今天是醫院評鑑的第二天，除了腥風血雨之外就是腳痠腿麻 (因為站太久)...

醫療組的委員今天突然考了一個問題...

問: CPR口訣?

答: 叫叫CAB

問: 吹氣壓胸比?

答: 30:2

問: 壓胸深度?

答: 5 cm

問: 壓胸速度?

答: 100下/分鐘

就當百萬小學堂快要演完時，委員突然祭出殺手鐧...

問: 口對口人工呼吸中，吹出的氣裡面氧氣，二氧化碳，氮氣有多少?

答: ...................

在場全部人 (胸腔科，感染科，神經內科，護理，營養，藥劑，呼吸治療，路人) 全部呆掉...

最終還是沒拿到獎金...@@

恨.....

當然委員也提供了他的答案，但怎麼可以這樣就放棄了，文獻查證還是要的...

以 (cardiopulmonary resuscitation) AND (oxygen) 在PubMed搜尋，早在1994年就有學者進行這樣的研究...(昏倒)

這項研究找了55位接受急救訓練的醫療人員，在練習CPR時測量它們呼吸氣體的內容，結果發現:

- 氧氣比例介於16~18% (不論是一人急救或雙人急救)
- 二氧化碳比例介於3.5~4%

剩下的是氮氣，比例約80%

Adapted from Chest. 1994; 106: 1806-10.

看來，我們離百萬小學堂還有很長的一段距離...

美國食品藥物管理局 (FDA) 日前 (2012/5/25) 宣佈第一級召回Baxa公司開發的全靜脈營養 (total parenteral nutrition; TPN) 計算軟體...

原因是可能的劑量計算錯誤 (dosing error)...

先看一下美國FDA對於這類召回動作的定義:

第一級召回 (Class I recall): 這些產品可能會造成嚴重的不良健康事件甚至是死亡

第二級召回 (Class II recall): 可能會造成暫時性或醫療上可逆的不良健康事件

第三級召回 (Class III recall): 不太可能造成不良健康事件

這一次的召回動作屬於第一級，算是嚴重的 (serious)，到底是哪裡出了問題呢?

受影響的是Baxa公司開發的Abacus軟體 (編號為8300-0045，8300-0046，8300-0047) 約莫在2006年到2009年之間在市面上流通...

Baxa公司Abacus軟體官網

就是像圖中這類的軟體 (趕快去TPN調配室看一下是不是一樣的)...

根據廠商的說法，這款軟體台灣有引進的，但是否也有問題，我就不得而知了...

因為...我們還用不到這麼新進的軟體 (我們還在使用DOS介面的計算軟體)...

所以，我們還沒"先進"到會算錯...@@

FDA警訊 Baxa Corporation Abacus Total Parenteral Nutrition (TPN) Calculation Software: Class I Recall - Potential Dosing Errors

5/21的新聞才說:

FDA will favor rivaroxaban for ACS indications at May 23 panel

沒想到過了兩天，變成這樣:

Missing data lead FDA panel to vote against rivaroxaban for ACS

資料遺失 (missing data) 成了這次股價下跌 (誤) 的主因...

年初發表於NEJM的ATLAS ACS2-TIMI 51研究報告結果讓大家都"HI"了一下...

當時研究作者們 (都是超大頭) 的結論是rivaroxaban可以降低心因性死亡，心肌梗塞或中風風險，但也會增加重大或顱內出血風險...

Adapted from N Engl J Med. 2012; 366: 9-19.

