揭开亚组分析的面纱——肿瘤学Ⅲ期临床试验亚组分析现状

Ⅲ期临床试验的亚组分析有助于筛选出获益更大或获益不足而毒副反应更严重的患者，对肿瘤患者的个体化治疗有重要意义。复旦大学附属肿瘤医院张盛副教授、胡夕春教授和医统江湖梁斐所组成的研究团队对肿瘤学Ⅲ期临床试验亚组分析现状进行了研究，研究结果已经发表在2015年5月份的J Clin Oncol上。

导言

亚组分析是临床试验报道的重要组成部分，由于临床试验的入组患者通常存在很大的异质性，因此亚组分析对于确定无效人群，或者最佳获益人群具有重要意义。因此亚组分析的结果可以帮助临床医生开展个体化的治疗。然而不适当的亚组分析也可能导致夸大或者误导的结果。

CONSORT（Consolidated Standards of Reporting Trials），即临床试验报告统一标准。CONSORT声明（statement）对随机对照临床试验的报道拟定了一份含25项内容的清单，旨在规范报道要求，使读者能够获得完整、清晰的临床试验方法学和研究结果的信息。

CONSORT声明对亚组分析报道作出了如下推荐。

亚组分析应在研究方案中预先设计

对同一数据进行复合分析存在着出现假阳性结果的风险，因此，为避免造成这一情况，研究者应进行亚组分析。而在研究初始阶段将亚组分析写入研究方案并根据预先设计展开分析，其结果比得到试验数据后再进行亚组分析更为可靠。

亚组分析结果应完整报道

如果在临床试验中进行了亚组分析，研究报道应包括哪些亚组被用于分析、选择这些亚组的原因、是否为预设亚组分析以及预设亚组分析的数量。选择性报道可能会造成偏倚。

交互作用分析是评估亚组效果的合适方法

最常见但易误导读者的评价方法是比较每组治疗效果单独分析的P值。单从某一亚组疗效的P值是否有统计学意义推断治疗效果是不正确的，而且会导致假阳性率增高。

评估某个亚组时，关键不在于该亚组疗效是否显著优于对照组，而是亚组治疗效果是否在组间具有显著性差异，而这种比较可以通过交互作用分析实现。但其弊端是可能降低把握度（power）。在进行交互作用分析时，除须报告每个亚组的P值外，还须计算偏离差异［含可信区间（CI）］。

亚组分析应局限于一些重要的临床问题

如果某个亚组分析满足上述一切条件，并得出有统计学意义的结论，但从临床医生的角度来看认为这个亚组分析是没有意义的，发生这种冲突的时候应该怎么办？

研究第一作者、复旦大学附属肿瘤医院张盛副教授认为，这个问题很难完全回答。但我们需要明确的是，统计学只是一种方法学，统计最终是为临床服务的，而治疗是从临床出发的，一切统计学如果离开了临床医生的判断，离开了临床应用，是没有价值的。

虽然亚组分析被广泛的使用并且是临床试验报告的重要部分，但是对于亚组分析报道的现状却很少有相关研究加以关注，因此本文旨在描述现在肿瘤三期临床试验中亚组分析报道的清晰度和完整度，并且根据CONSORT声明的建议来评价作者对于亚组分析结果的解释。

结果

221篇在2011-2013年发表的实体肿瘤三期临床试验被纳入了本次研究，在221个三期临床研究中，高达85%（188）的研究报道了亚组分析，在这188项研究中有91（49%）项研究在方法学部分，184（98%）项在结果部分，123（66%）项在讨论部分提到亚组分析，还有27（14%）项在网上附件提到了亚组分析。其中69%的研究使用了森林图来展示亚组分析的结果。

在亚组分析的数目方面，只有8%的研究明确描述了实际进行的亚组分析的数目，而报道的亚组分析的数目在1-37之间，均值为10.3。进行亚组分析的变量（即亚组分析的分组变量）的数目在1-16之间，均值为6.8，其中47%是临床变量，49%是临床变量和生物标记物。49%的研究报道了基于2个或以上的研究结果的亚组分析。

