111. Złożone punkty końcowe – kiedy są użyteczne, a kiedy mylą?

Lekcja 111 z 560. Złożony punkt końcowy łączy co najmniej dwa zdarzenia, objawy, wyniki pomiarów lub kryteria w jedną zmienną wynikową. Takie rozwiązanie bywa bardzo użyteczne, ponieważ pozwala uchwycić wielowymiarowy efekt interwencji i zwiększyć liczbę obserwowanych zdarzeń. Jednocześnie może utrudnić odpowiedź na najważniejsze pytanie: co właściwie zmieniło się pod wpływem badanego czynnika? W tej lekcji, będącej częścią modułu „Operacjonalizacja i wskaźniki” szkolenia na statystyk.edu.pl, przeanalizujemy zasady budowy, zastosowania i interpretacji złożonych punktów końcowych.

Czym jest złożony punkt końcowy?

Złożony punkt końcowy, określany także jako composite endpoint lub composite outcome, powstaje przez połączenie kilku komponentów w jeden wynik analizowany jako całość. W najprostszym przypadku uczestnik jest uznawany za osobę, u której wystąpił punkt końcowy, jeżeli wystąpiło co najmniej jedno z wcześniej określonych zdarzeń.

Przykładowo, w badaniu dotyczącym prewencji powikłań sercowo-naczyniowych złożony punkt końcowy może obejmować:

• zgon z przyczyn sercowo-naczyniowych;
• zawał mięśnia sercowego;
• udar mózgu;
• hospitalizację z powodu niewydolności serca.

Wówczas uczestnik spełnia kryterium punktu końcowego, jeśli wystąpiło u niego przynajmniej jedno z tych zdarzeń. Nie oznacza to jednak, że wszystkie komponenty są równoważne pod względem znaczenia dla pacjenta, częstości występowania, jakości pomiaru ani podatności na działanie interwencji.

Formalnie można zapisać taki punkt końcowy jako:

Y = 1, jeżeli C1 lub C2 lub ... lub Ck wystąpiło w określonym okresie; w przeciwnym razie Y = 0

gdzie:

• Y oznacza złożony punkt końcowy;
• C1, C2, ..., Ck oznaczają poszczególne komponenty;
• k jest liczbą komponentów;
• „lub” oznacza, że wystąpienie dowolnego jednego komponentu wystarcza do zaklasyfikowania osoby jako mającej zdarzenie.

W innych badaniach złożony wynik może mieć postać sumy punktów, średniej, profilu odpowiedzi lub kryterium wymagającego jednoczesnego spełnienia kilku warunków. Dlatego samo określenie „złożony” nie przesądza jeszcze o sposobie konstrukcji zmiennej.

Po co stosuje się złożone punkty końcowe?

Ujęcie wielowymiarowego efektu

Niektóre konstrukty badawcze są z natury wielowymiarowe. Skuteczność leczenia przewlekłej choroby może obejmować przeżycie, hospitalizacje, nasilenie objawów i konieczność zastosowania dodatkowej terapii. Ograniczenie oceny do jednego komponentu może pomijać istotną część działania interwencji.

Złożony punkt końcowy może więc być uzasadniony wtedy, gdy wszystkie jego elementy należą do tego samego obszaru klinicznego i odpowiadają na wspólne pytanie badawcze. Wymaga to jednak wyjaśnienia, dlaczego komponenty powinny być analizowane razem, a nie jako odrębne wyniki.

Zwiększenie liczby obserwowanych zdarzeń

Rzadkie zdarzenia, takie jak zgon lub ciężkie powikłanie, mogą występować zbyt rzadko, aby pojedynczy punkt końcowy zapewnił odpowiednią precyzję oszacowania. Połączenie kilku klinicznie istotnych zdarzeń zwiększa liczbę uczestników, u których obserwuje się „jakiekolwiek zdarzenie”. Może to skrócić czas badania albo zmniejszyć wymaganą liczebność próby.

Nie jest to jednak darmowy wzrost efektywności. Większa liczba zdarzeń może wynikać głównie z komponentu częstego, mniej poważnego i bardziej podatnego na subiektywną ocenę. Wtedy nominalna poprawa precyzji dotyczy przede wszystkim tego komponentu, a niekoniecznie zdarzeń najważniejszych dla pacjentów.

