Biostatistik memberikan kerangka matematis untuk merancang uji klinis, menganalisis hasilnya, dan menarik kesimpulan yang valid tentang efek pengobatan. Tanpa metodologi statistik yang ketat, data klinis tidak dapat secara andal membedakan efek pengobatan asli dari variasi acak atau bias sistematis. Ahli statistik adalah anggota integral tim pengembangan klinis dari tahap perencanaan paling awal hingga pengajuan peraturan akhir.
Pengujian Hipotesis
Landasan analisis uji klinis adalah pengujian hipotesis, yang mana hipotesis nol (H0) menyatakan tidak ada perbedaan antara kelompok perlakuan dan kelompok kontrol, dan hipotesis alternatif (H1) menyatakan adanya perbedaan. Uji statistik menghitung kemungkinan mengamati hasil yang diperoleh, atau hasil yang lebih ekstrem, jika hipotesis nol benar. Probabilitas ini adalah nilai-p. Nilai p di bawah tingkat signifikansi yang telah ditentukan sebelumnya, secara konvensional 0,05, menyebabkan penolakan hipotesis nol dan mendukung alternatif lain. Penting untuk dipahami bahwa nilai p bukanlah probabilitas hipotesis nol benar; melainkan mengukur kompatibilitas data dengan hipotesis nol.
Nilai-P dan Interval Keyakinan
Meskipun nilai p menunjukkan apakah efek pengobatan signifikan secara statistik, interval kepercayaan memberikan informasi tentang besaran dan ketepatan efek. Interval kepercayaan 95 persen mendefinisikan kisaran nilai yang di dalamnya terdapat efek pengobatan yang sebenarnya dengan tingkat kepercayaan 95 persen. Interval kepercayaan lebih informatif daripada nilai p saja karena interval tersebut menyampaikan arah dan kisaran ukuran efek yang masuk akal. Misalnya, rasio bahaya sebesar 0,75 dengan interval kepercayaan 95 persen sebesar 0,62 hingga 0,91 menunjukkan tidak hanya bahwa dampaknya signifikan secara statistik (intervalnya tidak melewati 1,0) namun juga bahwa manfaat sebenarnya bisa sekecil 9 persen atau sebesar 38 persen.
Superioritas, Non-Inferioritas, Kesetaraan
Tujuan uji klinis menentukan pendekatan statistik. Uji keunggulan bertujuan untuk menunjukkan bahwa perlakuan eksperimental lebih baik dibandingkan pembanding. Uji coba non-inferioritas bertujuan untuk menunjukkan bahwa perlakuan eksperimental tidak lebih buruk dari pembanding dengan selisih lebih dari yang telah ditentukan. Desain non-inferioritas digunakan ketika obat eksperimental menawarkan keuntungan dalam hal keamanan, kenyamanan, atau biaya yang membenarkan hilangnya sedikit kemanjuran. Uji kesetaraan bertujuan untuk menunjukkan bahwa dua pengobatan setara secara terapeutik dalam rentang tertentu. Pilihan desain mempengaruhi ukuran sampel, metode analisis, dan interpretasi, dan harus ditentukan dalam rencana analisis statistik sebelum dilakukan unblinding.
Analisis Niat untuk Mengobati vs Per-Protokol
Prinsip intention-to-treat (ITT) mengharuskan semua peserta yang diacak dianalisis sesuai dengan kelompok perlakuan yang ditugaskan kepada mereka, terlepas dari apakah mereka menerima pengobatan, menyelesaikan penelitian, atau menyimpang dari protokol. Analisis ITT mempertahankan manfaat pengacakan dan memberikan perkiraan efek pengobatan yang tidak memihak di dunia nyata di mana terjadi ketidakpatuhan dan putus sekolah. Analisis per-protokol (PP) hanya mencakup peserta yang menyelesaikan penelitian tanpa penyimpangan protokol yang besar. Analisis PP mungkin melebih-lebihkan efek pengobatan karena tidak menyertakan peserta yang tidak patuh. Sebagian besar badan pengawas mewajibkan ITT sebagai analisis utama, dan PP sebagai analisis sensitivitas untuk menilai kekokohan hasil.
Analisis Subgrup
Analisis subkelompok memeriksa apakah efek pengobatan bervariasi berdasarkan karakteristik pasien seperti usia, jenis kelamin, tingkat keparahan penyakit, atau status biomarker. Meskipun analisis subkelompok dapat menghasilkan hipotesis tentang efek pengobatan yang berbeda, analisis tersebut rentan terhadap temuan positif palsu karena pengujian berulang dan pengurangan ukuran sampel dalam setiap subkelompok. Uji statistik untuk interaksi menilai apakah efek pengobatan berbeda secara signifikan antar subkelompok. Temuan subkelompok harus diinterpretasikan dengan hati-hati dan dianggap sebagai eksplorasi kecuali temuan tersebut telah ditentukan sebelumnya, didukung dengan benar, dan dikonfirmasi dalam beberapa penelitian. Otoritas regulasi mungkin memerlukan analisis subkelompok untuk mendukung klaim pelabelan untuk populasi pasien tertentu.
Analisis Sementara dan Aturan Penghentian
Analisis sementara adalah pemeriksaan yang telah direncanakan sebelumnya untuk mengumpulkan data uji coba yang dilakukan sebelum analisis akhir. Hal ini memiliki dua tujuan: penghentian dini untuk melihat kemanjuran atau kesia-siaan yang luar biasa, dan estimasi ulang ukuran sampel yang adaptif. Pengujian berulang terhadap akumulasi data meningkatkan tingkat kesalahan Tipe I, sehingga penghentian batas harus diterapkan untuk mengontrol tingkat signifikansi keseluruhan. Metode umum mencakup batas O’Brien-Fleming dan Haybittle-Peto, yang memerlukan bukti yang sangat kuat mengenai manfaat atau kerugian untuk menghentikan uji coba lebih awal. Dewan pemantauan keamanan data (DSMB) meninjau hasil sementara secara independen dari sponsor dan merekomendasikan kelanjutan, modifikasi, atau penghentian uji coba berdasarkan aturan yang telah ditentukan sebelumnya.
Desain Uji Coba Adaptif
Desain adaptif memungkinkan modifikasi uji coba yang telah ditentukan sebelumnya berdasarkan hasil sementara tanpa mengurangi validitas statistik. Adaptasi yang umum mencakup estimasi ulang ukuran sampel, pemilihan dosis, penghentian kelompok pengobatan, dan pengayaan populasi pasien. Desain adaptif dapat meningkatkan efisiensi dengan memfokuskan sumber daya pada rejimen pengobatan dan subkelompok pasien yang paling menjanjikan. Namun, hal ini memerlukan perencanaan yang matang, metode statistik yang lebih kompleks, dan infrastruktur yang kuat untuk pengumpulan dan analisis data secara real-time. Penerimaan peraturan terhadap desain adaptif semakin meningkat, namun adaptasi tersebut harus dijelaskan sepenuhnya dalam protokol dan rencana analisis statistik sebelum dilakukan peninjauan data secara menyeluruh.
Kesimpulan
Biostatistik bukan sekadar alat untuk menganalisis hasil uji coba, namun merupakan komponen fundamental dalam desain dan interpretasi uji coba. Penerapan metode statistik yang tepat memastikan bahwa uji klinis menghasilkan bukti yang dapat diandalkan, dapat direproduksi, dan dapat ditafsirkan. Sponsor yang berinvestasi dalam perencanaan statistik yang ketat pada tahap desain lebih mungkin menghasilkan data yang meyakinkan yang mendukung persetujuan peraturan dan menginformasikan praktik klinis.
