Unngå signifikanstesting av bakgrunnsvariabler i randomiserte studier

Stian Lydersen Om forfatteren
Artikkel

I en randomisert kontrollert studie skal det ikke være noen systematiske forskjeller mellom gruppene før behandling. Noen velger imidlertid å signifikansteste for eventuelle forskjeller i bakgrunnsvariabler. Men dette er overflødig, og som regel også misvisende.

En vesentlig styrke ved randomiserte kontrollerte studier er at bakgrunnsvariabler, som for eksempel alder og kjønn, er tilfeldig fordelt mellom behandlingsgruppene. Ifølge CONSORT-retningslinjene for rapportering av randomiserte studier skal man rapportere demografiske og kliniske variabler separat for hver gruppe (1). Et eksempel er vist i tabell 1, som er et utdrag av en lengre tabell med 23 variabler hentet fra en studie hvor vi sammenliknet to forløp for behandling av hoftebrudd (2). I artikkelen skrev vi at «bakgrunnsvariablene var ikke forskjellige i gruppene» (2, s. 1629). Dette var basert på klinisk skjønn. I tråd med CONSORT-retningslinjene (1) hadde vi ikke signifikanstestet om det var forskjeller.

Tabell 1

Utdrag av en tabell med bakgrunnsvariabler i en randomisert kontrollert studie (2). Gjengitt med tillatelse fra Elsevier. Antall (%) dersom ikke annet er angitt.

Bred geriatrisk utredning og behandling
(N = 198)

Standard ortopedisk behandling
(N = 199)

Alder i år, gjennomsnitt (standardavvik)

83,4 (5,4)

83,2 (6,4)

Kvinne

145 (73)

148 (74)

Sivilstatus: bor alene

115 (58)

124 (62)

Bruddtype: intrakapsulært

119 (60)

127 (64)

Det vil alltid være noen forskjeller mellom bakgrunnsvariablene i en randomisert kontrollert studie. Disse forskjellene er vanligvis små. Og fordi man har randomisert, vet man at eventuelle forskjeller vil skyldes tilfeldigheter. Hvis man signifikanstester for hver bakgrunnsvariabel, vil man forvente statistisk signifikante forskjeller i ca. 5 % av tilfellene, altså ca. hver tjuende variabel. I den aktuelle studien kunne man altså forventet et slikt «signifikant» funn i én av de 23 variablene.

Imidlertid ser vi fremdeles at slik signifikanstesting gjøres i enkelte rapporter fra randomiserte kontrollerte forsøk. Hva kan motivasjonen være for å gjennomføre slik testing? Man kan tenke seg to grunner: å teste om randomiseringen ble gjort riktig, og å identifisere ubalanserte bakgrunnsvariabler.

Ble randomiseringen gjort riktig?

Hvis man har grunn til å mistenke at randomiseringen ikke er gjort riktig, kan man teste dette. Men da bør man bruke et signifikansnivå som er vesentlig lavere enn 5 %. Fayers og King beskriver en slik situasjon: I et bestemt forsøk var det en sterk overvekt av yngre deltakere i den ene gruppen, og forskjellen var høysignifikant, med p < 0,0005. Ved nærmere ettersyn viste det seg at randomiseringsprotokollen ikke var fulgt (3).

Ubalanserte bakgrunnsvariabler?

Det vanligste er antakelig at man vil identifisere eventuelle bakgrunnsvariabler som ikke er balansert mellom gruppene. Og deretter kan man justere for disse i analysene. Men statistisk signifikans uttrykt ved en p-verdi avhenger av både antall observasjoner og grad av ubalanse, så en slik fremgangsmåte frarådes (4, 5). I en liten studie kan en variabel være ganske ubalansert uten at denne ubalansen er statistisk signifikant. Det synes mer fornuftig å vurdere størrelsen av observert ubalanse og deretter justere for variabler som både er ubalansert og vurderes som klinisk viktige, enn å basere justerte analyser på en p-verdi-drevet seleksjon. Men denne metoden er også omdiskutert, da det igjen blir en data-drevet seleksjon av variabler til analysen (6, s. 417–8). Og dette bør i så fall være sensitivitetsanalyser gjort etter den primære analysen.

Ingen hensikt å signifikansteste

Det har ingen hensikt å signifikansteste om det er forskjeller i bakgrunnsvariabler i en randomisert studie, med mindre man har grunn til å tro at randomiseringen ikke er gjort korrekt. De Boer og medarbeidere skriver at slik testing er en usunn praksis som er vanskelig å bli kvitt (5). I noen randomiserte kliniske studier kan det være hensiktsmessig å justere for enkelte bakgrunnsvariabler, men disse må være forhåndsdefinert før man ser på data. Dette skal vi ta for oss i neste artikkel i Medisin og tall.

Anbefalte artikler