IPD Course > The Vanishing
==================== モジュール 1: 消滅 (IPD が重要な理由) ===================
スライド 1.2: 集計錯覚
スライド 1.3: 隠れた異質性
スライド 1.5: 発見
スライド 1.6: リフレイン
==================== モジュール 2: 集計 VS IPD ====================
スライド 2.2: 2 つのアプローチ
スライド 2.3: 生態学的誤謬
==================== モジュール 3: CTT の啓示 (スタチン) ====================
スライド 3.2: CTT
スライド 3.3: 数字
スライド 3.4: 発見
スライド 3.5: AD が回答できなかった理由
スライド 4.2: 意思決定の枠組み
=================== モジュール 5: 1 ステージ VS 2 ステージ ====================
====================モジュール 6: コルチコステロイドのタイミングの話 ====================
スライド 6.3: IPD ソリューション
=================== モジュール 7: IPD の取得 (クエスト) ====================
スライド 7.2: クエスト
スライド 7.3: データソース
スライド 7.4: コラボレーションレター
==================== モジュール 8: データの調和 ====================
スライド 8.2: 調和の課題
スライド 8.3: プロセス
スライド 8.5: 検証ステップ
==================== モジュール 9: インタラクションのテスト ====================
==================== モジュール 10:予後と予測 ====================
スライド 10.2: 影響ストーリー
==================== モジュール 11: アスピリンのパラドックス (ATT) ====================
スライド 11.2: Netflix 賞のストーリー
スライド 11.3: ATT のコラボレーション
スライド 11.4: 暴露
スライド11.5: 意思決定ツリー
=================== モジュール 12: 血圧の解明 (BPLTTC) ====================
スライド 12.2: 議論
スライド 12.3: コラボレーション
スライド 12.4: 答え
スライド 12.5: J カーブの神話
==================== モジュール 13: 脳卒中時間ウィンドウ===================
スライド 13.2: ステークス
スライド13.3: IPD ソリューション
スライド 13.4: 時間曲線
スライド 13.6: なぜ AD はできなかったのか回答
==================== モジュール 14: IPD のデータが欠落しています====================
スライド 14.2: 3 つのタイプ
スライド 14.3: デシジョン ツリー
=================== モジュール 15: 可用性の罠 ====================
スライド 15.2: タミフルの物語
スライド 15.3: 証拠
スライド 15.4: 比較
スライド 15.5: チェックリスト
スライド 15.7: 複合アプローチ
=================== モジュール 16: クイズと参考資料====================
千人の患者
can be reduced to a single number,
そしてその数で 命がどのように消失するのか見たことがありませんか?
can be reduced to a single number,
そしてその数で 命がどのように消失するのか見たことがありませんか?
集合錯視
EVERY META-ANALYSIS YOU'VE EVER READ
A meta-analysis reports: "Treatment reduces mortality by 15%."
では、どの患者が利益を得たのでしょうか?若い人ですか、それとも老人ですか？軽症の人ですか、それとも重度の人ですか？男性ですか、女性ですか?
集計では答えられません。
平均値内では、救われた患者もいますが、被害を受けた患者もいます。
では、どの患者が利益を得たのでしょうか?若い人ですか、それとも老人ですか？軽症の人ですか、それとも重度の人ですか？男性ですか、女性ですか?
集計では答えられません。
平均値内では、救われた患者もいますが、被害を受けた患者もいます。
What Aggregates Hide
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
●
● Responders ● Non-responders
THE TRAGEDY
"Overall benefit: 30%"
But who は 30% ですか?個別のデータがなければ、応答者と非応答者を特定することはできません。 precision medicine.
But who は 30% ですか?個別のデータがなければ、応答者と非応答者を特定することはできません。 precision medicine.
Oxford, 1985
EARLY BREAST CANCER TRIALISTS' COLLABORATIVE GROUP
Richard Peto gathered something unprecedented: the raw data
on every woman in every tamoxifen trial.
要約を練習することはできません。平均ではありません。 Each patient, each tumor, each outcome.
What he discovered changed breast cancer treatment forever.
要約を練習することはできません。平均ではありません。 Each patient, each tumor, each outcome.
What he discovered changed breast cancer treatment forever.
Early Breast Cancer Trialists' Collaborative Group. Lancet 1988;2:61-72
公開された試験では次のように述べられています:
"Tamoxifen works."
But the individual data revealed:
"Tamoxifen works."
But the individual data revealed:
ER+ vs ER−
Tamoxifen only worked in estrogen receptor positive tumors
何が隠されていたのか
この相互作用を検出できるほど大規模な単一試験はありませんでした。すべての試験からの 個々の患者データ を組み合わせることによってのみ、真実が明らかになります。
Giving tamoxifen to ER− patients was useless.
Giving tamoxifen to ER− patients was useless.
「全体として、個人は消滅します。
個人では、真実が現れます。
これが、隠れた患者を探す理由です。"
個人では、真実が現れます。
これが、隠れた患者を探す理由です。"
これは個々の参加者データのメタ分析です。
What is lost when we summarize?
What is found when we look closer?
What is found when we look closer?
Two Ways to Synthesize
Aggregate Data (AD)
- Study-level summaries
- 出版物からの効果量
- Mean age, % male, etc.
- 迅速かつアクセス可能
- Cannot see within-study variation
個々の参加者データ(IPD)
- 患者レベルの生データ
- Every participant's characteristics
- Actual ages, actual outcomes
- Time-intensive to obtain
- Can see who responds and who doesn't
生態学的誤謬
集合的思考の危険性
Imagine two trials of a drug for heart failure.
Trial A: Mean age 55 years, Effect size 0.70 (benefit)
Trial B: Mean age 75 years, Effect size 0.90 (less benefit)
Tempting conclusion: "The drug works better in younger patients."
But this could be completely wrong.
Trial A: Mean age 55 years, Effect size 0.70 (benefit)
Trial B: Mean age 75 years, Effect size 0.90 (less benefit)
Tempting conclusion: "The drug works better in younger patients."
But this could be completely wrong.
The Trap
ECOLOGICAL FALLACY
各試験内で、年齢と治療効果との関係は次のようになります。 completely different 裁判間の関係から。
Perhaps in Trial A, older patients within that trial responded better. Perhaps in Trial B, younger patients within that trial responded better.
個別のデータがなければわかりません。
Perhaps in Trial A, older patients within that trial responded better. Perhaps in Trial B, younger patients within that trial responded better.
