IPD Course > The Vanishing
=================== МОДУЛЬ 1: ИСЧЕЗАНИЕ (ПОЧЕМУ IPD ЗНАЧИТ) ===================
Разве вы не видели, как тысяча больных
can be reduced to a single number,
и в этом числе жизни стерты?
Слайд 1.2: Совокупная иллюзия
Совокупная иллюзия
EVERY META-ANALYSIS YOU'VE EVER READ
A meta-analysis reports: "Treatment reduces mortality by 15%."

Но какие пациенты получили пользу? Молодой или старый? Те, у кого болезнь легкая или тяжелая? Мужчины или женщины?

Совокупность не может ответить.

В среднем некоторые пациенты были спасены, а некоторые пострадали.
Слайд 1.3: Скрытая неоднородность
What Aggregates Hide
● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ● ●

● Responders   ● Non-responders

THE TRAGEDY
"Overall benefit: 30%"

But who это 30%? Без индивидуальных данных мы не можем отличить ответивших от не ответивших. Мы не можем практиковать 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.

Не резюме. Не средние значения. 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
Слайд 1.5: Открытие
В опубликованных исследованиях говорилось:
"Tamoxifen works."

But the individual data revealed:
ER+ vs ER−
Tamoxifen only worked in estrogen receptor positive tumors
ЧТО БЫЛО СКРЫТО
Ни одно исследование не было достаточно масштабным, чтобы обнаружить это взаимодействие. Только объединив индивидуальные данные пациента из всех испытаний могла бы выйти истина:

Giving tamoxifen to ER− patients was useless.
Слайд 1.6: Припев
«В совокупности личность исчезает.
В человеке проявляется истина.
Вот почему мы ищем скрытого пациента».

Это метаанализ данных отдельных участников.

=================== МОДУЛЬ 2: АГРЕГАТ VS IPD ===================
What is lost when we summarize?
What is found when we look closer?
Слайд 2.2: Два подхода
Two Ways to Synthesize

Aggregate Data (AD)

  • Study-level summaries
  • Размеры эффекта из публикаций
  • Mean age, % male, etc.
  • Быстро и доступно
  • Cannot see within-study variation

Индивидуальные данные участника (IPD)

  • Необработанные данные на уровне пациента
  • Every participant's characteristics
  • Actual ages, actual outcomes
  • Time-intensive to obtain
  • Can see who responds and who doesn't
Слайд 2.3: Экологическая ошибка
Экологическое заблуждение
ОПАСНОСТЬ АГРЕГАТНОГО МЫШЛЕНИЯ
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.
The Trap
ECOLOGICAL FALLACY
В каждом исследовании взаимосвязь между возрастом и эффектом лечения может быть completely different от отношений между исследованиями.

Perhaps in Trial A, older patients within that trial responded better. Perhaps in Trial B, younger patients within that trial responded better.

Вы не можете знать это без индивидуального исследования. данные.
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

Проверьте взаимодействие в рамках исследований, избегая экологической ошибки

"Совокупные данные показывают лес.
Individual data shows each tree.
Если вам нужно знать, какие деревья больной—
you must walk among them."
================== МОДУЛЬ 3: ОТКРЫТИЕ CTT (STATINS) ==================
Вы не видели, как one collaboration
gathered data on 170,000 patients
and answered questions no single trial could ask?
Слайд 3.2: CTT
Oxford, 1994-Present
CHOLESTEROL TREATMENT TRIALISTS' COLLABORATION
CTT собрал отдельные данные из 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 задал вопрос: "На кого действуют статины?"
CTT Collaboration. Lancet 2010;376:1670-81
Слайд 3.3: Цифры
Масштаб IPD
27
Trials Combined
174,149
Individual Patients
5
Годы сбора данных
THE INVESTMENT
Сбор IPD занимает годы переговоров, передачи данных, очистки и гармонизации.