Ograniczenie liczby głównych testów

Jeśli badacz analizuje wiele odrębnych pierwszorzędowych punktów końcowych, rośnie problem wielokrotnego testowania. Złożony punkt końcowy może ograniczyć liczbę głównych hipotez do jednej. FDA wskazuje jednak, że nie eliminuje to potrzeby zbadania poszczególnych komponentów i ich znaczenia klinicznego (FDA 2022).

Warto odróżnić dwie kwestie:

• kontrolę błędu pierwszego rodzaju, czyli ryzyka uznania wyniku za przekonujący mimo braku zakładanego efektu;
• interpretowalność kliniczną, czyli możliwość stwierdzenia, jaki efekt odnosi się do pacjenta i jego decyzji terapeutycznej.

Jedna analiza złożonego punktu końcowego może być formalnie poprawna, ale nadal pozostawić niejasność dotyczącą poszczególnych zdarzeń.

Kiedy złożony punkt końcowy jest sensowny?

Przed połączeniem komponentów należy ocenić kilka ich właściwości.

Podobne znaczenie kliniczne

Komponenty powinny być zbliżone pod względem ważności dla pacjenta. Połączenie zgonu z krótkotrwałym, łagodnym objawem może prowadzić do bardzo trudnej interpretacji: wynik jest napędzany głównie przez objaw, choć odbiorca może odczytać go jako dowód wpływu na przeżycie.

Nie oznacza to, że komponenty muszą być identyczne. W praktyce klinicznej mogą reprezentować różne poziomy ciężkości tej samej choroby. Muszą jednak tworzyć rozsądny, uzasadniony klinicznie ciąg zdarzeń.

Podobna częstość występowania

Jeżeli jeden komponent występuje dziesięć razy częściej niż pozostałe, to wynik złożony będzie w dużej mierze odzwierciedlał właśnie ten komponent. Jest to szczególnie ważne, gdy najczęstsze zdarzenie ma mniejsze znaczenie kliniczne.

Badacz powinien przed rozpoczęciem analizy oszacować częstość każdego komponentu, korzystając z wcześniejszych badań, rejestrów lub danych pilotażowych. Oczywiście rzeczywista częstość może się różnić od oczekiwanej, ale decyzja nie powinna być podejmowana bez uzasadnionego planu.

Podobna wrażliwość na interwencję

Jeśli leczenie silnie wpływa na jeden komponent, a na pozostałe nie wpływa albo wpływa przeciwnie, wynik całościowy może być trudny do obrony. W idealnej sytuacji komponenty mają podobny kierunek i zbliżoną wielkość efektu. Gdy tak nie jest, wynik złożony może ukrywać klinicznie ważną niejednorodność działania (Freemantle et al. 2003).

Jednoznaczna definicja i możliwość powtarzalnego pomiaru

Każdy komponent powinien mieć osobną definicję operacyjną. Należy określić:

• jakie kryteria diagnostyczne muszą być spełnione;
• kto i na podstawie jakich danych ocenia zdarzenie;
• jaki jest okres obserwacji;
• czy liczy się pierwsze zdarzenie, każde zdarzenie czy najcięższy komponent;
• jak postępować w razie jednoczesnego wystąpienia kilku komponentów;
• jak traktować brak danych i zdarzenia występujące po przerwaniu leczenia.

Wytyczne CONSORT-Outcomes zalecają, aby złożony wynik był z góry określony, uzasadniony i opisany poprzez pełne definicje wszystkich składników oraz sposób ich połączenia (Butcher et al. 2022).

Kiedy złożony punkt końcowy może mylić?

Dominacja komponentu częstego

Najczęstszy problem polega na tym, że wynik ogólny wygląda przekonująco, ale jest tworzony przede wszystkim przez komponent mniej ważny. Wyobraźmy sobie badanie, w którym złożony punkt końcowy obejmuje zgon, zawał i pilną rewaskularyzację. Jeżeli zdecydowana większość zdarzeń to rewaskularyzacje, istotny statystycznie wynik może nie informować o wpływie leczenia na zgon ani zawał.

Dlatego nie należy automatycznie przenosić oszacowania dla całego punktu końcowego na każdy jego składnik.