個別のデータがなければわかりません。
THE RULE
Between-study relationships ≠ Within-study relationships
Aggregate data can only show between-study patterns
What IPD Enables
1
True Effect Modification
Test whether treatment effect varies by patient characteristics (age, biomarkers, disease severity)
2
Time-to-Event Analysis
Use actual survival curves, not just hazard ratios. Handle censoring properly.
3
Consistent Definitions
Standardize outcome definitions, exposure timing, covariate categories across studies
4
Subgroup Credibility
研究内の相互作用をテストし、生態学的誤謬を回避する
「集計データは森を示します。
Individual data shows each tree.
どの木が病気になっているのかを知りたい場合は、
you must walk among them."
Individual data shows each tree.
どの木が病気になっているのかを知りたい場合は、
you must walk among them."
その方法を見たことがありませんか one collaboration
gathered data on 170,000 patients
and answered questions no single trial could ask?
gathered data on 170,000 patients
and answered questions no single trial could ask?
Oxford, 1994-Present
CHOLESTEROL TREATMENT TRIALISTS' COLLABORATION
CTT は以下から個人データを収集しました。 every major statin trial.
27 trials. 174,149 patients. Every baseline characteristic. Every cardiovascular event. Every death.
The published trials asked: "Do statins work?"
CTTは次のように尋ねました。 「スタチンは誰に効くの？」
27 trials. 174,149 patients. Every baseline characteristic. Every cardiovascular event. Every death.
The published trials asked: "Do statins work?"
CTTは次のように尋ねました。 「スタチンは誰に効くの？」
CTT Collaboration. Lancet 2010;376:1670-81
IPDの規模
27
Trials Combined
174,149
Individual Patients
5
長年にわたるデータ収集
THE INVESTMENT
IPD を収集するには、何年ものネゴシエーション、データ転送、クリーニング、調和が必要です。
しかし、あなたが答えることができる質問は、 投資する価値がある.
しかし、あなたが答えることができる質問は、 投資する価値がある.
What CTT Discovered
✓
Benefit Proportional to LDL Reduction
Every 1 mmol/L LDL reduction = 22% lower CV events. True across all subgroups.
✓
No Age Threshold
Benefit continues even in patients >75 years (contradicting earlier AD analyses)
✓
Primary Prevention Works
Patients without prior CVD benefit proportionally to their baseline risk
✗
No Cancer Signal
スタチンが癌を引き起こすという懸念はIPDの追跡調査で決定的に否定された
データの集約が失敗した理由
THE LIMITATION
Published trials categorized patients differently.
Trial A: "High risk" = 10-year CVD risk >20%
Trial B: "High risk" = Prior MI
Trial C: "High risk" = Diabetes
You cannot compare or combine what is defined differently.
IPD allowed the CTT to redefine everyone consistently.
Trial A: "High risk" = 10-year CVD risk >20%
Trial B: "High risk" = Prior MI
Trial C: "High risk" = Diabetes
You cannot compare or combine what is defined differently.
IPD allowed the CTT to redefine everyone consistently.
"When trials speak different languages,
IPD が翻訳を提供します。
What seemed contradictory becomes clear:
the same truth, measured differently."
IPD が翻訳を提供します。
What seemed contradictory becomes clear:
the same truth, measured differently."
IPD takes years to gather.
集計データ取得 weeks.
投資に価値があるのはいつですか?
集計データ取得 weeks.
投資に価値があるのはいつですか?
ディシジョンツリー
IPDを追求すべきですか?
ご質問は治療効果の変更についてですか？
↓
YES
"Who benefits most?"
NO
"Does it work overall?"
↓
IPD likely needed
AD may suffice
When IPD Is Essential
1
Time-to-Event Outcomes
最終的なハザード比だけでなく、生存曲線が重要な場合。検閲を適切に処理する必要がある場合。
2
Continuous Effect Modifiers
Testing whether treatment effect varies by age, BMI, biomarker level (not just "high" vs "low")
3
Outcome Definition Problems
試験によって結果の定義が異なり、標準化する必要がある場合
4
Longer Follow-Up Available
トライアルリストに含めたい未公開の追跡データがある場合
🔀
研究戦略の決定
あなたは、新型コロナウイルス感染症 (COVID-19) 肺炎に対するコルチコステロイドのメタ分析を計画しています。データが公開されている適格な RCT が 10 件あります。同僚は、「IPD を取得しようとするべきですか、それとも単に集計分析を行うべきでしょうか?」と尋ねます。
重要な質問は、「利益は病気の重症度や治療のタイミングによって異なりますか?」です。
重要な質問は、「利益は病気の重症度や治療のタイミングによって異なりますか?」です。
おすすめは何ですか？
A
AD を実行するだけです - すぐに結果が必要ですが、IPD には時間がかかりすぎます
B
IPDの追求 - 私たちの質問は患者の特性による効果の変化に関するものです
C
出版物からの試験レベルの重症度カテゴリごとにサブグループ分析を行う
集計データで十分な場合
✓
Overall Treatment Effect
「機能しますか?」という唯一の質問がある場合「誰のため?」ではありません
✓
Homogeneous Population
When trials enrolled similar patients and effect modification is unlikely
✓
Binary Outcomes, Short Follow-up
検閲が問題ではなく、結果が単純なはい/いいえの場合
✓
IPD Unobtainable
試験参加者が共有しない、データが失われる、またはリソースが利用できない場合
「すべての質問が個人を必要とするわけではありません。
しかし、すべての質問が個人を必要とします。 about which individuals
はデータ内に存在することを要求します。"
しかし、すべての質問が個人を必要とします。 about which individuals
はデータ内に存在することを要求します。"
あなたは個人を集めましたデータ。
次: 次のように分析しますか? one combined dataset
or trial by trial, then combine?
次: 次のように分析しますか? one combined dataset
or trial by trial, then combine?
Two Analytical Approaches
Two-Stage Approach
- Stage 1: Analyze each trial separately
- ステージ 2: 結果をメタ分析します
- Preserves trial structure
- Familiar (like standard MA)
- Cannot handle sparse data well
One-Stage Approach
- すべてのデータを同時に分析します
- Mixed-effects regression model
- クラスタリングのランダム効果
- スパースに適していますデータ
- More flexible modeling
2 段階: おなじみのパス
STAGE 1 (Within Each Trial)
Estimate treatment effect for trial k: θk
その試験からの個々の患者データを使用
STAGE 2 (Across Trials)
Meta-analyze θ1, θ2, ... θK
標準的な変量効果手法を使用
ADVANTAGE
Easy to understand. Easy to explain.