Но вопросы, на которые вы можете ответить стоит вложений.
Слайд 3.4: Открытие
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

Опасения по поводу того, что статины вызывают рак, были окончательно опровергнуты при наблюдении за ИПЗ

Слайд 3.5: Почему AD не смог Ответ
Почему агрегированные данные не удалось
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.
"When trials speak different languages,
IPD обеспечивает перевод.
What seemed contradictory becomes clear:
the same truth, measured differently."
IPD takes years to gather.
Агрегированные данные требуют weeks.

Когда инвестиции того стоят?
Слайд 4.2: Решение Структура
Дерево решений

Следует ли вам проводить ИПЗ?

Ваш вопрос касается модификации эффекта лечения?
↓
YES
"Who benefits most?"
NO
"Does it work overall?"
↓
IPD likely needed
AD may suffice
When IPD Is Essential
1

Time-to-Event Outcomes

Когда важны кривые выживаемости, а не только окончательные коэффициенты риска. Когда вам необходимо правильно проводить цензуру.

2

Continuous Effect Modifiers

Testing whether treatment effect varies by age, BMI, biomarker level (not just "high" vs "low")

3

Outcome Definition Problems

Когда испытания определяют результаты по-разному, и вам нужно стандартизировать

4

Longer Follow-Up Available

Если у участников исследования есть неопубликованные данные последующего наблюдения, которые вы хотите включить

🔀 Решение о стратегии исследования
Вы планируете метаанализ кортикостероидов при пневмонии, вызванной COVID-19. У вас есть 10 подходящих РКИ с опубликованными данными. Коллега спрашивает: «Должны ли мы попытаться это сделать. получить ИПЛ или просто провести совокупный анализ?"

Ваш ключевой вопрос: "Зависит ли польза от тяжести заболевания и сроков лечения?"
Что вы рекомендуете?
A Просто делайте АД - нам нужны результаты быстро, а ИПЗ занимает слишком много времени
B Продолжайте ИПЗ - наш вопрос касается модификации эффекта в зависимости от характеристик пациента
C Провести анализ подгрупп по категориям тяжести на уровне исследования из публикаций
Когда совокупных данных достаточно
✓

Overall Treatment Effect

Когда ваш единственный вопрос: «Работает ли это?» а не «Для кого?»

✓

Homogeneous Population

When trials enrolled similar patients and effect modification is unlikely

✓

Binary Outcomes, Short Follow-up

Когда цензура не является проблемой и результаты просты, да/нет

✓

IPD Unobtainable

Когда участники испытаний не делятся данными, данные теряются или ресурсы недоступны

«Не каждый вопрос требует отдельного внимания.
Но каждый вопрос about which individuals
>требует их присутствия в ваших данных."
================== МОДУЛЬ 5: ОДНОЭТАПНЫЙ VS ДВУХЭТАПНЫЙ ===================
Вы собрали отдельные данные.

Теперь: вы анализируете их как one combined dataset
or trial by trial, then combine?
Two Analytical Approaches

Two-Stage Approach

  • Stage 1: Analyze each trial separately
  • Этап 2: Метаанализ результатов
  • Preserves trial structure
  • Familiar (like standard MA)
  • Cannot handle sparse data well

One-Stage Approach

  • Анализируйте все данные одновременно
  • Mixed-effects regression model
  • Случайные эффекты для кластеризация
  • Лучше для разреженных данных
  • More flexible modeling
Двухэтапный: знакомый путь
STAGE 1 (Within Each Trial)
Estimate treatment effect for trial k: θk
Использование индивидуальных данных пациентов из этого исследования
STAGE 2 (Across Trials)
Meta-analyze θ1, θ2, ... θK
Использование стандартных случайных эффектов методы
ADVANTAGE
Easy to understand. Easy to explain.
Each trial's estimate is transparent.
Знакомые лесные участки и I2 statistics.
Одноэтапный: мощный путь
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)
Выбор подхода

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
Результаты должны быть схожими
"The two-stage preserves each trial's voice.
The one-stage hears all voices at once.
Когда данных мало, а события редки—
одноэтапный ловит то, что упускает двухэтапный."
================== МОДУЛЬ 6: ИСТОРИЯ ВРЕМЕНИ КОРТИКОСТЕРОИДА ===================
Разве вы не слышали историю о препарат
, который спас жизни младенцев—
but only if given at the right time?
Парадокс недоношенных детей
NEONATAL INTENSIVE CARE UNITS WORLDWIDE
Антенатальные кортикостероиды снижают смертность недоношенных детей. Это было установлено в 1970-х годах.

