Stuart J. Pocock在Journal of the American College of Cardiology上发表了系列文章，介绍临床试验报告的一些统计学考虑[1]。上一期我们聊到无论是主要终点（复合终点），还是次要终点的解读都需要谨慎，避免以偏概全。本期旧话重提，重新审视一下临床研究常用到的一些统计学方法。

协变量调整

观察性研究（比如，病例对照研究和队列研究）经常要考虑到因组间因素不均衡可能造成的混杂。为了减少混杂因素对于研究结果的影响，可针对混杂因素进行匹配、分层分析或协变量调整等（最近推送了多篇介绍混杂因素调整的文章，还没看的小伙伴赶快查看历史消息）。但是，随机对照研究还需要考虑协变量的调整吗？几个实例告诉你答案~

1. RCT应该像观察性研究一样调整基线变量吗？

EMPHASIS-HF研究[2]评价了依普利酮治疗慢性心衰患者的获益情况，共纳入2737名患者，平均随访21个月。在评价组间疗效时，研究者应用Cox等比例风险模型，调整了包含年龄在内的13个基线变量。如表1所示，3个结局指标调整后的HR比未调整的HR小（远离“1”）。

表1. EMPHASIS-HF研究

与定量结局（方差分析或协方差分析）相似，对于二分类（Logistic回归）或时间-事件类结局（Cox等比例风险模型）在调整基线数据时，并不会显著提高效应值（OR/RR/HR）的估计精确度（置信区间仅仅变小了一点）；一定程度上，相应的点估计值会倾向于远离零假设，即组间疗效有差异。

例如，CHARM研究[3]评价坎地沙坦对慢性心衰患者的获益情况，共纳入7599名患者。研究发现，和安慰剂组相比，心衰患者在常规治疗的基础上加用坎地沙坦治疗随访3.2年后，未调整基线的全因死亡风险并没有显著降低（HR=0.90, 95%CI: 0.83-1.00, P=0.055）。