临床研究,特别是随机对照研究,凡是碰到重复测量资料者,似乎大家都喜欢用重复测量方差分析。
它是一种被严重误用和滥用的方法!
第一,如果你是前后重复测量两次者,必定不能用重复测量方差分析。关于这一点,我在之前的推文已经介绍过了。
还没有王法?临床试验干预前后测量2次专家说要用重复测量方差分析?
第二,如果是测量多次呢?重复测量方差分析带来的是平均效应,平均效益很多时候不能代表者我们想要探讨的效应(特别是存在着交互效应时候)。
举个例子:
•一项临床试验,评价干预措施对新冠肺炎患者疗效。分别在治疗前、治疗后2周、4周、6周进行随访调查。主要结局指标EQ-5D生命质量。我计算治疗后2周、4周、6周与治疗后的差值。画成下面的图。
如果通过重复测量方差分析,得到的结果是2周、4周、6周效应的的平均值
这个3.94,不代表2周,也不代表4周和6周,不是好结果。
第三,重复测量方差分析不会因为重复测量资料增加而检验效能增加。
第四,重复测量方差分析无法克服缺失值的问题,而绝大多数临床试验,特别随访多次时,都存在缺失值的问题。
第五,重复测量方差分析无法克服结局偏态数据、等级数据的问题。
第六,一旦用了重复测量方差分析,意味着的临床试验的结局指标设定和评价定义是不清晰的,这不是好的临床试验!
第七、很多说应用重复测量方差分析因为关注时间效应!我想说的是,随机对照研究的时间效应,没有太大意义。
第八,临床试验更推荐协方差分析、广义估计方程或者混合线性模型、广义混合线性模型来进行分析。
早在2017年,Gosho and Sato 在J Clin Pharm Ther上发表了一篇题为<Trends in study design and the statistical methods employed in a leading general medicine journal>的文章,更加详细系统地将2015年全年发表在NEJM上的238项原始研究重新分类并汇总。包括研究设计类型(Table 1),根据干预性研究vs观察性研究分别汇总统计方法应
在“repeated-measures analysis(重复测量分析)”,最常用的是mixed-effects model混合效应模型(11%),广义估计方程(7%),广义线性混合模型和重复测量方差分析(各3%),重复测量资料已经很少用了!