分层线性模型对中药新药多中心临床试验重复测量数据的分析

1/9分层线性模型对中药新药多中心临床试验重复测量数据的分析分层线性模型对中药新药多中心临床试验重复测量数据的分析随着人们健康意识的不断提升，用药的安全性和有效性已经成为普遍关心的问题。目前我国中药新药安全性和有效性的证据主要来源于临床试验1，为满足对受试者多项指标变化的动态观察2，临床试验多采用多中心重复测量的方式进行，所得数据常常伴有中心效应和重复测量的特点。这些数据特点不能满足T检验、重复测量方差分析等传统统计学方法的应用条件，在分析结果中造成一定的偏倚。此外，中药新药的评价常结合中医证候积分来进行，而中医证候积分是多个单项中医症状评分之和，是综合指标，需要更详尽的分析结果。基于中药新药多中心临床试验的数据特点和目前应用的统计学方法所存在的问题，本研究将分层线性模型引入中药新药多中心临床评价中，在假设不存在中心效应的情况下，探讨分层线性模型对重复测量因素进行评价的适用性与可行性。1方法理论研究分层线性模型的提出和引入分层线性模型又称为2/9多层线性模型、随机系数模型、方差成分模型等。由于该模型能够很好地处理嵌套结构数据和重复测量数据，在早期多被应用于存在大量重复嵌套数据的社会学和心理学领域。20世纪80年代中期，伴随着统计科学和社会科学定量分析的发展，分层线性模型分析技术水平也有了大幅度提高3，它可以对个体所隶属的上层组织单位进行分析4，并可以为研究提供更多具体信息使结论更加全面系统5，因此在纵向研究和重复测量设计的研究中，越来越多的研究应用分层线性模型进行分析69。目前，其应用逐步向教育、医疗、药品评价等领域广泛扩展。XX年，吕氏等10通过对分层线性模型原理的探讨将这种方法应用于医学领域的研究中；中国人民大学统计学院易氏等11将其应用于中医临床疗效的评价中，并对模型的应用做了较详细的说明。2000年，任氏等12将这一统计方法应用于多中心临床评价中，对5个临床单位的某种国产药物疗效进行了评价。但该方法对于中药新药多中心临床试验中中医证候积分这一指标的评价应用较少，还需进一步探索尝试。分层线性模型的基本原理分层线性模型的基本形式包括3个公式、。其中，是截距，即X0时Y的值；是线性回归系数；代表残差；下标I代表第一层的单元，J则代表第一层的个体所隶属的第二层单位；和分别是和的随机成分，分层线性模型涵盖了对随机因素的3/9分析，是区别于普通线性模型的最主要特征。所谓随机效应是相对于固定效应而言的。固定效应是指研究因素仅限于研究设计中的几类因素，不具有推广性。而随机效应是指研究因素不仅限于研究中的几类，还要通过这一因素推广到更大的范围。分层线性模型可将中药新药多中心临床试验中的中心效应和重复测量作为随机效应进行分析，更符合这两类因素的实际情况。与传统统计学方法应用条件的对比传统统计学方法分析重复测量数据通常采用T检验和重复测量方差分析等。T检验基本假设是线性、正态、方差齐性和独立性。而多中心临床试验存在中心效应，不能保证各中心间的方差齐性。同时重复测量资料同一个体内的多次测量值之间存在较大相关性2，不满足独立性假定；重复测量的方差分析除了满足一般方差分析条件外，特别强调满足协方差阵球对称性。同时，重复测量对每次试验条件和重复测量数也有一定要求。而多中心临床评价的各组受试者人数往往不同，同时存在本文由论文联盟HTTP/收集整理缺失值，这在一定程度制约了该方法的应用。分层线性模型多应用于分层嵌套数据，另一应用情况为两层的嵌套数据来自纵向研究或重复测量研究13。在本研究中，多中心的临床试验数据就是分层嵌套数据中的一种。受试者来自多个中心，不同中心的受试者嵌套于4/9每个中心。同样，多中心临床试验采用重复测量的方法进行，在样本量足够的条件下，这类数据可以满足分层线性模型的应用条件。因此，从模型理论及应用条件分析，认为分层线性模型可应用于中药新药的多中心临床评价。1实证研究本次实证研究选取某一主治溃疡性结肠炎的中药新药期临床试验作为实证案例。试验采用随机、双盲双模拟、阳性药平行对照、多中心试验设计、非劣性检验14。试验组和对照组入组病例安全性、有效性分析及脱落、剔除情况见表1。研究选用全分析集人群，即尽可能接近意向性分析原则的理想的受试者集，作为统计分析人群进行分析。本次试验在13个临床试验研究中心随机抽取314例受试者进行分析，其中试验组234例，对照组80例。对照药物为经过期临床试验验证有确切疗效并已上市的阳性药物。临床试验分基线期与治疗期共9周，后8周为治疗期，每周均进行一次临床试验并收集数据。选取中医证候积分为疗效评判指标，该指标为负向指标，值越低症状越不明显。研究的样本含量为314例，可视为大样本数据，按正态分布进行分析处理15。研究着重对重复测量因素进行分析。组基线一般资料、疗前诊断、一般体格检查、病情类型、病情程度和中医证候评分比较，差异均无统计学意义，5/9组间具有可比性。在保证2组基线可比的条件下，分层线性模型将受试者每次测量的中医证候积分作为因变量，组别、重复测量时间以及二者的交互作用均视为自变量。