Różne znaczenie dla pacjenta

Komponenty mogą tworzyć pozornie spójną listę, ale reprezentować bardzo różne konsekwencje zdrowotne. Zgon, hospitalizacja, pogorszenie wyniku laboratoryjnego i zmiana dawki leku nie są wymienne. Ich wspólna analiza wymaga szczególnie mocnego uzasadnienia.

Różna podatność na błąd pomiaru

Zgon jest zwykle zdarzeniem stosunkowo jednoznacznym, natomiast „pogorszenie jakości życia” może zależeć od narzędzia, punktu odcięcia, osoby oceniającej i kompletności odpowiedzi. Jeśli jeden składnik jest obarczony dużą niepewnością, złożony wynik również może być mniej wiarygodny.

Różne momenty wystąpienia zdarzeń

Komponenty mogą występować w różnym czasie. Częste, wczesne zdarzenia mogą przesłonić późniejsze, ważniejsze konsekwencje. W analizach czasu do zdarzenia trzeba zatem precyzyjnie określić, czy analizowane jest pierwsze zdarzenie dowolnego typu, hierarchiczny porządek zdarzeń czy inna strategia.

Wniosek sugerujący więcej, niż pokazują dane

Zdanie „interwencja zmniejszyła ryzyko ciężkich powikłań” może być nieuprawnione, jeżeli wynik złożony obejmował również łagodne albo pośrednie zdarzenia. Wynik powinien być opisany dokładnie: „interwencja zmniejszyła częstość wystąpienia złożonego punktu końcowego obejmującego A, B i C”. Następnie trzeba przedstawić wyniki dla każdego komponentu.

Przykład 1: badanie kardiologiczne

Załóżmy, że badacze oceniają nowy lek u osób z wysokim ryzykiem sercowo-naczyniowym. Pierwszorzędowy punkt końcowy obejmuje:

• zgon sercowo-naczyniowy;
• niezakończony zgonem zawał;
• niezakończony zgonem udar;
• hospitalizację z powodu niewydolności serca.

W grupie kontrolnej złożone zdarzenie wystąpiło u 20% osób, a w grupie interwencji u 16%. Względne ryzyko wynosi więc w przybliżeniu:

RR = 0,16 / 0,20 = 0,80

Oznacza to, że częstość złożonego zdarzenia w grupie interwencji stanowiła 80% częstości w grupie kontrolnej, czyli względną różnicę równą 20%. Nie wolno jednak stwierdzić bez dodatkowych danych, że lek zmniejszył śmiertelność o 20%.

Możliwe są bowiem następujące wyniki składowe:

Komponent	Grupa kontrolna	Grupa interwencji
Zgon sercowo-naczyniowy	3,0%	2,9%
Zawał	5,0%	4,8%
Udar	2,0%	2,1%
Hospitalizacja z powodu niewydolności serca	10,0%	6,2%

W takim układzie ogólny wynik jest w dużej mierze związany z hospitalizacjami. Może być klinicznie istotny, ale jego interpretacja musi pozostać ograniczona do całego złożonego punktu końcowego oraz do komponentu, dla którego zaobserwowano największą różnicę.

Przykład 2: zdrowie psychiczne i opieka pielęgniarska

W badaniu programu wsparcia dla pielęgniarek po zdarzeniach traumatycznych badacze mogą zdefiniować „poprawę kliniczną” jako spełnienie co najmniej dwóch z trzech warunków:

• zmniejszenie nasilenia objawów stresu pourazowego o co najmniej ustalony próg;
• zmniejszenie objawów depresyjnych o co najmniej ustalony próg;
• brak zwolnienia lekarskiego z powodu problemów psychicznych w ostatnich 30 dniach.

Taki punkt końcowy może być użyteczny, jeśli celem programu jest jednocześnie poprawa stanu psychicznego i funkcjonowania zawodowego. Trzeba jednak rozstrzygnąć, czy osoba spełniająca tylko jeden warunek rzeczywiście powinna być uznana za „poprawioną”. Alternatywą może być wynik ciągły, na przykład zmiana standaryzowanego profilu objawów, albo analiza każdego wymiaru osobno.

W tym przykładzie szczególne znaczenie ma precyzyjne określenie punktów odcięcia, czasu pomiaru i sposobu postępowania z osobami, które nie wypełniły kwestionariusza. Bez tego złożony wskaźnik może mieszać rzeczywistą poprawę z różnicami w kompletności danych.