Each trial's estimate is transparent.
よく知られた森林プロットと I2 statistics.
Each trial's estimate is transparent.
よく知られた森林プロットと I2 statistics.
1 段階:強力なパス
MIXED-EFFECTS MODEL
Yij = β0 + β1Treatmentij + uj + εij
i = patient, j = trial, uj = random trial effect
ADVANTAGES
1. Handles trials with zero events (no continuity corrections)
2. More powerful for detecting interactions
3. Can model complex covariate relationships
4. Exact likelihood (no normal approximations)
2. More powerful for detecting interactions
3. Can model complex covariate relationships
4. Exact likelihood (no normal approximations)
選択あなたのアプローチ
One-Stage or Two-Stage?
Do trials have sparse events (rare outcomes)?
↓
YES (sparse)
↓
One-stage preferred
Avoids zero-cell problems
NO (common events)
↓
Either works
結果は同様であるはずです
"The two-stage preserves each trial's voice.
The one-stage hears all voices at once.
データがまばらでイベントがまれな場合、
2 ステージが見逃しているものを 1 ステージでキャッチします。"
The one-stage hears all voices at once.
データがまばらでイベントがまれな場合、
2 ステージが見逃しているものを 1 ステージでキャッチします。"
赤ちゃんの命を救った薬
の話を聞いたことがありませんか?
but only if given at the right time?
の話を聞いたことがありませんか?
but only if given at the right time?
早産児パラドックス
NEONATAL INTENSIVE CARE UNITS WORLDWIDE
出生前コルチコステロイドは早産児の死亡率を低下させることは、1970 年代に確立されました。
But a puzzle remained: When should they be given?
24 hours before birth? 48 hours? A week?
Published trials couldn't answer—they didn't report timing consistently.
But a puzzle remained: When should they be given?
24 hours before birth? 48 hours? A week?
Published trials couldn't answer—they didn't report timing consistently.
Roberts D, et al. Cochrane Database Syst Rev 2017
IPD が明らかにした窓
24h-7d
Optimal Window
>7 days
Benefit Wanes
THE DISCOVERY
By examining each baby's exact time from steroid to delivery,
IPD meta-analysis showed:
Maximum benefit: 24 hours to 7 days before birth
Reduced benefit: >7 days (lung maturity effect fades)
No benefit: <24 hours (not enough time to work)
Maximum benefit: 24 hours to 7 days before birth
Reduced benefit: >7 days (lung maturity effect fades)
No benefit: <24 hours (not enough time to work)
Lives Saved, Practice Changed
臨床。影響
IPD 前: 臨床医はステロイドを投与し、最善の結果を期待していました。
After IPD: Guidelines now recommend repeat dosing 最初のコースから 7 日以内に分娩が行われなかった場合。
この精度は、個別のデータなしでは不可能ですが、 saved thousands of premature babies.
After IPD: Guidelines now recommend repeat dosing 最初のコースから 7 日以内に分娩が行われなかった場合。
この精度は、個別のデータなしでは不可能ですが、 saved thousands of premature babies.
Timing is Treatment
同じ薬を間違ったタイミングで投与すると、危険な可能性があります。プラセボも同様です
集計データがこれを示せなかった理由
THE PROBLEM
Trial A reported: "Steroid given within 48 hours"
Trial B reported: "Steroid given antenatally"
Trial C reported: "Steroid-to-delivery interval: median 3 days"
Different categories. Different definitions. Incompatible summaries.
Only by examining each baby's actual steroid-to-delivery time could the optimal window be identified.
Trial B reported: "Steroid given antenatally"
Trial C reported: "Steroid-to-delivery interval: median 3 days"
Different categories. Different definitions. Incompatible summaries.
Only by examining each baby's actual steroid-to-delivery time could the optimal window be identified.
「この薬は効果があることが知られていました。
But when それを投与するかどうかは不明でした。
IPDは「いつか」を「正しい」に変えました時間'—
そしてその正確さの中で、子供たちは生きていました。"
But when それを投与するかどうかは不明でした。
IPDは「いつか」を「正しい」に変えました時間'—
そしてその正確さの中で、子供たちは生きていました。"
データは存在します。
ファイルやデータベースのどこかで、
それぞれの患者のストーリーが記録される.
問題は、彼らがそれを共有するかどうかです。
ファイルやデータベースのどこかで、
それぞれの患者のストーリーが記録される.
問題は、彼らがそれを共有するかどうかです。
データの探求
60-80%
Typical IPD Retrieval Rate
6-24
Months to Gather
REALITY CHECK
おそらくそうするでしょう not get 100% of trials.
Some investigators will refuse. Some data is lost.
Some companies won't share.
This is expected. Plan for it.
This is expected. Plan for it.
Where IPD Lives
1
Trialist Collaboration
Direct contact with trial investigators. Build relationships. Offer co-authorship.
2
データ共有プラットフォーム
YODA Project, ClinicalStudyDataRequest.com, Vivli, ICPSR
3
Regulatory Agencies
EMA Policy 0070, FDA (limited), Health Canada
4
Journal Requirements
Many journals now require data sharing; check supplementary materials
The Approach
HOW TO ASK
1. 質問を先導する—explain why IPD is essential
2. Offer co-authorship—make sharing worthwhile
3. データセキュリティについて説明する—how you'll protect their patients
4. データ辞書の提供—specify exactly what you need
5. Set clear timelines—respect their time
2. Offer co-authorship—make sharing worthwhile
3. データセキュリティについて説明する—how you'll protect their patients
4. データ辞書の提供—specify exactly what you need
5. Set clear timelines—respect their time
可用性バイアスの罠
THE DANGER
それが試練だったらどうなるか share data 試験とは体系的に異なります。 don't share?
Industry trials: less likely to share
Negative trials: less likely to share
Older trials: data may be lost
Your IPD sample may be biased.
Industry trials: less likely to share
Negative trials: less likely to share
Older trials: data may be lost
Your IPD sample may be biased.
THE RULE
Always compare: IPD trials vs. non-IPD trials
Do they differ in effect size, sample size, funding source?