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
Слайд 6.3: ИПЗ. Решение
IPD открыло окно
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)
Lives Saved, Practice Changed
КЛИНИЧЕСКОЕ ВОЗДЕЙСТВИЕ
До IPD: врачи назначали стероиды и надеялись на лучшее.

After IPD: Guidelines now recommend repeat dosing если роды не произошли в течение 7 дней после первых

Эта точность, невозможная без индивидуальных данных, имеет saved thousands of premature babies.
Timing is Treatment
Одно и то же лекарство, введенное в неподходящее время, может также быть плацебо
Почему совокупные данные не могли показать это
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.
» Известно, что препарат работать.
But when отдать его было неизвестно.
IPD превратил «когда-нибудь» в «нужное время»—
и в такой точности жили дети.»
=================== МОДУЛЬ 7: ПОЛУЧЕНИЕ IPD (КВЕСТ) ====================
Данные существуют.
Где-то в файлах и базах данных,
история каждого пациента записывается.

Вопрос в том, поделятся ли они этим?
Слайд 7.2: Квест
В поисках данных
60-80%
Typical IPD Retrieval Rate
6-24
Months to Gather
REALITY CHECK
Вы, скорее всего, not get 100% of trials. Some investigators will refuse. Some data is lost. Some companies won't share.

This is expected. Plan for it.
Слайд 7.3: Источники данных
Where IPD Lives
1

Trialist Collaboration

Direct contact with trial investigators. Build relationships. Offer co-authorship.

2

Платформы обмена данными

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

Слайд 7.4: Письмо о сотрудничестве
The Approach
HOW TO ASK
1. Задайте свой вопрос—explain why IPD is essential

2. Offer co-authorship—make sharing worthwhile

3. Опишите безопасность данных.—how you'll protect their patients

4. Предоставьте словари данных—specify exactly what you need

5. Set clear timelines—respect their time
Ловушка предвзятости доступности
THE DANGER
Что, если испытания, которые share data систематически отличаются от испытаний, которые 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.
THE RULE
Always compare: IPD trials vs. non-IPD trials
Do they differ in effect size, sample size, funding source?
«Данные есть. Вопрос в доверии.
Will they share what they have guarded?
Стройте мост осторожно —
ибо на этом мосту пересекаются судьбы пациентов».
=================== МОДУЛЬ 8: ГАРМОНИЗАЦИЯ ДАННЫХ ===================
Вы собрали данные
from twelve trials, five countries, three decades.

But Trial A calls it "cardiovascular death"
и в Испытании Б это называется "cardiac mortality".

Они одинаковые?
Слайд 8.2: Задача гармонизации
Проблема Вавилонской башни
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)
Испытание из Великобритании: Возрастные группы («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)

Перед анализом: гармонизируйте все.
Слайд 8.3: Процесс
Процесс гармонизации
1

Создайте словарь основных данных

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

Проконсультируйтесь с триалистами

Проверьте свои интерпретации. Они знают свои данные лучше, чем вы.

4

Validate Transformations

Воспроизведите опубликованные результаты IPD. Если они не совпадают, проведите расследование.

🔀 Дилемма определения
Вы гармонизируете IPD по результатам 8 исследований диабета. Ваш основной результат — «сердечно-сосудистая смерть».

