Retrospektif Dosya Taramasına Başlamadan Önce: Çalışma Gerçekten Yapılabilir mi?

Retrospektif çalışmalarda en pahalı hata yanlış istatistik testi değil. Asıl kayıp, haftalarca dosya taradıktan sonra birincil sonlanımın kaydedilmediğini, ana maruziyetin farklı yıllarda farklı tanımlandığını veya hedeflenen model için yeterli olay bulunmadığını fark etmek.

"Bizde yaklaşık 900 hasta var" cümlesi bir örneklem bilgisi değil. Bu 900 kişinin kaçı dâhil edilme ölçütlerini karşılıyor? Kaçında indeks tarih biliniyor? Kaçının takibi var? Kaçında sonlanım gerçekleşmiş? Bunlar görülmeden yöntem bölümü sağlam kurulamıyor.

Bu yazı veri toplama aşamasından önceki adıma odaklanıyor. Taramaya başladıktan sonra hangi değişkenin nasıl kaydedileceğini arşiv taramasında veri kaydı yazımızda ele aldık.

Fizibilite, küçük bir veri toplama değildir

Fizibilite nihai veri setini çıkarmak değil. Küçük ve planlı bir ön incelemeyle şu sorulara cevap arıyor:

• Hedef popülasyon hangi kayıttan bulunacak?
• Dâhil etme ve dışlama ölçütleri kayıtlarda uygulanabiliyor mu?
• Ana maruziyet ve sonlanım aynı zaman çizgisinde mi?
• Değişken tanımları yıllar ve klinikler arasında aynı mı?
• Eksik veri rastgele mi, yoksa belirli dönem ve hasta gruplarında mı yoğunlaşıyor?
• Birincil analiz için yeterli olay var mı?
• Veri çıkarımı iki kişi tarafından aynı biçimde yapılabiliyor mu?

Bu sorulara cevap vermeyen bir "örnek Excel", fizibilite çalışması değil yalnızca bir dosya biçimi denemesi.

Önce paydayı bulun

Hasta listesi ameliyat kodu, tanı kodu, poliklinik kaydı, laboratuvar sonucu veya cihaz kaydı üzerinden oluşturulabiliyor — ve her kaynak farklı bir popülasyon üretiyor. Yalnız ICD koduyla tarama yanlış pozitif ve yanlış negatif vakalar içerebilir; ameliyat listesi girişimi doğrular ama ameliyat öncesi değerlendirme başka bir sistemde olabilir.

Bu akış ileride hasta seçim şemasının ve Yöntem bölümünün temelini oluşturuyor. Geriye dönük olarak hatırlanmaya bırakıldığında sayılar kolayca çelişiyor.

Birincil sonlanım gerçekten kayıtta var mı?

"Mortalite", "komplikasyon" veya "yeniden yatış" tek kelimeyle tanımlanamıyor. Hastane içi mortalite mi, 30 günlük mi, tüm nedenlere bağlı mı? Bir komplikasyon yalnız tanı koduyla mı, klinik ölçütle mi, tedavi gereksinimiyle mi belirlenecek?

Sonlanım tanımında beş unsur bulunmalı: olayın klinik tanımı, ölçüm veya doğrulama kaynağı, başlangıç ve izlem penceresi, birden fazla kayıt çeliştiğinde öncelik kuralı, kör veya bağımsız doğrulama gerekip gerekmediği.

Sonlanımın yalnız bir kısmı doğrulanabiliyorsa bu, analiz planını doğrudan değiştiriyor. Elde olmayan 30 günlük bilgiyi hastane içi sonuçtan türetmek mümkün değil.

Değişken bulunabilirliği için "var/yok" yetmez

Her aday değişken için daha ayrıntılı bir sınıflandırma gerekiyor:

"Dosyada EF yazıyor" demek yeterli değil. Simpson yöntemiyle mi, görsel tahminle mi? En yakın ameliyat öncesi ölçüm mü, herhangi bir ölçüm mü? Aynı hastada birden fazla değer varsa hangisi kullanılacak? Fizibilite pilotu tam olarak bu ayrıntıları ortaya çıkarıyor.

Olay sayısı, toplam hasta sayısından farklıdır

İkili bir sonlanım için çok değişkenli model kuracaksanız belirleyici olan toplam örneklem değil olay sayısı. 500 hastada 12 ölüm varsa modelin bilgi sınırı 500 değil, büyük ölçüde o 12 olay. Bu mantığın ayrıntısını ayrışma ve Firth yazımızda ele aldık.

