المقدر

المُقدَّر هو كمية يُراد تقديرها في التحليل الإحصائي . ^{[ 1 ]} يُستخدم هذا المصطلح للتمييز بين هدف الاستدلال والطريقة المستخدمة للحصول على تقريب لهذا الهدف (أي المُقدِّر ) والقيمة المحددة المُستخرجة من طريقة ومجموعة بيانات مُحددة (أي التقدير ). ^{[ 2 ]} على سبيل المثال، متغير عشوائي ذو توزيع طبيعي${\displaystyle X}$له معياران أساسيان، وهما متوسطه${\displaystyle \mu }$والتباين​${\displaystyle \sigma ^{2}}$. مُقدِّر التباين:

${\displaystyle s^{2}=\sum _{i=1}^{n}\left.\left(x_{i}-{\bar {x}}\right)^{2}\right/(n-1)}$،

ينتج عنه تقدير بقيمة 7 لمجموعة البيانات${\displaystyle x=\left\{2,3,7\right\}}$؛ ثم${\displaystyle s^{2}}$يُطلق عليه اسم مُقدِّر لـ${\displaystyle \sigma ^{2}}$، و${\displaystyle \sigma ^{2}}$يُطلق عليه اسم المُقدَّر.

فيما يتعلق بالمُقدِّر ، فإن المُقدَّر هو نتاج المعالجات المختلفة ذات الأهمية. ويمكن اعتباره رسميًا أي كمية يُراد تقديرها في أي نوع من التجارب. ^{[ 3 ]}

يرتبط المُقدِّر ارتباطًا وثيقًا بغرض التحليل أو هدفه. فهو يصف ما يُراد تقديره بناءً على السؤال محل الاهتمام. ^{[ 4 ]} وهذا على عكس المُقدِّر ، الذي يُحدد القاعدة المحددة التي يُقدَّر بموجبها المُقدِّر. في حين أن المُقدِّر غالبًا ما يكون خاليًا من الافتراضات المحددة، مثل تلك المتعلقة بالبيانات المفقودة ، فإنه عادةً ما يتعين وضع مثل هذه الافتراضات عند تحديد المُقدِّر المحدد. لهذا السبب، من المنطقي إجراء تحليلات حساسية باستخدام مُقدِّرات مختلفة لنفس المُقدِّر، لاختبار متانة الاستدلال في ظل افتراضات مختلفة. ^{[ 5 ]}

تشير الأبحاث الحديثة إلى أن الدراسات الكمية غالباً ما تفشل في تحديد المتغير المُقدَّر. ^{[ 1 ] [ 6 ] [ 7 ]} وهذا يُعدّ إشكالية، إذ لا يستطيع القارئ معرفة مدى ملاءمة الإجراءات الإحصائية في الدراسة ما لم يكن على دراية بالمتغير المُقدَّر. ^{[ 1 ]}

إذا كان سؤالنا المهم هو ما إذا كان تطبيق إجراء مثل حملة تطعيم في فئة سكانية محددة في بلد ما سيؤدي إلى انخفاض عدد الوفيات في تلك الفئة السكانية في ذلك البلد، فسيكون مقياسنا هو مقياس لخفض المخاطر (مثل نسبة المخاطر، أو نسبة المخاطر على مدار عام واحد) يصف أثر بدء حملة التطعيم. قد تتوفر لدينا بيانات من تجربة سريرية لتقدير هذا المقياس. عند تقييم الأثر على مستوى السكان، يجب أن نضع في اعتبارنا أن بعض الأشخاص قد يرفضون التطعيم، لذا فإن استبعاد المشاركين في التجربة السريرية الذين يرفضون التطعيم من التحليل قد يكون غير مناسب. علاوة على ذلك، قد لا نعرف حالة بقاء جميع الذين تم تطعيمهم، لذا سيتعين وضع افتراضات في هذا الصدد لتحديد المقياس.

قد يكون أحد المقاييس الممكنة للحصول على تقدير محدد هو نسبة المخاطر المستندة إلى تحليل البقاء الذي يفترض توزيعًا معينًا للبقاء، والذي يُجرى على جميع الأفراد الذين عُرض عليهم التدخل، مع اعتبار أولئك الذين فُقدت متابعتهم خاضعين للرقابة العشوائية. قد يختلف مجتمع الدراسة عن المجتمع الذي ستُجرى عليه حملة التطعيم، وفي هذه الحالة يجب أخذ ذلك في الاعتبار أيضًا. قد يفترض مقياس بديل يُستخدم في تحليل الحساسية أن الأشخاص الذين لم تتم متابعة حالتهم الصحية حتى نهاية التجربة قد يكونون أكثر عرضة للوفاة بنسبة معينة.

في 22 أكتوبر/تشرين الأول 2014، أصدر المجلس الدولي لتنسيق المتطلبات الفنية للمستحضرات الصيدلانية للاستخدام البشري (ICH) ورقة مفاهيمية نهائية بعنوان " اختيار التقديرات المناسبة وتحديد تحليلات الحساسية في التجارب السريرية" كمُلحق لإرشاداته E9. ^{[ 10 ]} وفي 16 أكتوبر/تشرين الأول 2017، أعلن المجلس الدولي لتنسيق المتطلبات الفنية للمستحضرات الصيدلانية للاستخدام البشري (ICH) أنه نشر مسودة الملحق بشأن تحديد التقديرات المناسبة للتجارب السريرية/تحليلات الحساسية للاستشارة. ^{[ 11 ] [ 12 ]} وصدر الملحق النهائي لإرشادات ICH E9 في 20 نوفمبر/تشرين الثاني 2019. ^{[ 13 ]} ووفقًا للملحق، هناك خمس سمات أساسية تُستخدم لمقارنة التقدير: (أ) السكان؛ (ب) ظروف العلاج؛ (ج) نقطة النهاية؛ (د) المقياس الموجز؛ (هـ) الاستراتيجيات المستخدمة للتعامل مع كل نوع من أنواع الأحداث الطارئة في تعريف تأثير العلاج. قدم كاهان وآخرون دروسًا تعليمية حول إطار عمل ICH E9(R1) estimands. ^{[ 14 ]}

من خلال توفير إطار عمل منظم لترجمة أهداف التجارب السريرية إلى تصميم وإجراء وتحليل مناسبين، تسعى اللجنة الدولية لتنسيق المتطلبات التقنية لتسجيل الأدوية للاستخدام البشري (ICH) إلى تحسين الحوار بين شركات الأدوية والهيئات التنظيمية بشأن برامج تطوير الأدوية . والهدف النهائي هو ضمان أن توفر التجارب السريرية معلومات محددة بوضوح حول آثار الأدوية المدروسة. ^{[ 12 ]}