觀察性研究的統計學設計與分析

方積乾中山大學公共衛生學院醫學統計與流行病學系2013.10兩類醫學研究

干預性研究

研究者主動地決定給部分實驗對象某種處理，給另部分實驗對象某種對照處理的研究設計形式。例如,隨機對照試驗

(RandomizedControlledTrials，RCT）觀察性研究

不對研究對象施加任何干預。通過對研究對象的客觀觀察和記錄，描述觀察結果,并分析因素之間的關系。

隨機對照試驗的局限性對象許多RCT的患者是高度選擇的，未必代表典型患者的特征，例如，醫生平時所看的病人可能較年輕、病不重、合并癥少；顯示功效(efficacy),而不是效果(effectiveness)RCT通常是新療法和安慰劑比較，而不是和現有最好的療法比，醫生難以區別不同療法；昂貴、短期、對象少不可能觀察較多患者、隨訪較長時間，因而有可能漏掉很普遍的副反應和較長時間才出現的事件，低估它們的發生率。

----雖然RCT很重要，也有必要進行觀察性研究，以提供有關日常臨床決策的更多信息。觀察性研究的實踐性

欲比較多種藥物在“真實世界”的有效性，必須廣泛收集在各種級別和類型的醫療機構使用各種藥物的效果。對于臨床上普遍而強烈地認可的某種意見（例如，糖尿病應早用胰島素），出于倫理或其他原因，不可能隨機地令一部分患者晚用或不用。對于罕見不良事件（致癌），只有長期觀察才能出現事件。隨機對照試驗面對的挑戰觀察性研究的優勢觀察性研究與隨機對照試驗

互相補充TIMP-1研究腫瘤組織基質金屬蛋白酶組織抑制因子-1（TIMP-1)水平與絕經前淋巴結陽性乳癌患者輔助化療結局：回顧性研究假說前已報告，在轉移性乳癌患者中，腫瘤組織高TIMP-1水平與CMF和蒽環類藥物化療沒有或有限臨床療效有關；現拓廣研究絕經前淋巴結陽性患者輔助化療的結局，假設高TIMP-1水平腫瘤對化療低敏感，從而患者生存時間縮短。設計從先前收集的腫瘤標本中，選擇一組525例絕經前淋巴結陽性患者：

CMF輔助治療324例蒽環類藥物治療99例無輔助化療102例利用ELISA測定TIMP-1水平，以中位數為界，分成兩組：高TIMP-1和低TIMP-1以單變量和多變量模型，分析輔助化療的效果；終點：無病生存（disease-freesurvival，DFS)

總生存（overallsurvival，OS)三組基線未化療患者蒽環類藥物治療患者CMF輔助治療患者結論接受化療的絕經前淋巴結陽性患者中，TIMP-1高水平與低水平相比，治療后生存時間較短，但僅蒽環類藥物治療者的OS具有統計學意義；腫瘤組織TIMP-1高水平者，經典輔助化療受益減少；我們的發現需要較大規模前瞻性研究加以核實。早期乳癌乳房保留術和根治術比較隨機化研究的20年隨訪設計1973-80年,701例婦女，乳癌不大于2cm,隨機分為：根治術349例保乳術352例1976年后，兩組中，腋下淋巴結陽性者均接受輔助化療：環磷酰胺、甲氨蝶呤、氟尿嘧啶基線均衡同側局部復發率比較生存率比較生存率比較（按原癌大小）結論保乳術婦女和根治術婦女長期生存率相同；相對小乳癌患者應選擇保乳術。環磷酰胺代謝酶研究環磷酰胺代謝酶多態性與淋巴結陽性乳癌輔助化療后生存結局：回顧性隊列研究BreastCancerResearch2010,12:R26方法回顧性隊列研究，參加一項多中心、隨機化輔助化療研究的350例婦,接受了環磷酰胺(C)、阿霉素(A)和氟尿嘧啶(F)隨機分兩組，單純觀察(CAF)和后加高劑量化療(CAF+HDC)；隨訪她們，同時利用存檔的血液或骨髓干細胞標本，測定她們的基因型；用Cox回歸模型在校正臨床變量混雜的情形下，確定CYP2B6,CYP2C9,CYP2D6,CYP3A4,CP3A5,GSTM1,GSTT1和GSTP1的多態性與無病生存(DFS)、總生存(OS)的聯系。樣本代表性好未校正Cox回歸校正后校正混雜結論在接受輔助化療的乳癌患者中，環磷酰胺代謝酶CYP3A4的多態性獨立地影響環磷酰胺治療的結局；需要前瞻性研究進一步評估遺傳藥理學用藥方法可否改善療效。設計理想的觀察性研究

