Circulation：高影响因子学术刊物上发表的那些非劣效性试验

国际上发注记的非劣效性试验性愈发多，然而，这些研究者的机器学习质量如何，我们还知之甚少。近日，《Circulation》杂志发注记了一项研究者，以哮喘科技领域为例，对极高严重影响因子学报上发注记的非劣效性试验性的外观上、机器学习质量等来进行了探究。研究者确认了1990-2016年发注记在JAMA、Lancet和NEJM上的非劣效性试验性。两位独立自主评审员提取了信息。关注的信息特质除此以外非劣效性界值，哪些研究者的结果翻倍了非劣效性，哪些试验性发挥作用才会严重影响非劣效性推论结果的主要或次要因素所。主要的机器学习值得注意因素所除此以外：没有人同时展示出ITT系统性（意向性系统性）和PP系统性（具备研究者提案系统性）的结果，α＞0.05，从新治疗技术手段未有与最佳治疗提案来进行非常，没有人推论非劣效性界值的合理性，字段排除人数或失访率≥10%。次要因素所除此以外次优盲法，是否是三组隐匿等。研究者结果研究者人员在PubMed上来进行检索系统，合共检索系统到2,544篇评论，其中的110篇（除此以外111项试验性）具备跻身基准（注记1）。注记1 跻身的非劣效试验性的基本研究者外观上研究者发注记的代人从1992年到2016年。这些试验性中的，样本量中的位数为3,006（IQR：1,021-6,068）。可验到非劣效性的性能（power）中的位数为86％（IQR：80％-90％）。可进入主要终点站系统性的病变中的位数为2,707（IQR：1,021-5,966）。9项研究者（8.1％）提前终止（4项研究者由于可用性问题，3项由于入组较慢，1项研究者发现无益处，1项研究者由于相容性受损）。非劣效性界值60项（54.0％）试验性的非劣效性界值是基于ARD（绝对不确认性关联性，absolute risk difference）提议的，50项（45.0％）试验性基于相对关联性（29项基于HR，14项基于RR，7项试验性基于OR）。1项试验性的界值基于相对关联性但没有人作进一步划分，1项试验性没有人简报非劣效性界值。各项试验性的非劣效性界值关联性很大（ARD在0.4％~25％，HR在1.05~2.85，RR在1.1~1.8，OR在1.1~2.0）。在发注记过研究者内部设计/研究者提案相关机器学习评论的试验性中的，研究者人员发现有7篇试验性的研究者内部设计/提案与最后发注记的学术论文相互间发挥作用关联性或有接收者有缺陷。有的在最后发注记的评论中的不够改了非劣效性界值，有的则缺少如何选择非劣效性界值相关的一小或全部细节。主要终点站的结果111项试验性中的，有2项试验性，无法验置信区间。在109项具备基准的试验性中的，86项（78.9％）的试验性结果显示较强非劣效性（其中的20项试验性的结果也结果显示出优效性）；23项（21.1％）试验性未有翻倍非劣效性（16项研究者的结果不确认，7项研究者结果显示介入措施的整部较佳）（左图1）。 左图1 设为研究者的主要终点站的结果在95项（85.6％）试验性中的，主要终点站系统性是基于ITT系统性或校正ITT系统性，11项（9.9％）试验性应用于PP系统性，5项（4.5％）应用于其他或未有定义的系统性类型。绝大多数（90％）试验性在概要中的恰当地简报了研究者结果，即也就是说劣效，优效或劣效性，研究者如果没有人翻倍，则引述未有翻倍非劣效性。但是，还有一些试验性，要么是概要得出事实的接收者和研究者结果相互间发挥作用关联性，要么是概要备有的接收者不足。机器学习和简报的值得注意注记2和左图2结果显示了发挥作用主要和次要值得注意因素所的试验性的分之一。70项试验性（63.1％）通过对另一个字段人群的二次系统性（例如，如果首次系统性是ITT系统性，则再做一次PP系统性）来展示出主要研究者终点站，其中的66项试验性的结果相符，而4项试验性的两次系统性结果不相符。 注记2. 设为的研究者中的是否是发挥作用可能所致偏倚的因素所左图2 发挥作用主要和次要值得注意因素所的试验性分布情况68项试验性（61.3％）备有了如何确认非劣效性界值，而43项试验性（38.7％）没有人。110项（99.0％）试验性的单侧α≤0.05，其中的44项试验性的单侧α≤0.025。近日系统性（post-hoc ysis）发现，与生物医学试验性远比，制剂试验性的α高水平不够较低（Wilcoxon秩和验P = 0.02）。在27项研究者中的（24.3％），有> 10％的参与者提前退出，除此以外随访失访，提前停止介入或其他原因（注记2）。 总体而言，基于所有主要的偏倚因素所，27项试验性（24.3％）被认为较强较低偏倚不确认性。97项（87.3％）试验性的书名或概要中的简报了非劣效性内部设计。67项（60.4％）试验性，除了最后的研究者学术论文，还同步发注记了研究者内部设计或研究者提案的机器学习评论。在这67项试验性中的，8项（11.9％）试验性的非劣效性界值在最后投稿学术论文与提案相互间发挥作用关联性或在其中的一篇评论中的未有披露。大多数试验性（n = 60,54％）是开放标签试验性，12项试验性（10.8％）为单盲，39项（35.1％）为临床。100项试验性来进行了三组隐匿（90％）。91项试验性（82％）对主要终点站来进行了盲法判定。总之，基于所有的次要偏倚因素所，25项试验性（22.5％）较强较低偏倚不确认性（左图2）。根据所有主要和次要因素所，有7项试验性（6.3％）较强较低偏倚不确认性。近日系统性未有结果显示出三种学报的评论在主要因素所（Kruskal-Wallis验P = 0.28）或次要因素所（Kruskal-Wallis验P = 0.11）上的关联性。然而，对非劣效性试验性的研究者内部设计或研究者提案的可于对来进行验，在三种学报中的，NEJM发注记的试验性中的，有74.2％发注记过相关的机器学习评论或有离线的研究者提案，JAMA为53.3％，Lancet为33.3%（Fisher精确验P = 0.001）。时长趋势国际上，这些学报上发注记的哮喘非劣效性试验性有所增加（P则有0.001 for trend，左图3）。一项近日系统性结果显示，在111项设为的试验性中的，发注记时长在2010年后的有52项（46.8%）。2010年之后发布的试验性，发挥作用机器学习或研究者简报值得注意的不确认性有所降较低（2010年之前 vs 2010年之后，主要偏倚因素所和次要因素所的P = 0.03和0.002）。讨论哮喘科技领域中的的非劣效性试验性愈发多地发注记在极高严重影响力的学报上，这些试验性中的非劣效性试验性主要用于对从新介入措施的验。并且大多数是大型多中的心研究者。鉴于许多非劣效性试验性已带入批准从新疗法的基础，很有必要性对他们来进行研究者。尽管大多数试验性撒谎从新治疗技术手段远比对照组的非劣效性，但很多研究者发挥作用较强偏倚不确认性的机器学习或研究者简报值得注意，才会削弱其事实的可信度。有必要性提极高对这些值得注意因素所的认识，不够好遵从FDA和CONSORT指南关于非劣效性试验性内部设计、实施和简报的同意。类似来历：Behnood Bikdeli, et al. Non-Inferiority Designed Cardiovascular Trials in Highest-Impact Journals: Main Findings, Methodological Quality and Time Trends. Circulation. Jun 2019.