حساب احتمالية العينة العشوائية للمتغيرات المستمرة في التجارب السريرية العشوائية المقدمة أو المنشورة

في ورقة سابقة، استخدم أحد المؤلفين (JBC) طريقة كاي تربيع لتحليل المتوسطات (SD) للمتغيرات الأساسية، مثل الطول أو الوزن، من التجارب السريرية العشوائية التي أجراها فوجي وآخرون، وخلص إلى أن احتمالات ظهور التوزيعات المبلغ عنها بالصدفة كانت صغيرة للغاية. الاقتراح اللاحق لاختبار تلك الطريقة باستخدام المحاكاة أظهر أن الطريقة كانت غير صحيحة. تصحح هذه الورقة طريقة كاي تربيع وتختبر أدائها وأداء محاكاة مونت كارلو وتحليل التباين (ANOVA) لتحليل احتمالية العينة العشوائية. أصبحت طريقة كاي تربيع المصححة وطريقة ANOVA غير دقيقة عند تطبيقها على المتوسطات التي تم الإبلاغ عنها بشكل غير دقيق. أكدت محاكاة مونت كارلو أن البيانات الأساسية من 158 تجربة سريرية عشوائية أجراها فوجي وآخرون كانت مختلفة عن تلك التي نشرتها مؤلفون آخرون والبيانات المقدمة من فوجي وآخرون كانت مختلفة عن التوزيع المتوقع، كلاهما p < 10(-16). كان عدد التجارب السريرية العشوائية لفوجي ذات التوزيعات غير المحتملة أقل مع محاكاة مونت كارلو مقارنة بطريقة كاي تربيع لعام 2012: 102 مقابل 117 تجربة مع p < 0.05؛ 60 مقابل 86 لـ p < 0.01؛ 30 مقابل 56 لـ p < 0.001؛ و12 مقابل 24 لـ p < 0.00001، على التوالي. ومع ذلك، أكدت تحليل مونت كارلو الاستنتاج الأصلي بأن توزيع البيانات المقدمة من فوجي وآخرون كان من غير المحتمل جداً أن يكون ناتجاً عن بيانات تم ملاحظتها. قد يكون تحليل مونت كارلو أداة فحص مناسبة للتحقق من البيانات غير العشوائية (أي غير موثوقة) في التجارب السريرية العشوائية المقدمة إلى المجلات.