1.明確研究的理由和方法觀察性研究要遵從醫學研究的基本原則:倫理、GCP、STROBE，研究計劃必須充分反映關于所研究疾病和治療的背景知識，包括還欠缺哪些知識以及本研究的理由。研究計劃：研究人群、暴露、結局、統計方法統計方法：計劃要做的統計檢驗；欲檢驗的主要結局、次要結局；如何處理混雜變量；確失數據如何補上。TIMP-1研究我們以前曾展示，轉移乳癌患者CMF和蒽環類藥化療沒有效果或效果較差和腫瘤組織的高水平TIMP-1有關。現我們進一步探索TIMP-1和絕經前淋巴結陽性患者輔助化療后結局的聯系。我們假設TIMP-1高的腫瘤對化療欠敏感，從而與較短生存相聯系。環磷酰胺代謝酶研究環磷酰胺為基礎的輔助化療是淋巴結陽性乳癌婦女的主流治療，但并非總能預防復發。藥物遺傳變異性是治療失敗的可能機制之一。我們假設，激活或代謝環磷酰胺的藥物代謝酶(DMEs)中的單核苷酸多態性(SNPs)能部分說明觀察到的疾病結局的多樣性。2.選擇一個具有臨床意義的研究群體觀察性研究的重要優點之一是選擇RCT很少涉及的研究群體。諸如,有多種共患疾病、服用多種藥物、全職雇員、或著研究者認為那些不容易堅持RCT研究的人。觀察性研究的納入標準要規定好，但必須十分廣泛，使研究人群能代表所關注的一般人群。TIMP-1研究這里僅包括淋巴結陽性的絕經前乳癌患者。這是因為收集這些樣本的時候，很少絕經后和淋巴結陰性的乳癌患者接受輔助化療。而且，僅包括了接受CMF,CEF,CAF或單藥A輔助化療或者沒有輔助化療或內分泌治療的患者。環磷酰胺代謝酶研究我們利用參加高劑量與標準劑量化療比較的多中心臨床試驗INT-0121(E2190/SWOG9061/CALGB9496)的乳癌患者的DNA和臨床資料進行這項回顧性隊列研究。先前隨機對照試驗INT-0121的知情同意書曾強調，剩下的生物學標本將用于未來的乳癌研究。3.研究規模的重要性觀察性研究的優點是每一個參加者的運行成本比RCT低很多，可以招募更多參加者，因而有能力發現罕見副反應事件。如果副反應事件發生率為1/1000，要發現1例，需要觀察3000例，要發現3例，需要觀察6500例。例如，從市場撤下的胰島素增效酮(troglitazone）以1/50000的機會引起肝臟損傷，其觀察的規模之大可以想見。例1

罕見病，利用全部病例

‘‘研究期間該地區的病例數決定我們的樣本量’’

[皮膚利什曼病].例2

通常，需要計算決定

‘‘該地區的一項關于潛在抑郁癥的調查，報告患病率為19.8%。我們假定正常體重兒童的母親中20%患抑郁癥，而營養不良兒童的母親患抑郁癥的優勢比為3，功效設為80%，檢驗水準設為5%。我們需要72對病例-對照（一個病例對配一個對照）。”

4.考慮偏倚

對觀察性研究的批評主要是存在偏倚，且偏倚是隱蔽的。隊列研究的主要偏倚是患者的選擇和失訪。例如，口服降糖治療，單一藥物好？藥物組合好？臨床實踐：給病輕者單一藥物，病重者多種藥物。

