|
郑老师团队2022年meta分析培训来了，5.25-5.26两天学会meta 两天学会Meta分析！欢迎参加Meta分析线上训练营(6.25-26) 最近日本学者开展了一项大型的临床试验，旨在探讨维生素D能否预防糖尿病的问题，文章发表在国际顶级医学期刊《英国医学杂志》（The BMJ）。
作者用不同的统计策略得到了两种不同的结果：P>0.05和P<0.05，最终只能选择前者，怏怏而归！ 我觉得这里面的东西值得我们一起来探讨学习。 一、该研究的情况 该研究是一项双盲、多中心、随机、安慰剂对照研究，旨在评估每天0.75 μg的艾地骨化醇软胶囊（eldecalcitol，一种活性维生素D3衍生物）能否降低糖耐量受损人群2型糖尿病的发病风险。 研究于2013年6月至2019年8月期间共招募来自日本32家医学中心的3875例受试者，其中1256例受试者最终入组治疗。受试者随机分配接受艾地骨化醇（0.75 μg/天；n=630）或安慰剂（n=626）治疗，治疗时间为3年。 研究主要终点为糖尿病的发病，由于是随访研究，作者们把它转为time-to-event指标，换言之是生存时间资料。 生存分析，有两种方法，一种是单因素法，一般采用logRank检验，另外一种是多因素法，一般采用多因素Cox回归，会纳入一些协变量。 由于该研究是临床试验，其实往往单因素分析方法就OK了。当然也可以采用多因素分析方法，多因素分析方法可以略微提升检验效能。 本文同时呈现了两种结果。其中多因素分析是补充性的分析方法，或者说，单因素是它们事先设定的主要统计学策略。 令人意外的是该研究两种分析结果是截然不同的。。 二、两种方法分析结果 首先是logRank分析法，单因素分析法。 We analysed progression to diabetes and regression to normoglycaemia with the log-rank test and two by four χ2 test, respectively. 中位随访2.9年后，活性维生素D组和安慰剂组分别有79例（12.5%）和89例（14.2%）受试者出现2型糖尿病（HR=0.87，95%CI: 0.67-1.17；P=0.39）。
然后是多因素Cox回归，多因素回归分析法。 校正混杂因素（包括年龄、性别、高血压、BMI、家族史等）后的分析结果显示，活性维生素D显著降低了糖尿病的发病风险，降低幅度达到31%（HR=0.69，95%CI: 0.51-0.95；P=0.020）。
各位，你们看出来了，单因素没有统计学差异，多因素则有。怎么下结论呢？ 作者结论写道：Treatment with eldecalcitol, an active vitamin D analogue, at a dose of 0.75 µg per day did not significantly reduce the incidence of diabetes and failed to increase the rate of regression to normoglycaemia compared with placebo among patients with impaired glucose tolerance who were at high risk for type 2 diabetes. 不是多因素有统计学意义吗？作者又写道。Although our study suggested the potential for a beneficial effect of active vitamin D treatment on the prevention of type 2 diabetes after adjustment for confounding factors, this finding should be replicated in further populations before its significance for public health can be fully appreciated。 上述这段话意思是这个研究结论是阴性的，多因素结果没法作为我们下结论的依据。 3.郑老师的统计学解读 今天这个案例，主要从两点来讲，1是单因素与多因素结果的相似性和不同之处；2是医学研究的严谨性与统计设计的重要性。 3.1 单因素与多因素结果的相似性和不同之处 很多学者在开始临床研究时，一般只考虑基本的统计学方法，t检验、卡方检验、秩和检验、方差分析。这些都是单因素分析法，统计学还有诸多多因素分析的方法。在临床试验中，由于干预与对照组分组均衡，大部分场景下结果是非常相似的。 不过单因素和多因素分析的总是略微差别，甚至还会出现P>0.05变成<0.05的情况。 原因有两点：第一，多因素回归可以控制混杂偏倚，因此与单因素分析结果不一样。第二，多因素回归可以略微提高检验效能。 所以，日本的研究选择单因素logRank分析是足够的，但多因素Cox更值得推荐，毕竟它是多中心的临床试验。 我们国内的学术论述论文，很少采用多因素回归的方法处理临床试验数据。既然高级统计学方法几乎没有成本，它既可控制偏倚，也可提高检验效能，为何不用呢？大部分情况下，高级统计学方法是更有利于阳性结果，干嘛不用呢？ 请在临床研究考虑调整协变量的多因素分析法！ 2.2 医学研究的严谨性与统计设计的重要性。 不同统计学方法，结果不一致的时候，我们如何处理？ 那个阳性放哪个吧！！???? 这行吗？ 估计我们很多人都这么干！ 严谨的临床试验，是万万不行的！ 日本的临床研究就给我们做了很好的示范。因为，该研究的主分析方法是单因素的logRank差异性检验！这种选择，在研究设计时候，就已经明确，不是在统计学分析时候由统计师即兴发挥！ 设计决定所有一切! 统计分析也要遵从统计设计。 所以我说，在临床研究中，特别是验证性临床研究，无论是临床试验还是真实世界研究，一般不推荐事后分析法--等数据到了，研判数据后再选择统计学方法。一般推荐事先设计在确定研究方案时候，阐明统计方法，进行统计学设计。 我们要考虑好结局指标，然后确定好结局指标的采用的主分析方法是什么？主分析方法也要明确，到底是t检验还是线性回归，卡方还是logistic回归，是单因素法还是多因素法。 一个研究的结果是阳性还是阴性，不能我们能够挑选的，是根据主分析方法来定的！ 今天就到此为止！ 最后，需要下载该论文的进一步学习的朋友，发送“文献阅读”到本公众号，可以获取原文下载学习。 更多实战课程 更多信息 |
|
|
