目标模拟试验与TMLE联合方法发表于一区顶刊
一区top!目标模拟试验与TMLE强强联合,这篇文章的方法太硬核

摘要
近日,一篇关于目标模拟试验与目标最大似然估计(TMLE)联合应用的研究论文发表于一区顶级期刊。该研究展示了两种方法结合在因果推断中的优势,为药械监管领域的真实世界证据生成提供了新思路。文章详细阐述了方法学原理及实际应用案例,提示监管科学中复杂因果问题的解决路径。
AI 主编 · 推荐理由推荐理由
该方法学进展对药企注册和监管事务专家有重要参考价值,建议关注并评估其在真实世界证据中的应用潜力,以支持监管决策。
五维评分
正文

源自风暴统计网:一键统计分析与绘图的网站

接下来让我们一起来看一下这篇文章!
研究设计与统计分析方法
经过目标试验模拟框架下的严格纳排,最终构建了两个主要分析队列:
司美格鲁肽 vs 其他降糖药队列:纳入10,213名患者,其中司美格鲁肽组2,586人,其他降糖药组7,627人;
司美格鲁肽 vs SGLT2i队列:纳入8,605名患者,其中司美格鲁肽组2,814人,SGLT2i组5,791人。


本研究将司美格鲁肽的起始用药作为核心暴露,采用主动对照、新用药者设计,共设置五组比较:
司美格鲁肽 vs 其他降糖药(不含SGLT2i和GLP-1RA);
司美格鲁肽 vs SGLT2i;
其他GLP-1RA(不含司美格鲁肽) vs 其他降糖药;
其他GLP-1RA vs SGLT2i;
SGLT2i vs 其他降糖药(作为两个非GLP-1RA类之间的参照比较)。
其中第1和第2组为主要比较,第3至第5组用于区分司美格鲁肽的特异性效应与GLP-1RA类效应。
所有分析均按意向性治疗(ITT)原则进行,即患者按照初始分配的治疗组别进行分析,不考虑后续停药或换药。
√结局定义
主要结局为成人新发癫痫发作,通过特定诊断代码识别,但排除同日伴有低血糖诊断的发作事件(以避免低血糖性惊厥)。
为验证结局定义的稳健性,研究还采用了两种更严格的定义:
G40-only定义:仅纳入癫痫诊断代码G40,该定义的特异性为79.4%、阳性预测值为98.3%;
复发性发作定义:要求至少两次癫痫发作记录或G40诊断。
次要结局为晚发性癫痫发作,在基线年龄≥60岁的亚组人群中分析。
患者从入组日期开始随访,直至发生结局事件、死亡、失访或研究截止日期(2023年10月1日)中最早出现的时间。
协变量方面,研究纳入46个基线协变量构建倾向评分模型,涵盖人口学特征、代谢指标、合并症等。
所有合并症在入组日期前最长2年内评估,药物使用在前1年内评估,缺失值通过多重插补法处理。
√在目标模拟试验框架下使用TMLE
本文的统计分析方法主要可以拆分为三层。
第一步:逆概率处理加权(IPTW)
研究首先构建逻辑回归模型,利用全部46个基线协变量估计每个患者接受其实际治疗的概率,然后计算逆概率权重。
为减少极端权重的影响,权重在第1和第99百分位数处截断并标准化。
在加权后的伪人群中,研究绘制了调整后的Kaplan-Meier曲线,并采用加权Cox比例风险模型估计风险比(HR)及其95%置信区间。
第二步:靶向最大似然估计(TMLE)
为进一步增强因果推断的可靠性,研究采用了TMLE作为主要补充分析方法。
TMLE是一种半参数估计方法,它同时利用倾向评分模型和结局回归模型,通过一个“靶向”步骤对初始结局预测进行微调,最终实现双重稳健性。
即只要暴露模型和结局模型中有任意一个被正确指定,TMLE就能给出无偏的因果效应估计。
在本研究中,TMLE应用于未加权的原始队列,目标参数为随访期内成人新发癫痫的边际风险差(Risk Difference),并据此计算需治疗人数(NNT)。
研究采用1,000次自助重抽样(Bootstrap)构建风险差的非参数置信区间。
第三步:时变中介分析
研究团队进一步探讨了一个关键问题:司美格鲁肽的神经保护作用是否主要通过改善血糖和减轻体重来介导?
为此,团队采用Vansteelandt框架下的生存数据中介分析方法,将随访期划分为12个月为单位的窗口,分别计算每个窗口内的平均HbA1c(糖化血红蛋白)和平均BMI作为时变中介变量。
模型同时对治疗组和基线中介变量值进行调整,通过100次重复抽样估计置信区间。
√敏感性分析
采用更严格的癫痫特异性结局定义(G40-only定义和复发性发作定义); 控制时间相关偏倚(精确日历年份匹配、限制在2018至2019年入组、限制随访至少2年); 变更分析策略(倾向评分匹配替代IPTW、排除严重肾脏疾病和转移性癌症患者)。
√亚组分析
亚组分析方面,研究预先设定了性别、年龄和种族/民族三个亚组,采用IPTW加权Cox模型估计各亚组内的效应,并计算交互项P值以检验异质性。
主要研究结果
在IPTW加权分析中,研究结果显示,司美格鲁肽组共发生24例成人新发癫痫,其他降糖药组发生104例。司美格鲁肽使用与显著降低的癫痫风险相关。