В шести исследованиях использовалось стандартное определение (коды МКБ). В двух исследованиях 1990-х годов использовалась «сердечная смерть по оценке исследователя» без каких-либо стандартизированных критериев. Эти два исследования показывают больший эффект лечения.
Как вы с этим справляетесь?
A Включите все 8 исследований: чем больше данных, тем лучше и определения «достаточно близки».
B Exclude the 2 non-standardized trials to maintain outcome consistency
C Первичный анализ с 6 последовательными испытаниями; анализ чувствительности с добавлением двух других
Слайд 8.5: Этап проверки
Решающая проверка
THE TEST
Перед любым новым анализом:

Воспроизведите опубликованные результаты каждого исследования из IPD.

Если ваш анализ дает RR = 0,78, но в публикации указано RR = 0,85,
something is wrong.

Find the discrepancy. Fix it. Then proceed.
"Different languages, different rulers,
different ways to name the same disease.
Прежде чем вы сможете объединить, вы должны перевести.
Прежде чем переводить, вы должны понять».
=================== МОДУЛЬ 9: ТЕСТИРОВАНИЕ ВЗАИМОДЕЙСТВИЯ ===================
Лечение работает on average.

Но работает ли это одинаково для молодых и старых?
Для легких и тяжелых?
Для того, у кого есть биомаркер, и для того, у кого нет?
Взаимодействие, которое изменило онкологию
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?"

Взаимодействие было масштабным:

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:

Эффект лечения differs between subgroups defined by the covariate.

Если нет: эффект лечения similar across subgroups (or you lack power to detect a difference).
Критическое различие

Between-Study Interaction

  • Compares trial-level averages
  • Ecological fallacy risk
  • Confounded by trial design
  • Low statistical power
  • Можно использовать агрегированные данные

Within-Study Interaction

  • Compares patients within each trial
  • No ecological fallacy
  • Randomization preserved
  • Much higher power
  • Requires IPD
КЛЮЧЕВАЯ ИНФОРМАЦИЯ
IPD позволяет тестировать within-study interactions, where randomization ensures the comparison is fair.

Это золотой стандарт модификации эффектов.
🔀 Вопрос о возрастном взаимодействии
Ваш метаанализ IPD по антикоагулянтной терапии при фибрилляции предсердий включает 12 000 пациентов. Вы проверяете взаимодействие возраста и находите p=0,03. Пациенты старше 75 лет демонстрируют большую пользу (ОР 0,55), чем пациенты <75 лет (ОР 0,72).

В ходе анализа вы протестировали 8 потенциальных модификаторов эффекта.
Как вы интерпретируете этот вывод?
A Сообщают, что антикоагулянты действуют лучше у пожилых пациентов – взаимодействие значительно
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
«Среднее скрывает взаимодействие.
The interaction reveals who benefits.
Проверьте это в рамках учебы, а не между…
ибо именно там находится истина».
=================== МОДУЛЬ 10: ПРОГНОЗ И ПРОГНОЗ ===================
ИПЗ предназначен не только для лечения.

Когда вы стремитесь predict who will die,
who will recover, who will relapse—
личность - это все.
Слайд 10.2: История ВОЗДЕЙСТВИЯ
Predicting Recovery After Brain Injury
IMPACT CONSORTIUM, 2005-PRESENT
После черепно-мозговой травмы семьи задают разрушительный вопрос:

"Will they ever wake up?"

Individual trials were too small to develop accurate prediction models.

IMPACT собрал IPD из 11 исследований, 9205 пациентов, и построил модель, которая предсказывает 6-месячные результаты на основе начальных клинических особенностей.
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

Множественное вменение на уровне пациента, а не на уровне исследования

Reporting Standards

TRIPOD

  • Prediction model reporting
  • Разработка и валидация
  • Калибровка и дискриминация
  • 22 item checklist

PRISMA-IPD

  • IPD meta-analysis reporting
  • Подробности получения данных
  • Harmonization process
  • Integrity checking
ДЛЯ ПРОГНОСТИЧЕСКИХ МОДЕЛЕЙ IPD
You need both: TRIPOD для самой модели, PRISMA-IPD для процесса синтеза данных.
When Prediction Saves Lives
КЛИНИЧЕСКОЕ ВОЗДЕЙСТВИЕ
The IMPACT model is now embedded in clinical decision support systems worldwide.

