【科研思路探索】

回顾两项关于局部晚期前列腺癌的RCT研究。

RCT1：2009年发表在Lancet的三期临床试验

入排标准：RCT研究中排除了年长的患者和高风险人群。

相较于ADT Alone，ADT+RT的治疗方法显著降低总体死亡率和D-S死亡率。

RCT2：2011年发表在Lacet期刊的三期临床试验

通过下图的对比，再次验证了ADT+RT的治疗效果更好。

ADT Alone在美国是一种治疗前列腺癌的常见方法，75岁以上的男性大约有40%接受ADT Alone的治疗方法，但两项RCT研究均未给出具体的疗效数据。

RCT研究中没有回答的问题，为真实世界研究提供了重要信息。

随后的一项真实世界研究，将RCT中排除的人群（即：年龄>75岁的男性和高风险人群）纳入了研究人群，对比ATD+RT和ATD Alone的治疗效果，该研究于2015年成功发表在JCO 。

那么，开展高质量的真实世界研究，如何找到有价值的医学问题呢？

罗晟教授在课程中结合案例提供了科研思路：回答RCT没有回答或者不合适回答的问题，解决未被满足的医学要求，从而指导临床实践。

【数据从哪里获得】

该真实世界研究是回顾性的观察性研究，数据源自SEER-Medicare数据库。

我们在上一期推文中介绍了公共数据库的提取与挖掘，介绍了常用的公共数据库的特征以及申请流程和注意事项：

SEER是由NCI开发的用于等级肿瘤发生及患者基本信息和生存信息的数据

Medicare保险计划为美国为65岁以上人口或患有特殊疾病患者提供的保险医疗项目覆盖97%的适龄人口

将SEER与Medicare链接后提供了中老年肿瘤患者的详细信息，适合进行长期的流行病学和肿瘤预后研究

【严谨的研究设计】

研究类型：回顾性观察性研究

基于公共数据库的研究，样本量若足够大，推断的结论相对也更可靠，但在数据缺失的情况下，如何确保研究的样本量依旧足够? 研究者如何根据不同的数据特征，选择正确的方法处理数据缺失？这些都是需要思考的问题。

【正确处理数据缺失】

该研究存在数据缺失的问题：

罗晟教授：关于数据缺失，如果你什么都不做，直接把这些变量放入你的模型，统计软件会以“交集”的方式自动删除交集以外的部分数据；因此，有很大比例的人会被“扔”掉；最终导致数据量减少，Power会降低。

该研究使用哪些方法处理数据缺失？

方法一：多重数据插补。

方法二：将缺失值作为独立的类别处理，这一方法如何理解？听听罗教授在课程中的讲解。

【混杂因素的调整】

真实世界研究，组间不平衡是非常常见的问题，该研究采用倾向性评分（Propensity Score）对混杂因素进行调整，下图为调整前后的对比图：

调整后，P值均大于0.05，说明两组平衡的比较好（注：PS固有的缺陷是：会损失样本量，因此研究者需要根据数据特征谨慎选择）。

研究结果表明：对于年长的患者和高风险患者，ADT+RT的治疗方法同样可以显著的提高总生存。

为何这篇文章可以发表JCO？作为国际顶刊审稿人，罗晟教授在训练营中发表了自己的观点。