高血压的几个分析项目是否超标
一、试运行期[1]
1.概念:在RCT缺乏作者身份将减少药物效应和统计保证。消除这种影响的简单方法是增加样本量，但这必然会增加试验成本。因此，研究人员可以在研究设计中增加试验期，并通过在试验前排除作者身份来避免这一问题。试用期法是指在RCT随机分组前，通过短期实验了解受试者的配合、依从性和不可忍受的副作用，以排除可能无法坚持实验的受试者，在后续实验中只选择能够参与实验的受试者进行随机分组。
2.试验期法的应用及结果说明:(1)探索患者的配合:试验期法可用于随机分组前筛选可能无法坚持试验的患者，排除随机分组前无法坚持试验的患者，提高试验的依从性。
医师健康研究是第一个观察阿司匹林和β-胡萝卜素在预防冠心病和肿瘤中的作用的大规模RCT。经过18个月的试验期，排除了33%不能坚持试验的人。在5年的随访观察中，发现阿司匹林预防冠心病的相对危险度为0.56(95%可信限为0.45 ~ 0.70)。如果将所有被排除者纳入试验，假设被排除者在两组中均匀分布，没有治疗效果，那么重新计算的RR值为0.71，比0.56差25%。换句话说，排除项加入后，很可能低估或掩盖了真实疗效。因此，即使是负面结果也应引起高度重视，在RCT没有试行工期法。(2)安慰剂反应筛查:安慰剂反应是指在RCT服用安慰剂的受试者的疗效和副作用。这些现象可能是患者服药后的生理和心理反应，往往会对RCT结果产生一定的影响，这种影响可以用试运行期法来估计。例如，在一项治疗抑郁症的RCT中，有安慰剂反应的19人在7天的试验期后被排除，结果显示药物组和安慰剂组之间的治疗有显著差异(P=0.04)。如果不排除19人，随机分为两组，结果是没有显著性差异(P=0.09)。因此，应用试验期排除那些有安慰剂反应的人可以增加试验的统计有效性。(3)筛选临床反应:可采用试运行法筛选患者的临床反应，如药物是否有效、无效、有害或有副作用等。一般来说，试验期方法对RCT患者的选择不一定能完全反映试验药物或治疗方法的有效性和安全性，因为排除作者或有严重副作用者后的RCT的疗效估计和统计检验会与无试验期的有所不同，且至今没有有效的方法调整这种差异。
通过排除那些不是作者或在试运行期间有严重副作用的人来进行RCT时，解释测试效果是复杂的。如果治疗效果和副作用是独立的，当作者因对治疗缺乏反应而被排除时，试验的治疗效果将被高估；当作者因预后不良被排除在外时，检测结果会低估治疗风险；当作者对测试的副作用敏感时，测试的实际副作用率会被低估，反之亦然。如果治疗效果与副作用有关，则更难解释结果。在RCT，有时疗效与副作用有关，即副作用严重的人也可能有好的疗效。如果排除这些对象，就不能正确估计治疗效果。事实上，在许多RCT中，治疗反应和副作用之间的关系很难检测，因此对结果的估计也很难真实。(4)促进临床应用:试运行法也可以指导临床应用。20世纪80年代，由于许多观察表明室性异位与猝死有很高的相关性，许多临床医生开始对心肌梗死后的患者使用抗心律失常药物来抑制室性异位。心律失常抑制试验(CAST)是一项旨在检测这一临床实践的RCT。试验期结束后，将符合条件的患者随机分为药物组和对照组，但由于试验期间治疗组死亡率较高，CAST试验很快终止。由于使用了试运行期，提高了统计效率，很快得到了研究结果，在临床上很快被接受和推广。
总之，试验操作法可以提高RCT的依从性，减少停药，保证治疗组与对照组的可比性，但在结果的解释上，可能高估了治疗的收益，低估了治疗的风险，获得了较小的统计概率值(P值)。
二、意向对待分析(ITT)
1.概念[2]: ITT(也叫实际测验或项目效应分析)最早应用于1961，是指将所有患者随机分配到RCT的任意一组，无论他们是否完成了该组的测验或是否真正接受了该组的治疗，都留在原组进行结果分析。ITT的目的是避免选择偏差，并保持治疗组之间的可比性。
RCT的简单分组如图1所示。在ITT，随机化不仅决定了治疗的分布，还决定了患者数据的分析。
图1 RCT分组框架图
从图1可以看出，试验结束时会有4组患者。ITT是比较①+②组和③+④组。除了ITT，还有其他的分析方法。功效分析(即跟随者分析，也叫解释性检验或生物功效检验)是比较②组和③组，而忽略①组和④组。接受治疗的分析是比较(①转组)+③组和②组+(④转组)组。这三种分析方法各有用途，但ITT是评估项目真实性最有效的方法。有关详细信息，请参见以下示例。
