隨機臨床試驗的評讀
-
作者：姚筱楓醫師
前言
隨機臨床試驗(randomized controlled trial)是治療型文獻非常重要的研究方法，相信大家都不陌生。本章主要探討如何分析隨機臨床試驗中的偏差，解讀研究結果，以及實際應用在臨床工作上。
偏差風險(bias)
(1) 實驗前：隨機選取( Randomization)
-
目的
- 預防選擇偏差
- 平均預後因子
-
預後因子
- 定義：會影響結果的因子(Determinants of outcome)
* 舉例
研究血壓藥和心血管疾病，抽菸就是會影響結果的預後/干擾因子，若實驗組對照組抽菸的比例不同，會影響到結果分析。
- 定義：會影響結果的因子(Determinants of outcome)
-
隱匿法/盲法(blind)
- 較好的隨機選取方式，研究人員不能主觀決定分組
- 除了實驗前的患者分配，在整個研究過程中，最好病人、臨床醫師、數據收集者、檢驗評估者、數據分析者，都要處於blind的狀態，減少偏差的產生
-
樣本數越大，越有機會達成平均預後因子
(2) 實驗中：有無提早結束
-
有些治療的併發症並不會馬上出現
若追蹤時間不足，可能會誤判治療效果 -
以下表為例，若研究只追蹤一年，可能會誤以為治療A和B的效果差異不大
治療 A 治療 B 該組總數 50 50 第一年死亡人數 1 0 第二年死亡人數 1 10 兩年死亡總人數 2 10 (3) 實驗後：失去追蹤(loss follow up)的問題
-
失去追蹤的患者，可能和繼續實驗的個案有不同的預後
-
傳統可以接受的臨界值大約是20%的研究病人總數
然而，這個比例並不是絕對，且和結果的人數有關係
假設最壞的狀況，來判斷失去追蹤的數量是否可接受
(4) 病人是否維持同一個組別？
-
很難完全避免，樣本數太大時也很難完全抓出跨越組別的病人
-
意向分析(intention-to-treart)
分析結果的時候按照一開始隨機分配的組別，不管病人是不是中途換到其他組(不包含失去追蹤的)，目的是維持隨機分配的結果，因為按造換組後的結果來分析，預後因子可能會影響結果。 -
舉例
例如高社經地位的人都傾向某種治療而自行決定換組，而這群高社經地位的人都較為健康，因為治療產生的副作用自然較少。
結果：評估實驗的可信度
(1) 治療結果的呈現、判讀是否準確
-
相關專有名詞：相對風險、相對風險比率差、絕對風險差等
-
絕對風險差：數值越大，結果差異越大
-
相對風險：暴露於某特定狀況和沒暴露組的風險差異
-
相對風險比率差RRR：治療組和對照組間，不良結果機率下降的比例
(2) 治療效果預測(從實驗推回真實情況中的精確度)
-
由於實驗的樣本數有限，研究並不一定能夠完全反應母群體的狀況
因此研究結果通常會以區間表示，也就是信賴區間的概念 -
信賴區間(confidence interval，CI)
在一個信賴程度內，由樣本統計量所求出預期可以包含母群體的範圍 -
95%信賴區間：有95%的機會涵蓋了母群體的結果
-
樣本數越大，信賴區間的範圍越窄，預測的結果越精確
臨床照護應用
(1) 是否適用於病人上、有無類推性(Generalizability)
-
實驗中的病人和我的病人相似嗎?
-
方法
- 比對實驗中的納入和排除條件
- 找出不能應用在自己病人的原因
-
不同治療方式考量
- 藥物：將結果推廣到同類藥物仍有爭議
- 手術：必須要考慮到手術醫師和照護團隊的技術、經驗
-
用專業知識去質疑實驗設計中的每個步驟
(2) 納入討論的結果
-
結果的指標是否為『病人認為重要的結果』
-
常用量化的檢查結果代表疾病嚴重度
但這個檢查結果，不一定等於病人認為重要的結果
因此被稱為『替代結果』或『代理結果』
ex. 以FEV1比較不同的支氣管擴張劑 -
代理結果的影響
- 可以減少追蹤時間，紀錄和分析也比較容易
- 結果並不只有單一指標，一個替代結果的改善，可能會影響其他指標(ex. 生活品質、花費等)，要做權衡
(3) 治療伴隨的潛在傷害與成本
-
需要被治療的病人數目(Number needed to treat)
- 公式：NNT = 1/ARR
- 使一位病人達到實驗組治療之有益結果(或預防產生一個不良結果)所需治療的病人數目。
- NTT越少越好
-
需要被傷害的病人數目(Number needed to harm)
- 公式：NNH = 1/ARI
ARI (Absolute risk increase)(絕對風險增加) =EER-CER - 對多少病人數目進行實驗組療法，與對照組做比較後，會有多一個病人產生不良副作用
- NNH越多越好
- 公式：NNH = 1/ARI
Reference
醫學文獻導讀-實症臨床實務精要 第六章
-