Klinik kariyerinizde nadir bir hastalıkla ilgileniyorsunuz. Son 5 yılda toplam 28 hasta gördünüz. Tez konusu olarak bu hastalığı seçmek istiyorsunuz. Danışman hocaya gittiğinizde "28 hastayla yayın olmaz, başka konu bul" diyor. Tanıdık bir senaryo.
Ama gerçek şu: küçük örneklemle de geçerli bilimsel çıktı üretmek mümkün. Doğru metodoloji, doğru soru ve doğru analiz yaklaşımıyla.
Nadir hastalık neyi ifade ediyor?
AB'de prevalansı 10.000 kişide 5'ten az, ABD'de 200.000'den az kişiyi etkileyen hastalıklar nadir kabul ediliyor. Türkiye'de 2020 Nadir Hastalıklar Ulusal Eylem Planı AB tanımını referans almış durumda.
DSÖ 6.000-8.000 farklı nadir hastalık tahmin ediyor. %80'i genetik kökenli, %50'si çocuklukta başlıyor. Klinik pratikte bu şu demek: tek merkezde yılda 10-50 hasta. Prospektif RKÇ yapmak neredeyse imkansız. Klasik güç analizi "300 hasta gerekli" diyor ama 300 hastayı 10 yılda bile toplayamıyorsunuz.
Araştırmadan vazgeçmek yerine stratejiyi değiştirmek daha doğru.
Küçük örneklemle ne yapılabiliyor?
Küçük örneklemle kesin nedensellik çıkarımı yapmak zor — ama her çalışmanın hedefi kesin nedensellik de değil.
Nadir hastalık araştırmalarının farklı hedefleri olabiliyor: hastalığın klinik özelliklerini sistematik olarak tanımlamak, gelecekteki büyük çalışmalar için hipotez üretmek, nadir bir tedavi yanıtını veya komplikasyonu raporlamak, tanı kriteri ya da ölçek validasyonu yapmak, meta-analize katkı sağlamak. Bu hedeflerin hiçbiri 300 hasta gerektirmiyor. 15-50 hasta bile değerli bilimsel çıktı üretebiliyor.
İstatistiksel davranışı farklı
Küçük örneklem sadece "büyük örneklemin küçüğü" değil. En kritik fark güven aralıklarının genişliği:
Nokta tahmini neredeyse aynı (5.2 vs 5.1) ama güven aralığı küçük örneklemde çok daha geniş. Klasik NHST yaklaşımında ikinci sonuç "anlamlı değil" olarak reddediliyor. Oysa parametre tahmini neredeyse aynı.
Bu yüzden nadir hastalık araştırmalarında p değeri odaklı yaklaşımdan uzaklaşıp, güven aralığı ve etki büyüklüğü odaklı raporlamaya geçmek çok daha bilgilendirici. p değeri anlamsız çıktığında yazımızda bu konuyu detaylı ele almıştık.
Hangi çalışma tasarımı uygun?
Vaka serisi (Case Series): En temel ama en değerli yaklaşımlardan biri. 5 vaka bile yayınlanabiliyor. Hızlı, düşük maliyetli, etik kurulda genellikle basit süreç. Kontrol grubu olmadığından nedensellik çıkarımı yapılamıyor ama gelecek çalışmalara zemin hazırlıyor.
Tanımlayıcı kesitsel çalışma: Case series'ten farkı daha yapılandırılmış veri toplama ve standardize ölçümler. "Türkiye'de X hastalığının klinik özellikleri: tek merkez deneyimi (n = 34)" gibi bir format sıklıkla tercih ediliyor.
Vaka-kontrol tasarımı: 18 nadir hastalık hastası (vaka) ve 72 sağlıklı kontrol gibi bir yapı. Kontrol grubu ekleyerek bazı nedensel çıkarımlar ve odds ratio hesabı mümkün hale geliyor. Kontrol seçimi kritik — yanlış kontrol grubu yanlı sonuçlar üretiyor.
