采用倾向性评分法研究适合中医临床大样本观察性数据混杂因素分析的路径

Exposure factors can't be controlled in TCM observational study, in which groups become naturally. Confounding factors inevitably exist because of non-randomization, which bring out confounding bias affecting outcome evaluation of validity and authenticity. Propensity score can analyze multiple confounding factors by creating a similar random allocation to sort out confounding bias in observational study. Traditional and classical method for confounding factors is limited to analyze multiple confounding factors, especially in registry study with large sample for Chinese medicine injection safety surveillance. Result from an earlier small sample study showed that propensity score method can be used for traditional Chinese medicine observational study. Therefore, this study will be conducted to explore confounding factors in a Chinese medicine registry study with large sample based on the suggestions of the preliminary study results. Three kinds of propensity score methods will be used in this study in order to find out the good matching strategy, stratifying levels and parameters of the logistic model. This study aims to find out an analysis path for TCM observational study with large sample by means of identifying, screening and regulating confounding factors.

大量的中医观察性研究对暴露因素不能控制，分组自然形成而非随机化，致使多种混杂因素不可避免地存在，从而导致混杂偏倚影响结果评价的效度和真实性。倾向性评分方法可以通过再造一个类似随机分配的方式对临床研究中多种混杂因素进行降维分析和调控。传统的混杂因素分析方法在高维混杂因素和混杂因素较多时应用受到局限，不宜用于上市后中药注射剂不良反应监测大样本观察性研究中出现的多维混杂因素分析。前期小样本倾向性评分分析结果显示该方法可以用于中医临床观察性研究混杂因素的分析。为此，本研究拟在前期研究基础上，进一步扩大样本，采用三种不同的倾向性评分方法从不同角度对大样本中药注射剂真实世界注册登记研究数据进行混杂因素调控，找出合适的匹配集、适宜的分层数及其决定因素、优化模型的相关参数。旨在从方法学研究角度对中医观察性研究中混杂因素进行识别、筛查和调控，进而获得适合中医大样本观察性研究混杂因素的分析路径。

大量的中医观察性研究对暴露因素不能控制，分组自然形成而非随机化，致使多种混杂因素不可避免地存在，从而导致混杂偏倚影响结果评价的效度和真实性。倾向性评分方法可以通过再造一个类似随机分配的方式对临床研究中多种混杂因素进行降维分析和调控。传统的混杂因素分析方法在高维混杂因素和混杂因素较多时应用受到局限，不宜用于上市后中药注射剂不良反应监测大样本观察性研究中出现的多维混杂因素分析。前期小样本倾向性评分分析结果显示该方法可以用于中医临床观察性研究混杂因素的分析。为此，本研究在前期研究基础上，进一步扩大样本，采用倾向性评分方法从不同角度对大样本中药注射剂真实世界注册登记研究数据进行混杂因素调控。研究过程中我们发现：由于经典的倾向性评分方法缺乏灵活性，需要进行协变量选择，即都是使用带参数的logistic回归线性模型或通过变量选择技术挑出交互项或非线性项来估计倾向性评分，这样很可能会遗漏对处理选择很重要的协变量或错误指定了模型中协变量与处理选择之间关系的函数形式，因此，本研究团队在应用倾向性评分过程中利用了一种多元非参数回归技术GBM估计倾向性评分，它可以自动地根据数据利用自适应算法去估计所关注的处理变量和大量混杂变量之间的非线性关系，特别是当模型中协变量很多，协变量与处理变量之间线性、非线性或交互效应等函数形式无法确定时，该方法具有较好的优势。通过对一系列中药注射剂海量真实世界数据的分析，我们获得有关非参数回归技术GBM估计倾向性评分的分析路径。以下是具体应用：.（1）针对10种中药注射剂，开展了基于医院HIS系统海量数据的回顾性分析，对临床实际中各种可能影响疗效和安全性评价的混杂因素运用倾向性评分方法进行了探索分析。在全人群描述分析、适应症描述分析、死亡人群描述分析、用药方案分析的基础上，积极运用倾向性评分方法对药品可疑过敏反应分析、全人群肝肾功能影响分析、超剂量对肝肾功能影响、超疗程对肝肾功能影响进行了较为全面的分析。.（2）针对10种中药注射剂，开展了基于国家不良反应中心自发呈报系统（SRS）数据的回顾性分析，在对中药注射剂不良反应/事件发生人群和严重不良反应人群特征、临床特征描述及比较、中药注射剂不良反应/事件预警信号分析、中药注射剂对不良反应发生的因果分析、两种预警方法PRR和BNCPP的对比的基础上，积极开展了关联规则分析和倾向性评分方法分析。