李 超 梁煊怡 康軼君 朱 妮 Tao Chen Duolao Wang△ 顏 虹△

【提 要】 目的 介紹Win Ratio法在比較兩組生存資料復(fù)合終點數(shù)據(jù)的基本原理及方法。方法 以一項采用整群隨機化雙盲對照設(shè)計的孕期營養(yǎng)素干預(yù)研究為實例，運用Win Ratio法分析比較不同營養(yǎng)素補充對子代兩種復(fù)合結(jié)局“孕28周至分娩后4周死亡”及次要不良結(jié)局“低出生體重”的影響，并運用Bootstrap法計算95%CI。比較Win Ratio法及傳統(tǒng)Cox風(fēng)險回歸模型計算結(jié)果間的差異。結(jié)果 Win Ratio法與傳統(tǒng)Cox風(fēng)險回歸所得結(jié)果一致，兩組間差異均無統(tǒng)計學(xué)意義。Win Ratio法分析結(jié)果顯示對照組(孕期補充葉酸)的不良結(jié)局發(fā)生率是干預(yù)組(孕期補充多維營養(yǎng)素)的1.07倍，95%CI為(0.85，1.27)；傳統(tǒng)Cox風(fēng)險回歸模型分析的結(jié)果與Win Ratio法相似，即對照組的不良結(jié)局發(fā)生是干預(yù)組的1.04倍，95%CI為(0.83，1.31)。結(jié)論 相較于傳統(tǒng)的生存分析，Win Ratio法在分析多種結(jié)局的生存資料時，可考慮結(jié)局間的重要性，同時在保證良好的準確性和檢驗效能的前提下完成對生存資料的區(qū)間估計及干預(yù)效應(yīng)的評價。

在醫(yī)學(xué)隨訪研究中，常通過收集時間-事件數(shù)據(jù)對兩個變量對象的結(jié)局情況進行觀察研究，從而評價某種干預(yù)的效果。目前常用生存分析的相關(guān)方法來解決此類問題，應(yīng)用最多的方法是通過擬合Cox風(fēng)險回歸模型進行組間比較，并通過計算風(fēng)險比(HR值)及其95%CI評價干預(yù)效應(yīng)。但臨床醫(yī)學(xué)研究中，結(jié)局變量常由多種結(jié)果綜合定義，在各結(jié)果成分具有優(yōu)先級順序的研究中，Cox風(fēng)險回歸無法區(qū)分各結(jié)果的主次順序，從而可能導(dǎo)致分析結(jié)果難以解釋。除此之外，Cox風(fēng)險回歸依賴于嚴格的模型假定條件，要求必須滿足比例風(fēng)險假定(PH假定)，導(dǎo)致其在實際應(yīng)用中具有一定的局限性[1-3]。本文所介紹的Win Ratio法則可以很好地解決上述問題，不僅可以對生存資料進行組間比較、評價干預(yù)效應(yīng)并估算其95%CI(Bootstrap法)，還能對多種結(jié)局變量劃分優(yōu)先順序后進行分析，從而減少因各結(jié)果成分意義不對等而對研究結(jié)論產(chǎn)生的影響。由于目前國內(nèi)尚未出現(xiàn)將Win Ratio法應(yīng)用于復(fù)合終點生存資料分析的報道，故在此對該方法作介紹，愿更多科研工作者能夠從中獲益。

原理與方法

1.Win Ratio法的應(yīng)用

本課題組已系統(tǒng)介紹了Win Ratio法的原理[4]。簡單來說，Win Ratio法以每組研究對象中被稱為“winner”和“l(fā)oser”的頻數(shù)作為數(shù)據(jù)分析的基礎(chǔ)，winners定義為在兩組研究對象間可能出現(xiàn)的所有配對情況中干預(yù)組的干預(yù)效果優(yōu)于對照組的總頻數(shù)NW；losers定義為兩組研究對象間所有干預(yù)組的干預(yù)效果劣于對照組的總頻數(shù)NL；干預(yù)組與對照組干預(yù)效果相當?shù)目傤l數(shù)NT定義為tied[5-6]。

