meta偏倚分析漏斗图怎么做 JAMA子刊实例讲解观察性研究中的统计分析思路

目的： 比较接受 PCI 或 CABG 血运重建的患者的长期结果。

设计、设置和参与者： 这项回顾性队列研究于 2008 年 10 月 1 日和 2016 年 12 月 31 日在加拿大安大略省进行，包括来自 40 至 84 岁 LVEF 低于 35% 且左前的降支 (LAD)、左主干或多支冠状动脉疾病（伴有或不伴有 LAD 受累）行 PCI 或 CABG 的患者。排除标准是伴随手术、既往 CABG、转移癌、透析、CABG 和 PCI 在同一天，以及心肌梗死 (MI) 后 24 小时内的紧急血运重建。数据分析时间为 2018 年 6 月 2 日至 2018 年 12 月 28 日。

暴露： 通过 PCI 或 CABG 进行血运重建。

主要结果和措施： 主要结果是全因死亡率。次要结局是心血管疾病死亡、主要不良心血管事件（MACE；定义为中风、随后的血运重建和因 MI 或心力衰竭住院），以及每个 单独的MACE。

结果： 共有 12113 名患者（平均 [SD] 年龄，PCI 组 64.8 (11.0) 岁，CABG 组 65.6 [9.7] 岁）；30 个基线特征相匹配后：2397 名患者接受 PCI 和 2397 名患者接受 CABG。中位随访时间为 5.2 年（四分位距，5.0-5.3）。接受 PCI 的患者死亡率（风险比 [HR]，1.6；95% CI，1.3-1.7）、心血管疾病死亡率（HR 1.4，95% CI，1.1-1.6）、MACE（HR，2.0 ; 95% CI, 1.9-2.2)、随后的血运重建 (HR, 3.7; 95% CI, 3.2-4.3) 以及因 MI (HR, 3.2; 95% CI, 2.6-3.8) 和心力衰竭住院 (HR, 1.5) ; 95% CI, 1.3-1.6) 与接受 CABG 的匹配患者相比，发生率更高。

结论和相关性： 在这项研究中，与接受 CABG 的患者相比，接受 PCI 的患者的死亡率和 MACE 更高。这些发现可能会为参与这些患者决策的医生提供参考。

统计分析三步走策略

第一个3（数据类型）：

通常数据类型分为定量指标、定性指标和time-to-event指标3类。

定量指标通常指的是数值变量，通常有单位，比如该研究中的年龄指标，描述性统计以均值（标准差）的形式展示，基线未匹配的人群中，PCI组7013例患者平均年龄64.8（11.0）岁。

定性指标是非量化的指标，常指的是分类变量和等级变量。例如本研究中，对年龄的另外一种表达方式，如下图：

time-to-event变量指的是随着时间变化而发生变化的变量，比如总生存、无进展生存等。

第二个3（组别数量）：

常见的分组有单组及两组或多组比较这三类。该研究人群分为PCI和CABG两组。

第三个3（组间关系）：

各组间可能存在独立、配对、重复测量3种关系。

独立：两组是没有关联性的两组，例如本研究分组方法；

配对：两组选择是相关的，例如根据某个或某几个变量进行匹配选择对照组，或者前后对照研究等。

重复测量：多见于对某个指标的多个测量，可以是单组也可以是多组。但是多个组别的时候，就是双因素水平了，一个是分组因素，一个是时间因素。

该研究中PCI组和CABG组是独立关系，在统计方法的选择上，对于连续变量，正态分布数据采用2样本T检验，非正态数据采用了Wilcoxon秩和检验。分类变量比较采用卡方检验。使用Kaplan-Meier方法计算死亡率，应用log-rank对2组长期生存的差异进行分析，如下图。

2. 队列研究的常用统计分析方法

队列研究是观察性研究的一种，存在偏倚和混杂因素，为了降低这些因素对结果的影响，通常会采用倾向得分匹配的方法使研究组间的人群提高可比性；通过Logistic回归或COX回归进行多因素的校正分析，明确组间差异；通过将研究人群细分成亚组，进一步分析；通过敏感性分析，不断调整统计中的因素，判断总体结果的稳定性。在该研究中，每种统计分析结果的展示方法，值得参考。

（1）倾向得分匹配

由于PCI组和CABG组的基线特征不同，该研究进行了倾向评分匹配分析，将明显基线差异较大的变量进行了匹配，见表2。

表2.倾向得分匹配前后的患者基线数据

（2）Cox回归分析

该研究采用Cox比例风险回归模型对患者的30天和长期结局进行对比分析，通过HR可以判断2组事件风险差异，见表3。

表3.倾向得分匹配后PCI与CABG组患者30天及长期结局对比

（3）亚组分析

该研究将观察人群进行了亚组分层分析，在各亚组中也应用了倾向得分匹配的方法。探讨了病变血管的数量、糖尿病、血运重建是否完成对30天与长期预后的影响，见表4。

表4.倾向评分匹配后亚组分层分析30天及长期结局

（4）敏感性分析

敏感性分析目的就是想要证实研究结果的稳健性，所以你进行的敏感性分析越多，如果结果都是一致的，更能说明你的结果非常稳健。

参考文献：[1]JAMA cardiology vol. 5,6 (2020): 631-641.

版权声明

本文来源：临床科研与meta分析，版权属于原作者，仅用于学术分享