Słownik metodologiczny · Projekt badania

Badanie N-of-1 – randomizowane badanie u jednego pacjenta

Badanie N-of-1 to randomizowane, zwykle zaślepione porównanie leczeń u jednego pacjenta w kilku parach okresów. Pokazujemy elementy schematu, analizę w R (test t i test randomizacyjny) oraz raportowanie według CENT.

Strona główna / Słownik / Badanie N-of-1
W skrócie: Badanie N-of-1 to randomizowane badanie kliniczne u jednego pacjenta: w kilku parach okresów otrzymuje on raz badany lek, raz placebo lub inne leczenie, w losowej kolejności. Pozwala wybrać najlepsze leczenie dla tej osoby (Guyatt i in., 1986), a raport przygotowuje się według CENT 2015.

Co to jest badanie N-of-1?

Badanie N-of-1 (ang. N-of-1 trial, single-patient trial) to randomizowane badanie kliniczne prowadzone u jednego pacjenta, który jest jedyną jednostką obserwacji. Pacjent przechodzi kilka par okresów leczenia – w każdej parze raz otrzymuje badany lek, raz placebo lub inne leczenie – a kolejność w parze ustala losowanie. Guyatt i in. (1986) opisali ten schemat jako odpowiedź na problem, że wyników dużych badań nie zawsze da się przenieść na konkretnego pacjenta. Celem jest wybór najlepszego leczenia dla tej osoby na podstawie obiektywnych danych (Lillie i in., 2011).

Elementy schematu

  • Randomizacja kolejności w każdej parze okresów, by efekt nie mieszał się z naturalnym przebiegiem choroby.
  • Okresy wypłukiwania chroniące przed efektem przeniesienia – jak w schemacie naprzemiennym, którego N-of-1 jest wersją dla jednej osoby.
  • Zaślepienie i placebo, bo pacjent sam ocenia objawy, a efekt placebo łatwo wziąć za działanie leku.
  • Z góry wybrany cel leczenia – objaw, wynik badania lub skala mierzona w każdym okresie (Guyatt i in., 1986).

Schemat sprawdza się w chorobach przewlekłych o stabilnym przebiegu i przy lekach, które działają szybko i szybko przestają. Nie nadaje się do leczenia, które trwale zmienia stan pacjenta. Od klasycznych badań jednego przypadku w psychologii różni go przede wszystkim randomizacja i zaślepienie w medycznym schemacie par okresów.

Analiza i raportowanie

Najprościej analizuje się różnice w parach, np. testem t dla prób zależnych. W przykładzie z R lek obniżył ból średnio o 1.27 pkt w czterech parach, p = .006. Test randomizacyjny, który korzysta tylko z faktycznego losowania kolejności, daje jednak p = .125 – przy czterech parach to najmniejsza możliwa wartość (2/16). Dlatego wnioskowanie randomizacyjne wymaga zaplanowania większej liczby par. Raport przygotuj według rozszerzenia CENT 2015, które uzupełnia 14 z 25 punktów listy CONSORT i proponuje diagram pojedynczego badania N-of-1 (Vohra i in., 2015; zob. wytyczne raportowania).

Jak opisać w pracy

Przeprowadzono podwójnie zaślepione badanie N-of-1 z czterema parami dwutygodniowych okresów (lek A i placebo), z losową kolejnością w każdej parze i tygodniowym okresem wypłukiwania. Pierwszorzędowym wynikiem był średni ból (0–10) w okresie. Badanie raportowano zgodnie z wytycznymi CENT 2015.
Przykład reprodukowalny

Badanie N-of-1 w R

Kod losuje kolejność leku i placebo w czterech parach okresów, porównuje średni ból testem t dla prób zależnych i liczy dokładny test randomizacyjny (wszystkie 16 przydziałów znaków różnic).

Różnice w parach i test randomizacyjny

Dane wejściowe: jeden pacjent, 4 pary okresów; średni ból 0–10 w okresie; prawdziwy efekt leku −1.5 pkt (dane symulowane, set.seed(538)).

Co odczytać: różnice w parach −0.8, −1.6, −1.5 i −1.2; średnia −1.27; p testu t 0.0058; p testu randomizacyjnego 0.125 (minimum przy 4 parach).