應(yīng)用該方法分析生存資料的原理與先前所述一致，但具體輸贏判定標準有所不同。在比較兩組非正態(tài)分布數(shù)據(jù)時，定義結(jié)局變量數(shù)值大的一方為winner，結(jié)局變量數(shù)值小的一方為loser；在對生存資料中的單個結(jié)局變量進行兩組間比較時，以干預(yù)組在一定時間內(nèi)觀察到特定結(jié)局，而對照組未進一步出現(xiàn)與干預(yù)組一致或更優(yōu)的結(jié)局為標準(如對照組出現(xiàn)特定結(jié)局時間晚于干預(yù)組、對照組在干預(yù)組出現(xiàn)特定結(jié)局后中途失訪或?qū)φ战M在研究結(jié)束時均仍未發(fā)生特定結(jié)局)，判定該干預(yù)組研究對象為winner，對照組為loser；同理，若對照組在一定時間內(nèi)出現(xiàn)特定結(jié)局而干預(yù)組未進一步出現(xiàn)一致或更優(yōu)結(jié)局，則判定該對照組研究對象為winner，干預(yù)組為loser；若在上述兩種假定下出現(xiàn)有更優(yōu)結(jié)局的情況(如一組在一定時間內(nèi)出現(xiàn)特定結(jié)局而另一組在前組出現(xiàn)特定結(jié)局之前中途失訪)，或干預(yù)組和對照組在一定時間內(nèi)均未觀察到特定結(jié)局(如兩組均中途失訪或兩組均在研究結(jié)束時仍未發(fā)生特定結(jié)局)，即兩組干預(yù)效果相當，判定為tied[7](圖1)。

若兩組生存資料的結(jié)局變量由具有不對等意義的多個結(jié)果成分組成，需先依照優(yōu)先級為多種結(jié)局變量進行排序，按照從最主要結(jié)局(最具臨床意義的結(jié)局成分)至最次要結(jié)局(臨床意義最小的結(jié)局成分)的順序進行分析，每層結(jié)局的輸贏判定標準與單個結(jié)局變量的生存資料相同(圖1)。需要注意的是，若兩組對象在上一結(jié)局判定中表現(xiàn)為tied，則轉(zhuǎn)而比較下一結(jié)局，直至得出“干預(yù)組win”、“對照組win”、或在最次要結(jié)局水平得出“tied”這三種結(jié)論中的任一種為止，且一組win同時表示另一組lose[8]。

圖1 單個結(jié)局變量的生存資料數(shù)據(jù)Win-lose判斷標準

Win Ratio法評價干預(yù)效應(yīng)的指標為RW值(RW=NW/NL)，前期文章中也已對該指標做以詳細說明。在可能出現(xiàn)的所有配對中，干預(yù)組的干預(yù)效果優(yōu)于對照組的概率為[RW/(RW+1)]。

2.Win Ratio法的統(tǒng)計推斷

其假設(shè)檢驗為H0：RW=1，兩組間winner的總頻數(shù)相等，差別無統(tǒng)計學(xué)意義；H1：RW≠1，兩組間winner的總頻數(shù)不等，差別有統(tǒng)計學(xué)意義[5-6]。在此依舊采用Bootstrap法對所得RW值進行區(qū)間估計，求得RW值的95%CI。即在原始數(shù)據(jù)經(jīng)驗分布的基礎(chǔ)上作有放回的重復(fù)隨機抽樣(要求重復(fù)抽樣次數(shù)大于1000次[9-11])。此法估計RW為有偏估計，故需對RW進行對數(shù)轉(zhuǎn)換，再經(jīng)logRW的偏倚校正法[12-13]求得其置信區(qū)間。若RW值的95%CI內(nèi)不包含1，則拒絕原假設(shè)，認為兩組間winner的頻數(shù)不等，且差別具有統(tǒng)計學(xué)意義，反之接受原假設(shè)，差別無統(tǒng)計學(xué)意義。本研究所有分析均采用SAS 9.4軟件，Win Ratio法分析數(shù)據(jù)的相關(guān)SAS程序可通過查詢相應(yīng)參考文獻或聯(lián)系本文作者獲得。

