当需要根据患者的个体特征来给予最佳治疗方案时，就涉及到“治疗效果异质性（Heterogeneity）”的问题。治疗效果的异质性，可以理解为治疗的益处或害处是非随机变化的，这种变化与患者特征有关（或归因于患者特征）[1]。Desai等最近发表于《NEJM Evidence》的一项研究[2]，提供了一种探索治疗效果异质性的新型范例。
链接：https://evidence.nejm.org/doi/10.1056/EVIDoa2300041
治疗效果异质性的分析通常包括传统的亚组分析，即基于性别、年龄或其他变量分组后，各组的治疗效果可能不同；目前也有一些新方法出现，例如通过统计建模或复杂特征组合确定各亚组的治疗效果。
在治疗效果的异质性研究中，亚组的定义通常有三种方式：传统的临床变量，如BMI或性别；结局在基线时的预测风险；或治疗的预测益处。这三种方法均可以在医学文献中见到。
第一种：基于临床常见变量划分亚组
该方法是对临床常见变量进行分类，以形成亚组。例如，在COVID-19疗法随机评估（RECOVERY）试验中，COVID-19住院患者被随机分配至接受地塞米松或常规治疗，主要结局是28天死亡率[3]。根据基线时呼吸支持的强度分亚组，各亚组患者的治疗结果有所不同：未接受呼吸支持的患者（呼吸环境空气）可能从地塞米松治疗中受到损害；接受无创氧疗支持的患者有中等获益；接受有创通气的患者可显著获益。
图. 不同亚组人群中地塞米松对28天死亡率的影响[3]
虽然这是迄今为止最常用的方法，但很多基于这种传统亚组分析的研究不能产生类似的显著发现，可能因为这种方法过于简单，无法捕捉重要的变异。
第二种：根据结局的预测风险划分亚组
该方法根据结局在基线时的预测风险来划分亚组，这个很多依赖于经验。我们可以认为，当相对风险降低保持不变时，绝对风险更高的患者将获得更大的绝对风险降低。一项研究考察颈动脉内膜切除术对缺血性卒中的预防效果，研究者利用“欧洲颈动脉手术试验（European Carotid Surgery）”的数据，建立了一个模型预测患者30天卒中风险，另一个模型预测手术并发症风险。研究者将这两个模型合并为一个风险评分，结果显示，基线时预测为30天卒中风险高且手术并发症风险低的患者中，颈动脉内膜切除术可降低这类患者的5年缺血性卒中和死亡风险[4]。
图. 不同风险评分的亚组人群的手术获益[4]
确认删除