R
# Badanie N-of-1: jeden pacjent, 4 pary okresów (lek A i placebo), kolejność losowana w każdej parze
set.seed(538)
pary <- 4
kolejnosc <- replicate(pary, sample(c("A", "P")))   # losowa kolejność w każdej parze
print(kolejnosc)
# średni ból (0-10) w każdym okresie; prawdziwy efekt leku: -1.5 pkt
bol_P <- round(rnorm(pary, mean = 6.0, sd = 0.8), 1)
bol_A <- round(bol_P - 1.5 + rnorm(pary, 0, 0.6), 1)
roznica <- bol_A - bol_P                              # różnica w każdej parze
print(data.frame(para = 1:pary, placebo = bol_P, lek = bol_A, roznica))
t.test(bol_A, bol_P, paired = TRUE)$p.value |> round(4)
mean(roznica) |> round(2)
# test randomizacyjny: 2^4 = 16 możliwych przydziałów znaków różnic
znaki <- as.matrix(expand.grid(rep(list(c(-1, 1)), pary)))
rozklad <- abs(znaki %*% abs(roznica))
mean(rozklad >= abs(sum(roznica)) - 1e-9)             # dwustronne p
Wynik w R
     [,1] [,2] [,3] [,4]
[1,] "A"  "P"  "A"  "P" 
[2,] "P"  "A"  "P"  "A" 
  para placebo lek roznica
1    1     4.3 3.5    -0.8
2    2     5.5 3.9    -1.6
3    3     6.2 4.7    -1.5
4    4     6.2 5.0    -1.2
[1] 0.0058
[1] -1.27
[1] 0.125

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (bez dodatkowych pakietów). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/

Najczęstsze pytania

Czym badanie N-of-1 różni się od opisu przypadku?

Opis przypadku relacjonuje przebieg leczenia. Badanie N-of-1 jest eksperymentem: kolejność leczeń jest losowana, pacjent i oceniający są zwykle zaślepieni, a wynik mierzy się w każdym okresie według planu.

Ile par okresów potrzeba w badaniu N-of-1?

Nie ma jednej reguły, ale liczba par ogranicza wnioskowanie. Przy czterech parach test randomizacyjny nie da p mniejszego niż .125, więc jeśli chcesz z niego korzystać, zaplanuj więcej par albo łącz serię badań N-of-1 u wielu pacjentów.

Czy wyniki badania N-of-1 można uogólnić na innych pacjentów?

Pojedyncze badanie dotyczy jednej osoby. Seria badań N-of-1 o tym samym protokole pozwala jednak połączyć wyniki wielu pacjentów; CENT 2015 opisuje też raportowanie takich serii (Vohra i in., 2015).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Guyatt, G., Sackett, D., Taylor, D. W., Ghong, J., Roberts, R., & Pugsley, S. (1986). Determining optimal therapy—Randomized trials in individual patients. New England Journal of Medicine, 314(14), 889–892. https://doi.org/10.1056/nejm198604033141406
  2. Lillie, E. O., Patay, B., Diamant, J., Issell, B., Topol, E. J., & Schork, N. J. (2011). The n-of-1 clinical trial: The ultimate strategy for individualizing medicine? Personalized Medicine, 8(2), 161–173. https://doi.org/10.2217/pme.11.7 ● Otwarty dostęp: pełny tekst
  3. Vohra, S., Shamseer, L., Sampson, M., Bukutu, C., Schmid, C. H., Tate, R., Nikles, J., Zucker, D. R., Kravitz, R., Guyatt, G., Altman, D. G., Moher, D., & CENT group. (2015). CONSORT extension for reporting N-of-1 trials (CENT) 2015 Statement. BMJ, 350, Article h1738. https://doi.org/10.1136/bmj.h1738 ● Otwarty dostęp

Cytowania BibTeX

@article{guyatt1986determining, author={Guyatt, Gordon and Sackett, David and Taylor, D. Wayne and Ghong, John and Roberts, Robin and Pugsley, Stewart}, title={{Determining optimal therapy—Randomized trials in individual patients}}, journal={New England Journal of Medicine}, year={1986}, volume={314}, number={14}, pages={889--892}, doi={10.1056/nejm198604033141406}}
@article{lillie2011n, author={Lillie, Elizabeth O. and Patay, Bradley and Diamant, Joel and Issell, Brian and Topol, Eric J. and Schork, Nicholas J.}, title={{The n-of-1 clinical trial: The ultimate strategy for individualizing medicine?}}, journal={Personalized Medicine}, year={2011}, volume={8}, number={2}, pages={161--173}, doi={10.2217/pme.11.7}}
@article{vohra2015consort, author={Vohra, S. and Shamseer, L. and Sampson, M. and Bukutu, C. and Schmid, C. H. and Tate, R. and Nikles, J. and Zucker, D. R. and Kravitz, R. and Guyatt, G. and Altman, D. G. and Moher, D. and {CENT group}}, title={{CONSORT extension for reporting N-of-1 trials (CENT) 2015 Statement}}, journal={BMJ}, year={2015}, volume={350}, eid={h1738}, doi={10.1136/bmj.h1738}}
R