[發明專利]一種基于真實數據的模擬RCT分析方法

有效

• 申請號: 201310038845.5
• 申請日: 2013-01-31
• 公開（公告）號: CN103970973B
• 公開（公告）日: 2017-07-07
• 發明（設計）人: 嚴衛麗;陳少科
• 申請（專利權）人: 復旦大學附屬兒科醫院
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 上海元一成知識產權代理事務所(普通合伙)31268
• 代理人: 吳桂琴

技術領域

本發明屬試驗數據分析方法領域，涉及一種基于真實數據的模擬RCT分析方法；該方法針對隨機對照試驗比較研究（Comparative Effectiveness Research,CER）的結局數據（實效數據）進行分析，為臨床決策提供參考證據。

背景技術

循證醫學是以證據為基礎的醫學，其旨在利用現有最好的證據來幫助臨床實踐，解決臨床問題。根據2011年GRADE對證據質量的分級，基于高質量隨機化對照試驗研究（Randomized controlled trials,RCTs）的meta分析和系統評價以及嚴格設計實施的RCT被視為是療效比較的高質量證據，是獲取證據的最佳途徑；而利用實效數據的CER是近年來產生的利用臨床產生的實效數據進行分析的新的領域，但是上述研究的數據分析方法均基于經典流行病學和統計學的基本方法。由于RCT費用、倫理學、研究對象納入較為嚴格等因素的限制，RCT的研究數量少、實效性有限、外推性有限，該種證據數量也有限。此外，設計嚴謹和實施嚴格的觀察性研究是CER獲取證據途徑之一，但由于觀察性研究沒有進行隨機化分組，使得不同治療方式治療效果的比較變得十分復雜。為了排除混雜因素的影響，傳統方法是使用較為復雜的多因素分析方法來控制混雜因素的作用，但憑借有限數量的觀察性研究，準確的判斷不同治療方式的療效的差異仍很困難。此外，Rosenbaum和Rubin在1983年提出的傾向指數(propensity score，PS)的方法也從一定程度上解決觀察性研究中的混雜因素組間不均衡問題；然而，由于觀察性研究自身的局限性，其研究結果被GRADE定義為低質量證據。因此，目前臨床醫學實踐中仍有非常多的診斷和治療的決策問題急需循證醫學證據，特別是近年來隨著大量新型藥品、新診療技術的出現，使得目前開展的RCTs數量遠不能滿足臨床需求。通常在RCTs實施之前，臨床實踐已經產生了大量的診斷和治療的結局數據，其患者均為非選擇性，如何科學有效的利用上述實效數據，產生可供臨床決策參考的新的循證醫學證據是目前尚待解決的問題。

發明內容

本發明的目的是克服現有技術的缺陷和不足，提供一種基于真實數據的模擬RCT分析法；該分析法針對干預效果比較研究（Comparative Effectiveness Research,CER）的數據進行分析，尤其是對已接受不同干預方案產生的結局數據（實效數據）進行分析，可用于臨床上不同干預方案或實行的策略的效果及安全性的比較，為臨床決策提供新的循證醫學證據。

本發明的方法，針對臨床上產生的已經接受待測干預和其他干預的對象的相關數據（包括基本特征數據和結局數據），經模擬隨機化分組，每次分組后根據RCT的符合方案集分析策略(Per-protocol Analysis策略/PP策略)進行干預效果比較，獲得有差異的實驗頻數的百分比和無差異的實驗頻數百分比之比（odds值）及其95%CI作為判斷實行不同干預方案或方式間效果和安全性是否具有差異的依據；當odds<1或95%CI的上限小于1時，可認為兩種干預方案或方式的果無差異；當odds>1或95%CI的下限大于1時，可認為兩種干預方案或方式的效果有差異；odds=1或95%CI包含1，暫不能給出明確結論。本發明的實施例中，進行100次模擬隨機化分組，每次分組后進行干預效果比較分析。

本發明中，通過4個步驟說明本分析法的原理、證明本分析法的可行性、穩定性以及判定結果與真實情況的一致性；由于真實數據反映干預效果的結局變量和混雜因素在組間的差異無從知曉，無法判斷本分析法計算的odds和95%CI的分布與真實的組間效應量（EffectSize，E/S）和把握度（power）大小的關系，也無法判斷使用本分析法判斷療效差異的結果與真實情況的一致性，因此，本發明采用模擬數據的方法進行驗證；

具體而言，本發明的基于真實數據的模擬RCT分析方法，其特征在于，其包括步驟：