中藥對心衰住院病人的療效分析
——基于傾向值匹配法*

朱文意　錢夕元△　王英杰　高　炬

【提　要】　目的　用統計學方法(傾向值匹配法與生存分析)來分析采用中西醫結合治療(干預組)與僅采用西醫治療(對照組)的心衰住院病人的費用與療效對比。方法　對1038條樣本數據進行傾向值匹配，計算平均干預效應，并作出干預組和對照組的Kaplan-Meier曲線，分析協變量中的保護因素。結果　從傾向值匹配后的費用分析來看，采用最近鄰匹配一共得到308對匹配樣本，干預組的平均費用為18559.76元，對照組的平均治療費用是18228.2元。療效分析以心衰病人的再住院率為指標，中西醫結合治療病人180天內再入院率是22.73%，僅用西醫治療的心衰病人180天內再住院率為30.19%。在控制其他變量相同的前提下，男性心衰病人再住院的風險度約是女性心衰病人的1.32倍。對于不同的治療方法來說，病人采取中西醫結合治療的危險度是只采用西醫治療病人的0.746。結論　中西醫結合治療的平均費用高于僅用西醫治療的平均費用，中西醫結合治療的病人180天內再入院率比僅用西醫治療的病人的再入院率低約9%，差異具有統計學意義。治療方法、ACEI、ARB藥物、β受體阻滯劑、抗血小板藥物是心衰病人的保護因素。

心力衰竭(heart failure)簡稱心衰，主要發生在老年人群中，它并不是一個獨立的疾病，而是心血管疾病發展的終末階段。臨床上主要采用利尿劑、血管緊張素轉換酶抑制劑 (ACEI)、β受體阻滯劑等西藥來進行治療，也有病人選擇中西醫結合治療，在保證吃西藥的基礎上增加中藥湯劑。本文對采取這兩種治療方法的心衰住院病人進行費用分析和療效分析，為臨床醫學提供決策支持。

資料來源

1.數據來源與預處理

數據來源于上海中醫藥大學附屬曙光醫院2006年至2015年間首次收治入院的心衰病人。以EMPI為病人的唯一識別號，剔除信息缺失的病人數據，共得到1038條實例。

2.數據收集

伴隨疾?。汗谛牟　⑻悄虿　⒏哐獕?、心律失常、慢性支氣管炎、房顫，共6種。

西藥用藥：ACEI、ARB類、倍他受體阻滯劑、洋地黃類藥物、硝酸酯類藥物、鈣離子拮抗劑、利尿劑、醛固酮受體拮抗劑、抗血小板藥物，共9類藥物。

本研究共納入住院病人1038例，其中男性511例(占49.2%)，平均年齡77.40±10.99歲，選擇中西醫結合治療的病人375例(占36.1%)，病人死亡289例(占27.8%)。

原理與方法

1.反事實框架

反事實框架是探究因果關系的一個重要框架，也是傾向值匹配法的邏輯基礎，Neyman和Rubin是提出反事實框架的重要貢獻者，因而常把反事實框架稱為因果關系的Neyman-Rubin反事實框架。該框架認為，被選入干預組或是被選入對照組的個體在兩種狀態中都有其潛在結果，即它們在其中被觀測到的狀態和未被觀測到的狀態。反事實在實際數據中是無法觀測到的，因此，評估干預效應的基本任務就在于利用已知信息對一個潛在的、未被觀測到的缺失值進行估計。分別用Y0i與Y1i來表示未被干預和干預狀態中的潛在結果，令Wi=1表示接受干預，則Wi=0表示未接受干預，Yi表示所觀測到的結果變量，那么反事實框架可表述成如下模型：

Yi=WiY1i+(1-Wi)Y0i

觀測到的結果取決于二分變量Wi，通俗地說，當Wi=1時，Y1i是觀測到的變量，Y0i就是反事實。

用E(Y0|W=0)表示構成對照組的個體的平均結果，E(Y1|W=1)表示構成干預組的個體的平均結果，Neyman-Rubin反事實框架定義了干預效應：

τ=E(Y1|W=1)-E(Y0|W=0)

稱此為平均干預效應的標準估計量。可以認為，這是用E(Y0|W=0)來估計反事實E(Y0|W=1)的一次努力。

2.傾向值匹配法[1-4]

