Nadir bir hastalıkla ilgilenen klinisyenlerin sık yaşadığı bir açmaz var: beş yılda toplanan hasta sayısı çoğu zaman 30'u geçmiyor ve tez ya da yayın için bu sayının "yetersiz" olduğu söyleniyor. Oysa doğru soru, doğru tasarım ve doğru analizle küçük örneklemden de geçerli bilimsel çıktı üretilebiliyor.
Nadir hastalık araştırmasının amacı çoğu zaman kesin nedensellik değil; klinik tabloyu tanımlamak, hipotez üretmek ve gelecekteki büyük çalışmalara zemin hazırlamaktır. Bunların hiçbiri yüzlerce hasta gerektirmiyor. Bu yazıda küçük örneklemin kendine özgü istatistiksel davranışını, hangi tasarımların uygun olduğunu ve sonuçların nasıl raporlanacağını ele alıyoruz.
Nadir hastalık neyi ifade ediyor?
Avrupa Birliği'nde prevalansı 10.000 kişide 5'ten az, ABD'de 200.000'den az kişiyi etkileyen hastalıklar nadir kabul ediliyor; Türkiye'de Nadir Hastalıklar Ulusal Eylem Planı da AB tanımını referans alıyor. Dünya Sağlık Örgütü 6.000-8.000 farklı nadir hastalık tahmin ediyor; bunların yaklaşık %80'i genetik kökenli ve yarısı çocuklukta başlıyor.
Klinik pratikte bu şu anlama geliyor: tek merkezde yılda 10-50 hasta ve neredeyse imkânsız bir prospektif RKÇ. Klasik güç analizi "300 hasta gerekli" diyebiliyor, ama bu sayıyı 10 yılda bile toplamak mümkün olmuyor. Araştırmadan vazgeçmek yerine stratejiyi değiştirmek daha doğru bir yol.
Küçük örneklemle ne yapılabiliyor?
Küçük örneklemle kesin nedensellik çıkarımı zor — ama her çalışmanın hedefi kesin nedensellik değil. Nadir hastalık araştırmalarının farklı ve değerli hedefleri olabiliyor: hastalığın klinik özelliklerini sistematik olarak tanımlamak, 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 istemiyor; 15-50 hasta bile kayda değer bilimsel çıktı üretebiliyor.
İstatistiksel davranışı neden farklı?
Küçük örneklem yalnızca "büyük örneklemin küçüğü" değil; en belirgin fark, güven aralıklarının genişliğinde ortaya çıkıyor.
Nokta tahmini neredeyse aynı (5,2 ve 5,1) ama güven aralığı küçük örneklemde çok daha geniş. Klasik hipotez testi yaklaşımında ikinci sonuç "anlamlı değil" diye reddediliyor; oysa parametre tahmini birinciyle neredeyse örtüşüyor. Bu yüzden nadir hastalık araştırmalarında p değeri odaklı bakıştan uzaklaşıp güven aralığı ve etki büyüklüğü odaklı raporlamaya geçmek çok daha bilgilendirici. Konuyu p değeri anlamsız çıktığında yazımızda ayrıntılı ele aldık.
Hangi çalışma tasarımı uygun?
Nadir hastalıkta tasarım seçimi, uygulama kolaylığı ile kanıt gücü arasındaki dengeye göre yapılıyor:
Vaka serisi (case series). En temel ama en değerli yaklaşımlardan biri; beş vaka bile yayınlanabiliyor. Hızlı, düşük maliyetli ve etik kurulda genellikle basit bir süreç. Kontrol grubu olmadığından nedensellik çıkarımı yapılamıyor, ama gelecek çalışmalara zemin hazırlıyor.
Tanımlayıcı kesitsel çalışma. Vaka serisinden farkı, daha yapılandırılmış veri toplama ve standardize ölçümler. "Türkiye'de X hastalığının klinik özellikleri: tek merkez deneyimi (n = 34)" formatı sıklıkla tercih ediliyor.
Vaka-kontrol tasarımı. Örneğin 18 nadir hastalık hastası (vaka) ve 72 sağlıklı kontrol. Kontrol grubu eklendiğinde bazı nedensel çıkarımlar ve odds ratio hesabı mümkün oluyor; ancak kontrol seçimi belirleyici — yanlış kontrol grubu yanlı sonuç üretiyor.