Jak analizować i raportować złożony punkt końcowy?

Plan analizy powinien być ustalony przed obejrzeniem wyników końcowych. Należy wskazać:

1. główną hipotezę dotyczącą całego złożonego punktu końcowego;
2. definicję każdego komponentu;
3. pierwszorzędną miarę efektu, na przykład iloraz ryzyka, hazard względny, różnicę ryzyka lub różnicę średnich;
4. czas obserwacji i moment oceny;
5. procedurę analizy komponentów;
6. strategie postępowania z brakami danych i zdarzeniami po przerwaniu leczenia;
7. analizy wrażliwości i analizy dodatkowe.

Wynik dla punktu złożonego powinien być przedstawiony wraz z miarą niepewności, najczęściej 95-procentowym przedziałem ufności. Należy też pokazać częstość każdego komponentu w obu grupach oraz, jeśli jest to uzasadnione, efekty dla poszczególnych składników.

Warto przy tym pamiętać, że analiza komponentów nie zawsze ma charakter niezależnego testowania wielu równorzędnych hipotez. Ich rola może być opisowa, eksploracyjna albo pomocnicza. Musi to być jasno zapisane w protokole i publikacji.

Znaczenie strategii estimandu (celu estymacji)

Współczesna metodologia badań klinicznych wymaga określenia, jaki dokładnie efekt ma być oszacowany. ICH E9(R1) opisuje estimand jako precyzyjny opis pytania badawczego, obejmujący populację, warunki leczenia, wynik, miarę podsumowującą oraz sposób postępowania ze zdarzeniami występującymi po randomizacji (ICH 2019).

W przypadku złożonego punktu końcowego szczególnie ważna jest tak zwana strategia zmiennej złożonej. Przykładowo, śmierć może być traktowana jako najgorszy możliwy wynik, a hospitalizacja jako zdarzenie automatycznie włączające uczestnika do kategorii niekorzystnego wyniku. Takie decyzje nie są wyłącznie techniczne. Określają, jakie znaczenie przypisujemy poszczególnym zdarzeniom i jak interpretujemy efekt interwencji.

Najczęstsze błędy

• Łączenie komponentów bez uzasadnienia klinicznego. Sama możliwość zwiększenia liczby zdarzeń nie jest wystarczającym powodem.
• Traktowanie wszystkich komponentów jako równoważnych. Zgon, hospitalizacja i objaw przejściowy mogą mieć zupełnie inne znaczenie.
• Niepełne definiowanie komponentów. Nazwa zdarzenia nie zastępuje kryteriów diagnostycznych i procedury oceny.
• Prezentowanie tylko wyniku ogólnego. Czytelnik powinien znać częstość i efekt dla każdego składnika.
• Wyciąganie wniosku o najważniejszym komponencie na podstawie całego wyniku. Redukcja ryzyka punktu złożonego nie musi oznaczać redukcji śmiertelności.
• Zmiana definicji po rozpoczęciu badania bez transparentnego wyjaśnienia. Może to prowadzić do selektywnego raportowania.
• Ignorowanie niejednorodności efektów. Komponenty mogą reagować na interwencję w różnym kierunku.
• Mylenie istotności statystycznej ze znaczeniem praktycznym. Nawet precyzyjny wynik może dotyczyć przede wszystkim mniej ważnego komponentu.
• Niewłaściwy język przyczynowy. W badaniu obserwacyjnym złożony wskaźnik opisuje związek, a nie dowodzi, że interwencja spowodowała zmianę.

Przykład praktyczny: ocena projektu badawczego

Zespół planuje badanie programu edukacyjnego dla osób z cukrzycą typu 2. Rozważa złożony punkt końcowy obejmujący:

• spadek stężenia hemoglobiny glikowanej;
• zmniejszenie masy ciała;
• brak hospitalizacji;
• wzrost deklarowanej wiedzy o samokontroli.

Takie połączenie jest problematyczne, ponieważ komponenty mają różne skale pomiaru, różne znaczenie kliniczne i różną podatność na błąd. Niektóre są obiektywne, inne zależą od kwestionariusza. Nie jest jasne, czy poprawa jednego komponentu ma wystarczyć do uznania całego wyniku za korzystny.

