➥當全球壟罩在COVID-19的疫情下，從累積的病例分析發現，原本有高血壓、糖尿病及心血管疾病的患者是最脆弱的族群。
這些病患比一般人更常服用血管收縮素轉化酶抑制劑(angiotensin-converting enzyme inhibitor，ACEI)和血管收縮素受體阻滯劑(angiotensin-receptor blockers，ARBs)等抑制腎素-血管收縮素-醛固酮系統(renin-angiotensin-aldosterone system，RAAS)的藥物。
因為ACE2為新冠病毒感染的重要受體，所以有學者擔心使用這些與ACE2有關的降血壓藥會增加感染SARS-CoV-2及重症的風險。但是，這些藥物對病患原本的病情控制十分重要，如果貿然停用可能會帶來更大的問題。
其次，過去研究也發現，抑制RAAS具有保護肺部傷害的作用。目前還沒有明確的臨床證據證實ACEI/ARBs等藥物對SARS-CoV-2病患可能的益處或風險時，一般醫學會還是建議除了標準的臨床適應症外，不要停止使用這些藥物。
一篇來自美國俄亥俄州克利夫蘭醫學中心的Mehta醫師等人於5月5日發表在JAMA Cardiology的最新文獻，報告在今年三至四月間分析共18,472位接受COVID-19篩檢的病患，其中2285位（12.4%）有服用ACEI或是ARBs藥物。
結果發現，使用上述降血壓藥物與COVID-19陽性率之間沒有顯著關係（OR, 1.09; 95% CI, 0.87-1.37）。這些結果支持了當前各學會對繼續進行ACEI或ARBs治療的建議，因為沒有證據認為這些藥物會增加感染COVID-19的風險。
但是，值得注意的是，進一步對1,735名COVID-19陽性的病患進行的次級分析發現，服用ACEI / ARBs與需要接受住院治療（OR為1.93；95% CI為1.38-2.71）甚至轉入加護病房（OR，1.64；95% CI，1.07-2.51）之間存在顯著關聯，顯示那些使用ACEI / ARBs藥物的確診患者疾病嚴重程度更高。
儘管具有統計學意義，但本文作者認為應該謹慎解釋這些次要分析的結果。為了更了解此比較效果研究（comparative effectiveness research）中影響的關鍵因素，作者針對主要分析及次級分析的優勢和劣勢，分別從干擾因子（confounding）、可推論性（generalizability）、選擇偏差（selection bias）、治療分類錯誤（treatment misclassification）和精確度（precision）等角度深入探討。
舉例來說，在次級分析中，干擾因子是同時與ACEI / ARBs治療和結果（即住院和ICU入院）有關的變項。如前所述，有心血管疾病或其他危險因素或合併症的病患可能需要接受ACEIs / ARBs治療，而這些疾病的因素本身也可能直接影響是否需要住院、轉入ICU的結果。
此外，疾病本身還可能有一些間接的影響；因為當病患有心血管疾病和其他合併症時，會被認為比一般人群有更高的重症風險，因而會讓臨床醫生更傾向讓病患住院或將其轉入加護病房接受治療。
Mehta醫師等人的次要分析雖然針對年齡、心血管疾病和危險因素進行了調整，但是可能會有無法衡量的干擾因子，或是調整臨床醫生對某些病患需要住院治療的決定。
簡言之，本文作者認為，前述Mehta醫師文章提供了重要的臨床數據，以支持當前有關COVID-19大流行中ACEIs / ARB使用的治療建議。雖然受限於「觀察性資料」以及當前COVID-19大流行執行研究的困難，前述文章仍是一個良好的觀察性研究。
但是，研究結果可能適用於特定族群，亦即有接受COVID-19篩檢的對象。因此，未來隨著測試變得越來越普遍，並且透過針對與COVID-19篩檢有關的因素進行調整的研究，方能進一步確認Mehta醫師等人的分析結果。
另外，前述文章的作者對次要結果分析的解釋也有限制；其所觀察到使用藥物與住院或轉入加護病房的關聯可能是真實的，但也很可能是被干擾因子解釋的，不應將其推斷為因果關係。(「財團法人國家衛生研究院」齊嘉鈺醫師 摘要整理 ➥https://forum.nhri.org.tw/covid19/virus/j_translate/j892/ )
📋 Understanding Observational Treatment Comparisons in the Setting of Coronavirus Disease 2019 (COVID-19) (2020/05/05)+中文摘要轉譯
■ Author：
Laine E. Thomas, Robert O. Bonow, Michael J. Pencina, et al.
■ Link：
(JAMA) https://jamanetwork.com/journals/jamacardiology/fullarticle/2765694?resultClick=1
🔔豐富的學術文獻資料都在【論壇COVID-19學術專區】
■ http://forum.nhri.org.tw/covid19/
#2019COVID19Academic
衛生福利部
疾病管制署 - 1922防疫達人
疾病管制署
@國家衛生研究院-論壇
selection bias中文 在 [討論] 什麼是選擇性偏差(selection bias)? - 看板NCKU-PH98 的美食出口停車場
在這篇裡面要跟大家說明什麼是選擇性偏差(selection bias)?
在上一篇裡面有跟大家提到，我們是從來源將偏差分類的
其中選擇性偏差是因為研究對象的選取不當所造成
像是１．研究組與對照組的可比較性差
２．研究各案的抽樣架構選擇錯誤
３．研究對象追蹤漏失或沒有回應(loss to follow up)
也就是說 當目標族群中不同疾病與暴露狀況下的個案 與被選為研究族群的比例不盡相同
這時候就有可能產生選擇篇差
我們來看看郭浩然老師上課時所給我們的定義(A Dictionary of Epidemiology)
Error due to systematic differences in characteristics between those who
are selected for study and those who are not.
一個因為系統性所導致的錯誤(Error)造成了被選進來做研究的人與沒有被選進來是不同的
也就是研究對象的選取不當 重點就在不同
￣￣
==============================================================================
那選擇性偏差會造成什麼後果呢？
我們一樣看看郭浩然老師給的定義(A Dictionary of Epidemiology)
“Selection bias invalidates conclusions and generalization that might
otherwise be drawn from such studies.”
選擇性偏差所造成最嚴重的後果就是會使研究是無效的，也就是說你花費這麼多的時間
浪費了這麼多的金錢，結果做出來的研究是沒效的
==============================================================================
那選擇性偏差可以補救嗎？
我們繼續看看郭浩然老師給的定義
selection bias is an error in study design or execution
-may be prevented by study design
-cannot be solved by analysis of the data collected in the study once it
occurred
選擇性偏差只能從實驗的設計來解決
並且選擇性偏差是無法事後補救的就算妳統計很強也一樣(學姊我沒針對妳XD)
希望這篇對大家有所幫助 接下來會跟大家討論什麼訊息性偏差(imformation bias)?
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 218.164.227.189
※ 編輯: danail 來自: 218.164.227.189 (01/16 16:56)
... <看更多>