Stepped-Wedge-Design

Stepped-Wedge-randomisierte Studiendesigns sehen die sequentielle Einführung einer Intervention unter den Teilnehmenden (Einzelpersonen oder Cluster) über eine Reihe von Zeitpunkten vor. Bis zum Ende der Studie werden alle Teilnehmer die Intervention erhalten haben, wobei die Reihenfolge, in der die Teilnehmer die Intervention erhalten, nach dem Zufallsprinzip festgelegt wird. Insbesondere wenn die Intervention voraussichtlich mehr Gutes als Schlechtes bewirken wird (was ein paralleles Design, bei dem bestimmte Teilnehmer die Intervention nicht erhalten, unethisch macht) und/oder wenn es aus logistischen, praktischen oder finanziellen Gründen nicht möglich ist, die Intervention gleichzeitig allen Teilnehmern zukommen zu lassen, ist das Design von besonderer Bedeutung. Stepped-Wedge-Designs bieten eine Reihe von Möglichkeiten zur Datenanalyse, insbesondere zur Modellierung der Auswirkung der Zeit auf die Wirksamkeit einer Intervention.

Randomisierte kontrollierte Studien (engl. Randomised Controlled Trials, RCTs) gelten als die beste Methode zur Prüfung klinischer Wirksamkeit, und solche Studien werden zunehmend bei der Bewertung nichtklinischer Interventionen eingesetzt. Es gibt viele Möglichkeiten, RCTs zu klassifizieren, wie z.B. das Ausmaß der Verblindung, die Methode der Randomisierung (einschließlich der Frage, ob die Interventionen auf Einzel- oder Clusterebene randomisiert werden) und die Einbeziehung (oder Nicht-Einbeziehung) eines Präferenzarms. Eine weitere Klassifikation ist die Art und Weise, in der die Teilnehmer der Intervention ausgesetzt sind, wobei ein Design mit einer sequentielle Einführung einer Intervention als Stepped-Wedge-Design bezeichnet wird.

Stepped-Wedge-Designs beinhalten eine Datenerfassung an jedem Punkt, an dem eine neue Gruppe (Stufe) die Intervention erhält. Ein Beispiel für die Logistik eines Stepped-Wedge-Designs ist in der Abbildung oben dargestellt, die ein Design mit fünf Schritten zeigt. Die Datenanalyse zur Bestimmung der Gesamteffektivität der Intervention umfasst anschließend den Vergleich der Datenpunkte im Kontrollabschnitt mit denen im Interventionsabschnitt.

Analyse und Auswertung

Beim Stepped-Wedge-Design erfolgt die Auswertung über einen Zeitraum, in dem der Anteil der Cluster, die der Intervention ausgesetzt sind, allmählich zunimmt. Das bedeutet, dass nicht exponierte Beobachtungen im Durchschnitt aus einem früheren Zeitpunkt im Kalender stammen als exponierte Beobachtungen. Daher ist es möglich, dass ein zugrundeliegender zeitlicher Effekt den Interventionseffekt konfundieren kann, und daher berücksichtigt werden sollte.

Die Anpassung für die systematisch unterschiedlichen Beobachtungszeiträume und für die Clusterbildung in den Daten erfolgt durch Anpassung eines Lineare Mixed-Modells (LMM), eines verallgemeinerten linearen Mixed-Modells (GLMM) oder Generalized Estimating Equations (GEE). Obwohl LMM in den meisten Fällen eine höhere statistische Power als GLMM und GEE bieten, können LMM ungünstig sein, wenn die Größe von Clustern variiert und die abhängige Variable nicht kontinuierlich und normal verteilt ist. Wenn eine dieser beiden Annahmen verletzt wurde, sollten GLMM und GEE bevorzugt werden.

Für kontinuierliche (und normalverteilte) Ergebnisse würde dies also LMM mit Zufallseffekt (random effect) für die Cluster und festem Effekt (fixed effect) für jeden Schritt bedeuten; und für binäre Ergebnisse ein logistisches Regressionsmodell mit Zufallseffekt für Cluster und festem Effekt für jeden Schritt.

Ein Stepped-Wedge-Design ermöglicht es den Forschern auch, die Art und Weise zu untersuchen, in der sich die Wirkung der Intervention (im Laufe der Zeit) entwickelt, sobald sie in einen Cluster eingeführt wird. Dies kann wichtig sein, wenn eine Intervention eine anfängliche Eingewöhnungsphase benötigt. In solchen Fällen kann die Länge des Zeitraums (bis zur aktuellen Beobachtung), in dem der Cluster der Intervention ausgesetzt war, als weiterer Faktor in das Modell einbezogen werden.

Für weitere Informationen zur Analyse empfehlen wir den Artikel von Kennedy‐Shaffer, De Gruttola & Lipsitch (2020).

Literaturverzeichnis

1. Brown, C. A., & Lilford, R. J. (2006). The stepped wedge trial design: a systematic review. BMC Medical Research Methodology, 6(1). doi:10.1186/1471-2288-6-54
2. Hemming, K., Haines, T. P., Chilton, P. J., Girling, A. J., & Lilford, R. J. (2015). The stepped wedge cluster randomised trial: rationale, design, analysis, and reporting. BMJ, 350(feb06 1), h391–h391. doi:10.1136/bmj.h391
3. Kennedy‐Shaffer, L., De Gruttola, V., & Lipsitch, M. (2020). Novel methods for the analysis of stepped wedge cluster randomized trials. Statistics in Medicine, 39(7), 815-844.

@misc{statistikguru,
    title    = {StatistikGuru},
    subtitle = {Stepped-Wedge-Design},
    year     = {2020},
    month    = {oct},
    url      = {https://statistikguru.de/lexikon/stepped-wedge-design.html},
    author   = {Hemmerich, Wanja A.},
    urldate  = {2023-06-09}
}