvoorbeeld, ze waarschijnlijk door middel van hun opleiding zijn blootgesteld aan een aantal meer complexe methoden van experimentele ontwerp of analyse, en het is mogelijk dat het gebruik van een van deze in plaats van standaard methoden aanzienlijk kan besparen middelen zoals tijd, deelnemers, of geld. Er kunnen ook nieuwe ideeën op dit gebied zijn die u misschien niet kent, zoals best practices voor de reproduceerbaarheid van bevindingen of de meest up-to-date softwarepakketten voor complexe analyses. Het beste van alles, nu kan de beste tijd zijn om een uitstekende statisticus te pakken voor een koopje. Gezien de huiveringwekkende economische effecten van de pandemie, zijn individuen over alle gangen hard getroffen. Statistici getroffen door de pandemie zijn op zoek naar freelance optredens, en velen zijn bereid om ofwel kortingen te geven in ruil voor loyaliteit.

conclusie

dit is geenszins een uitputtende bespreking van outcomes research; Het moet eerder dienen als een hapklare intro voor complete beginners. Maar, zelfs voor dergelijke onderzoekers, een beetje up-front dacht over uw resultaat van belang, hoe de gegevens elementen zullen worden vertegenwoordigd, en waar u in staat om de gegevens te krijgen zal zijn kan een lange weg te gaan in de richting van ervoor te zorgen dat de uitkomsten onderzoek dat u uitvoert is zinvol en beantwoordt de vraag waarvoor u van plan bent. En vergeet niet, als je denkt dat je de analyse niet kunt of liever niet zelf wilt doen, of als je meer wilt weten over de nieuwste beschikbare analysemethoden, vergeet dan niet om te zoeken/uit te reiken naar uw statistieken collega ‘ s.

hulp nodig bij het uitvoeren van een klinische proef en het analyseren van de resultaten? Raadpleeg een klinisch onderzoek consultant op Kolabtree of werk met een freelance statistische analist.