「データは存在します。問題は信頼です。
Will they share what they have guarded?
慎重に橋を架けましょう――
その橋の上で、患者たちの未来が交差するからです。」
Will they share what they have guarded?
慎重に橋を架けましょう――
その橋の上で、患者たちの未来が交差するからです。」
データを収集しました
from twelve trials, five countries, three decades.
But Trial A calls it "cardiovascular death"
トライアル B はそれを呼び出します "cardiac mortality".
それらは同じですか？
from twelve trials, five countries, three decades.
But Trial A calls it "cardiovascular death"
トライアル B はそれを呼び出します "cardiac mortality".
それらは同じですか？
バベルの塔問題
EVERY IPD META-ANALYSIS
Trial from Japan: Age in years since 1900 (e.g., "54" = 1954 birth)
Trial from USA: Age in decimal years (e.g., 65.7)
英国からのトライアル: 年齢層 (「65-74」)
Diabetes: HbA1c ≥ 6.5% vs. fasting glucose ≥ 126 vs. "physician diagnosis"
Outcome: "Major adverse cardiac event" (one trial includes stroke, another doesn't)
分析の前に: すべてを調和させます。
Trial from USA: Age in decimal years (e.g., 65.7)
英国からのトライアル: 年齢層 (「65-74」)
Diabetes: HbA1c ≥ 6.5% vs. fasting glucose ≥ 126 vs. "physician diagnosis"
Outcome: "Major adverse cardiac event" (one trial includes stroke, another doesn't)
分析の前に: すべてを調和させます。
調和プロセス
1
マスターデータディクショナリの作成
Define every variable you need: name, type, permitted values, derivation rules
2
Map Each Trial's Variables
Document how each trial's coding maps to your standardized definitions
3
トライアルリストに確認する
自分の解釈を確認してください。彼らはあなたよりも自分たちのデータをよく知っています。
4
Validate Transformations
IPD から公開された結果を再現します。一致しない場合は、調査してください。
🔀
定義のジレンマ
8 つの糖尿病試験から得られた IPD を調和させています。主な転帰は「心血管死」です。
6 件の試験では標準定義 (ICD コード) が使用されました。 1990年代の2件の試験では、標準化された基準を持たずに「研究者が評価した心臓死」が使用された。これら 2 つの試験では、より大きな治療効果が示されています。
6 件の試験では標準定義 (ICD コード) が使用されました。 1990年代の2件の試験では、標準化された基準を持たずに「研究者が評価した心臓死」が使用された。これら 2 つの試験では、より大きな治療効果が示されています。
これをどう対処しますか?
A
8 件の試験をすべて含めます - データが多いほど優れており、定義は「十分に近い」ものです。
B
Exclude the 2 non-standardized trials to maintain outcome consistency
C
6 つの一貫した試験による一次分析。他の 2 つを追加した感度分析
重要な検証
THE TEST
新しい分析の前に:
IPD から公表されている各試験の結果を再現します。
分析では RR = 0.78 と示されているが、出版物には RR = 0.85 と記載されている場合は、
something is wrong.
Find the discrepancy. Fix it. Then proceed.
IPD から公表されている各試験の結果を再現します。
分析では RR = 0.78 と示されているが、出版物には RR = 0.85 と記載されている場合は、
something is wrong.
Find the discrepancy. Fix it. Then proceed.
"Different languages, different rulers,
different ways to name the same disease.
結合する前に次のことを行う必要があります。翻訳します。
翻訳する前に、理解する必要があります。"
different ways to name the same disease.
結合する前に次のことを行う必要があります。翻訳します。
翻訳する前に、理解する必要があります。"
処理機能します on average.
しかし、それは若い人にも老人にも同じように機能しますか?
軽度の人にも重度の人にも?
バイオマーカーがある人とない人には?
しかし、それは若い人にも老人にも同じように機能しますか?
軽度の人にも重度の人にも?
バイオマーカーがある人とない人には?
腫瘍学を変えた相互作用
EBCTCG, 1985-1998
The Early Breast Cancer Trialists' Group didn't just ask "Does tamoxifen work?"
They asked: "Does the effect differ by estrogen receptor status?"
インタラクションは大規模でした:
ER-positive: 47% reduction in recurrence
ER-negative: No benefit at all
They asked: "Does the effect differ by estrogen receptor status?"
インタラクションは大規模でした:
ER-positive: 47% reduction in recurrence
ER-negative: No benefit at all
EBCTCG. Lancet 1998;351:1451-67
pinteraction < 0.00001
The most important interaction in cancer medicine
Testing Treatment-Covariate Interactions
THE MODEL
Outcome = β1Treatment + β2Covariate + β3(Treatment × Covariate)
β3 is the interaction term - does treatment effect vary by covariate?
INTERPRETATION
If β3 is statistically significant:
治療効果 differs between subgroups defined by the covariate.
そうでない場合: 治療効果は次のとおりです similar across subgroups (or you lack power to detect a difference).
治療効果 differs between subgroups defined by the covariate.
そうでない場合: 治療効果は次のとおりです similar across subgroups (or you lack power to detect a difference).
重要な違い
Between-Study Interaction
- Compares trial-level averages
- Ecological fallacy risk
- Confounded by trial design
- Low statistical power
- 集計データで可能
Within-Study Interaction
- Compares patients within each trial
- No ecological fallacy
- Randomization preserved
- Much higher power
- Requires IPD
重要な洞察
IPD を使用すると、次のことが可能になります。テスト within-study interactions,
where randomization ensures the comparison is fair.
これは効果修正のゴールドスタンダードです。
これは効果修正のゴールドスタンダードです。
🔀
年齢相互作用の質問
心房細動に対する抗凝固療法の IPD メタ分析には 12,000 人の患者が含まれており、年齢相互作用をテストしたところ、p=0.03 であることが分かりました。
分析では 8 つの潜在的な効果修飾因子をテストしました。
分析では 8 つの潜在的な効果修飾因子をテストしました。
この結果をどのように解釈しますか?
A
抗凝固療法は高齢患者の方がよく効くという報告 - 相互作用は次のとおりです。重要
B
Apply multiple testing correction; with 8 tests, p=0.03 is likely a false positive
C
Report as hypothesis-generating, note the multiple comparisons, request external validation
「平均は相互作用を隠します。
The interaction reveals who benefits.
研究間ではなく研究内でテストしてください。
そこに真実が見つかるからです。」
The interaction reveals who benefits.