有32%的研究，不能够确定其报道的亚组分析是预先确定(pre-specified)还是事后进行(post hoc)的，有26%的研究所报道的亚组分析是事后进行的，只有31%的研究亚组分析全部是预先确定的。

在采用的统计方法方面，只有34%的研究采用了交互检验的方法来进行亚组分析，绝大多数研究是基于亚组内比较的结果（亚组内的P值或者95%CI）,还有超过7%的研究并没说明所用的统计方法。

有102项研究宣称至少存在一个亚组效应，即某个亚组的结果不同于整体人群的结果。其中62%的研究宣称两个或以上的亚组效应，最多的高达10个。其中只有18（18%）项研究的亚组效应是基于有统计学意义的交互检验的结果。30%的文章在摘要中提到了的亚组效应。只有6篇文章在报道亚组效应时考虑到了多重比较（multiplicity）的问题。有37%的亚组效应是基于事后进行的亚组分析的结果。

解读

透明和完整的报道肿瘤临床试验中亚组分析的结果具有重要的意义。我们的研究发现即使CONSORT声明中在十多年前就已经提出了相关的建议，但是在肿瘤临床试验的文章中亚组分析的报道既不统一也不完整。这种异质性会增加临床医生对亚组分析结果解读的复杂性，并且凸显了建立肿瘤临床试验中的亚组分析报道统一标准的必要性。

在进行亚组分析时必须注意多重比较的问题。只要进行足够多的亚组分析，基于偶然因素也很可能得到一个阳性结果。例如，即使交互检验的无效假设在α=05的水平上是成立的，只要进行10次独立的交互检验，得到一个假阳性的结果的概率也超过了40%（1-0.95^10）。研究者可能进行大量的亚组分析而只报道有统计学意义的结果。因此读者对于此类结果的解读需要慎重。

预先确定的亚组分析是指在对研究数据进行检查之前已经计划好并且记录下来（最好在研究方案中）的亚组分析，而事后进行的亚组分析是指在对结果检查之后进行的亚组分析。事后进行的亚组分析之所以引起特别的关注，主要是其数目不确定以及有可能是基于对研究数据的检验后进行的。本研究发现只有少部分研究报道的亚组分析是全部预先确定的，有相当一部分的宣称的亚组效应是基于事后进行的亚组分析，因此可信度存疑。

 森林图是展示亚组分析结果的有力工具，可以让读者在视觉上直观的发现不同亚组之间效果的差异。虽然森林图的使用受到鼓励，但是也只有70%的研究使用了森林图来展示亚组分析的结果。

 交互检验是用来评价不同亚组之间疗效差距的统计方法，而且无论亚组分组数目的多少，都只进行一次检验。而单独的亚组内检验的方法，对于每个亚组都要进行一个单独的检验，这无疑会增加假阳性的概率，因此基于亚组内检验P值得到的结论是具有误导性的。如果总体结果是有统计学意义的，几乎不可避免的会存在一些亚组，结果达不到统计学意义。与此相反，如果总体结果是没有统计学意义的（试验组和对照组没有差别），那么基于偶然因素以及亚组内较小的样本量，一些亚组内试验组和对照组可能存在差异，甚至有可能达到统计学意义。交互检验是进行亚组分析的适合的方法，但是我们的研究发现只有34%的研究采用交互检验来进行亚组分析。

后缀

 总的来说，我们的研究发现在肿瘤三期临床试验中，对于亚组分析的使用和报道存在大量的差异和选择性。主要问题包括亚组分析数目过多，未预先确定的亚组分析的报道，以及交互检验未能广泛运用于亚组分析等。考虑到亚组分析的结果对于指导肿瘤临床实践的潜在重要性，亚组分析的运用和报道应当标准化。

作者：梁斐