Когда пациент поступает с черепно-мозговой травмой, модель обеспечивает probability of survival and probability of favorable outcome.

Это направляет беседы с семьями. Это влияет на интенсивность лечения. Это помогает распределить ресурсы отделения интенсивной терапии.

Построено на основе индивидуальных данных. Обслуживание отдельных пациентов.
"To predict one patient's future,
вы должны учиться на тысячах прошлых событий.
IPD хранит эти истории…
each one a teacher, if you will listen."
=================== МОДУЛЬ 11: ПАРАДОКС АСПИРИНА (АТТ) ===================
Разве вы не рассматривали маленькую белую таблетку?
что было дано millions для их сердец?

Им сказали: «Возьмите это, и вы будете защищены».

But was every heart equally in need of protection?
Слайд 11.2: История премии Netflix
История премии Netflix
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 содержит достаточное количество комбинаций возраста, диагноза, реакции на лечение и дат, чтобы однозначно идентифицировать людей. Конфиденциальность требует большего, чем просто удаление столбца имени: необходимо понимание того, как комбинации данных становятся отпечатками пальцев.
Слайд 11.3: Сотрудничество ДТО
Oxford, 2009
ANTITHROMBOTIC TRIALISTS' COLLABORATION
ДТО собрал отдельные данные от 95,000 patients across 6 primary prevention trials of aspirin.

The published trials said: "Aspirin prevents heart attacks."

Но ДТО задал запрещенный вопрос:

«Какой ценой? И для кого?»
ATT Collaboration. Lancet 2009;373:1849-60
Слайд 11.4: Откровение
Цифры раскрыты
-12%
Heart Attacks Prevented
+32%
Major Bleeds Caused
THE BALANCE
For every 1,000 low-risk patients прием аспирина в течение 5 лет:

2-3 heart attacks prevented
2-3 major bleeds caused

Польза и вред компенсируются.
Слайд 11.5: Дерево решений
Решение, основанное на риске

Следует ли этому пациенту принимать аспирин для первичной профилактики?

10-Year CVD Risk?
↓
>20%
High Risk
10-20%
Intermediate
<10%
Low Risk
↓
Consider aspirin
(benefit > harm)
Shared decision
(benefit ≈ harm)
Avoid aspirin
(harm > benefit)
Why did published meta-analyses miss this?
Слепота агрегатов
Published trials reported average benefits.

Они не смогли доказать, что пациенты из группы высокого риска получили
while low-risk patients lost.

Only by examining each patient's baseline risk,
each patient's outcomes,
could the interaction be revealed.
🔀 Дилемма первичной профилактики
52-летний мужчина спрашивает об аспирине для профилактики сердечного приступа. У него ранее не было сердечно-сосудистых заболеваний, уровень холестерина пограничный, АД контролируется, не курит. Его 10-летний риск сердечно-сосудистых заболеваний составляет 8%.

Он прочитал в Интернете, что «аспирин предотвращает сердечные приступы», и хочет вашего совета.
Что ты ему скажешь?
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"
«Лекарство, которое спасает находящихся под угрозой исчезновения
может нанести вред безопасности.

Прежде чем назначать препарат, узнайте о риске для вашего пациента.
Именно этому нас научили отдельные данные».

95,000 patients. One truth: risk determines benefit.

=================== МОДУЛЬ 12: ОТКРОВЕНИЕ КРОВЯНОГО ДАВЛЕНИЯ (BPLTTC) ==================
Разве вы не видели, как они десятилетиями дискутировали:
«Следует ли относиться к старикам так же, как и к молодым?»

Some said: "Lower is always better."
Другие говорили: «Старые хрупки. Будьте осторожны».

Кто был прав?
Слайд 12.2: Дебаты
Спор о J-кривой
CARDIOLOGY CONFERENCES, 1980s-2000s
В течение многих лет врачи спорили:

Агрессивный лагерь: "Every mmHg of BP reduction saves lives.
Treat everyone to target 120/80."