同时,相较于SGLT2i,使用司美格鲁肽治疗同样降低了患者的癫痫风险。
IPTW加权数据分析显示,司美格鲁肽组发生23例事件、SGLT2i组发生56例事件,加权风险比为0.48,4年风险差为负的1.46个百分点。
TMLE分析的风险差为每千人负的7.62例,需治疗人数为131人。

值得注意的是,在晚发性癫痫发作(≥60岁人群)的次要结局分析中,司美格鲁肽的保护性关联更为明显。

反事实累积发病率曲线与原始曲线几乎完全重叠,表明司美格鲁肽的癫痫风险降低作用基本独立于其降糖和减重效应。




综上所述,这项基于All of Us大型纵向队列的目标试验模拟研究表明,司美格鲁肽起始用药与成人2型糖尿病患者新发癫痫风险降低显著相关,且这一关联独立于血糖控制和体重减轻。
老郑小评
今天分享的这篇文章,方法层面有不少值得细看的地方。
先说亮点,目标试验模拟执行得很规范。
明确了时间零点、设置183天洗脱期、采用主动对照、按ITT原则分析,这些细节比很多只套名字的研究扎实得多。
同时,IPTW和TMLE两套方法互相印证,相当于做了模型设定层面的交叉验证。敏感性分析也覆盖了结局定义、时间趋势、人群策略这几个主要偏倚来源。
再来看几个值得注意的局限。
第一个是事件数的问题。司美格鲁肽组只观察到二十多例事件,模型里却放了46个协变量。
稀疏事件下Cox模型的估计偏差风险客观存在,HR达到0.44这种效应量时,所以我们更要警惕过度拟合或偶然因素导致的夸大。
第二个是E-value。3.97不代表“没有未测量混杂”,它只量化了需要多强的混杂才能解释掉结果。这个区别我们需要明白。
总体来看,文章在目标试验模拟的实施上很规范,敏感性分析也覆盖了主要偏倚来源。但事件数有限、中介假设难验证,结论还是要谨慎读。
不过这套分析思路本身很有参考价值,值得有纵向数据的研究者琢磨一下。
关于郑老师团队及公众号
“NHANES·CHARLS”
双库发表无忧训练营
别再纠结公共数据库文章到底好不好发了?如果你有数据当我没说,如果你没数据,别无选择,不如抓紧行动!
由浙中大郑老师团队领衔的“NHANES·CHARLS”双库发表无忧训练营,面向临床、护理、公卫、健康等相关专业的本科生、研究生、医务工作者,在2-3个月内指导你挖掘出发表级的结果!
我们的全套服务:
✅优质选题把关:由郑老师主导把关,方案师+助教全程一对一解决统计学疑问,找到优质选题;
✅无须R语言照样快速挖掘阳性结果:统计学小白不用学习复杂的统计方法,使用我们团队开发的NHANES、CHARLS公共数据库在线整理分析平台快速数据整理分析、快速形成统计报告,一步步带你挖掘阳性结果;
✅写作与投稿:一对一提供论文写作框架,修改论文。另外,在论文润色、投稿、修回提供帮助,助力发表第一篇SCI论文(可选);
✅全流程追迫式训练:不让你的懒癌主导你的思维,左右你的行为;我们来督促你完成每一周的学习。
跟着我们,手把手带你走完选题、研究设计、数据处理、统计分析、论文写作、润色、投稿的全流程,零基础3个月形成SCI论文!
报名训练营,请添加郑老师微信咨询
(微信:zlstj5577)