在研究報告中並沒有提供CONSORT建議要有的病人流向圖 (像下圖那樣)，在文中提到的數據如下:

- 15,526位受試者接受隨機分派，最後納入分析為15,342 (少了184位 [1.19%])

- 26.4%~29.4%受試者因為不良反應或"自己的意願"提早停用藥物 (不論是實驗藥物或安慰劑)

附註: 通常研究者會說明實驗組與對照組提早停藥原因的分析數據，因為如果實驗組顯著較多病人因為不良反應提早停藥，代表的意義是差很大的

- 7.8%~8.7%受試者撤回同意書，0.2~0.3%受試者消失 (的密室) 不見了

這些數據為什麼讓FDA"婉拒"了新適應症的申請? 原因如下:

(1) [追蹤] 實為mITT (modified intention-to-treat) 但實際上抹很大，並沒有好好追蹤撤回同意書的受試者，其中將近9成生死未卜
(3) [翻盤] 後續追蹤不完全可能影響最終結果，因為研究結果差異不大 (雖然達統計上顯著差異)，如果用所謂的"best-case (最好的狀況)"與"worst-case (最差的狀況)"去推估，現在眼前所看到的結果可能會被推翻

"We don't know what we're missing..."

因此，美國食品藥物管理局 (FDA) 的委員們以四票反對，一票贊成，一票棄權通過課徵證所稅暫時不核准rivaroxaban用於急性冠心症病人的適應症...


因此出現了以下對話:


記者 (左): 對於FDA這次反對rivaroxaban用於急性冠心症適應症你有什麼看法?

Deepak Bhatt (右): 淡定...

記者 (左): 那些退出試驗的人，到底去哪了?

Deepak Bhatt (右): 淡定...(心想，那些人難道在我家嗎?)

記者 (左): NEJM也跟你們一樣淡定嗎?

Deepak Bhatt (右): 淡定...

什麼跟什麼阿!!

新聞: Missing data lead FDA panel to vote against rivaroxaban for ACS

歷史上最無堅不摧的藥物應該非阿斯匹靈 (aspirin) 莫屬了...

身為第一個被純化 (purified) 上市的藥物，阿斯匹靈在過去的一百多年之間，照顧了無數人的生命...

當然，現今的阿斯匹靈已經從傳統的解熱鎮痛，被預防心血管疾病所取代...

看一下阿斯匹靈的廣告，還真的蠻有趣的...

我看得出來這個人頭很痛，因為老闆在罵 (左上)，狗在叫 (左下)，帳單來了 (右上)，老婆來了 (右下)...

更正: 右下是蜜蜂來了...@@

這些時候你需要的是阿斯匹靈...

當然，拜耳藥廠也沒有忘記浩瀚的中國，在中國就推出了非常民族風的廣告 (下圖)...

左邊的標語寫的是"拜耳健身素"與"阿斯匹靈"

還有一句話是"拜耳健身素與阿斯匹靈為我健身之良友"...

看得出來，阿斯匹靈在中國還是有"有病治病，沒病強身"的感覺...

拉回正題，今天的NEJM上發表了一篇隨機分派研究結果...

這邊被稱為WARFASA的研究，收納了已經使用warfarin 6~18個月的靜脈栓塞病人 (P) 給他們每天使用aspirin 100 mg (I) 相較於安慰劑 (C)，研究再次靜脈栓塞 (O) 的風險是否降低...

共收納403位病人，隨機分派成兩組後，治療2年，研究結果發現，使用aspirin相較於安慰劑:

- 再次靜脈栓塞風險顯著較低 HR 0.58 (0.36-0.93); P=0.02

附註: 其中以深部靜脈栓塞風險顯著較低 HR 0.51 (0.27-0.94); P=0.03

- 重大或非重大出血風險並無顯著差異 HR 0.98 (0.24-3.96); P=0.97

當然 (這句話又要出現了)，這項研究仍然有一些限制，包括時間延遲偏差 (time-lag bias)，這項研究是研究者自發的，並非廠商贊助，收納病人就收納了整整6年，再加上後續追蹤2年，是個非常長的研究...

再來，兩組都有一定比例的受試者未能完成研究 (aspirin組10位撤掉同意書，13位必須使用aspirin，3位必須使用warfarin，3位不見了，7位因為不良反應停用)...

今年發表最新版的ACCP治療指引中，同樣討論到延長使用抗凝血藥物的優缺點，延長warfarin治療達5年，相較於未延長，每1000人減少264人再次靜脈栓塞，
重大出血每1000人增加24至98人...

Adapted from Chest 2012 ;141:Suppl(2): e419S-e494S.

