巧妍度假旅馆

【CSCA-CMT联合专场——临床研究设计论坛】观察性研究统计方法

来源:CMTxunhuan    发布时间:2019-06-10 21:41:47

6月23日下午,在中国卒中中心联盟(CSCA)首届高峰论坛上,CSCA与《中国医学论坛报》(CMT)联合专场——临床研究设计论坛如期而至。论坛由首都医科大学附属北京天坛医院王伊龙教授主持,两位统计学专家,北京大学临床研究所副所长姚晨教授和首都医科大学附属北京天坛医院潘岳松教授为参会者带来了一场精彩的方法学盛宴。

正如首都医科大学附属北京天坛医院王拥军教授在致辞中谈到的,当今时代是科技创新的黄金时代,临床医生除了做好临床工作外,不能忽视科技创新。同时,中国学者在国际学术舞台上正发挥着越来越重要的作用,可以说,科技创新的国际舞台离不开中国声音。而做好科技创新,离不开方法学的保驾护航。

论坛上,姚晨教授首先带来了观察性研究或登记性研究设计,潘岳松教授则介绍了观察性研究的统计学方法。


潘岳松教授介绍,观察性研究中常用的统计学方法主要有多因素回归分析、匹配技术、倾向性评分等。



潘岳松教授


多因素回归分析


常用的多因素回归方法主要有三种:① 线性回归;② Logistic回归分析;③ Cox回归/生存分析。线性回归中,因变量(Y)一般是连续变量,有具体数值;Logistic回归分析中,因变量(Y)是二分类变量;Cox回归/生存分析中,因变量(Y)为是否发生某结局和结局发生的时间。


临床研究的数据分析主要包括两个内容:① 检验基线是否均衡;② 检验效应是否相等。若基线均衡,可使用单变量方法,辅以多变量方法;若基线不均衡,则不可使用单变量方法,必须使用多变量方法,例如Logistic回归和Cox回归等。


根据研究目的不同,采取不同的多因素回归建模策略,包括筛选混杂因素、调整混杂因素等。


匹配技术


观察性研究中很多混杂因素都有意义,通过匹配方法,可使两组间基本信息比较均衡。匹配方法主要有配对(1:1)、一个病例匹配多个对照(1:m)和多个病例匹配一个对照(m:1),分析方法主要有配对t检验、符合秩和检验、配对卡方检验及条件Logistic回归。


倾向性评分


在药物流行病学研究中,研究药物疗效和不良事件的典型混杂被称为“适应证偏倚”(confounding by indication)。由于不是随机分组,具有某些临床特征的患者更倾向于采用某一治疗,或服用某一药物。不同治疗组患者的基线特征不同,而这些临床特征与结局相关。


众所周知,随机对照试验(RCT)通过将研究对象随机分组,可使混杂因素最大程度地均衡可比。但观察性研究不能采用随机分组,而倾向性评分可最大限度地模拟RCT,用一个基于多项已测量协变量生成的综合指标“平衡”两组间的差异,倾向性评分值相同的两个个体,其协变量的分布也趋于一致,即具有相同的接受处理对照的概率。


倾向性评分是研究对象可能接受某种治疗方案(或暴露因素)可能性的概率值,通过Logistic 回归来构建评分值,用于均衡组间基线信息的差异,减少已测量混杂因素带来的偏倚,一般用于两组对比。倾向性评分方法主要使用四种方法,分别为抽样匹配、分层分析、回归校正和加权。大多数情况下,鼓励在使用传统回归分析方法的同时使用倾向性评分,一般不单独使用。 


倾向性评分有一定的局限性:① 受已知变量测量或定义的影响;② 不能校正未知协变量;③ 计算倾向性评分值容易,但实现匹配较难;④ 倾向值匹配方法会因两组数据不完全匹配而舍弃两端的数据。


其他方法


其他还包括疾病风险评分(DRS)和工具变量等。


(李妍整理)