實例分析

以2002年至2006年我國陜西省貧困縣孕期營養(yǎng)素補充干預(yù)試驗為例進一步闡釋W(xué)in Ratio法在時間序列分析領(lǐng)域中的應(yīng)用[14]。該孕期營養(yǎng)素補充試驗為嚴格的隨機對照雙盲設(shè)計，于2002年8月至2006年1月間納入該地區(qū)符合條件的孕產(chǎn)婦，在孕期對受試對象分別補充多種微營養(yǎng)素和單純?nèi)~酸，并通過孕期產(chǎn)檢的各項指標及分娩后的隨訪情況進行縱向數(shù)據(jù)采集分析。該研究以探究不同營養(yǎng)素補充方案對孕產(chǎn)不良結(jié)局影響的組間差異為目的，起始時點為末次月經(jīng)，終點事件可按結(jié)局成分的主次順序劃分為主要終點子代死亡(死產(chǎn)及新生兒死亡)和次要終點低出生體重。根據(jù)所收集數(shù)據(jù)可知“多微營養(yǎng)組”1579人，葉酸組1727人，多微營養(yǎng)組子代死亡數(shù)87例，低出生體重數(shù)57例，平均死亡時間38.70周，平均隨訪時間43.58周，平均孕周39.77周；葉酸組子代死亡數(shù)91例，低出生體重數(shù)82例，平均死亡時間37.00周，平均隨訪時間43.39周，平均孕周39.56周(表1)。假設(shè)多微營養(yǎng)組(干預(yù)組)總?cè)藬?shù)為NA，葉酸組(對照組)總?cè)藬?shù)為NB，則兩組所有可能的配對數(shù)為NA×NB，且不難得出NA×NB=NW+NL+NT。

表1 兩組間數(shù)據(jù)特征

*：子代死亡包括死產(chǎn)與新生兒死亡；**：平均死亡時間=(子代死亡日期-末次月經(jīng)日期)/7

基于該干預(yù)研究項目，我們所研究的孕產(chǎn)不良結(jié)局由主要不良結(jié)局“子代死亡”和次要不良結(jié)局“低出生體重”組成。在此實例中，由于“子代死亡”(指圍生期死亡，包括死胎、死產(chǎn)、新生兒死亡)相較“低出生體重”對家庭及個體的不良影響更為嚴重，所以本研究中“子代死亡”不良結(jié)局程度顯然應(yīng)優(yōu)先于“低出生體重”，而在其他臨床研究中，需根據(jù)不同的結(jié)局制定相應(yīng)的優(yōu)先順序。假設(shè)干預(yù)組對象i與對照組對象j配對，i出現(xiàn)子代死亡，而j未在隨訪時間內(nèi)觀察到特定結(jié)局或出現(xiàn)子代死亡時間晚于i，則判定對象i為winner，對象j為loser。再假設(shè)干預(yù)組對象s與對照組對象t配對，先比較二者子代死亡情況，對象s出現(xiàn)子代死亡，而t先于s未觀察到特定結(jié)局(如中途失訪)或?qū)ο髎與對象t均未在隨訪時間內(nèi)觀察到特定結(jié)局，即二者作用效果相當(undecided)，轉(zhuǎn)至比較二者新生兒低出生體重情況，若s出現(xiàn)低出生體重，而t未在隨訪時間內(nèi)觀察到特定結(jié)局或出現(xiàn)低出生體重的時間(孕周)晚于s，則判定對象s為winner，對象t為loser；若二者再次作用效果相當，則判定為tied(圖2)。