研究間ではなく研究内でテストしてください。
そこに真実が見つかるからです。」
IPD は治療だけではありません。
求める場合は predict who will die,
who will recover, who will relapse—
個人がすべてです.
求める場合は predict who will die,
who will recover, who will relapse—
個人がすべてです.
Predicting Recovery After Brain Injury
IMPACT CONSORTIUM, 2005-PRESENT
外傷性脳損傷の後、家族は壊滅的な質問をします。
"Will they ever wake up?"
Individual trials were too small to develop accurate prediction models.
IMPACT は 11 件の研究、9,205 人の患者から IPD を収集し、初期の臨床症状から 6 か月後の転帰を予測するモデルを構築しました。
"Will they ever wake up?"
Individual trials were too small to develop accurate prediction models.
IMPACT は 11 件の研究、9,205 人の患者から IPD を収集し、初期の臨床症状から 6 か月後の転帰を予測するモデルを構築しました。
IMPACT Study Group. PLoS Med 2008;5:e165
Why Prognosis Demands IPD
1
External Validation Across Populations
Develop in some studies, validate in others. True test of generalizability.
2
Non-linear Relationships
Explore how predictors relate to outcome: linear? threshold? U-shaped?
3
Multiple Predictor Interactions
Age + GCS + pupil reactivity may interact in ways aggregate data cannot reveal
4
Proper Handling of Missing Predictors
研究ではなく患者レベルでの多重代入レベル
Reporting Standards
TRIPOD
- Prediction model reporting
- 開発と検証
- 校正と識別
- 22 item checklist
PRISMA-IPD
- IPD meta-analysis reporting
- データ取得の詳細
- Harmonization process
- Integrity checking
IPD 予測モデル
You need both: モデル自体には TRIPOD、データには PRISMA-IPD合成プロセス。
When Prediction Saves Lives
臨床。影響
The IMPACT model is now embedded in clinical decision support systems worldwide.
外傷性脳損傷を負った患者が来院すると、モデルは probability of survival and probability of favorable outcome.
を提供し、家族との会話をガイドします。これにより治療の強度がわかります。これは、ICU リソースの割り当てに役立ちます。
個々のデータから構築されます。個々の患者にサービスを提供します。
外傷性脳損傷を負った患者が来院すると、モデルは probability of survival and probability of favorable outcome.
を提供し、家族との会話をガイドします。これにより治療の強度がわかります。これは、ICU リソースの割り当てに役立ちます。
個々のデータから構築されます。個々の患者にサービスを提供します。
"To predict one patient's future,
何千もの過去から学ばなければなりません。
IPD はこれらのストーリーを保持しています—
each one a teacher, if you will listen."
何千もの過去から学ばなければなりません。
IPD はこれらのストーリーを保持しています—
each one a teacher, if you will listen."
彼らの心臓のために
に与えられた小さな白いタブレット millions について考えてみませんか?
言った: 「これを受け取れば、あなたは守られます。」
But was every heart equally in need of protection?
に与えられた小さな白いタブレット millions について考えてみませんか?
言った: 「これを受け取れば、あなたは守られます。」
But was every heart equally in need of protection?
Netflix 賞のストーリー
A TRUE STORY
In 2006, Netflix released 100 million "anonymized" movie ratings for a $1 million prize.
Researchers quickly re-identified users by matching ratings with public IMDb reviews.
One lawsuit alleged a closeted lesbian was outed through her viewing patterns.
The lesson: removing names isn't anonymization.
IPD には、個人を一意に識別するのに十分な年齢、診断、治療反応、および日付の組み合わせが含まれています。プライバシーには、名前列を削除するだけでは不十分です。データの組み合わせがどのように指紋になるのかを理解する必要があります。
Researchers quickly re-identified users by matching ratings with public IMDb reviews.
One lawsuit alleged a closeted lesbian was outed through her viewing patterns.
The lesson: removing names isn't anonymization.
IPD には、個人を一意に識別するのに十分な年齢、診断、治療反応、および日付の組み合わせが含まれています。プライバシーには、名前列を削除するだけでは不十分です。データの組み合わせがどのように指紋になるのかを理解する必要があります。
Oxford, 2009
ANTITHROMBOTIC TRIALISTS' COLLABORATION
ATT は、 95,000 patients
across 6 primary prevention trials of aspirin.
The published trials said: "Aspirin prevents heart attacks."
から個々のデータを収集しましたが、ATT は禁断の質問をしました。
「コストはいくらですか?誰?"
The published trials said: "Aspirin prevents heart attacks."
から個々のデータを収集しましたが、ATT は禁断の質問をしました。
「コストはいくらですか?誰?"
ATT Collaboration. Lancet 2009;373:1849-60
明らかになった数字
-12%
Heart Attacks Prevented
+32%
Major Bleeds Caused
THE BALANCE
For every 1,000 low-risk patients 5 年間のアスピリン服用:
2-3 heart attacks prevented
2-3 major bleeds caused
利益と害は相殺されます。
2-3 heart attacks prevented
2-3 major bleeds caused
利益と害は相殺されます。
リスクベースの決定
この患者は一次予防のためにアスピリンを服用すべきか?
10-Year CVD Risk?
↓
>20%
High Risk
10-20%
Intermediate
<10%
Low Risk
↓
Consider aspirin
(benefit > harm)
(benefit > harm)
Shared decision
(benefit ≈ harm)
(benefit ≈ harm)
Avoid aspirin
(harm > benefit)
(harm > benefit)
Why did published meta-analyses miss this?
集合体の盲目
Published trials reported average benefits.
彼らは、高リスクの患者が、獲得
while low-risk patients lost.
Only by examining each patient's baseline risk,
each patient's outcomes,
could the interaction be revealed.
彼らは、高リスクの患者が、獲得
while low-risk patients lost.
Only by examining each patient's baseline risk,
each patient's outcomes,
could the interaction be revealed.
🔀
一次予防のジレンマ
52 歳の男性が、心臓発作予防のためのアスピリンについて尋ねます。彼にはCVDの既往はなく、コレステロールは境界線にあり、血圧はコントロールされており、非喫煙者である。彼の 10 年間の CVD リスクは 8% です。
彼は「アスピリンが心臓発作を予防する」という情報をオンラインで読んで、アドバイスを求めています。
彼は「アスピリンが心臓発作を予防する」という情報をオンラインで読んで、アドバイスを求めています。
彼に何と言いますか?
