关公战秦琼？顶刊JAMA刊出两篇文章，针对同个问题两种方法，谁更胜一筹 / 开普饭

顶级医学刊物《美国医学会杂志》（JAMA）在6月初同期刊登了两篇重量级的文章，分析持续性的血糖监测是否有利于控制2型糖尿病患者的血糖。

不同于传统的“扎手指”测血糖，持续血糖监测通过传感器以每5分钟一次的频率测量皮下组织液中的血糖水平。那么，该方法能否改善目前2型糖尿病患者血糖控制不佳的局面呢，特别是注射胰岛素仍然无法控制血糖的患者？

非常有意思的是，这两篇文章分别采用了两种不同的研究方法，一种是经典的随机对照试验（RCT），另外一个则是大热方法真实世界研究（RWS）。

而且，闲人郑老师阅读发现，两篇文章均采用了临床研究较为追崇的统计学方法来评价主要研究结局。

是关公战秦琼，还是哥斯拉大战金刚？谁更胜一筹？我且粗浅分析下。如果您要阅读原文，敬请发送关键词“文献阅读”到公众号，即可下载全文。

临床试验结果：金标准也！

首先上场的是神将关公，随机对照研究，这一经典方法百年前被提出，一直是医学研究产生证据的金标准。

这项研究在美国15个初级医疗机构招募了175名正在使用基础胰岛素（中效和长效）但尚未使用餐时胰岛素的2型糖尿病成人患者。这些患者2:1分组接受持续血糖监测（n = 116）或传统血糖仪监测（n = 59）。

这项研究的主要结局指标结局指标是8周后与基线糖化血红蛋白（HbA1c）的差异性。关键次要结局是每天血糖稳定在目标范围（70-180 mg/dL）内的时间、每天血糖超过250 mg/dL的时间、平均血糖。

碰到这种情况，随机对照研究应该采用何种统计学方法呢？

主要结局指标是定量值，并且由于存在着基线值，一般情况下可能考虑协方差分析！

不过我说这篇文章是“关公”，不是吹的，它采用了更复杂、在审稿人眼里更喜欢的方法：线性混合模型！

结果表明：6个月后，持续血糖监测组的平均糖化血红蛋白（HbA1c）改善幅度更明显，从9.1%降低到8.0%，对照组的HbA1c从9.0%降低到8.4%（差异-0.4%；P=0.02）。

持续血糖监测组患者每天血糖稳定在目标范围（70-180 mg/dL）内的时间要多3.6个小时（全天占比59% vs 43%，差异15%；p<0.001）；每天血糖超过250 mg/dL的时间少3.8个小时（11% vs 27%，差异−16%；p<0.001）；每天平均血糖低26 mg/dL。

因此，相应的证据表明，相对常规的血糖监测，持续血糖监测在8月内有助于需胰岛素糖尿病患者的血糖控制。

真实世界研究：大时代大数据

与RCT研究相比，真实世界研究更突出在真实环境下临床措施的效果。

也就是回答另外一个问题，持续血糖监测在实验室（也就是实验人群）有效，那么在真实人群的效果如何呢？

因此，JAMA杂志另外一篇文章，针对4万多名的糖尿病患者开展了真实世界的研究。真实世界研究一般不采用随机对照演技，而是观察性研究，该文章采用的便是历史性队列研究。

该研究从北加州综合医疗保健系统中共纳入了41753名患者，包括5673名1型糖尿病患者和36080名2型糖尿病患者。这些患者进入队列时，正在接受胰岛素治疗、自我监测血糖，但此前未接受过持续血糖监测。

而后，部分患者接受了持续血糖监测治疗（3806名患者），队列研究称之为暴露组，剩余的人群为对照组。研究团队评估了研究期间启动持续血糖监测所带来的影响。研究主要结局指标是12个月的糖化血红蛋白、低血糖、因低血糖而急诊就诊或住院的风险等。

观察性研究如何进行统计分析？

现在很多人都知道，观察性研究评价暴露因素与结局的关系，容易受到混杂偏倚的干扰。

怎么办？现在流行的方法，便是采用倾向得分方法控制混杂偏倚的干扰！该文便是如此！

倾向得分匹配之前：

倾向得分匹配之后：

倾向得分匹配后分析结果如下：研究后12个月的结果显示，启动持续血糖监测的患者HbA1c水平从8.17%下降至7.76%，对照组患者则从8.28%下降到8.19%，两组下降值有统计学差异（均差−0.40%; 95%CI, −0.48% to −0.32%; P <0.001）。启动持续血糖监测也都带来了更积极的变化，包括HbA1c＜7%、＜8%的患者占比增加更多，HbA1c＞9%的患者占比减少更多。启动持续血糖监测的患者，因低血糖而急诊就诊或住院的风险改善更明显（率差-2.73%；P=0 .001）。