Power Calculation for Noninferiority Stepped-Wedge Cluster Randomized Trials

في عالم الأبحاث الطبية، غالباً ما يحتاج العلماء إلى اختبار علاجات جديدة عبر مواقع مختلفة عديدة، مثل المستشفيات أو العيادات، بدلاً من الاقتصار على المرضى الأفراد فقط. وعندما لا يمكن تعميم علاج ما في كل مكان في وقت واحد — ربما بسبب عدم كفاية الموظفين أو المعدات لتدريب الجميع في آن واحد — يستخدم الباحثون تصميماً يسمى "تجربة الوتد المتدرج" (stepped-wedge trial). تخيل سباق تتابع حيث يبدأ كل عداء في نفس الوقت ولكنه يعبر خط النهاية في لحظات مختلفة؛ في هذا التصميم التجريبي، تبدأ كل مجموعة بالرعاية القياسية ثم تنتقل إلى العلاج الجديد واحدة تلو الأخرى حتى يتلقى الجميع العلاج. هذا النهج جذاب من الناحية الأخلاقية لأن أحداً من المجموعات لا يُترك دون الخيار الجديد، كما أنه يسمح للباحثين بمقارنة أداء المجموعات قبل وبعد عملية الانتقال. ومع ذلك، بينما عرف العلماء منذ زمن طويل كيفية حساب احتمالات إثبات أن العلاج الجديد "أفضل" من القديم، فقد افتقروا إلى أدوات موثوقة لحساب احتمالات إثبات أنه "على الأقل بنفس الجودة". وهذا التمييز مهم للغاية عندما يكون العلاج الجديد أرخص، أو أكثر أماناً، أو أسهل في الاستخدام، حتى لو كان أقل فعالية قليلاً من المعيار الذهبي.

لقد نجح فريق من الباحثين الآن في سد هذه الفجوة من خلال ابتكار طريقة جديدة للمساعدة في التخطيط لهذه التجارب عندما يكون الهدف هو إظهار أن النهج الجديد ليس أسوأ من الحالي. فقد طوروا أداة حاسوبية تسمى swNIsim، تقوم بمحاكاة آلاف السيناريوهات المحتملة للتجارب لمعرفة ما إذا كان تصميم الدراسة سينجح. وبدلاً من الاعتماد على صيغ جامدة تفترض ظروفاً بسيطة، تحاكي هذه الأداة الواقع المعقد للدراسات الحقيقية. يمكنها التعامل مع حالات تكون فيها بعض المستشفيات أكبر من غيرها، أو حيث يختلف عدد المرضى من أسبوع لآخر، أو حيث يستغرق العلاج الجديد وقتاً ليبدأ مفعوله. وقد اختبر الباحثون طريقتهم باستخدام قياسات مستمرة، مثل عدد الأيام التي يقضيها المريض على جهاز التنفس الاصطائي، ونتائج ثنائية، مثل ما إذا كان المريض قد أُدخل إلى المستشفى أم لا. ومن خلال إجراء عمليات المحاكاة هذه، اكتشفوا أن العامل الأكثر أهمية لنجاح التجربة ليس بالضرورة عدد المستشفيات المشاركة، بل عدد الفترات الزمنية التي تستغرقها الدراسة.

وجد الباحثون أنه بالنسبة لعدد ثابت من المرضى، فإن توزيع الدراسة على فترات زمنية أكثر يرفع باستمرار من فرص اكتشاف تأثير حقيقي. وبينما ساعدت إضافة المزيد من المستشفيات إلى المزيج بشكل طفيف، إلا أنها لم تكن بقوة مجرد تمديد الجدول الزمني. كما لاحظوا أنه عندما تكون الاختلافات بين المستشفيات كبيرة جداً، يصبح من الصعب الوصول إلى نتيجة واضحة، لكن الطريقة ظلت متينة. والأهم من ذلك، أظهرت الأداة أن موازنة عدد المستشفيات في كل مجموعة أكثر كفاءة من وجود مجموعات غير متساوية. وقد أكدت عمليات المحاكاة أن الطريقة تحافظ على مخاطر الإنذارات الكاذبة منخفضة جداً، مما يضمن أنه عندما تنتهي التجربة وتكون النتيجة أن العلاج الجديد مقبول، فإن هذا الاستنتاج يكون سليماً من الناحية الإحصائية. كما أشار الفريق أيضاً إلى أنه إذا تضمنت الدراسة فترات زمنية لا يحدث فيها أي تغيير حقيقي، فإن إزالة تلك العوامل الزمنية من التحليل يمكن أن يجعل النتائج أكثر وضوحاً، وإن كان الباحثون في الممارسة العملية يميلون عادةً إلى الإبقاء عليها لأخذ الاتجاهات الطبيعية بمرور الوقت في الاعتبار.

ولإثبات فاعلية الأداة في الحياة الواقعية، طبق المؤلفون منهجهم على دراستين قائمتين. تضمنت الأولى تجربة لمرضى على أجهزة التنفس الاصطائي، حيث كان الهدف هو معرفة ما إذا كان مسار رعاية جديد يمكنه الحفاظ على عدد مرتفع من الأيام دون الحاجة للمساعدة في التنفس. وباستخدام طريقتهم الجديدة، حسبوا أن عدداً معيناً من المرضى لكل مستشفى في كل فترة زمنية سيكون مطلوباً للتأكيد بثقة أن الطريقة الجديدة ليست أسوأ من القديمة. أما المثال الثاني فقد تناول تجربة في أقسام الطوارئ تهدف إلى تقليل حالات دخول المستشفى؛ حيث ساعدت الأداة في تحديد الحجم اللازم لمجموعات الدراسة لإظهار أن برنامج الرعاية التلطفية الجديد يضاهي الرعاية القياسية. وقد أظهرت هذه الأمثلة أن البرنامج قادر على التعامل مع المعايير المعقدة والواقعية وتوفير توجيه واضح حول عدد المشاركين المطلوبين.

ويؤكد المؤلفون أنه بينما تتسم طريقتهم بالمرونة والقوة، إلا أنها ليست عصا سحرية تزيل كل أنواع الشك. تعتمد الأداة على محاكاة الحاسوب، وهي عملية تتطلب جهداً حاسوبياً أكبر من الحسابات البسيطة، لكن هذا الجهد الإضافي يسمح لها بالتعامل مع التصاميم المعقدة التي غالباً ما يتطلبها الطب الحديث. كما أشاروا إلى أن نموذجهم الحالي يفترض نوعاً معيناً من الارتباط بين المرضى في نفس المستشفى، وقد تحتاج النسخ المستقبلية إلى مراعاة الأنماط الأكثر تعقيداً لكيفية تأثير المرضى على بعضهم البعض بمرور الوقت. ومع ذلك، فمن خلال توفير حزمة برمجيات مجانية يمكن للباحثين استخدامها فوراً، يقدم هذا العمل وسيلة عملية لتصميم تجارب أفضل وأكثر كفاءة. إنها تضمن أنه عندما ينطلق العلماء لإثبات أن علاجاً جديداً جيد بما يكفي، فإنهم لا يعتمدون على التخمين، بل يعتمدون بدلاً من ذلك على خطة تم اختبارها بصرامة ضد واقع كيفية تقديم الرعاية الطبية فعلياً.