主編評論中提到，除了這項研究外，另一項在澳洲即將完成的類似研究也預計在今年發表研究結果...

更重要的是，這兩項研究的作者們已經講好要"互通有無"，合併分析最終結果 (小型IPD!?)

ANZCTR INSPIRE (International trials of aspirin to prevent recurrent venous thromboembolism)

看起來，抗凝血藥物與抗血小板藥物，在今年仍然是攻佔版面的最好利器...

[2012/5/24 12:54更新]

話說效益 (benefit) 部分，相對風險確實下降了49%，絕對風險部分，再次栓塞風險，aspirin組每年約6.6%，相較於對照組的11.2%，也就是說:

從1年1000人112人再次栓塞，減少至66人，每1000人每年減少46人

只看相對風險也不對，只看絕對風險也不妥，還是都看吧...~

罹患癌症可能是人生中最辛苦的事情，但後續接受的治療常常更是折騰人...

要搜尋化學治療，在PubMed裡面請愛用

"Antineoplastic Agents"

不建議使用大家所熟知的"Chemotherapy"因為你會找到非常多與抗生素 (antibiotic) 有關的資料喔!!

以(Antineoplastic Agents/adverse effects*) AND (diarrhea) 搜尋PubMed，在2004年時，美國臨床癌症醫學會 (ASCO) 就已經發表了癌症治療有關腹瀉治療指引 (clinical practice guideline)...

這項指引中以左圖這張流程圖做為處理建議 (原諒我，我已經儘量讓他清楚一點了)

不行的話還是請大家看原著吧 (淚)

Adapted from J Clin Oncol. 2004 ;22: 2918-26.

這張流程圖建議:

(1) 非複雜性 (uncomplicated) 病人: 處理原則與一般腹瀉類似 (少量多餐，多喝水，停用含乳糖，酒精或高滲透壓補充品)

藥物部分建議使用loperamide (4 mg ST 之後2 mg PO Q4H直到糞便成型)

如果狀況沒有好轉，接下來的梗包括 增加loperamide劑量 (可以到2 mg PO Q2H) 開始使用"口服"抗生素

附註: 如果是放射線治療相關的腹瀉，一般不建議使用口服抗生素

(2) 複雜性 (complicated) 包括嚴重 (3~4級) 或是治療失敗的腹瀉，建議使用octreotide (100~150 mcg SQ TID 或 IVF 25~50 mcg/hr)

Octreotide被用於大大小小亂分泌的狀況，減少許多荷爾蒙分泌，包括血管活性腸胜肽 (vasoactive intestinal peptide; VIP) 等等...

早期研究曾被用於處理5-FU引起的腹瀉，小型研究結果顯示，效果 (治療三天後腹瀉緩解比例) 比標準劑量loperamide好...

為什麼效果比較顯著的藥物被放在第二線呢? 因為貴 (429元/100 mcg/amp)

使用上要注意的是，因為這個藥物劑量反應曲線 (dose-response curve) "關係良好"，所以效果不明顯時建議增加劑量，文獻中曾有使用到500 mcg TID (原建議劑量的三倍) 的報告，甚至使用靜脈持續輸注 (IV infusion) 的方式...

使用octreotide另外一個附帶好處是，當腹瀉非常嚴重時，可能會暫時禁食，注射劑型這時候就有優勢了...

腹瀉真的很不舒服 (ㄟ...我很有經驗)，除了大家熟知的那些藥物之外，octreotide也是個不錯的選擇喔!!

這兩年是新型抗凝血藥物的鼎盛時期...

不論是口服的凝血因子Xa抑制劑 (factor Xa inhibitor) 或是凝血酶抑制劑 (thrombin inhibitor) 都暗示我們傳統抗凝血藥物的時代即將過去...

今天閱讀 (閱讀 不等於 評讀) 了一篇大師們所寫的綜合分析 (meta-analysis)，除了讚嘆之外，也要對我們有些啟發...