Консерватор Лагерь: "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. Пока BPLTTC не соберет отдельные данные.
Слайд 12.3: Сотрудничество
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?
BPLTTC. Lancet 2021;397:1625-36
Слайд 12.4: Ответ
Ответ, At Последнее
Benefit at Every Age
Пропорциональное снижение риска было постоянным в возрасте от 55 до 85 лет+
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. Никаких признаков возрастной модификации.
Слайд 12.5: Миф о J-кривой
А как насчет J-кривой?
THE RESOLUTION
БПЛТТК протестирован на наличие J-кривой при обследовании пациентов
who achieved very low blood pressures.

Result: No J-curve in randomized comparisons.

Очевидно J-кривая в данных наблюдений была reverse causation— sick patients have low BP because they're sick, not sick because their BP is low.

Только ИПД из РКИ могло распутать это.
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
THE LESSON
Age alone is not a reason to withhold treatment.
Consider frailty, life expectancy, patient preference—but not age.
🔀 Кровяное давление 82-летней женщины
У 82-летней женщины АД 158/88. Она независима, когнитивно не повреждена и не имела истории падений. Коллега говорит: «Она слишком стара для агрессивного лечения АД. J-кривая, вы знаете».

Вы помните метаанализ BPLTTC IPD.
What do you do?
A Согласитесь со своим коллегой – примите более высокие целевые значения АД для пожилых людей
B Приведите доказательства BPLTTC, свидетельствующие о том, что польза сохраняется и у очень пожилых людей. и начать лечение
C Wait for a cardiovascular event before treating
"Они сказали, что старые слишком хрупкие для медицины.
Но отдельные данные показали обратное:

At every age, the benefit endures.
Do not let age alone deny protection."
================== МОДУЛЬ 13: ОКНО ВРЕМЕНИ Инсульта ==================
Разве вы не были свидетелем гонки со временем
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?
Слайд 13.2: Ставки
Time Is Brain
1.9M
Neurons Lost Per Minute
14B
Synapses Lost Per Minute
THE QUESTION
Тромболизис может растворить тромб и восстановить кровь поток.

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.
Слайд 13.3: Решение IPD
Испытатели тромболизиса при инсульте
STT COLLABORATIVE GROUP, 2014
STT собрала отдельные данные из 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.
STT Collaborative Group. Lancet 2014;384:1929-35
Слайд 13.4: Время Кривая
Окно затухания
0-3h
ИЛИ 1,75 для хорошего результата
3-4.5h
ИЛИ 1,26 для хорошего результата
4.5-6h
OR 1.15 (not significant)
УМЕНЬШЕНИЕ ПОЛЬЗЫ
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
The Решение о тромболизисе

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
TREAT
if eligible
Consider
imaging
Generally
avoid
Слайд 13.6: Почему AD не смог ответить
Why did we need individual data?
ОГРАНИЧЕНИЕ СРЕДНИХ
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.
🔀 4-часовой инсульт
У 68-летнего пациента острый инсульт. Симптомы появились 4 часа назад. КТ не показывает кровотечения, балл по шкале NIHSS — 12 (умеренный). Семья спрашивает: «Не слишком ли поздно для приема препарата, разрушающего тромбы?»

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 «Мы все еще в пределах 4,5-часового окна — срочно приступайте к тромболизису»
C "Wait for MRI to see if there's salvageable tissue"
"Every minute the clot remains,
two million neurons perish.

IPD показал нам окно затухания.
Act quickly, or the window closes forever."
=================== МОДУЛЬ 14: ОТСУТСТВУЮЩИЕ ДАННЫЕ В IPD ===================
Вы собрали отдельные данные.
Вы открываете файлы с надеждой.

И тогда вы видите это: empty cells.

Age: 67. Sex: Male. Smoking status: missing.
Outcome at 1 year: missing.

What now?
Слайд 14.2: Три типа
Три вида отсутствия
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

Пропало не случайно (MNAR)

Пациенты с плохими результатами выбывают из исследования. Отсутствие, связанное с missing value itself. Опасный. Требуется анализ чувствительности.

