我们今天来聊聊真实世界临床研究的文章。 国际糖尿病联盟(IDF)第 7 版糖尿病地图显示, 2015 年全球成人糖尿病患者 4.15 亿,到 2040 年预计将有 6.4 亿以上的成年人患有糖尿病[1]。有数据显示,75%的 2 型糖尿病患者死于心血管疾病,2型糖尿病患者的冠状动脉病变以细小、弥漫、钙化、多支血管病变多见[2-3]。 近年来,不少研究发现,新型降糖药钠-葡萄糖共转运蛋白 2(SGLT-2)抑制剂有明确的心血管获益。 郑州大学第一附属医院桑海强等发表的一项基于“真实世界 ”的研究进一步发现,对于合并冠心病的 2 型糖尿病患者,SGLT-2抑制剂达格列净能降低全因死亡和心血管死亡风险,但未能降低非致死性心肌梗死、脑卒中、血运重建和再入院风险。 原文可通过扫码下方二维码直接翻阅,写得挺好的。 该研究是一项历史性队列研究。 该研究回顾性分析2018 年1 月至2020 年 5 月在郑州大学第一附属医院心内科住院的冠心病患者,从中筛选出 1981 例新发或既往 2 型糖尿病患者,其中671例服用达格列净的患者纳入达格列净组,其余未服用达格列净的1 310患者纳入对照组。 该研究的暴露是达格列净,主要研究终点包括全因性死亡、心血管死亡、非致死性心肌梗死和脑卒中,次要研究终点是血运重建和再入院。 分析结果如下 分析显示,平均随访12.7个月期间,主要研究终点分析中,与对照组相比,达格列净组全因死亡发生率(2.2% vs. 6.5%;HR=0.440,95% CI:0.254~0.762,P=0.003)和心血管死亡发生率(1.9% vs. 5.8%,HR=0.427,95% CI:0.237~0.769,P=0.005)降低,但非致死性心肌梗死发生率(HR=0.786,95% CI:0.411~1.429,P=0.402)和脑卒中发生率(HR=1.093,95%CI:0.627~1.904,P=0.754)未降低。 在次要研究终点分析中,达格列净组血运重建发生率 (HR=1.029,95% CI:0.645~1.643,P=0.904)和再入院发生率(HR=1.091,95% CI:0.813~1.464,P=0.562)未降低。 多因素Cox回归分析,达格列净是全因死亡(HR=0.450,95% CI:0.258~0.785,P=0.005)和心血管死亡(HR=0.434,95% CI:0.239~0.787,P=0.006)独立影响因素。 在结论中作者指出,作为一种 SGLT-2 抑制剂,达格列净改善冠心病临床结局的机制可能涉及多个方面,包括降糖、降压、减重、抑制炎症。
P: 研究对象1981 例新发或既往2 型糖尿病患者 I或者E: 暴露是达格列净 C:对照组是未服用达格列净 O: 包括主要指标和次要指标:主要研究终点包括全因性死亡、心血管死亡、非致死性心肌梗死和脑卒中,次要研究终点是血运重建和再入院。 统计学方法如下: 使用SPSS 22.0软件进行统计分析。 连续变量用均数±标准差(±s)表示,分类变量以率或百分比或频率表示。连续变量如果符合正态分布且等方差则用独立样本t检验,不等方差则用校正t检验;如果不符合正态分布,则用Wilcoxon秩和检验。 分类变量用χ2检验,理论频数<5,使用校正χ2检验,理论频数<1使用Fish确切概率法。 用Kaplan-Meier法绘制生存曲线评估冠心病合并2型糖尿病患者预后,通过log-rank检验和Breslow比较两组曲线之间的差异。 将单因素Cox风险比例回归分析中P<0.1和重要临床意义的指标纳入多因素Cox风险比例回归分析。以P<0.05为差异有统计学意义。 现在我从统计学角度分析该文。 这一篇来自于戏称“宇宙第一医院”的郑州大学第一附属医院的回顾性文章还是很给力的,它基于较大样本量的患者来分析,在真实的环境下开展药物达格列净对预防早死的作用,同时运用了规范的统计学分析方法。 我认为结果可信,证据产生的过程也是科学的。 不过作为分析文章的统计学老师,我还是有些小的建议。如果是这篇文章的作者看到了本分析,还请您见谅我的“指手画脚”。 (1)这篇文章在终点和次要终点分别设置,这很好。不过,主要终点多个,次要终点一个,这个不太合适。一般是主要终点1-2个,而次要终点可以更多些,而且如果主要终点有多个,可以考虑形成复合终点,或者统计分析时需要进行假阳性率的控制。 (2)作者实际上写出了研究对象的筛选过程,但论文缺少流程图有点美中不足(也可能是杂志社嫌篇幅太大砍了)。 (3)缺少缺失数据的处理机制,实际上,回顾性队列研究,协变量缺失是一个很常见的现象,一般来说,合理处理缺失数据应该是不可或缺的一部分。 (4)多因素回归是一个需要小心的地方。实际上,我们真实世界开展多因素回归,不是简单的先单后多,把单因素P值较小者纳入就完事了,要注意样本量是否足够支持开展回归分析。生存分析Cox回归一般要求阳性例数是自变量数的5-10倍以上,本例阳性例数还欠缺些。当然回顾性研究阳性为王,也说不上该文就是不对,但自变量太多,往往建模可能会失败。 真实世界研究,不推荐先单后多,毕竟这类研究往往聚焦于一个暴露因素。一般要挑选自变量纳入模型,更推荐采用效应改变法 这就是我(浙中大郑老师)的部分想法,你们哪里还可以继续完善的么? 本观点不代表公众号的观点,只代表作者的观点。 更多信息 |
|