协变量（六）

 

本篇博文，小胖将简单介绍一下，协变量调整的几个重要的普遍原则。

 

协变量调整原则一：协变量必须事先规定

 

对于协变量的调整，最普遍也是最重要的一个原则就是所有纳入主要分析的协变量必须在研究方案或者统计分析计划中事先规定，这还是小胖在很多场合一直强调的那个“事先计划”原则概念。

 

而这些协变量确定的依据应该是以往的数据比如说以往或现在进行的其它临床试验的数据）或者说一些临床实践证据。因此，当试验开始时，一些重要的协变量都应经根据以往的临床试验和其它可获得的证据而确定了。但是，如果在研究方案撰写到临床试验结束这段时间之内出现认知的变化，那么在研究方案的修正或揭盲前的统计分析计划中对分析进行重新的考虑和更新都是可以接受的。这时纳入新的协变量或排除预先确定的协变量都需要明确地陈述其理由。临床和统计学上的合理性都应该考虑到。如果缺乏证实性的信息，更为安全的做法是不纳入协变量或只纳入较少的协变量。在所有情况下，纳入很多协变量的分析往往不如只纳入较少的、恰当的协变量的分析更有说服力。

 

协变量调整原则二：只选择基线协变量进行调整

 

协变量调整中的协变量应限定于一些基线协变量如人口学变量如年龄或体重，疾病特征如病程或病情严重程度，预后因素以及中心或者研究者等因素

 

 

协变量调整原则三：不能选择受治疗分组影响的协变量

 

对于协变量的调整的一个重要原则是那些随机化后测量的协变量如治疗的疗程，依从性以及合并用药等通常不应该纳入到证实性临床试验的主要分析中。因为这些变量往往收到治疗分组的影响，而当治疗分组直接或通过与其它因素的联系而影响协变量时，协变量的调整往往会隐藏或夸大治疗的效果，从而使得治疗的效果难以解释。这一点其实很好解释，比如说依从性吧，因为本身依从性就与你服用什么药有密切的关系，较好的药可能依从性较好，这时你如果把依从性也纳入到分析中，这时主效应就有两个治疗组别和依从性，由于两者密切相关，就会互相影响，治疗效果也很可能被隐藏或夸大。

 

有人也把这种协变量叫covariates arising postrandomization，也曾对此做过一些研究，有兴趣的同学可参考下边这篇文献：

 

JAMES ROCHON. ISSUES IN ADJUSTING FOR COVARIATES ARISING POSTRANDOMIZATION IN CLINICAL TRIALS. Drug Information Journal, Vol. 33, pp. 1219–1228, 1999

 

 

协变量调整原则四：选择较少数的协变量

 

虽然从理论上来说，协变量分析可以调整很多协变量，但是更为安全的做法是预先指定一个较为简单的模型。根据此模型得出的结论也更为稳定，统计模型的假设也更容易证明，结果的普遍性也会得到相应的提高。

因此只有较少数的协变量可以纳入到主要分析中。虽然说较大的样本量比较小的样本量可以允许更多的协变量，但并没有一个通用的原则来规定最多可以有多少协变量可以纳入到分析中，但每个协变量的选择都应该提供充分的理由。