Коротко и по делу — какие критерии исхода, дизайн и статистика для оценки долгосрочной эффективности мобильного приложения для КПТ vs очной терапии.
Критерии исхода
- Первичный исход: изменение симптомов по валидированной шкале (например, депрессия — PHQ‑9, тревога — GAD‑7) от базовой линии до длительной точки наблюдения (рекомендуемая основная точка: $12\text{мес}$).
- Вторичные исходы:
- ремиссия/рецидив (бинарно) к $12\text{мес}$ и $24\text{мес}$;
- время до рецидива (временной исход);
- функциональное состояние и качество жизни (WHO‑QoL или SF‑36);
- использование здравоохранения (госпитализации, визиты);
- приверженность/вовлечённость в лечение (лог‑файлы приложения, посещения сессий);
- побочные эффекты/нежелательные события.
- Предварительно установить минимально клинически значимое различие (MCID) для первичного исхода и/или маржу для не‑ниже‑чем (non‑inferiority).
Дизайн исследования
- Предпочтительно: многоцентровое рандомизированное контролируемое исследование (RCT), параллельные группы, рандомизация индивидуальная; если есть риск взаимного влияния — кластер‑рандомизация по клинике/терапевту.
- Формат испытания: обычно non‑inferiority (если цель — показать, что приложение не хуже очной терапии) или superiority (если ожидается превосходство). Ясно прописать гипотезу.
- Рандомизация: стратификация по ключевым переменным (центр, тяжесть вкл. шкала) и конслузия распределения. Маскировка оценщиков исходов (assessor‑blinded).
- Временные точки измерений: базовая линия, краткосрочно ($3\text{мес}$), среднесрочно ($6\text{мес}$), долгосрочно ($12\text{мес}$, $24\text{мес}$).
- План анализа: основная аналитика — intention‑to‑treat (ITT); для non‑inferiority дополнительно per‑protocol (PP).
- Соберите объективные данные (визиты, госпитализации), метрики вовлечённости приложения, экономические данные для анализа cost‑effectiveness (QALY).
Статистические методы
- Гипотеза non‑inferiority: выбрать маржу $\Delta$ на основе MCID/экспертной оценки (например $\Delta =$ половина SD или клинически обоснованное значение).
- Пример расчёта размера выборки для непрерывного исхода (двух групп, однофакторный тест):
$$n_{\text{на группу}}={\left(\frac{(Z_{1-\alpha }+Z_{1-\beta })\sigma }{\Delta }\right)}^2,$$ где $\alpha$ — односторонний уровень значимости для non‑inferiority, $\beta$ — вероятность ошибки II рода, $\sigma$ — оценка стандартного отклонения изменения, $\Delta$ — нестерпимый предел. Для кластерного дизайна умножить на дизайн‑эффект $1+(m-1)\rho$.
- Анализ первичного исхода: смешанные модели для повторных измерений (LMM/MMRM) с фиксированными эффектами для лечения, времени, их взаимодействия и случайным перехватом для участников:
$$Y_{it}={\beta }_0+{\beta }_1{\text{Treatment}}_i+{\beta }_{2}t+{\beta }_3({\text{Treatment}}_i\times t)+b_i+{\epsilon }_{it}.$$ Оцените разницу в средних изменений в точке $12\text{мес}$ и доверительные интервалы; для non‑inferiority проверьте, что верхняя/нижняя граница CI не превышает $\Delta$ в нужном направлении.
- Бинарные исходы (ремиссия): логистическая регрессия с коррекцией на центры/случайные эффекты (GLMM) или GEE; отчётность относительных рисков/отношений шансов.
- Временные исходы (время до рецидива): анализ по методу Каплана‑Мейера, тест лог‑ранга и модель Кокса (Cox PH) с оценкой отношения рисков и проверкой предположения пропорциональности.
- Обработка пропусков: первичный анализ — LMM/MMRM (устойчивы при MAR), множественная имputation (MI) для подтверждения; чувствительные анализы под MNAR — pattern‑mixture или delta‑adjustment; IPW при информативном выпадении.
- Анализы приверженности: per‑protocol, complier average causal effect (CACE) с использованием рандомизации как инструмента (IV), а также модель с ковариатами вовлечённости.
- Контроль мультипликативности: заранее определить первичный исход; иерархическое тестирование или корректировки (Bonferroni/FDR) для вторичных исходов.
- Чувствительные и субгрупповые анализы: по тяжести исходного состояния, возрасту, уровню цифровой грамотности; тесты взаимодействия.
- Отчётность: используйте CONSORT/CONSORT‑eHealth, предварительная регистрация протокола, план статистического анализа (SAP), DSMB при необходимости.
Дополнительно
- План сбора безопасности и побочных эффектов; экономическая оценка (ICER, QALY).
- Если RCT невозможен — квазиэкспериментальные методы: propensity score matching, inverse probability weighting, difference‑in‑differences, реактивный анализ чувствительности к оставшимся смещениям.
Если нужно, могу предложить пример конкретного SAP (пункты и модельные формулы) под вашу целевую шкалу (PHQ‑9/GAD‑7) и пример расчёта размера выборки с типичными параметрами.