A
"Yes, take aspirin daily - it's proven to prevent heart attacks"
B
"At your risk level, aspirin's bleeding risk roughly equals its heart benefit - I'd recommend against it"
C
"Take baby aspirin - the lower dose is safer"
「絶滅の危機に瀕している人たちを救う薬
は、人体に害を及ぼす可能性があります。」安全です。
処方する前に患者のリスクを知ってください。
これが個々のデータから教えられたことです。"
は、人体に害を及ぼす可能性があります。」安全です。
処方する前に患者のリスクを知ってください。
これが個々のデータから教えられたことです。"
95,000 patients. One truth: risk determines benefit.
何十年もの間、彼らがどのように議論していたか見たことがありません:
「老人は若者と同じように扱われるべきですか?」
Some said: "Lower is always better."
他の人たちは言いました。「老人は壊れやすい。慎重です。」
誰が正しかったでしょうか?
「老人は若者と同じように扱われるべきですか?」
Some said: "Lower is always better."
他の人たちは言いました。「老人は壊れやすい。慎重です。」
誰が正しかったでしょうか?
J カーブ論争
CARDIOLOGY CONFERENCES, 1980s-2000s
何年もの間、医師たちは次のように主張しました:
攻撃陣営: "Every mmHg of BP reduction saves lives.
Treat everyone to target 120/80."
保守派キャンプ: "In the elderly, low BP causes falls, strokes, death.
There's a J-curve—too low is dangerous."
Individual trials were too small to settle it. BPLTTC が個別データを収集するまで。
攻撃陣営: "Every mmHg of BP reduction saves lives.
Treat everyone to target 120/80."
保守派キャンプ: "In the elderly, low BP causes falls, strokes, death.
There's a J-curve—too low is dangerous."
Individual trials were too small to settle it. BPLTTC が個別データを収集するまで。
The Blood Pressure Lowering Treatment Trialists
48
Trials Combined
344,716
Individual Patients
15+
Years of Follow-up
THE QUESTION
Does the benefit of BP lowering vary by age?
Is there a J-curve at very low pressures?
Do the very old (>80 years) still benefit?
Is there a J-curve at very low pressures?
Do the very old (>80 years) still benefit?
BPLTTC. Lancet 2021;397:1625-36
ついに答えが完成
Benefit at Every Age
比例リスク削減55 歳から 85 歳まで一貫していました +
WHAT IPD SHOWED
Every 5 mmHg BP reduction:
Age 55-64: 10% lower major CV events
Age 65-74: 10% lower major CV events
Age 75-84: 10% lower major CV events
Age ≥85: Still 10% lower
pinteraction = 0.85。年齢変化の証拠はありません。
Age 55-64: 10% lower major CV events
Age 65-74: 10% lower major CV events
Age 75-84: 10% lower major CV events
Age ≥85: Still 10% lower
pinteraction = 0.85。年齢変化の証拠はありません。
J カーブについてはどうですか?
THE RESOLUTION
BPLTTC は患者を検査して J カーブをテストしました
who achieved very low blood pressures.
Result: No J-curve in randomized comparisons.
観察データにおける見かけの J カーブ reverse causation— sick patients have low BP because they're sick, not sick because their BP is low.
RCT の IPD だけがこれを解き明かすことができました。
who achieved very low blood pressures.
Result: No J-curve in randomized comparisons.
観察データにおける見かけの J カーブ reverse causation— sick patients have low BP because they're sick, not sick because their BP is low.
RCT の IPD だけがこれを解き明かすことができました。
Treating Hypertension by Age
Should This Elderly Patient Get BP Treatment?
Patient Age?
↓
55-74
75-84
85+
↓
Treat if BP elevated
Proportional benefit maintained across all ages
Proportional benefit maintained across all ages
THE LESSON
Age alone is not a reason to withhold treatment.
Consider frailty, life expectancy, patient preference—but not age.
Consider frailty, life expectancy, patient preference—but not age.
🔀
82 歳の血圧
82 歳の女性の血圧は 158/88 です。彼女は自立しており、認知機能に問題はなく、転倒歴もありません。同僚の一人が言う:「彼女は積極的な血圧治療には年をとりすぎています。J カーブです。」
BPLTTC IPD メタ分析を覚えています。
BPLTTC IPD メタ分析を覚えています。
What do you do?
A
同僚の意見に同意 - 高齢者にはより高い血圧目標を受け入れます
B
超高齢者でも効果が続くという BPLTTC の証拠を引用し、治療を開始します治療
C
Wait for a cardiovascular event before treating
「高齢者は虚弱すぎて薬が飲めないと彼らは言いました。
しかし、個々のデータはそうではないことを示しました:
At every age, the benefit endures.
Do not let age alone deny protection."
しかし、個々のデータはそうではないことを示しました:
At every age, the benefit endures.
Do not let age alone deny protection."
時間との勝負を目撃したことがありませんか
when a clot blocks the brain?
Every minute, two million neurons die.
But when does the window close?
When is it too late to intervene?
when a clot blocks the brain?
Every minute, two million neurons die.
But when does the window close?
When is it too late to intervene?
Time Is Brain
1.9M
Neurons Lost Per Minute
14B
Synapses Lost Per Minute
THE QUESTION
血栓溶解療法は血栓を溶解し、血流を回復します。
But given too late, it causes bleeding into dying brain tissue.
What is the time window? 3 hours? 4.5 hours? 6 hours?
Individual trials disagreed. Guidelines were uncertain.
But given too late, it causes bleeding into dying brain tissue.
What is the time window? 3 hours? 4.5 hours? 6 hours?
Individual trials disagreed. Guidelines were uncertain.
脳卒中血栓溶解療法のトライアル担当者
STT COLLABORATIVE GROUP, 2014
STT は 6,756 patients
across 9 major alteplase trials.
They knew exactly when each patient's stroke began. They knew exactly when thrombolysis was given. They knew exactly who lived, who died, who recovered.
They could map benefit against time, minute by minute.
They knew exactly when each patient's stroke began. They knew exactly when thrombolysis was given. They knew exactly who lived, who died, who recovered.
They could map benefit against time, minute by minute.
