NON-INFERIORITY – lika bra, inte sämre eller minst lika bra?
NON-INFERIORITY – lika bra, inte sämre eller minst lika bra?
Hur kan det vara så att vi är villiga att acceptera att något är lite sämre, men så lite att det räknas som likvärdigt och att resultaten sedan lämnar utrymme för att det faktiskt kan vara lite bättre? Förklaringen ges i denna artikel av Anna Törner, statistiker och verkställande direktör i Scandinavian Development Services.
Non-inferiority handlar om att i förväg sätta upp en marginal för hur mycket sämre effekt vi kan tänka oss att acceptera och ändå anse att det nya läkemedlet är kliniskt likvärdigt med jämförande behandling. Non-inferiority handlar alltså egentligen inte så mycket om statistik utan om hur stora skillnader i effekt som har klinisk icke-relevans. Konkret exempel! Låt oss börja med ett analogt exempel från icke-läkemedelsvärlden, för att göra det riktigt enkelt. Jag och min kompis Pia i Big Pharma funderar på vem som egentligen är bäst tränad (vetenskaplig hypotes). Vi bestämmer oss för att avgöra detta med en löptur i Markaspåret Örebro (endpoint). Jag är lite slug, Pia är både yngre och mer vältränad, jag föreslår snabbt att om jag kommer mindre än en minut efter henne (non-inferiority-marginal) så borde det räknas som att vi är lika snabba. Jag vill alltså redan från början gardera mig eftersom jag tvivlar på att jag kan slå henne. Pia har ju gått en del statistikkurser så hon säger snabbt att en enda löptur är ju väldigt lite att basera en slutsats på, vi borde springa 10 gånger var (sample size). Sagt och gjort, vi springer 10 rundor var. Och visst är Pia lite snabbare, i genomsnitt en halvminut snabbare (punktestimat). Om vi tar utgångspunkt i punktestimatet så har jag klarat kraven på non-inferiority – jag var bara en halv minut långsammare i genomsnitt, inte en minut som var vår definierade noninferiority- marginal. Hurra! Men Pia rådfrågar sin kollega Jonas som snabbt påpekar att de 10 löpturerna bara är ett urval av alla de hundratals gånger (tänk: patienter) vi skulle kunna springa (behandla) och om vi vill göra en skattning av den sanna skillnaden i hur fort vi kan springa (effekt) så borde vi beräkna ett konfidensintervall för den genomsnittliga skillnaden. Sagt och gjort: konfidensintervallet beräknas till [–2 min: 1 min]. Den statistikkunnige ser här genast två möjliga tolkningar:
