Słownik metodologiczny · Projekt badania

Estymanda (estimand) – jak precyzyjnie określić, jaki efekt szacuje badanie?

Estymanda to dokładny opis efektu, który badanie ma oszacować: populacja, warunki leczenia, wynik, miara i postępowanie ze zdarzeniami śródokresowymi. Pokazujemy pięć atrybutów, strategie i symulację w R z trzema różnymi liczbami z tych samych danych.

W skrócie: Estymanda to precyzyjny opis efektu, który badanie ma oszacować: populacja, porównywane warunki, zmienna wynikowa, miara podsumowująca i strategie wobec zdarzeń śródokresowych, takich jak przerwanie leczenia. Estymator to metoda, a oszacowanie – uzyskana liczba. W symulacji te same dane dają 8.34, 10.67 lub 11.64 zależnie od pytania.

Co to jest estymanda?

Estymanda (ang. estimand) to precyzyjny opis wielkości, którą badanie ma oszacować – odpowiedź na pytanie „co dokładnie mierzymy?”, zanim padnie pytanie „jak to policzyć?”. Kahan i in. (2024) odróżniają trzy pojęcia: estymandę (opis efektu, który badanie ma określić), estymator (metodę statystyczną) i oszacowanie (liczbę uzyskaną z estymatora).

Pięć atrybutów

W ramach addendum ICH E9(R1) do wytycznych badań klinicznych estymandę opisuje pięć atrybutów (Kahan i in., 2024):

  1. populacja;
  2. porównywane warunki leczenia;
  3. punkt końcowy, czyli zmienna wynikowa;
  4. miara podsumowująca, np. różnica średnich lub iloraz ryzyk;
  5. strategie postępowania z każdym rodzajem zdarzeń śródokresowych.

Pierwsze cztery rozszerzają schemat PICO. Zdarzenia śródokresowe (ang. intercurrent events) to zdarzenia po randomizacji, które wpływają na interpretację lub istnienie wyniku: przerwanie leczenia, lek ratunkowy, zgon. Strategie to m.in. polityka leczenia (zdarzenie jest częścią warunku leczenia), strategia hipotetyczna (co by było bez zdarzenia), złożona (zdarzenie wchodzi do wyniku), „w trakcie leczenia” i warstwy głównej.

Przykład

W symulowanym badaniu 2 × 300 osób 70 osób z grupy leku przerwało jego przyjmowanie, częściej osoby w cięższym stanie. Różnica średnich wszystkich zrandomizowanych – estymanda polityki leczenia – wynosi 8.34. Estymanda hipotetyczna („gdyby wszyscy brali lek do końca”), znana tu tylko dzięki symulacji, wynosi 10.67. Porównanie samych kontynuujących z całą grupą placebo daje 11.64 – liczbę, która nie odpowiada żadnemu z tych pytań, bo zestawia wyselekcjonowanych pacjentów z pełną grupą kontrolną.

Estymanda a ITT i per protocol

Analiza ITT i analiza per protocol to metody, a nie pytania badawcze. ITT odpowiada zwykle na pytanie o efekt przydziału niezależnie od zdarzeń śródokresowych; per protocol bez dodatkowych założeń nie szacuje efektu hipotetycznego, bo osoby przestrzegające protokołu są wyselekcjonowane. Analizy wrażliwości powinny celować w tę samą estymandę co analiza główna, a braki danych nie są zdarzeniami śródokresowymi.

Estymanda nie jest pojęciem wyłącznie klinicznym. Lundberg, Johnson i Stewart (2021) postulują, by każde badanie ilościowe określało estymandę teoretyczną poza jakimkolwiek modelem statystycznym, a następnie wiązało ją z estymandą empiryczną za pomocą założeń identyfikujących. Estymandę warto zapisać już w planie analizy statystycznej.

Przykład reprodukowalny

Różne estymandy w R

Kod symuluje badanie z losowym przydziałem, w którym część osób przerywa przyjmowanie leku, i liczy różnicę średnich dla estymandy polityki leczenia, estymandę hipotetyczną (możliwą do policzenia tylko w symulacji, bo znamy wynik „gdyby brał lek”) oraz porównanie samych kontynuujących z placebo. Liczby w tekście pochodzą z tego kodu.

Polityka leczenia, strategia hipotetyczna i analiza kontynuujących

Dane wejściowe: badanie 2 × 300 osób, przerwanie leku zależne od wyjściowej ciężkości choroby, efekt leku 10 punktów u osób przyjmujących go do końca (dane symulowane, set.seed(575)).

Co odczytać: 70 osób przerwało lek; polityka leczenia = 8.34, estymanda hipotetyczna z symulacji = 10.67, porównanie kontynuujących z placebo = 11.64.

R
set.seed(575)                                      # badanie 2 × 300 osób, wynik: spadek ciśnienia po 12 tyg.
n <- 300
ciezkosc <- rnorm(2 * n)                           # wyjściowa ciężkość choroby
grupa <- rep(1:0, each = n)                        # 1 = lek, 0 = placebo
przerwal <- grupa == 1 & runif(2 * n) < plogis(-1.2 + 1.2 * ciezkosc)  # zdarzenie śródokresowe: przerwanie leku
y_gdyby_bral <- 10 * grupa - 4 * ciezkosc + rnorm(2 * n, 0, 8)         # wynik, gdyby wszyscy brali lek do końca
y <- ifelse(przerwal, y_gdyby_bral - 10, y_gdyby_bral)                 # przerwanie leku = brak efektu
r <- function(x) round(x, 2)
c(przerwalo_w_grupie_leku = sum(przerwal),
  polityka_leczenia = r(mean(y[grupa == 1]) - mean(y[grupa == 0])),               # wszyscy zrandomizowani
  hipotetyczna_symulacja = r(mean(y_gdyby_bral[grupa == 1]) - mean(y_gdyby_bral[grupa == 0])),
  tylko_kontynuujacy = r(mean(y[grupa == 1 & !przerwal]) - mean(y[grupa == 0])))  # bez jasnej estymandy
Wynik w R
przerwalo_w_grupie_leku       polityka_leczenia  hipotetyczna_symulacja 
                  70.00                    8.34                   10.67 
     tylko_kontynuujacy 
                  11.64 

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 estymanda różni się od estymatora i oszacowania?

Estymanda mówi, co chcemy oszacować, np. różnicę średnich ciśnienia po 12 tygodniach u wszystkich zrandomizowanych niezależnie od przerwania leku. Estymator to metoda obliczenia, np. ANCOVA, a oszacowanie – liczba, którą ta metoda daje.

Czy braki danych to zdarzenia śródokresowe?

Nie. Kahan i in. (2024) wyraźnie odróżniają braki danych i utratę z obserwacji od zdarzeń śródokresowych. Braki to problem estymacji: metodę ich uzupełnienia wybiera się tak, by pasowała do przyjętej estymandy.

Czy estymandę trzeba określić także poza badaniami klinicznymi?

Warto. Lundberg, Johnson i Stewart (2021) postulują, by każde badanie ilościowe, także w socjologii czy psychologii, jasno podawało estymandę teoretyczną i jej związek z estymandą empiryczną.

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. Kahan, B. C., Hindley, J., Edwards, M., Cro, S., & Morris, T. P. (2024). The estimands framework: A primer on the ICH E9(R1) addendum. BMJ, 384, Article e076316. https://doi.org/10.1136/bmj-2023-076316 ● Otwarty dostęp
  2. Lundberg, I., Johnson, R., & Stewart, B. M. (2021). What is your estimand? Defining the target quantity connects statistical evidence to theory. American Sociological Review, 86(3), 532–565. https://doi.org/10.1177/00031224211004187

Cytowania BibTeX

@article{kahan2024estimands, author={Kahan, Brennan C. and Hindley, Joanna and Edwards, Mark and Cro, Suzie and Morris, Tim P.}, title={{The estimands framework: A primer on the ICH E9(R1) addendum}}, journal={BMJ}, year={2024}, volume={384}, eid={e076316}, doi={10.1136/bmj-2023-076316}}
@article{lundberg2021what, author={Lundberg, Ian and Johnson, Rebecca and Stewart, Brandon M.}, title={{What is your estimand? Defining the target quantity connects statistical evidence to theory}}, journal={American Sociological Review}, year={2021}, volume={86}, number={3}, pages={532--565}, doi={10.1177/00031224211004187}}
R