Слайд 14.3: Дерево решений
Обработка недостающих данных

Что делать с отсутствующими значениями?

How much is missing?
↓
<5%
Minor
5-20%
Moderate
>20%
Substantial
↓
Complete case
may suffice
Multiple
imputation
Impute +
sensitivity
Множественное вменение: стандарт
THE PROCESS
1. Impute → 2. Analyze → 3. Pool
Create M imputed datasets, analyze each, combine using Rubin's rules
WHY MULTIPLE?
Одиночное вменение предполагает, что вы знаете недостающее значение.

Multiple imputation (M=20-50 datasets) reflects uncertainty о том, каким могло быть недостающее значение.

Это сохраняет допустимые стандартные ошибки и значения p.
Проблемы отсутствия данных, характерные для IPD
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

Испытание А длилось 2 года. Испытание Б на 5 лет. Анализ выживаемости требует осторожности.

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
с переменной
Confounder
↓
Sensitivity analysis
varying assumptions
about unmeasured
🔀 Недостающий биомаркер
Ваш IPD-MA проверяет, работает ли новый препарат от рака лучше у пациентов с положительным биомаркером. У вас ИПЗ от 8 испытаний. Но в 3 исследованиях (40% пациентов) биомаркер вообще не измерялся.

Эти три исследования, как правило, старше и меньше по размеру.
Как вы анализируете взаимодействие?
A Impute the biomarker status based on other patient characteristics
B Анализировать взаимодействие только в 5 исследованиях с данными биомаркеров; анализ чувствительности, включая все исследования общего эффекта
C Полностью исключить 3 исследования из метаанализа.
«Пустая клетка — это не ничто.
It is a question: Почему это неизвестно?

Ответьте на этот вопрос, прежде чем заполнить пробел —
причина отсутствия определяет решение».
==================== МОДУЛЬ 15: ЛОВУШКА ДОСТУПНОСТИ ===================
Разве вы не видели исследователя
который собрал данные из willing trialists
и объявил победу?

But the unwilling held secrets.
И эти тайны изменили всё.
Слайд 15.2: История Тамифлю
История Тамифлю
A TRUE STORY
В течение многих лет правительства накапливали запасы Тамифлю для лечения пандемического гриппа, тратя миллиарды.

Cochrane reviewers requested trial data to verify efficacy. Roche refused, citing confidentiality.

В течение пяти лет BMJ выступал за прозрачность. Когда в 2014 году наконец были опубликованы полные отчеты о клинических исследованиях, картина изменилась: Тамифлю сократил продолжительность симптомов менее чем на день и не предотвратил осложнений.

Миллиарды потрачены на препарат, все доказательства которого были заперты.

Сага о Тамифлю изменила ожидания: сегодня прозрачность клинических исследований становится нормой, а не исключением.
Слайд 15.3: Доказательства
When IPD Is Selectively Available
ЭМПИРИЧЕСКИЙ РЕЗУЛЬТАТ
В исследованиях сравнивались исследования, в которых присутствует ИПЗ, и исследования, в которых этого не происходит:

Industry-sponsored trials: Less likely to share
Испытания с отрицательными результатами: Less likely to share
Older trials: Данные часто теряются

If these trials systematically differ in effect size,
ваш IPD-MA предвзят.
Ahmed I, et al. BMJ 2012;344:d7762
Слайд 15.4: Сравнение
Always Compare: IPD vs. Non-IPD Trials

Assessing Availability Bias

Compare AD effects: trials with IPD vs. without
↓
Similar Effects
↓
Low concern
for bias
Different Effects
↓
High concern
Необходим анализ чувствительности
Слайд 15.5: Контрольный список
Контрольный список ошибок доступности
✓

Report IPD retrieval rate

«Мы получили ИПЗ в 12 из 15 исследований (80%)»

✓

Compare IPD vs. non-IPD trial characteristics

Размер выборки, финансирование, дата публикации, размер эффекта на основе совокупных данных

✓

Sensitivity analysis including non-IPD trials

Двухэтапный анализ, объединяющий IPD + AD из исследований без совместного использования

✓

Обсудите причины отказа от обмена

Data lost? Refused? Never requested? Each has different implications.

