Cite this as: BMJ 2012;344:e1004

https://www.bmj.com/content/344/bmj.e1004

前言

感謝台北#振興醫院教研部的邀約與現場同仁的熱情參與，以及明年之約。近期演講比較多些，再次感謝各單位的肯定。教學相長，古人誠不欺我也。每次的講授，都讓本人所獲甚豐。本期文章探討#臨床試驗中的內部與外部效度，強調#隨機分配對兩者的影響，分析隨機分配如何促進#內部效度並間接影響#外部效度，並探討按方案分析（per protocol analysis）的潛在偏差。

 

另本人拙作”ChatGPT於系統性回顧與統合分析之應用”將於#台灣護理學會 發行之護理雜誌 2024年10月71卷 5期刊登，歡迎大家批評指教。往後會陸續發表本系列內容，也請大家持續關注。Hope u enjoy it

---

九月份工作坊報名：

9/14 (六) 第三期：WS3-SPSS醫學研究統計工作坊：配對研究設計與分析

9/15 (日) 第三期：第三期：WS4-SPSS進階醫學統計：縱貫性研究設計與分析：重複測量分析法

 9/20(五)：Live07：網絡統合分析文獻解析

第二期 9/21 (六) AI03: 使用ChatGPT助力文獻綜述—建立自己的學術GPTs

第二期 9/22(日)AI04: ChatGPT助力統計分析與資料視覺化

9/28 (六) 第二期：R語言：網路統合分析實戰班

9/29 (日) 第二期：AI05-ChatGPT與AI工具助力統合分析論文寫作

我們的目標：我們的目標：善用AI工具，擺脫耗時費力的研究瑣事，專注於更有價值的事務上，持續進化！

• 會員專屬權益: https://pse.is/65bzhq

更多學習資源:

• BMJ統計問題列表: 匯東華官網/學習專區
• 線上課程: https://medata.teaches.cc/

想了解更多?

• 最新消息: https://reurl.cc/n1MGyv
• 課程詳情與報名: https://reurl.cc/EoRxpg

立即行動! 聯繫我們的官方LINE: @medatatw，感謝您一路相伴，讓我們一同在AI時代一起進化! ✨

---

 

問題：

研究者調查一種含有乳酸桿菌的益生菌飲料對預防50歲以上病人抗生素相關腹瀉的療效。該研究使用隨機雙盲安慰劑對照試驗設計。介入措施為在服用抗生素期間及完成後一週內，每天兩次飲用益生菌飲料。安慰劑則是一種長效無菌奶昔。主要結果指標為抗生素相關腹瀉之發生率[1]。

 

受試者來自倫敦的三家醫院。總共有1760名病人接受篩選，其中1625人未被招募，原因包括不符合納入標準（n=1263），拒絕參加（n=148），或因實際原因無法參加（n=214）。剩餘的135名病人被招募並隨機分配至介入組（n=69）或安慰劑組（n=66）。共有12名介入組和10名安慰劑組的病人未完成治療，因為他們失聯、撤回同意，或在研究期間去世。該試驗採用按方案分析（per protocol analysis）。研究者報告指出，飲用益生菌飲料減少抗生素相關腹瀉的發生率。

 

下列敘述何者正確？

a) 病人的隨機分配促進外部效度

b) 病人的隨機分配促進內部效度

c) 按方案分析促進內部效度

答案：

a和b正確，c錯誤。

 

詳細說明：

外部效度和內部效度為臨床試驗設計中的關鍵組成部分。外部效度指的是研究結果可以推廣到某一群體，尤其是樣本代表的群體的程度。而內部效度則為觀察到的治療效果可以歸因於治療間的不同，而非干擾因素所造成，從而允許因果推論。

 

上述群體由50歲以上的住院病人組成，但受到一系列排除標準的限制。病人被排除的原因包括入院時有腹瀉、可能導致腹瀉的腸道病變、嚴重疾病、免疫抑制、腸道手術、人工心臟瓣膜、風濕性心臟病或感染性心內膜炎病史，或在前四周使用過抗生素。在最初評估的1760名病人中，497人符合參加試驗的條件。假設這497名參與者代表母群體。然而，最終只有113名潛在參與者被招募。尚不清楚最終的樣本是否具有代表性，因此難以評估外部效度。被招募參加試驗的病人可能在社會人口學和預後因素上與那些符合條件但未被招募的病人有所不同。隨著拒絕參加試驗的符合條件病人的比例增加，外部效度會下降。

 

隨機分配的目的是促進外部效度和內部效度（a和b正確）。樣本中的病人隨機分配到治療或安慰劑組，以達到基線特徵相似的兩個組。進而，治療組應與從群體中選取的樣本具有相似的特徵，從而促進外部效度（a正確）。若治療組間的基線特徵相似，則干擾情況會減少，因為基線特徵的差異對治療和結果的影響較小。當干擾因素減少時，試驗結束時治療組間的結果差異將來自於治療差異，而非基線特徵差異（b正確）。隨機分配通過增加樣本數實現基線特徵可比性。該試驗採用一種限制性隨機化過程，即根據醫院、性別和年齡組（50-69歲和70歲以上）進行分層分配，使得隨機分配過程在組大小和基線特徵上實現更大之均等性。

 

按方案分析比較最初分配的治療組，但僅包括那些完成治療方案的病人。在本項研究中，介入組有12名病人和安慰劑組有10名病人失聯、撤回同意或去世。這些病人未完成治療方案，因此未包括在分析中。由於隨機化後實現的基線特徵相似性可能已被破壞，該分析並未促進內部效度（c錯誤）。按方案分析的原理是，介入的估計效果不會受到不遵從等因素的影響。由於可能存在偏差，應仔細考慮並描述排除的病人。相比之下，意向治療分析（intention to treat analysis，ITT）不論病人是否接收或遵守治療方案，均比較最初分配的治療組。意向治療分析促進外部效度，因為旨在評估介入措施在日常實務中之效果[2-3]。

 

 

Reference:

[1] Hickson M, D’Souza AL, Muthu N, Rogers TR, Want S, Rajkumar C, et al. Use of probiotic Lactobacillus preparation to prevent diarrhoea associated with antibiotics: randomized double blind placebo controlled trial. BMJ 2007;335:80.

[2] Sedgwick P. Analysis by per protocol. BMJ 2011;342:d2330.

[3] Sedgwick P. Analyses by intention to treat. BMJ 2011;342:d2212.

 

#匯東華 #BMJ統計問題 #醫學統計 #隨機對照試驗 #內部效度 #外部效度