STT Collaborative Group. Lancet 2014;384:1929-35
フェージングウィンドウ
0-3h
OR良好な結果の場合は 1.75
3-4.5h
、または良好な結果の場合は 1.26
4.5-6h
OR 1.15 (not significant)
利益の減少
Every 15 minutes of delay reduced the benefit.
Treated at 90 min: 1 in 4 achieve excellent outcome
Treated at 180 min: 1 in 7 achieve excellent outcome
Treated at 270 min: 1 in 14 achieve excellent outcome
Treated at 90 min: 1 in 4 achieve excellent outcome
Treated at 180 min: 1 in 7 achieve excellent outcome
Treated at 270 min: 1 in 14 achieve excellent outcome
血栓溶解療法の決定
Acute Ischemic Stroke: Give Thrombolysis?
Time Since Symptom Onset?
↓
0-3h
Strong benefit
3-4.5h
Moderate benefit
4.5-6h
Uncertain
>6h
Harm likely
↓
TREAT
URGENTLY
URGENTLY
TREAT
if eligible
if eligible
Consider
imaging
imaging
Generally
avoid
avoid
Why did we need individual data?
平均の限界
Trial A: "Patients treated within 3 hours" (average: 2.1 hours)
Trial B: "Patients treated within 6 hours" (average: 4.2 hours)
These overlapping, inconsistent windows couldn't be compared.
Only by knowing each patient's exact time
could the continuous decay of benefit be mapped.
Trial B: "Patients treated within 6 hours" (average: 4.2 hours)
These overlapping, inconsistent windows couldn't be compared.
Only by knowing each patient's exact time
could the continuous decay of benefit be mapped.
🔀
4 時間の脳卒中
症状の発症は 4 時間前で、NIHSS スコアは 12 (中程度) でした。 「血栓を破壊する薬では手遅れですか？」と尋ねます。
Door-to-needle time will add 30 minutes, making total time ~4.5 hours.
Door-to-needle time will add 30 minutes, making total time ~4.5 hours.
What do you do?
A
"It's too late - the 3-hour window has passed"
B
「まだ 4.5 時間以内です - 血栓溶解療法を緊急に進めてください。」
C
"Wait for MRI to see if there's salvageable tissue"
"Every minute the clot remains,
two million neurons perish.
IPD はフェージング ウィンドウを示しました。
Act quickly, or the window closes forever."
two million neurons perish.
IPD はフェージング ウィンドウを示しました。
Act quickly, or the window closes forever."
あなたは個人を集めましたデータ。
希望を持ってファイルを開きます。
そして次のものが表示されます: empty cells.
Age: 67. Sex: Male. Smoking status: missing.
Outcome at 1 year: missing.
What now?
希望を持ってファイルを開きます。
そして次のものが表示されます: empty cells.
Age: 67. Sex: Male. Smoking status: missing.
Outcome at 1 year: missing.
What now?
の 3 種類欠損
1
Missing Completely at Random (MCAR)
Lab machine broke randomly. No relation to patient characteristics. Safe to ignore (but wasteful).
2
Missing at Random (MAR)
Older patients more likely to miss follow-up. Missingness related to observed variables. Imputation can help.
3
ランダムではない欠損 (MNAR)
転帰不良の患者は脱落します。 missing value itself. に関連する欠落は危険です。感度分析が必要です。
欠損データの処理
欠損値をどうするか?
How much is missing?
↓
<5%
Minor
5-20%
Moderate
>20%
Substantial
↓
Complete case
may suffice
may suffice
Multiple
imputation
imputation
Impute +
sensitivity
sensitivity
複数代入: 標準
THE PROCESS
1. Impute → 2. Analyze → 3. Pool
Create M imputed datasets, analyze each, combine using Rubin's rules
WHY MULTIPLE?
単一補完は、欠損値を知っているふりをします。
Multiple imputation (M=20-50 datasets) reflects uncertainty 欠損値が何であったかについて。
これにより、有効な標準誤差と p 値が保存されます。
Multiple imputation (M=20-50 datasets) reflects uncertainty 欠損値が何であったかについて。
これにより、有効な標準誤差と p 値が保存されます。
IPD 固有の欠損データの課題
1
Systematically Missing Variables
Trial A measured biomarker X. Trial B didn't. Can't impute what was never collected.
2
Multilevel Structure
Patients nested within trials. Imputation model must account for clustering.
3
Different Follow-up Durations
トライアル A は 2 年間続きました。トライアルBは5年間。生存分析には注意が必要です。
When a Variable Is Missing Entirely
Trial Didn't Collect Your Key Covariate
Is it an effect modifier or confounder?
↓
Effect Modifier
↓
Restrict interaction
analysis to trials
変数
analysis to trials
変数
Confounder
↓
Sensitivity analysis
varying assumptions
about unmeasured
varying assumptions
about unmeasured
🔀
欠落しているバイオマーカー
を使用して、IPD-MA は、バイオマーカー陽性患者において新しい抗がん剤がよりよく効くかどうかをテストします。 8 回の試験で IPD を取得しました。しかし、3 つの試験 (患者の 40%) ではバイオマーカーがまったく測定されませんでした。
これら 3 つの試験は古く、小規模である傾向があります。
これら 3 つの試験は古く、小規模である傾向があります。
相互作用をどのように分析しますか?
A
Impute the biomarker status based on other patient characteristics
B
バイオマーカー データを使用して 5 つの試験のみで相互作用を分析します。全体的な効果に関するすべての試験を含む感度分析
C
メタ分析から 3 つの試験を完全に除外します
「空のセルは何もありません。
It is a question: これはなぜ不明ですか?
フィールドに記入する前に、その質問に答えてください。ギャップ—
不在の理由が解決策を形成します。"
It is a question: これはなぜ不明ですか?
フィールドに記入する前に、その質問に答えてください。ギャップ—
不在の理由が解決策を形成します。"
研究者
誰が willing trialists
からデータを収集し、勝利を宣言しましたか?
But the unwilling held secrets.
そしてそれらの秘密がすべてを変えました。
誰が willing trialists
からデータを収集し、勝利を宣言しましたか?
But the unwilling held secrets.
そしてそれらの秘密がすべてを変えました。
タミフル
A TRUE STORY
各国政府は何年もの間、パンデミック・インフルエンザに備えてタミフルを備蓄し、数十億ドルを費やした。
Cochrane reviewers requested trial data to verify efficacy. Roche refused, citing confidentiality.