🔀 Неохотные испытатели
Ваш IPD-MA хирургического вмешательства получил данные из 8 из 12 подходящих исследований (67%). Все 4 исследования без совместного использования финансируются промышленностью и демонстрируют меньшую пользу в своих публикациях (объединенное ОШ 0,95) по сравнению с 8 исследованиями IPD (объединенное ОШ 0,72).

Ваш анализ IPD показывает OR 0,70.
Как вы сообщите об этом?
A Report IPD result (OR 0.70) as the main finding - IPD is gold standard
B Сообщите о результатах IPD с заметным предупреждением о предвзятости доступности и анализе чувствительности, включая AD, из испытаний без совместного использования.
C Wait until you get 100% IPD before publishing
Слайд 15.7: Комбинированный подход
Двухэтапное гибридное решение
COMBINING IPD + AD
Stage 1: Analyze IPD trials → get θIPD
Stage 2: Meta-analyze θIPD + θAD из исследований, не связанных с ИПЗ
Uses all available evidence, even when IPD incomplete
THE PRINCIPLE
IPD – это не принцип «все или ничего».

Используйте IPD там, где он у вас есть (для тестирования взаимодействия).
Дополните AD для оценки общего эффекта.
Прозрачность о том, что и откуда.
«Желание может не отражать целое.
Открытые двери могут скрыть правду за запертыми.

Always ask: Who refused to share?
And what might they be hiding?"
=================== МОДУЛЬ 16: ВИКТОРИНА И ССЫЛКИ ===================
Что обнаружила группа ранних исследователей рака молочной железы такого, чего не смогли обнаружить отдельные испытания?
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
Объединение исследований из разных экологических регионов
Using outdated trials in modern meta-analyses
Когда одноэтапный анализ ИПЗ предпочтительнее двухэтапного?
When trials have sparse events or rare outcomes
When you have many large trials
When you want to create forest plots
Когда результаты являются общими, а последующее наблюдение короткое
Что следует сделать перед анализом ИПЗ по результатам нескольких исследований?
Немедленно объедините все данные и запустите основной анализ.
Exclude trials with missing variables
Воспроизведите опубликованные результаты каждого исследования из IPD для проверки целостности данных.
Convert all continuous variables to categorical
References

Ключевые источники, цитируемые в этом курсе

  1. Riley RD, et al. Метаанализ данных отдельных участников: Справочник по исследованиям в области здравоохранения. Wiley, 2021.
  2. Стюарт Л.А. и др. PRISMA-IPD: Предпочтительные элементы отчетности для систематических обзоров и метаанализа данных отдельных участников. JAMA 2015;313:1657-65.
  3. Early Breast Cancer Trialists' Collaborative Group. Tamoxifen for early breast cancer. Cochrane Database Syst Rev 2001.
  4. Cholesterol Treatment Trialists' Collaboration. Efficacy and safety of LDL-lowering therapy. Lancet 2010;376:1670-81.
  5. Roberts D, et al. Antenatal corticosteroids for accelerating fetal lung maturation. Cochrane Database Syst Rev 2017.
  6. IMPACT Study Group. Predicting outcome after traumatic brain injury. PLoS Med 2008;5:e165.
  7. Debray TPA, et al. Get real in individual participant data meta-analysis. Int J Epidemiol 2015;44:1287-97.
  8. Burke DL, et al. Meta-analysis using individual participant data. Stat Med 2017;36:320-38.
✔
Course Complete
«В совокупности личность исчезает.
But you have learned to find them.
You have learned to ask: Who benefits? Who is harmed?

А теперь идите — и не позволяйте ни одному пациенту исчезнуть в среднем».

Скрытый пациент — теперь вы его видите.