圖2 多個結(jié)局變量時組間win-lose判斷標準

由此可知，運用Win Ratio法分析兩組數(shù)據(jù)所能得到的結(jié)果分為5種：

(1)干預(yù)組在評估“子代死亡”水平win(判定干預(yù)組win)，頻數(shù)為Na；

(2)對照組在評估“子代死亡”水平win(判定對照組win)，頻數(shù)為Nb；

(3)干預(yù)組在評估“低出生體重”水平win(判定干預(yù)組win)，頻數(shù)為Nc；

(4)對照組在評估“低出生體重”水平win(判定對照組win)，頻數(shù)為Nd；

(5)各結(jié)局比較均相當(判定為tied)，頻數(shù)為Ne。

兩組間所有可能配對都必須參與比較并得出以上五類結(jié)論中的一種，一組獲win的同時表示另一組lose，且有Na+Nc=NW，Nb+Nd=NL，Ne=NT。

故采用Win Ratio法分析該項生存資料得兩組間所有可能配對數(shù)共2726933對，每對隨機由一名多微營養(yǎng)組對象與一名葉酸組對象組成，其中多微營養(yǎng)組的贏率(winners所占比例)為8.0%(Na+Nc)，葉酸組的贏率為7.4%(Nb+Nd)，兩組相當?shù)谋壤?tied所占比例)為84.6%，多微營養(yǎng)組比葉酸組的RW值為1.07，95%CI(0.85，1.27)，判斷兩組間干預(yù)效應(yīng)的差異無統(tǒng)計學(xué)意義(表2)。

表2 利用Win Ratio法對兩組間生存資料進行比較

采用Cox風(fēng)險回歸對兩組數(shù)據(jù)進行生存比較，得風(fēng)險比為1.04，即對照組的死亡率是干預(yù)組的1.04倍，95%CI為(0.83，1.31)，因此認為兩組間干預(yù)效應(yīng)的差異無統(tǒng)計學(xué)意義(表3)。

表3 利用Cox風(fēng)險回歸模型對兩組生存資料進行比較

綜上可知，在該實例分析中Win Ratio法所得結(jié)論與Cox風(fēng)險回歸一致，均認為兩組間干預(yù)效應(yīng)的差異無統(tǒng)計學(xué)意義。

討 論

本文通過一個實例詳細闡述了Win Ratio法在對兩組間復(fù)合終點生存資料進行分析的一些基本理論和方法。在比較兩組生存數(shù)據(jù)時，應(yīng)用Win Ratio法可在不改變傳統(tǒng)生存分析研究結(jié)論的基礎(chǔ)上考慮生存資料中多種結(jié)局的優(yōu)先順序，從而解決傳統(tǒng)生存分析中因各結(jié)局成分不對等而對研究結(jié)果產(chǎn)生的影響。

在處理縱向數(shù)據(jù)時，傳統(tǒng)的生存分析方法如Cox回歸可用于組間生存資料的比較，計算出P值判斷組間差異是否具有統(tǒng)計學(xué)意義，并通過計算風(fēng)險比及其95%CI評價干預(yù)效應(yīng)，但該方法存在兩個主要問題。一是Cox風(fēng)險回歸依賴于嚴格的假定條件，要求必須滿足PH假定和對數(shù)線性假定，限制了該方法的應(yīng)用范圍；二是在該方法無法區(qū)分各結(jié)果的主次順序：當結(jié)局具有多個優(yōu)先級時，Cox風(fēng)險回歸無法區(qū)分各結(jié)果的主次順序，從而可能導(dǎo)致試驗結(jié)果難以解釋和/或可存在一定誤導(dǎo)性[1-3]。

