Handbook of Statistics in Clinical Oncology, Fourth Edition

آمار در قلب طراحی کارآزمایی‌های جدید سرطان

هندبوک آمار در انکولوژی بالینی، ویرایش چهارم (Handbook of Statistics in Clinical Oncology) مرجعی تخصصی برای کسانی است که با طراحی، اجرا و تحلیل پژوهش‌های بالینی سرطان سروکار دارند. تمرکز کتاب بر آمار به‌عنوان یک مجموعه فرمول جدا از پزشکی نیست؛ بلکه نشان می‌دهد تصمیم‌های آماری چگونه از نخستین مرحله طراحی یک مطالعه تا انتخاب Endpoint، تصادفی‌سازی، پایش داده‌ها و تفسیر نتایج، مستقیماً بر کیفیت شواهد حاصل از کارآزمایی‌های انکولوژی اثر می‌گذارند.

ویرایش چهارم متناسب با تغییرات گسترده درمان سرطان بازطراحی شده است. گسترش ایمونوتراپی، درمان‌های هدفمند، پزشکی دقیق و Master Protocolها باعث شده طراحی سنتی کارآزمایی‌ها در بسیاری از موقعیت‌ها کافی نباشد. فصل‌های این کتاب به همین مسائل جدید می‌پردازند و روش‌های آماری را در بستری ارائه می‌کنند که به مسائل واقعی توسعه درمان‌های سرطان نزدیک است.

از غربالگری و پیش‌بینی خطر تا فازهای اولیه کارآزمایی

بخش نخست کتاب به پیشگیری و غربالگری سرطان اختصاص دارد. طراحی Cancer Screening Trials، مدل‌های پیش‌بینی خطر سرطان و استفاده از داده‌های Registry برای بهبود مدل‌های Risk Prediction از موضوعات اصلی این قسمت هستند.

پس از آن، تمرکز به Early-Phase Trials منتقل می‌شود. طراحی‌های Phase I، روش‌های آماری و Machine Learning برای Dose-Finding، طراحی‌های یکپارچه Phase I/II برای بررسی هم‌زمان Toxicity و Efficacy، مطالعات مبتنی بر Time-to-Event Endpoint و انواع Phase II Selection و Multi-Strata Designs به‌صورت تخصصی بررسی می‌شوند.

این ساختار برای پژوهشگرانی اهمیت دارد که باید میان ایمنی، اثربخشی، انتخاب دوز و سرعت توسعه دارو تعادل برقرار کنند.

طراحی کارآزمایی در عصر Precision Oncology

بخش مربوط به Late-Phase Trials فراتر از طراحی کلاسیک Phase III می‌رود. کتاب درباره Cure Rate Survival Models، کارآزمایی‌های درمان‌های هدفمند، Precision Medicine، SMART Designs، ایمونوآنکولوژی، Alpha Splitting، Early Stopping و Noninferiority Trials بحث می‌کند.

وجود فصل مستقلی درباره کارآزمایی‌های انکولوژی کودکان نیز نشان می‌دهد که کتاب تفاوت‌های طراحی مطالعه در جمعیت‌های خاص را در نظر گرفته است.

برای پژوهشگران Precision Oncology، مباحث مربوط به Biomarkerها، زیرگروه‌های درمانی و طراحی‌هایی که درمان را براساس ویژگی‌های بیمار تطبیق می‌دهند از قسمت‌های مهم این ویرایش محسوب می‌شوند.

Master Protocolها و چالش اجرای مطالعات بزرگ

یکی از نقاط محوری ویرایش چهارم، پرداختن به روش‌هایی است که امروزه در شبکه‌های بزرگ تحقیقات سرطان اهمیت زیادی پیدا کرده‌اند. Master Protocols، Pragmatic Clinical Trials، Dynamic Treatment Regimens، Outcome-Adaptive Randomization و Sequential Multiple Assignment Randomized Trials از جمله این موضوعات هستند.

کتاب همچنین از سطح طراحی فراتر می‌رود و به خود اجرای مطالعه می‌پردازد: استفاده از Covariateها در Randomization و Analysis، عملکرد Data and Safety Monitoring Committeeها، انتقال داده از EHR به EDC، کاهش بار Data Collection، نابرابری در دسترسی بیماران به Clinical Trials و ابزارهای آماری SWOG برای طراحی و تحلیل مطالعات.

به همین دلیل، اثر حاضر تنها برای آمارگران نظری نوشته نشده است و بخش مهمی از آن به مشکلات عملی اداره کارآزمایی‌های واقعی اختصاص دارد.

فراتر از Endpoint اولیه

بخش پایانی به موضوعاتی می‌پردازد که در نسل جدید پژوهش‌های سرطان نقش فزاینده‌ای دارند. استفاده از circulating tumor DNA (ctDNA) برای پایش درمان، تحلیل داده‌های Omics، طراحی و تحلیل Patient-Reported Outcomes و بررسی Intermediate و Surrogate Endpoints از جمله این مباحث هستند.

کتاب همچنین روش‌های Tree-Based و Regression Models را برای تشکیل Prognostic Groups مطرح می‌کند؛ موضوعی که در تحلیل ناهمگنی بیماران و شناسایی گروه‌هایی با پیش‌آگهی متفاوت اهمیت دارد.

برای چه کسانی بیشترین کاربرد را دارد؟

این کتاب بیش از همه برای Biostatisticianها، پژوهشگران کارآزمایی بالینی، متخصصان و پژوهشگران انکولوژی، Clinical Trial Methodologistها، اعضای Data Coordinating Centerها و دانشجویان تحصیلات تکمیلی آمار زیستی و تحقیقات بالینی مناسب است.

پزشک یا پژوهشگری که می‌خواهد بداند یک طرح آماری چرا انتخاب شده، Endpoint مناسب چگونه تعیین می‌شود یا یک مطالعه انکولوژی مدرن چگونه باید طراحی و تحلیل شود، می‌تواند از کتاب استفاده کند؛ اما عمق مباحث آماری آن باعث می‌شود بیشترین ارزش را برای مخاطبانی داشته باشد که مستقیماً در طراحی و تحلیل پژوهش سرطان مشارکت دارند.