减少外科随机对照试验（RCT）中因不遵守随机化原则而导致的未测量混杂因素：一项模拟研究

《BMC Medical Research Methodology》：Reducing unmeasured confounding from non-compliance with randomization in surgical RCTs: a simulation study

　　

摘要

背景

在外科随机对照试验（RCT）中，不遵守随机化原则的现象普遍存在，这引入了无法测量的混杂因素，从而削弱了有效的因果推断。传统的分析方法，如按治疗意图（ITT）、按方案（PP）、按治疗方式（AT）和工具变量（IV）分析，都存在显著的局限性。

方法

我们进行了一项模拟研究，比较了负对照方法（NCM），包括差异差异法（DiD）和双重负对照法（DNC），与传统方法（ITT、PP、AT、IV）的性能。通过具有10%至40%交叉率的有影响力的腰椎椎间盘切除术试验的参数，构建了现实的交叉场景。通过偏差、均方误差（MSE）和覆盖概率（CP）来评估这些方法在不同样本量（n = 100–500）和混杂结构下的治疗效果估计器的性能。

结果

ITT、PP和AT估计器在所有评估的情景中都显示出严重的偏差，覆盖概率（CP）≤ 0.1%。IV估计器的平均偏差较小，但估计变异性较高（在40%的交叉率下，MSE = 25.612）。DiD估计器在混杂因素相同时偏差较低，覆盖概率接近理想值（|bias| ≤ 0.003，CP ≥ 94.3%），但当这一假设被违反时性能较差。相比之下，DNC估计器表现稳定，|bias| ≤ 0.415，MSE ≤ 2.515，且在所有评估的参数组合下覆盖概率接近理想值。在n = 100且交叉率为40%的情况下，DNC相对于IV将MSE降低了90%以上，同时保持CP = 97.7%。

结论

DNC方法有效减轻了外科RCT中由于不遵守随机化原则而产生的无法测量的混杂因素，与传统方法相比，具有更高的准确性和可靠性。