而現(xiàn)實中常有結(jié)局事件由多種結(jié)果復(fù)合而成的情況，通常在臨床和觀察研究中很難用單一的結(jié)果來描述療效或暴露情況，疾病或事件的發(fā)生往往也難以根據(jù)單一的結(jié)果作為判定依據(jù)。但多種結(jié)果的尺度或臨床意義可能有差別，結(jié)果的不對等性也會對研究結(jié)果產(chǎn)生影響。如本文孕婦分娩的不良結(jié)局事件包括子代死亡及低出生體重兩種成分，但相較于低出生體重，顯然子代死亡對孕產(chǎn)婦的影響更大，臨床意義更高。在多數(shù)情況下，我們很難解釋所得復(fù)合結(jié)局是由哪一成分主導(dǎo)的，倘若臨床意義小的成分對結(jié)局的驅(qū)動作用與臨床意義大的成分的驅(qū)動作用相反，則會削弱從研究結(jié)果中獲取可靠結(jié)論的能力。若應(yīng)用Cox回歸，則所有結(jié)局指標被視為同等意義，無法考慮復(fù)合結(jié)局中多種結(jié)果成分的不對等性對最終研究結(jié)論的影響作用。之前有相關(guān)研究報道指出，若將多個結(jié)局視為單一結(jié)局擬合Cox回歸模型，或?qū)⒍鄠€結(jié)局分開分別單獨擬合Cox回歸模型，都將增大回歸系數(shù)的估計值偏差并降低檢驗效能[8]。

本研究介紹的Win Ratio法可以很好地解決上述問題。首先，Win Ratio法可通過計算RW值及其95%CI完成對兩組生存數(shù)據(jù)的組間比較并直觀地評價組間干預(yù)效應(yīng)，能在得出與傳統(tǒng)生存分析方法相一致結(jié)果的同時保持與傳統(tǒng)生存分析相似的統(tǒng)計能力[15]。同時與生存分析一樣，對生存資料中的截尾數(shù)據(jù)(如失訪等未在隨訪時間內(nèi)觀察到特定結(jié)局的情況)亦有具體判定方法。相較于傳統(tǒng)生存分析，Win Ratio法不依賴于假定檢驗，使得該方法有著廣泛的應(yīng)用前景。在此基礎(chǔ)上，Win Ratio法另一優(yōu)勢在于關(guān)注結(jié)局變量各復(fù)合成分的相對臨床重要性，考慮不平等的復(fù)合終點對研究結(jié)果的限制影響，以“最劣事件”分析的方式，通過分層分析結(jié)局賦予各優(yōu)先級結(jié)局成分數(shù)據(jù)在數(shù)據(jù)處理過程中不同的參考權(quán)重。本文介紹的是在存在兩種結(jié)局成分(子代死亡和低出生體重)的縱向數(shù)據(jù)資料分析中Win Ratio法的應(yīng)用，而在其他必要情況下，Win Ratio法還可應(yīng)用于存在更多終點事件成分的時間序列分析中，其基本理論與方法和本文中所介紹一致。

需要指出的是，即便Win Ratio法有上述優(yōu)點，我們還應(yīng)注意到該分析方法的局限性。Win Ratio法本身目前尚無公認有效的協(xié)變量控制方法，雖然Win Ratio法可以根據(jù)分層分析校正分層變量的影響，然而該方法只能控制單一因素的影響，故難以在實際科研工作中校正不同混雜因素對結(jié)果的影響，且該方法缺少樣本量及樣本率估算公式。Win Ratio法的使用范圍亦有限制。首先，Win Ratio法難以應(yīng)用于小樣本數(shù)據(jù)或缺少公認輸贏評判策略的數(shù)據(jù)分析中。與此同時，Win Ratio法不能分析比較縱向數(shù)據(jù)中不同時間節(jié)點的組間效應(yīng)差異，故限制了其在重復(fù)測量設(shè)計數(shù)據(jù)中的應(yīng)用。

基于以上局限性與不足之處，Win Ratio法只適用于嚴格控制組間混雜因素的臨床試驗數(shù)據(jù)分析中，至于更為廣泛的生存資料分析，目前只能作為生存分析的輔助或補充方法。誠然，Win Ratio法的性質(zhì)和應(yīng)用還有待進一步探索，亦為廣大科研工作者提供了Win Ratio未來發(fā)展的研究方向。因國內(nèi)尚未出現(xiàn)將Win Ratio法應(yīng)用于生存資料分析的報道，故借此文對應(yīng)用Win Ratio處理生存資料數(shù)據(jù)的方法作以介紹，愿更多科研工作者能夠了解Win Ratio法并將該方法運用到臨床研究的生存資料處理工作中。