Meta分析中非随机对照临床试验偏倚风险评估新宠儿：ROBINS

菁华菁华 2018-06-29

展开全文

作者简介

张文超，山东大学公共卫生学院流行病学系在读硕士，目前主要研究方向：临床流行病学。

Meta分析也叫荟萃分析，意为对具备特定条件的、同课题的诸多研究结果进行综合的一类统计方法。如今，在临床上对于某种治疗方法治疗效果的评价（干预措施的评价），Meta分析表现出了他强大的用武之地。然而，临床上干预措施效果的评价研究不尽是RCT，对于一些无法做到随机分组的研究，多是采用非随机临床对照实验，即Non-RCT。这些研究的设计参照RCT，给治疗组匹配具有可比性的对照，仅仅是无法做到完全随机分配，或者也可以叫做半随机临床对照试验（quasi-RCT）。对于干预措施效果的评价的Meta分析，Non-RCT同样扮演着至关重要的作用。

在进行Meta分析的时候，对纳入研究的偏倚风险（risk of bias）评价是至关重要的一环，影响着荟萃分析结果的可靠性。对于RCT，Cochrane的RCT文献质量评价（偏倚风险评估工具）早已炉火纯青。而对于Non-RCT，现行常用的质量评价工具（比如NOS）都存在其各自的短板，今天要说的是另外一个专门用来评价Non-RCT的工具：ROBINS-I (Risk Of Bias In Non-randomised Studies - of Interventions)。

ROBINS-I曾经也叫做ACROBAT-NRSI (A CochraneRisk Of Bias Assessment Tool: for Non- Randomized Studies of Interventions)，是改良了的非随机干预研究偏倚风险评估工具，由来自世界各地的研究者经过3年多的研究，于2016年发表在British Medical Journal(BMJ)杂志。

展开剩余62%

ROBINS-I与Cochrane的RCT偏倚风险评估工具相似，也有7个评价维度（domain），包括：Confounding（混杂偏倚）, Selection bias（选择偏倚）, Bias in measurement classification of interventions（干预措施分类偏倚）, Bias due to deviationsfrom intended interventions（实施偏倚）, Bias due to missing data（失访偏倚）, Bias in measurement of outcomes（测量偏倚）, Bias in selection of the reported result（报告偏倚）。对于Non-RCT的质量评价，因为是否随机分组对分组以后的bias没有影响，所以ROBINS-I不再关心是否随机分组和分配隐藏，而强调混杂偏倚，选择偏倚，干预措施分类偏倚，而其余4个维度则与Cochrane的RCT偏倚风险评估工具重叠，也就是测量偏倚、实施偏倚、失访偏倚、报告偏倚。（Table 1，取自BMJ原文）

其中，每一个维度都有一系列的问题，以Confounding为例，有8个问题，对每一个问题进行“Yes”，“Probably yes”，“Probably no”，“No”以及“No information”等的判断，最后综合判断这一维度的风险等级，包括“Low risk（低风险）”, “Moderate risk（中度风险）”, “Serious risk（严重风险）” and “Critical risk（致命风险）”。以此类推得出所有7个维度的风险等级。

至于具体操作的时候，是先假想出一个“目标实验(Target trial)”，这个假想的目标实验不需要现实可行或者符合伦理要求，能够得出我们想要获得的结果的一个理想研究。将每个评价的研究看做这个目标实验的近似，然后根据每个维度里的提示问题(signalling questions)，得出每个问题的答案，根据这些问题确定该维度的等级是low, moderate, serious, 或者critical。最终再根据每一个维度的风险等级，参考风险评价标准，综合判断一个研究的风险等级。具体流程见下图（图片取自BMJ原文）。