2.分析方法实例[2]:在一项冠状动脉旁路手术的两年随访研究中，将手术治疗作为一种新方法，以药物治疗作为对照。表1为2年临床转归数据，表2为上述三种方法的分析结果。ITT分析显示，药物治疗组患者死亡率为7.8%，手术治疗组患者死亡率为5.3%，P=0.17。两组的治疗效果相似。在其他分析方法中，如果只分析随访者，内科治疗组死亡率(8.4%)高于外科治疗组(4.1%)，P = 0.018；接受治疗的分析与随访者相似，药物治疗组的死亡率(9.5%)高于手术治疗组(4.1%)，P=0.003。
表1 RCT结果
统计数据被分配给内科治疗和外科治疗。
动手术
治疗接受内科
接受手术治疗
治疗接受内科
款待
接受2年随访的人数48
296
354
20
死亡人数2 27 15 6
共计50 323 369 26
表2三种分析方法的比较
分析方法赋值组χ2 P
药物治疗、手术治疗
意向治疗分析29/373(7.8%)
21/395(5.3%)
1.9
0.17
依赖分析27/323(8.4%)15/369(4.1%)5.60 . 05438+08。
治疗分析:33/349(9.5%)17/419(4.1%)9.10.003。
可以看出，三种分析方法得出的结果并不一致。ITT分析反映了两种治疗方法在实际临床应用后的效果，包括试验期间患者的各种结果；但是，在评估治疗方法的真实疗效时，如果测试方法真的有效，ITT分析会低估测试的治疗效果。坚持性分析只分析遵守实验的人群，并不完全遵循最初的随机分组。在上面的例子中，在分配到手术治疗的患者中，26人转为内科治疗，6人死亡，死亡率为23%。这些人可能预后不良或在等待手术时死亡；在被分配接受药物治疗的患者中，转向手术的死亡率仅为4%。这种不遵从性在两组之间是不平衡的。因此，在使用跟随分析时，手术治疗的效果会被高估。同理，治疗师分析的时候也高估了手术治疗的效果。
3.应用和限制[3]:RCT的两个基本目标是获得测试的功效和有效性。试验的有效性反映了理想状态下的治疗效果，即受试者真正接受并完成了治疗。试验的效果是指在一般临床条件下，治疗的实际效果，受试者可能不遵守、改变治疗方式或中断治疗等。ITT对这一结果进行分析和评估，即患者在接受某种治疗模式后的实际结果。
至于实验的有效性，如果实验中很少有漏访和不依从的情况，或者组间漏访和不依从是平衡的，ITT分析可以得到关于实验有效性的有效信息。但是，如果它是不均衡的，ITT分析就不能完全评价试验的疗效。如果试验方法真的有效，ITT可能会低估治疗效果，而追随者分析和治疗师分析则会高估治疗效果。
因此，在评价试验的有效性时，ITT分析、追随者分析和治疗师分析都有一定的局限性，一种新的方法——基于模型的分析被提出，但它不能完全解决上述问题。鉴于此，建议同时使用上述三种分析方法，以获得更全面的信息，并使RCT结果的解释更加合理。
三。疗效定量评价指标
RCT数据应该首先进行统计检验。如果差异显著，还是要结合专业知识，进一步判断措施的效果是否存在真正的差异。但仅有这一定性研究结论不足以指导具体的临床实践。因此，需要选择合适的指标来定量表达疗效。在过去，相对风险指数被广泛使用。近年来，绝对风险度量，特别是Laupacis等人[4]在1988中提出的一个新指标:需要治疗的人数(NNT)，具有直观易懂、易于操作的优点，可以指导个体患者的临床决策。
1的概念。NNT: NNT是指临床医生为了预防1不良事件，在一段时间内需要治疗的患者数量，最初用于评价RCT的效果。
假设RCT，将患者随机分为治疗组和安慰剂对照组，并随访一段时间，观察两组中有害事件的发生情况。设治疗组的实验事件发生率为EER，对照组的事件发生率为CER，则相对风险指数的计算公式如下:
相对风险，RR)，RR = eer/cer公式1。
有效性指数，IE)，IE = CER/能效比公式2。
相对风险降低(RRR)也叫保护率，RRR=(CER-EER)/CER公式3。
绝对风险降低(ARR)，arr = cer-eer公式4。
从数学上讲，需要治疗的人数NNT等于绝对风险降低值的倒数，即NNT = 1/ARR公式5。