应用分层线性模型对重复测量数据分析思路如下首先用截距模型对数据进行检验，判定是否有应用分层线性模型的必要；如需应用，则在模型固定效应部分依次加入二层变量组别和一层变量重复测量时间；最后根据受试者中医证候积分变化图判断是否将重复测量时间作为随机效应带入模型，如果需要作为随机效应，再将一层变量重复测量时间和交互作用作为随机效应带入模型。结果截距模型检验结果截距模型是对截距项的随机效应进行分析。截距模型仅含截距项随机效应，通过方差分析实现。协变量分析结果中，UN统计量Z，P，说明2组间中医证候积分差异无统计学意义。而对重复测量时间变量分析，P不平行则应将重复测量时间变量作为随机变量带入模型。为使折线图清晰，用随机数字表选取了60例受试者重复测量的中医证候积分，可以看出，不同个体变化趋势不尽相同，每个个体变化趋势不一样，是随机状态，应将时间作为随机变量带入模型。6/9将重复测量时间作为随机变量带入模型，结果UN对应随机截距方差表明个体之间有差异。同时，从图1中可以看出，各曲线有高有低，个体之间存在差异。UN有意义，表明截距与时间之间存在相关性，即斜率的变化受到了截距的影响。结合图1看出，个体随时间变化的趋势受个体中医证候积分值大小的影响。UN反映的随机斜率表明每个个体随时间变化的斜率也有差异，有的曲线波动较大、变化较快，有的却比较平稳。在加入时间变量后，残差估计值又有减小，说明该变量能够解释部分个体内差异。同时模型的拟合优度又有所提升，差异有统计学意义。加入随机效应选项后的固定效应分析结果没有明显变化。最后，在现有模型的基础上加入组别与重复测量时间的交互作用。在随机效应模型的基础上，在模型中加入交互作用后，模型经方差协方差分析所得结果变化不大。UN、UN和UN的方差估计值均有所下降，但下降幅度很小，不影响统计结果。同时模型拟合优度再度提升，用ML法进行比较具有统计学意义。在模型中加入交互效应后，固定模型的参数估计发生了变化，组别变量估计值从降至，且P，治疗组与重复测量的交互变量差异也有统计学意义。从最终的统计结果可以看出截距具有统计学意义，说明2组的基线水平并不一致。分层线性模型结果所7/9用的TYPE方差分析矫正了这一差异，不影响其他因素的分析结果；组别变量、重复测量时间变量和交互作用均具有统计学意义。其中交互作用具有统计学意义，说明组别因素的各个单独效应随时间因素的变化而变化。结合图2可以看出，在整个治疗过程中，2组受试者中医证候积分均值趋势变化并不平行，也提示有交互作用的存在。对照组中医证候积分前3周低于试验组，在第4周时2组基本保持一致，对照组在第4周治疗后走向趋于平稳，但试验组在治疗4周后，中医证候积分低于对照组。在整个治疗过程中试验组均值降低分，对照组均值降低分。最终，试验组的中医证候积分均值为分，对照组为分，试验组低于对照组。最终统计结果结合中医证候积分均值变化趋势可以认为，试验组的疗效不低于对照组。讨论在具体案例分析中，多中心临床试验所收集的数据存在一定的缺失值，数据缺失主要是由受试者造成的，如受试者某次试验的漏检或提前治愈都导致数据缺失。数据缺失限制了重复测量方差分析方法的使用，同时，重复测量数据的相关性等问题对于T检验等传统统计学方法的使用也有所限制。对比传统统计学方法与分层线性模型的应用条件可以看出，分层线性模型较适用于分析中药新药临床试验的重复测量数据。8/9从实际案例的统计分析结果来看，分层线性模型从截距模型开始，对重复测量一步一步进行分析，逐步加入组别、重复测量时间和交互作用。分层线性模型对截距进行分析时，T，P1，差异有统计学意义，说明2组的基线水平并不一致。同时分层线性模型结果所用的TYPE方差分析矫正了这一差异再对其他因素进行分析；而传统T检验对两处理组基线情况的可比性采用对基线期的1周数据进行分析，T，P，认为2组数据基线情况一致。分层线性模型通过迭代，较为充分地利用了数据信息，所得结论更为充实。在逐步对分层线性模型的结果进行分析后，该模型最终将交互作用作为随机变量带入模型，所得结果中组别估计值从降至，且P，组间差异有统计学意义，并且组别与重复测量的交互变量差异也有统计学意义。结合第8周治疗结束时的中医证候积分均值比较，与整个治疗过程中中医证候积分均值的下降值的比较，认为新药组的疗效不低于阳性对照药。而T检验则对治疗第8周与基线的差值进行2组比对，试验组为，对照组为，各组与基线的差异有统计学意义，与基线的差值组间比较差异无统计学意义。认为在治疗8周后2组的中医证候积分变化无明显差异。从数据分析结果看，分层线性模型在利用数据信息上更全面，模型将治疗全过程的8周数据带入模型，从总9/9体进行分析，保持数据的完整性，并且通过TYPE的方差分析对基线差异进行矫正，使所得结果较为敏锐细致。加之分层线性模型分析的数据特点，将重复测量时间和交互作用作为随机变量带入模型，更符合客观事实。T检验仅对单周数据进行分析，割裂数据完整性。其最终分析结果也是将第8周治疗后与基线的差值进行2组比较，分析结果没有连贯性。综上所述，分层线性模型的应用范围十分广泛。在分析过程中其对数据的利