Exposure-outcome window overlaps in biomarker studies: a simulation study and reporting checklist
Dit artikel identificeert en kwantificeert de bias die wordt geïntroduceerd door overlappingen tussen blootstellings- en uitkomstvensters in biomarkerstudies, waarbij het door middel van simulaties en een casestudy aantoont dat standaardanalyses voorspelling verwarren met gelijktijdige ernst, en stelt een rapportagechecklist voor om transparantie met betrekking tot latente gebeurtenisontstaan en componenten van samengestelde uitkomsten te waarborgen.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de wereld van medisch onderzoek proberen wetenschappers toekomstige gezondheidsproblemen te voorspellen door te kijken naar signalen uit het verleden. Stel je voor dat een arts de bloeddruk van een patiënt controleert of een chemisch niveau in het bloed om te raden of diegene later die dag een ernstig nierfalen zou kunnen ontwikkelen. Dit is een standaardpraktijk: een biomarker meten, een tijdje wachten, en zien of de voorspelde gebeurtenis plaatsvindt. Maar er zit een verborgen valstrik in hoe deze studies zijn ontworpen. Als de periode waarin de biomarker wordt gemeten overlapt met de periode waarin naar het letsel wordt gezocht, kunnen de resultaten een verwarrende mix worden van voorspelling en realiteit. Het letsel kan al begonnen zijn voordat de meting van de biomarker zelfs was voltooid, maar de studie telt dit toch als een toekomstige gebeurtenis. Deze overlap maakt het onmogelijk om te bepalen of de biomarker werkelijk de problemen voorspelde of dat hij simpelweg reageerde op problemen die al aan de hand waren.
Deze verwarring is belangrijk omdat het artsen de indruk kan geven dat een test beter is in het voorspellen van de toekomst dan hij in werkelijkheid is. Als een studie een letsel dat tijdens het meetvenster plaatsvond als een toekomstige gebeurtenis telt, creëert dit een vals gevoel van zekerheid. Onderzoekers moeten precies weten wanneer een biomarker beschikbaar is en wanneer de definitie van de uitkomst begint, zodat ze kunnen scheiden wat bekend was van wat werd geraden.
Een team van onderzoekers probeerde deze knoop te ontwarren. Ze richtten zich op een specifiek scenario waarbij een biomarker wordt samengevat over een tijdsvenster, zoals het hoogste niveau van een stof dat gedurende een periode van vierentwintig uur is geregistreerd. Ze stelden een eenvoudige maar moeilijke vraag: wat gebeurt er met de conclusies van de studie als de uitkomst die men probeert te voorspellen, feitelijk al vorm begint te krijgen binnen datzelfde vierentwintig uur durende venster? Om dit te beantwoorden, keken ze niet alleen naar één groep patiënten; ze bouwden een virtuele wereld met behulp van computersimulaties. In dit digitale laboratorium konden ze elk detail controleren, inclusief het exacte moment waarop de gezondheid van een patiënt begon te verslechteren, een moment dat in het echte leven nooit zichtbaar is. Ze testten drie verschillende manieren om de gegevens te analyseren om te zien welke methode de relatie tussen de biomarker en het letsel correct kon identificeren.
De simulaties toonden aan dat het probleem niet altijd een ramp is, maar wel een ernstige vertekening. Wanneer er geen echt verband was tussen de biomarker en het letsel, creëerden de gebrekkige methoden geen valse alarmen. Echter, wanneer de biomarker daadwerkelijk gekoppeld was aan het letsel, maar alleen vóórdat het meetvenster sloot, faalden de standaardmethoden ernstig. Ze rapporteerden een sterke verbinding waar die voor de toekomst niet bestond. Een veelgebruikte techniek genaamd "landmark-analyse", die probeert dit op te lossen door patiënten die een gebeurtenis hadden vóór de meting voltooid was te negeren, hielp de fout te verminderen. Maar het loste het niet volledig op. De onderzoekers ontdekten dat zelfs wanneer ze de vroegtijdig gedetecteerde gevallen negeerden, veel patiënten nog steeds een stil begin van het letsel hadden voordat het meetvenster eindigde. De landmark-methode verwijderde de zichtbare gevallen, maar liet de onzichtbare gevallen achter, wat betekende dat de studie nog steeds het verleden en de toekomst met elkaar mengde.