5年間、BMJは透明性を求める運動を行った。 2014 年に完全な臨床研究報告書が最終的に発表されたとき、状況は変わりました。タミフルは症状の持続期間を 1 日未満に短縮しましたが、合併症は予防できませんでした。
完全な証拠が封印されていた薬剤に数十億ドルが費やされました。
タミフルの物語は期待を一変させました。今日、臨床試験の透明性は例外ではなく標準になりつつあります。
Cochrane reviewers requested trial data to verify efficacy. Roche refused, citing confidentiality.
5年間、BMJは透明性を求める運動を行った。 2014 年に完全な臨床研究報告書が最終的に発表されたとき、状況は変わりました。タミフルは症状の持続期間を 1 日未満に短縮しましたが、合併症は予防できませんでした。
完全な証拠が封印されていた薬剤に数十億ドルが費やされました。
タミフルの物語は期待を一変させました。今日、臨床試験の透明性は例外ではなく標準になりつつあります。
When IPD Is Selectively Available
実証結果
研究では、IPD を共有する試験と、IPD を共有する試験を比較しました。禁止事項:
Industry-sponsored trials: Less likely to share
否定的な結果が得られた試験: Less likely to share
Older trials: 頻繁にデータが失われる
If these trials systematically differ in effect size,
IPD-MA に偏りがあります。
Industry-sponsored trials: Less likely to share
否定的な結果が得られた試験: Less likely to share
Older trials: 頻繁にデータが失われる
If these trials systematically differ in effect size,
IPD-MA に偏りがあります。
Ahmed I, et al. BMJ 2012;344:d7762
Always Compare: IPD vs. Non-IPD Trials
Assessing Availability Bias
Compare AD effects: trials with IPD vs. without
↓
Similar Effects
↓
Low concern
for bias
for bias
Different Effects
↓
High concern
感度分析必要
感度分析必要
可用性バイアス チェックリスト
✓
Report IPD retrieval rate
「12/15 試験から IPD を取得しました (80%)」
✓
Compare IPD vs. non-IPD trial characteristics
サンプル サイズ、資金提供、出版日、集計からの効果量データ
✓
Sensitivity analysis including non-IPD trials
非共有試験の IPD + AD を組み合わせた 2 段階解析
✓
非共有の理由について話し合う
Data lost? Refused? Never requested? Each has different implications.
🔀
消極的な治験担当者
外科的介入の IPD-MA は、対象となる 12 件の試験のうち 8 件からデータを取得しました。 (67%)。 4 つの非共有試験はすべて業界の資金提供を受けており、8 つの IPD 試験 (プール OR 0.72) と比較して、出版物で示されている利点が小さい (プール OR 0.95)。
IPD 分析では OR 0.70 が示されています。
IPD 分析では OR 0.70 が示されています。
報告方法これは?
A
Report IPD result (OR 0.70) as the main finding - IPD is gold standard
B
非共有試験による AD を含む可用性バイアスと感度分析に関する顕著な警告を含む IPD 結果を報告します
C
Wait until you get 100% IPD before publishing
非 IPD からの 2 段階ハイブリッド ソリューション
COMBINING IPD + AD
Stage 1: Analyze IPD trials → get θIPD
Stage 2: Meta-analyze θIPD + θAD 試験
Uses all available evidence, even when IPD incomplete
THE PRINCIPLE
IPD はオール・オア・ナッシングではありません。
IPD がある場合は IPD を使用してください (相互作用テスト用)。
全体的な効果の推定には AD を補足します。
由来に関する透明性ここで。
IPD がある場合は IPD を使用してください (相互作用テスト用)。
全体的な効果の推定には AD を補足します。
由来に関する透明性ここで。
「意志が全体を表すとは限りません。
開いたドアは、鍵のかかったドアの背後に真実を隠している可能性があります。
Always ask: Who refused to share?
And what might they be hiding?"
開いたドアは、鍵のかかったドアの背後に真実を隠している可能性があります。
Always ask: Who refused to share?
And what might they be hiding?"
初期乳がん臨床試験担当者グループは、個別の試験では発見できなかったことを発見しましたか?
Tamoxifen works better than placebo
Tamoxifen only works in estrogen receptor positive tumors
Tamoxifen has significant side effects
Tamoxifen works better in younger women
What is the "ecological fallacy" in meta-analysis?
Assuming environmental factors don't affect treatment
Assuming between-study relationships apply to within-study (individual) relationships
さまざまな生態学的地域からの研究をプールする
Using outdated trials in modern meta-analyses
1 段階 IPD 分析が好まれるのはどんな場合ですか?二段階?
When trials have sparse events or rare outcomes
When you have many large trials
When you want to create forest plots
結果が共通で追跡期間が短い場合
複数の試験から IPD を分析する前に何をすべきですか?
すべてのデータを直ちにプールし、メイン分析を実行します
Exclude trials with missing variables
データを検証するために IPD から各試験の公開結果を再現します完全性
Convert all continuous variables to categorical
References
この文書で引用されている主な情報源コース
- Riley RD, et al. 個人の参加者データのメタ分析: ヘルスケア研究のためのハンドブック。 Wiley, 2021.
- Stewart LA、他 PRISMA-IPD: 個人の参加者データの系統的レビューとメタ分析に推奨される報告項目。 JAMA 2015;313:1657-65.
- Early Breast Cancer Trialists' Collaborative Group. Tamoxifen for early breast cancer. Cochrane Database Syst Rev 2001.
- Cholesterol Treatment Trialists' Collaboration. Efficacy and safety of LDL-lowering therapy. Lancet 2010;376:1670-81.
- Roberts D, et al. Antenatal corticosteroids for accelerating fetal lung maturation. Cochrane Database Syst Rev 2017.
- IMPACT Study Group. Predicting outcome after traumatic brain injury. PLoS Med 2008;5:e165.
- Debray TPA, et al. Get real in individual participant data meta-analysis. Int J Epidemiol 2015;44:1287-97.
- Burke DL, et al. Meta-analysis using individual participant data. Stat Med 2017;36:320-38.
✔
Course Complete
「全体として、個人は消滅します。
But you have learned to find them.
You have learned to ask: Who benefits? Who is harmed?
さあ、患者を残さない平均では消えてしまう。」
But you have learned to find them.
You have learned to ask: Who benefits? Who is harmed?
さあ、患者を残さない平均では消えてしまう。」
隠れた患者 — 今、あなたに彼らが見えます。