Çok merkezli işbirliği. Tek merkez 20 hasta görüyorsa, beş merkez bir araya geldiğinde 100 hasta oluyor. Nadir hastalıklarda altın standart bu yaklaşım; Orphanet ve EURORDIS gibi platformlar veri paylaşımını kolaylaştırıyor.
Bayesçi yaklaşımlar. Küçük örneklemler için özellikle uygun. Önceki bilgiyi (prior) yeni verilerle birleştirerek küçük örneklemde bile makul çıkarımlar sağlıyor; FDA ve EMA nadir hastalık ilaç onaylarında bu yaklaşımları giderek daha çok kabul ediyor.
Akademik Not
Bayesçi analizde prior seçimi özneldir ve sonuçları etkiliyor. Prior'ın gerekçelendirilmesi ve duyarlılık analizinin (farklı prior'larla sonuçların nasıl değiştiğinin) yapılması zorunlu. SPSS'te Bayesçi analiz sınırlı; R, Stan veya JASP gibi araçlar gerekiyor.
Küçük örneklemde analiz stratejisi
Küçük örneklemde normallik varsayımı nadiren sağlanıyor; bu nedenle non-parametrik testler daha güvenilir sonuç veriyor:
| Parametrik test | Non-parametrik alternatif |
|---|---|
| Bağımsız t-testi | Mann-Whitney U |
| Eşleşmiş t-testi | Wilcoxon işaretli sıralar |
| Tek yönlü ANOVA | Kruskal-Wallis |
| Pearson korelasyon | Spearman korelasyon |
2×2 tablolarda beklenen frekans 5'in altındaysa ki-kare yerine Fisher kesin testi daha uygun. Permütasyon testleri de dağılım varsayımı gerektirmiyor ve küçük örneklemde güçlü sonuç veriyor.
p değeri yerine etki büyüklüğü ve %95 güven aralığını raporlamak güçlü biçimde öneriliyor. Şöyle bir formülasyon işe yarıyor: "Tedavi grubunda ortalama iyileşme süresi 8,2 gün (%95 GA: 5,1-11,3), kontrol grubunda 12,5 gün (%95 GA: 9,7-15,3) 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 olarak anlamlı bir farka işaret ediyor — Hackshaw'ın (2008) küçük çalışmalar için vurguladığı gibi, "anlamsız" bir p değeri etkinin yokluğu anlamına gelmiyor. Sonuçları ayrıca meta-analize uygun biçimde (ortalama, standart sapma, etki büyüklüğü, güven aralıkları) raporlamak, küçük örneklemin gelecekteki meta-analizlere katkısını güvence altına alıyor.
Türkiye'de fırsatlar ve zorluklar
Nadir Hastalıklar Ulusal Eylem Planı (2020-2023) ile Türkiye ilk kez ulusal bir strateji belgeledi; ulusal kayıt sistemleri ve çok merkezli çalışmalar için adımlar atıldı ve TÜBİTAK 1001 programı nadir hastalık araştırmalarına öncelik veriyor — doğru metodolojiyle sunulduğunda küçük örneklemli çalışmalar da destek alabiliyor. Zorluklar da sürüyor: hasta kayıt sistemleri yetersiz, merkezler arası veri paylaşımı standart değil, genetik testlere erişim sınırlı. Yine de son beş yılda bu alanda ciddi mesafe alındı.
Araştırma sorusunu örnekleme uyarlamak, tanımlayıcı çalışmalardan başlayıp analitik tasarımlara geçmek ve çok merkezli işbirliği kurmak, küçük örneklemin sınırlarını genişletiyor. Karmaşık durumlarda erken aşamada destek almak riskleri en aza indiriyor; Model İstatistik CRO ekibi olarak nadir hastalık araştırmalarında araştırmacının yanında duruyoruz.
Not: Buradaki güven aralığı ve etki büyüklüğü değerleri küçük ve büyük örneklem farkını göstermek için kurgulanmış tipik örneklerdir; gerçek değerler çalışmanın verisine göre değişir. Analiz seçimi ve raporlama, çalışmanın kendi tasarımı üzerinden yapılır.
Kullanılan kaynaklar
- Hackshaw A. Small studies: strengths and limitations. European Respiratory Journal. 2008;32(5):1141-1143. · DOI
- Cohen J. Statistical Power Analysis for the Behavioral Sciences. 2. baskı. Hillsdale, NJ: Lawrence Erlbaum; 1988.