2.NNT与其他指标的比较:Cook等[5]以一篇关于轻中度高血压降压治疗的论文为例，说明NNT与其他指标相比的优势。本研究将患者分为轻度高血压(舒张压≤ 110毫米汞柱(1毫米汞柱= 0.133千帕))和中度高血压(舒张压≤115毫米汞柱)。每一层的患者被随机分为两组:降压药组和安慰剂组。以中风的发生为观察终点。经过5年的随访，发现对照组和降压治疗组的脑卒中发生率分别为20%和65438±02%。两组轻度高血压的发生率分别为65438±0.5%和0.9%(表3)。
表3高血压患者降压治疗的疗效分析
高血压
分类中风发生率(%) rrrrrrnnt
控制组
(CER)治疗小组
(EER)
中等0.20
0.12
0.60
0.40
0.08
13
轻度0.015 0.009 0.60 0.40 0.006 167
在本研究中，未接受治疗的中度高血压患者的卒中风险(也称为基线风险)是轻度患者的13倍，但两类患者的RR均为0.60，RRR为0.40。可见，相对风险指数并没有考虑患者的既往病史，也不能反映未治疗的风险。在临床实践中，在做出治疗决定之前考虑这些因素是非常重要的。比如，对于中重度高血压患者，服用某种降压药可以降低40%的卒中发生率，即保护率为40%，这将具有统计学意义和临床重要性。但对于轻度高血压患者来说，降低40%的风险可能不足以抵消副作用和治疗成本。因此，当有害事件的基线风险较低或较高时，仅使用相对风险指数会高估或低估治疗的绝对影响。
绝对风险指数考虑了患者基线风险的差异。比如本例中轻度高血压患者的ARR分别为0.08和0.006，与他们相比是13倍。但该指标以小数或分数的形式表示，难以被医生和患者理解，难以用于临床。ARR的倒数，即NNT，约为13，说明为了预防1例脑卒中，医生需要对13例中度高血压患者进行5年的治疗，比ARR=0.08更直观，更容易接受。此外，从轻中度高血压患者的对比中也可以看出NNT相对于相对效果评价指标的优越性。降压治疗对两类患者的保护率均为40%，这似乎表明两组患者应给予同等强度的治疗。然而，为了预防1例中风，只有13例中度高血压患者需要治疗，而167例轻度高血压患者需要治疗。显然，这将导致不同的治疗决定。
从公式3、4、5还可以推导出NNT = 1/(RRR× CER)。可以看出，基线风险和相对风险降低对NNT都有影响。如果将防护率低的措施用于事故率高的人群，可以使NNT更低，从而获得更大的利益。例如，在基线风险为60%的疾病中，只有10%的RRR可以获得17名需要治疗的人。反过来说，即使一项措施的保护率很高，但如果用于发案率低的人群，受益还是有限的。例如，如果基线风险为10%，则RRR需要为60%才能得到17个需要治疗的人。
3.NNT置信区间的计算:作为点估计，NNT也有95%的置信区间，其计算非常简单，等于ARR的95%置信区间的倒数。比如一种药物的ARR和95%置信区间是10% (5% ~ 15%)，那么NNT = 10，95%置信区间是6.7 ~ 20。但当治疗无效时，例如ARR仍为10%，95%置信区间较宽且包含0，为-5% ~ 25%。在此基础上，计算出NNT = 10 (-20 ~ 4)。用这种方法计算的置信区间有两个问题。第一，下限为负；第二，不包括10的最佳点值。为了避免这种相互矛盾的结果，一些学者提出，当两组治疗措施之间没有显著差异时，没有必要计算NNT的置信区间。奥特曼[6]在1998中提出了上述矛盾的解决方法。当NNT为阴性时，意味着治疗措施具有有害影响。因此，NNT可以分解为NNT(H)和NNT(B)。NNT(H)是指需要治疗的人数，比不治疗多产生1个有害影响(危害)，可以用来表示副作用的大小。NNT(B)是指需要接受治疗的人比没有接受治疗的人多1例受益的人数。另外，当措施无效时，arr = 0，那么NNT是无穷大，NNT的置信区间也应该包括无穷大。这样，上面的置信区间可以描述为(NNTB4~∞~NNTH20)。
4.NNT的扩展应用:除了长期药物试验，NNT还可以扩展到评估其他临床方法。比如需要手术预防1有害事件的人数；需要接种疫苗预防1感染的人数；N年内为防止1癌症死亡需要早期筛查和诊断的人数；如果1有害事件发生，需要暴露于某种危险因素的人数等。此外，基于NNT，我们还可以计算预防1不良事件所需的直接成本，即成本最小化分析，从而评价卫生经济学中各种预防措施的效果，从而更好地指导临床决策和公共卫生项目最佳干预策略的选择。