“傾向值”概念首次出現在統計學家Rosenbaum和Rubin于1983年發表的一篇文章中，將傾向值定義為在給定觀測到的協變量情況下接受干預的條件概率，并闡述了觀察研究中傾向值匹配、分層、協方差調整三種應用途徑。傾向值匹配是將干預組與對照組的個體進行配對，使得匹配起來的個體的傾向值相等或相近，如此，能夠使多維的協變量對因變量的影響簡化成一維的傾向值，從而能夠更簡便地估計因果效應。傾向值匹配法的基本思想就是將觀測到的協變量納入logistic回歸模型(或probit模型)以產生一個預測個體接受干預的條件概率(即傾向值)，再將傾向值相等或者相近的干預組與對照組的個體進行配對，控制選擇性偏差，從而保證因果效應結論的可靠性，再使用統計方法對匹配的結果加以分析。

3.生存分析[5]

生存分析廣泛地應用于醫學領域，研究者通過隨訪等方式獲取病人的生存信息，對病人生存時間的分布特征進行描述和比較，對影響生存時間的主要因素進行分析。生存分析的優點在于能夠處理刪失數據。我們通常繪制Kaplan-Meier曲線來描述病人的生存過程。Cox比例風險模型由英國統計學家 David R.Cox于1972年提出，該模型利用數學模型擬合生存分布與影響因子之間的關系，以評價影響因子對生存函數分布的影響程度，找出危險因素和保護因素。Cox回歸方程為h(t,X)=h0(t)·eXβ'，其中X為協變量向量，β'是協變量系數變量的轉置。

結　　果

1.傾向值匹配結果及費用對比

以上海中醫藥大學附屬曙光醫院2006年至2015年首次收治的1038位心衰病人為例，干預組與對照組病人的傾向值分布如圖1所示。ROC曲線顯示AUC值為0.644，具有一定準確性。通過基于最近鄰匹配的傾向值匹配，我們得到308對成功匹配的數據，匹配后，干預組與對照組的傾向值分布圖如圖2所示，很明顯可以看出干預組與對照組的傾向值分布基本相同，在統計學上，這意味著干預組和對照組之間的選擇偏差得到了控制，此時干預組和對照組之間的因變量差異僅僅是由于干預條件——病人是否吃中藥治療——而導致的。

根據統計結果，對照組的平均費用是18228.2元，干預組的平均治療費用是18559.76元，單從費用上分析，在心衰的治療中，干預組病人的花費略高于對照組。

2.Kaplan-Meier生存曲線

以心衰病人首次住院時間為起點事件，以該病人第二次住院時間為終點事件，研究心衰病人180天再住院率，若病人在180天內出現死亡，則將死亡時間認為是該病人的再住院時間。

圖3是匹配后對照組與干預組的心衰病人180天再

住院率對比圖，再住院率分別為30.19%和22.73%，治療過程中結合西藥吃中藥的病人，其180天再住院率比僅吃西藥的心衰病人低了9%左右，兩組的再住院率差異具有統計學意義(P=0.0167<0.05)。

圖1　匹配前干預組(右)與對照組(左)的傾向值分布直方圖

圖2　匹配后干預組(左)與對照組(右)的傾向值分布直方圖

3.Cox比例風險模型

表2是所有變量的Cox回歸分析結果。在5%的顯著性水平下，具有統計學意義的變量有：治療方法、性別、冠心病、ACEI、ARB類藥物、β受體阻滯劑、利尿劑、抗血小板藥物。對于性別這個變量來說，變量取值為1(病人性別為男)的危險度是變量取值為0(病人性別為女)的1.321倍，即在控制其他變量相同的前提下，男性心衰病人的再住院率高于女性心衰病人。對于伴隨疾病和西藥用藥的二分類變量，如治療方法來說，變量取值為1(病人采取中西醫結合治療)的危險度是變量取值為0(病人只采用西醫治療)的0.746倍，說明中西醫結合的治療方法要優于僅采用西醫治療。危險度小于1的因素我們稱之為保護因素，因此具有統計學意義的保護因素有：治療方法、ACEI、ARB類藥物、β受體阻滯劑、抗血小板藥物。

表1　Cox比例風險模型的影響因素分析

***：代表P值介于0～0.001， **：代表P值介于0.001～0.01，*：代表P值介于0.01～0.05，·代表P值介于0.05～0.1。

圖3　匹配后對照組與干預組心衰病人180天再住院率對比

討　　論

用基于反事實框架的傾向值匹配法研究觀察數據的因果效應是一個新穎且簡便的方法，適用于在隨機化無法實現的觀察性研究中，可以最大限度地減少偏倚，直接比較協變量在干預組和對照組之間的均衡性以及處理效應,具有十分廣泛的應用[6-7]。

本次研究表明，采用傾向值匹配法平衡混雜因素后，對于心衰患者，采用中西醫結合治療的平均費用高于僅用西醫治療的平均費用，中西醫結合治療的病人180天內再入院率比僅用西醫治療的病人的再入院率低約9%，且差異具有統計學意義。