Lepszym rozwiązaniem może być:

1. wybranie jednego głównego punktu końcowego, np. zmiany hemoglobiny glikowanej;
2. określenie masy ciała, hospitalizacji i wiedzy jako wyników drugorzędowych;
3. ewentualne zdefiniowanie osobnego, klinicznie uzasadnionego wskaźnika wielowymiarowego;
4. przedstawienie wszystkich wyników z odpowiednimi miarami efektu i przedziałami ufności.

Takie podejście jest zwykle bardziej przejrzyste niż tworzenie jednego wskaźnika tylko po to, aby uzyskać pojedynczy wynik testu.

Co warto zapamiętać?

• Złożony punkt końcowy łączy kilka komponentów w jedną zmienną wynikową.
• Może zwiększyć efektywność badania, liczbę zdarzeń i precyzję oszacowania.
• Jest najbardziej przekonujący, gdy komponenty mają podobne znaczenie kliniczne, częstość i wrażliwość na interwencję.
• Największe ryzyko błędnej interpretacji pojawia się wtedy, gdy wynik jest zdominowany przez częsty, mniej ważny lub bardziej podatny na błąd komponent.
• Każdy składnik musi mieć własną definicję operacyjną, a sposób ich połączenia powinien być określony przed analizą.
• Wynik złożony nie zastępuje raportowania wyników dla poszczególnych komponentów.
• Istotność statystyczna całego punktu końcowego nie dowodzi klinicznie ważnego efektu na każdym jego składniku.
• W razie wątpliwości prostszy zestaw jasno zdefiniowanych wyników drugorzędowych może być lepszy niż nieprzejrzysty wskaźnik złożony.

Dobrze skonstruowany złożony punkt końcowy jest narzędziem porządkującym wielowymiarowe pytanie badawcze. Źle skonstruowany może natomiast nadać pozór jednoznaczności wynikowi, który w rzeczywistości zależy od kilku nieporównywalnych zdarzeń. W operacjonalizacji nie chodzi więc o to, aby łączyć jak najwięcej informacji, lecz aby połączyć tylko te elementy, które tworzą spójną i interpretowalną odpowiedź na pytanie badawcze.

Źródła i dalsza lektura

1. Freemantle, N.; Calvert, M.; Wood, J.; Eastaugh, J.; Griffin, C. (2003). Composite outcomes in randomized trials: greater precision but with greater uncertainty?. JAMA: The Journal of the American Medical Association, 289(19), 2554–2559. DOI: 10.1001/jama.289.19.2554.
2. Ferreira-González, I.; Busse, J. W.; Heels-Ansdell, D.; Montori, V. M.; Akl, E. A.; Bryant, D. M.; Alonso-Coello, P.; Alonso, J.; Worster, A.; Upadhye, S.; Jaeschke, R.; Schünemann, H. J.; Permanyer-Miralda, G.; Pacheco-Huergo, V.; Domingo-Salvany, A.; Wu, P.; Mills, E. J.; Guyatt, G. H.; et al. (2007). Problems with use of composite end points in cardiovascular trials: systematic review of randomised controlled trials. BMJ, 334(7597), 786. DOI: 10.1136/bmj.39136.682083.55.
3. Butcher, N. J.; Monsour, A.; Mew, E. J.; Chan, A.-W.; Moher, D.; Mayo-Wilson, E.; Terwee, C. B.; et al. (2022). Guidelines for Reporting Outcomes in Trial Reports: The CONSORT-Outcomes 2022 Extension. JAMA: The Journal of the American Medical Association, 328(22), 2252–2264. DOI: 10.1001/jama.2022.21022.
4. U.S. Food and Drug Administration (2022). Multiple Endpoints in Clinical Trials: Guidance for Industry. U.S. Food and Drug Administration. Źródło.
5. International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use (2019). E9(R1) Addendum on Estimands and Sensitivity Analysis in Clinical Trials to the Guideline on Statistical Principles for Clinical Trials. International Council for Harmonisation of Technical Requirements for Pharmaceuticals for Human Use. Źródło.
6. Freemantle, N.; Calvert, M. (2007). Composite and surrogate outcomes in randomised controlled trials. BMJ, 334(7597), 756. DOI: 10.1136/bmj.39176.461227.80.