Om te zien hoe dit zich in de echte wereld afspeelde, pasten de onderzoekers hun raamwerk toe op een grote, real-world dataset van patiënten die een hartoperatie ondergingen. Ze keken naar het piekgehalte van een stof genaamd lactaat in het bloed tijdens de eerste vierentwintig uur na de operatie en controleerden of dit acuut nierfalen voorspelde. De resultaten waren opmerkelijk. Onder de patiënten die uiteindelijk nierfalen ontwikkelden, had bijna driekwart al aan de medische definitie van het letsel voldaan voordat de vierentwintig uur durende lactaatmeting zelfs voltooid was. Met andere woorden, voor de meeste van deze patiënten was de nierbeschadiging al opgetreden tegen de tijd dat de onderzoekers het piekgehalte van het lactaat hadden berekend.
Toen de onderzoekers alleen naar de patiënten keken die na de eerste vierentwintig uur nog steeds gezond waren, vonden zij dat hoge lactaatniveaus inderdaad geassocieerd waren met een hoger risico op het ontwikkelen van nierfalen later. Echter, de sterkte van die associatie hing volledig af van welk deel van de definitie van het nierfalen werd gebruikt. De medische definitie van nierfalen heeft twee delen: een plotselinge stijging van een afvalproduct genaamd creatinine, of een stijging van creatinine ten opzichte van de baseline van de patiënt. De regel voor de "plotselinge stijging" is alleen van toepassing gedurende de eerste achtenveertig uur. Daarna telt alleen de relatieve stijging. De onderzoekers ontdekten dat hoog lactaat sterk gelinkt was aan de plotselinge stijging in de eerste twee dagen, maar dat deze link onnauwkeurig werd zodra dat tijdsvenster sloot en alleen de relatieve stijging overbleef. Dit toonde aan dat het algemene resultaat van de studie een gemiddelde was van twee heel verschillende verhalen, waarvan er één in de loop van de tijd veranderde.
De studie benadrukte ook een dieper liggend probleem met hoe deze tests worden uitgevoerd. In de echte wereld bestellen artsen bloedonderzoeken op basis van hoe ziek een patiënt eruitziet. Als een patiënt erg ziek lijkt, bestelt de arts vaker bloedafnames. Dit betekent dat zieker wordende patiënten meer kansen hebben om hun lactaatpiek geregistreerd te krijgen en meer kansen hebben om hun nierfalen vroegtijdig gedetecteerd te krijgen. De onderzoekers vonden dat dit patroon van testen het moeilijk maakte om te onderscheiden of de biomarker het probleem veroorzaakte of slechts de bezorgdheid van de arts weerspiegelde. Ze konden de biologie van de ziekte niet volledig scheiden van de manier waarop de artsen de patiënten monitorden.
De onderzoekers concludeerden dat de manier waarop deze studies gerapporteerd worden, moet veranderen. Ze stelden een eenvoudige checklist voor toekomstig onderzoek voor. Ten eerste moeten studies rapporteren hoeveel patiënten het gevolg al hadden ontwikkeld voordat de biomarker-meting voltooid was. Dit getal vertelt lezers precies hoeveel van de studie achteruit kijkt in plaats van vooruit. Ten tweede moeten onderzoekers duidelijk het tijdspad laten zien van wanneer de biomarker werd gemeten en wanneer de uitkomst werd geobserveerd, zodat de overlap zichtbaar is. Derde, als een uitkomst meerdere onderdelen heeft die op verschillende momenten niet meer geldig zijn, moet de studie de resultaten voor elk deel afzonderlijk rapporteren. Ten slotte moeten onderzoekers uitleggen hoe ze hebben besloten wanneer een gebeurtenis plaatsvond, vooral wanneer het exacte moment onbekend is.
Dit werk bewijst niet dat lactaat nutteloos is voor het voorspellen van nierfalen. Het laat zien dat de vraag die gesteld wordt vaak anders is dan wat de onderzoekers denken dat ze vragen. Een hoog lactaatgehalte is een teken dat een patiënt een risico loopt, maar de studie suggereert dat dit risico vaak verbonden is aan schade die al is begonnen, en niet alleen aan schade die pas gaat beginnen. De bevindingen bieden geen nieuw medicijn of een nieuwe test. In plaats daarvan bieden ze een helderdere manier om de bestaande wetenschap te lezen. Door het begrip van de timing van de meting en de uitkomst, kunnen artsen en wetenschappers stoppen met het mixen van wat ze weten met wat ze hopen te voorspellen. Het artikel eindigt met een stille maar krachtige herinnering: zonder deze details kunnen lezers geen onderscheid maken tussen een ware voorspelling en een reflectie van het huidige moment.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.