失訪常與療效差或耐受性差有關。要盡量減少失訪。

針對潛在偏倚來源所做的努力選擇偏倚、信息偏倚、混雜偏倚研究者最好在訂計劃時就認真考慮潛在的偏倚來源。寫報告時，建議作者評估有多大可能出現有關的偏倚。尤其，要討論偏倚的方向和大小，可能的話，再估計一下。例：中國自殺的危險因素在多數自殺的病例-對照研究中，對照組由活著的個體組成，但是我們決定以死于其他原因的個體為對照組。以已故個體為對照，用以評估其危險因素的信息來自死者的家庭成員或親密關系者，因此和自殺者的信息來源更具有可比性。

----屬于哪一類偏倚？

5.重視混雜當一個變量既和你感性趣的變量有關,又和你關注的結局有關,這個變量就插足“搗亂”了。常見混雜變量有：年齡、性別、種族、吸煙狀況，這些可以測量并作統計學校正。更多混雜變量是隱蔽的、未知的，盡管研究者努力了，還可能有殘余的混雜變量及其效應。二型糖尿病和原發性青光眼

“如果二型糖尿病婦女比一般婦女更多地進行眼科檢查，檢測偏倚可能會影響二型糖尿病與原發性青光眼之間的關系。我們比較了患糖尿病和未患糖尿病婦女報告的眼科檢查的平均次數。我們還控制了與較認真的眼科檢查有關的一些協變量，重新計算了青光眼的相對危險度。’’

----誰是混雜變量？6.基線必須均衡兩組數據比較時，基線必須均衡，否則，存在Bias;兩組數據比較時，若基線不均衡，必須設法使得基線基本均衡，或校正不均衡導致的Bias；干預性研究可通過隨機化分組，使基線基本均衡;觀察性研究不可以隨機化分組，基線往往不均衡。基線不均衡具有傾向性基線狀況，一定程度上決定個體歸屬哪一組例如，病重的個體，醫生傾向于用新藥;

又如，療效不理想，醫生傾向于加大劑量;

再如，年老患者，醫生傾向于避免創傷性治療;基線狀況和個體歸屬哪一組之間的聯系，可以用“傾向性概率”或“傾向性得分”來反映傾向性概率Logistic回歸：設有A和B兩組樣本，以重要協變量為解釋變量，基于個體基線數據和所屬組別作logistic回歸，得到個體屬于A組的概率表達式，稱為個體屬于A組的傾向性概率，記為P傾向性概率可以作為個體的傾向性得分。45傾向性得分的應用1）校正法，直接將傾向性得分納入模型；2）分層法，按傾向得分將研究對象分為若干層，在每層內比較兩組；3）匹配法

(propensitymatching）所有研究對象各有一個傾向性得分；為干預組中每位個體，到對照組中匹配一個傾向性得分最接近的個體;4）概率倒數加權法

(inverseprobabilityweighting)例兩種肺癌手術方式的比較

為研究兩種不同的手術方式A和B對肺癌患者生存時間的影響，共有902名患者參與研究。其中562名患者采用A手術方式(63.3%),340名患者采用B手術方式(37.7%)。協變量在兩組間分布不均衡。傾向性得分根據個體基線數據，計算每個個體屬于A組的傾向性概率，以此為個體的傾向性得分;若個體屬于A組的傾向性概率為P,則該個體屬于B組的概率為1-P;哪個組為A組？由研究者決定，實際上，哪個組都可以。傾向性得分組內排序將個體按照傾向性得分在本組內由小到大依次列在下表。傾向性匹配以人數較少的一組為準，例如B，將B中每個個體與A中傾向性得分最接近者配成一對優點：1:1完美匹配，基線差異最小匹配前基線比較匹配后基線比較缺點：兩組中，許多個體未能利用概率倒數加權

計算每個個體的傾向性概率;以個體在所屬組內的(概率)-1為其權重，提高或壓低該個體的基線在數據分析中的混雜效應概率倒數加權權重0.5/PA10.5/PA20.5/PA30.5/PA40.5/PA50.5/PA6…權重0.5/(1-PB1)0.5/(1-PB2)0.5/(1-PB3)…優點：所有個體全部利用缺點：計算量較大概率倒數加權目的何在？

是通過權重的大小來壓低或提高個體的基線在數據分析中的混雜效應：傾向于本組的概率較大的個體(例如，0.8)0.5/0.8=0.625—一人頂0.625個傾向于他組概率較大(例如，0.8)，而傾向于本組的概率較小的個體，(1-0.8)=0.20.5/0.2

=2.5—一人頂2