Çok merkezli işbirliği: Tek merkez 20 hasta görüyorsa, 5 merkez bir araya geldiğinde 100 hasta oluyor. Nadir hastalıklarda altın standart bu yaklaşım. Orphanet, EURORDIS gibi uluslararası platformlar veri paylaşımını kolaylaştırıyor.
Bayesian yaklaşımlar: Küçük örneklemlerle çalışmak için özel olarak uygun. Önceki bilgiyi (prior) yeni verilerle birleştirerek küçük örneklemde bile makul çıkarımlar mümkün oluyor. FDA ve EMA nadir hastalık ilaç onaylarında Bayesian yaklaşımları giderek daha fazla kabul ediyor.
Akademik Not
Bayesian analizde prior seçimi subjektif ve sonuçları etkiliyor. Prior'ın gerekçelendirilmesi ve duyarlılık analizinin (farklı prior'larla sonuçların değişimi) yapılması zorunlu. SPSS'te Bayesian analiz sınırlı; R, Stan veya JASP gibi araçlar gerekiyor.
Analiz stratejisi
Küçük örneklemde normallik varsayımı nadiren sağlanıyor. Non-parametrik testler daha güvenilir sonuçlar veriyor:
| Parametrik Test | Non-Parametrik Alternatif |
|---|---|
| Bağımsız t-test | Mann-Whitney U |
| Eşleşmiş t-test | Wilcoxon işaretli sıralar |
| Tek yönlü ANOVA | Kruskal-Wallis |
| Pearson korelasyon | Spearman korelasyon |
2×2 tablolarda beklenen frekans 5'in altındaysa ki-kare yerine Fisher's exact test daha uygun. Permutation testleri de dağılım varsayımı gerektirmiyor ve küçük örneklemde özellikle güçlü sonuçlar veriyor.
p değeri yerine etki büyüklüğü ve %95 güven aralığı raporlamak şiddetle tavsiye ediliyor. Şöyle bir formülasyon faydalı: "Tedavi grubunda ortalama iyileşme süresi 8.2 gün (95% CI: 5.1-11.3), kontrol grubunda 12.5 gün (95% CI: 9.7-15.3) olarak bulundu (p = 0.062). Etki büyüklüğü Cohen's d = 0.72 (orta-büyük etki)." Burada p > 0.05 olmasına rağmen etki büyüklüğü kayda değer ve güven aralıkları klinik anlamlı bir farkı işaret ediyor.
Ayrıca sonuçları meta-analize uygun formatta raporlamak — ortalama, standart sapma, etki büyüklüğü, güven aralıkları — küçük örneklemin gelecekteki meta-analizlere katkısını garanti altına alıyor.
Türkiye'de fırsatlar ve zorluklar
Nadir Hastalıklar Ulusal Eylem Planı (2020-2023) ile Türkiye ilk kez ulusal strateji belgeledi. NASDAK çalışma grubu kayıt sistemleri ve çok merkezli çalışmalar yürütüyor. TÜBİTAK 1001 programı nadir hastalık araştırmalarına öncelik veriyor — küçük örneklemle yapılan çalışmalar doğru metodoloji ile sunulduğunda destek alabiliyor.
Zorluklar da mevcut: hasta kayıt sistemleri yetersiz, merkezler arası veri paylaşımı standart değil, genetik testlere erişim sınırlı. Ama son 5 yılda bu alanda ciddi mesafe alındı.
Araştırma sorusunu örnekleme uyarlamak, tanımlayıcı çalışmalardan başlayıp analitik çalışmalara geçmek, çok merkezli işbirliği kurmak — bu adımlar küçük örneklemin sınırlarını genişletiyor. Küçük örneklem istatistik yöntemler yazımız temel yaklaşımları sunuyor; özel durumlar için erken aşamada destek almak riskleri en aza indiriyor. Model İstatistik CRO ekibi olarak nadir hastalık araştırmalarında araştırmacının yanında duruyoruz.