Nadir olaylı çalışmalarda seçenekler: birincil amacı betimleyici ya da daha dar tutmak, aday değişken sayısını klinik gerekçeyle sınırlamak, merkez veya yıl aralığını genişletmek, birleşik sonlanımı yalnız klinik olarak savunulabiliyorsa önceden tanımlamak, cezalı yöntemleri değerlendirmek, kesinlik yetersizliğini baştan kabul etmek.

Son seçenek başarısızlık değil; veri sınırını dürüstçe tanımlamak.

Pilot tarama nasıl yapılmalı?

Pilot örnek yalnız kolay bulunan, yeni tarihli ve eksiksiz dosyalardan seçilmemeli. Farklı yılları, sonuç gruplarını ve kayıt sistemlerini temsil etmeli. 30–50 dosyalık bir pilotta yapılacaklar:

• Eski ve yeni dönemlerden kayıt seçin.
• Mümkünse olay yaşayan ve yaşamayan hastaları birlikte alın.
• İki veri çıkarıcının ortak bir alt kümeyi bağımsız incelemesini sağlayın.
• Her değişken için bulunma oranını ve çıkarım süresini kaydedin.
• Çelişkili kayıtları ve çözüm kuralını not edin.
• Pilot sonunda veri toplama formunu ve kod kitabını revize edin.

Pilot veriyi ana analizde kullanmak mümkün; ancak değişken tanımları pilot sırasında değiştiyse ilk kayıtların yeni kurallarla yeniden çıkarılması gerekiyor.

Etik kuruldan önce fizibilite yapılabilir mi?

Bu sorunun yanıtı kurumun uygulamasına, erişilecek verinin niteliğine ve yapılan işlemin araştırma sayılıp sayılmadığına bağlı. Hasta düzeyi veriye erişim, "sadece sayı bakıyoruz" denilerek otomatik biçimde serbest hâle gelmiyor; kurum izni, etik kurul veya veri sorumlusu birimin görüşü gerekebiliyor.

Güvenli fizibilite, mümkün olduğunda kimliksiz ve toplulaştırılmış sayılarla ve yetkili birim üzerinden yürütülüyor. Dosyaları araştırma amaçlı ayrıntılı taramaya başlamadan önce ilgili kurul ve kurum süreçleri netleştirilmeli. Türkiye'de kurulların form ve kapsamları kurumdan kuruma değişebildiği için tek bir hastanenin uygulaması ulusal kural gibi sunulmamalı.

Tam taramaya geçiş kapısı

Aşağıdaki koşullar sağlanmadan veri toplamaya başlamayın:

• Hedef popülasyon ve kayıt kaynağı kesinleşti.
• Birincil sonlanım operasyonel olarak tanımlandı.
• Ana maruziyet ve karıştırıcılar kayıtta doğrulanabiliyor.
• Beklenen uygun hasta ve olay sayısı hesaplandı.
• Eksik veri deseni pilotta görüldü.
• Veri toplama formu, kod kitabı ve türetme kuralları yazıldı.
• Veri çıkarıcılar aynı kuralla çalışabiliyor.
• Kurum ve etik izin yolu netleşti.
• Analiz planı mevcut veri yapısıyla uyumlu.
• Projeyi durdurma ölçütleri belirlendi.

Arşivin büyüklüğü ile kaydın niteliği

Retrospektif araştırmanın gücü arşivin büyüklüğünden değil, kaydın araştırma sorusunu ne kadar güvenilir cevapladığından geliyor.

Küçük bir pilot, kötü kurgulanmış bir projeyi erkenden durdurabilir; iyi bir projede ise değişkenleri, süreyi, bütçeyi ve analiz planını gerçekçi hâle getirir. Model İstatistik olarak klinik araştırma tasarımı sürecinde aday dosya sayısını, değişken bulunabilirliğini, olay sayısını ve analiz yapılabilirliğini tam tarama öncesinde araştırmacıyla birlikte değerlendiriyoruz.

Kullanılan kaynaklar

• von Elm E, Altman DG, Egger M, ve ark. The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) statement: guidelines for reporting observational studies. Lancet. 2007;370(9596):1453-7. PMID 18064739 · DOI
• Riley RD, Ensor J, Snell KIE, ve ark. Calculating the sample size required for developing a clinical prediction model. BMJ. 2020;368:m441. PMID 32188600 · DOI