小白入门散打——让人忧愁的基线数据

8/22/2018

小全编辑

全科之窗|ABC平台

5784

8/22/2018 12:00:00 AM

基线数据,就是我们常说的年龄、体重、婚否、经济收入等数据。在科研的路上,我看到很多医生都喜欢用临床对照试验,而且在进行临床对照试验过程中,大家往往喜欢基线数据一致,并且经过治疗组和对照组的干预比较,发现治疗组明显优于或劣于对照组,得出结论,该治疗方法是有效或无效的。这是很多人用的最多的比较方式,也正是因为这样,在两组的基线数据不一致的情况下,很多人会去规避一些问题,而这,其实对科研是百害无一利,因为这样写出来的结果结论与实际是有偏差的,而后人极有可能会用这个有偏差的结果去进行进一步分析,导致错上加错,在科学研究的路上走上岔道,离真实越走越远。这样一想,大家心里是否如我一样,一丝寒意。
基线数据有多重要?我记得有科学家说过,“基线比较这个程序明显是多余的。”又一次颠覆大家的既往看法。
大家往往会为了避免偏倚采用随机的方式纳入对象入组,这个时候,我们必须认清一个事实,就是这种机遇的分组方式,就会带来机遇的不平衡,就有可能会使得两组基线数据不一致,也就是说,治疗组和对照组的基线数据存在统计学差异。又有人要嚷叫起来了,我的基线数据都不一致,两组人群的基线不在一个起跑线上,就算我的结果有统计学差异,又能说明什么呢?我接下来该怎么办?
曾经有人跟我抱怨说,自己的两组数据基线不一致,干预后就算有统计学差异也不能说明干预方式是有效的。我把她分析的数据拿过来仔细看了看,发现一个很有趣的现象,治疗组和对照组确实基线数据间存在差异,其中对照组的健康情况明显好于治疗组,而在干预实施6个月后,两组的健康情况无显著统计学差异,这同样也是能说明干预手段是有效的,通过干预实施,两组人群的健康水平差异消失了,更差的那组情况相比较而言变好了。而她最初所有的沮丧,其实都是来源于“万恶”的基线数据,被它蒙骗了。
   其实,基线比较没有你想象中那么那么重要。况且,如果恰当地计划并实施试验,也许能产生一个更精确的结果。或者你也可以去进行校正分析,只需描述他们如何以及为何校正该变量即可。还是那句话,如实的描述自己的研究过程,这比什么都重要。
 
 本文系“IPR Group”原创文章,转载请注明出处。
 
 

 

版权所有 ©2018 智医创工具 All Rights Reserved. 沪ICP备12048712号-4