這篇文獻的臨床問題是口服凝血因子Xa抑制劑 (I) 相較於低分子量肝素 (LMWH) 是否能有效預防髖骨或膝蓋手術後 (P) 靜脈栓塞發生率 (O)?

這項研究結果可能並不吸引我 (事實上是直接跳過)，簡單扼要總結這篇綜合分析在方法上的特點:

(1) 以PICO方法敘述收納研究的原因: 與傳統只用一句話描述納入條款不同

(2) 評估研究品質納入"預後層次 (outcome-level)"的評比:

讓我簡述一下，傳統上，我們習慣評比一篇"研究"的品質，也就是所謂的"研究層次 (study-level)"的評比，這篇綜合分析不但做了研究層次的品質評比，還針對各項重要臨床預後進行評比

附註: 其實PRISMA中建議要針對"研究層次"與"預後層次"分別評比，只是大家都...(忘了)

(3) 在綜合分析中納入證據等級 (quality of evidence) 的概念:

這一點非常重要，因為有做過綜合分析的人都知道，不管研究品質評比如何，大家還是卯起來合併它，頂多做個次組分析 (subgroup analysis) 聊表心意...

但這篇文獻，利用當紅GRADE證據等級評比系統，除了誤差風險 (risk of bias) 之外，還納入結果精準度 (precision)，結果一致性 (consistency)，預後直接性 (directness) 與發表誤差可能性 (publication bias)...

在討論 (discussion) 中，作者們 (大師們) 提到:


很清楚地將證據等級的概念納入研究結果的闡述中，讓證據等級評比與研究結果相連結，不再是你評你的，我合併我的...

(4) 清楚地描述每一個次組分析的理由與假設: 傳統上，我們頂多說這些次組分析都是"事先"訂好的，不會鉅細靡遺地一個一個說明可能的假設與預期的效應，在這篇文獻中全部都有...

(5) 適當的統計方法:

- 敏感性分析 (sensitivity analysis): 基本消費，但作者們用了好幾種方法希望校正"零"的影響，除了傳統的0.5加法，還有權重式的加法

- 除了直接比較 (direct comparison) 外，作者們也進行了MTC (multiple treatment comparison)，希望比較不同藥物之間的效果差異

看完了這一篇文獻，除了對一篇優質綜合分析應該具備的要件更加了解外 (不像我們卯起來就愛合併)，也覺得嚴謹的態度才是做學問必備的條件...

Adapted from Ann Intern Med. 2012; 156: 710-9.

"這是抗生素，要按照醫師的指示吃完喔!!"

每天都會有這種親切的叮嚀出現在發藥櫃台...

傳統上我們都有一個認知，就是"短期服用" "少量服用"不會有太大問題...

所以就算是病人提出疑問，我們也會拍胸脯說"沒關係"...

今天的NEJM上刊登了一項藥物流行病學研究結果，主要的問題是"短期使用Azithromycin是否會增加死亡率?"

這項研究利用田納西醫療保險世代 (Tennessee Medicaid cohort) 的資料，為了排除可能的影響因子，作者們排除重病 (非心血管疾病)，與剛出院的病人...

總共納入了347,795件處方，利用傾向性評分分析配對 (propensity-score–matched; PSM) 的方法挑選對照組，包括1,348,672件使用Amoxicillin處方，264,626張Levofloxacin處方以及193,906張Ciprofloxacin處方...

分析結果發現，在五天的處方期中:

(1) 與未服藥 (沒有抗生素處方) 比較，心血管死亡率較高 (HR 2.88; 95% CI, 1.79 to 4.63)

(2) 與未服藥 (沒有抗生素處方) 比較，整體死亡率較高 (HR 1.85; 95% CI, 1.25 to 2.75)

(3) 與使用其他抗生素比較，心血管死亡率也比較高

累進發生率方面，沒有抗生素處方，每100萬個療程會有29.8件心血管死亡事件，相較於使用Azithromycin，每100萬個療程會有85.2件死亡事件...

進一步根據病人發生心血管事件的風險區分，發現基礎風險越高的病人，使用Azithromycin發生心血管死亡事件的風險越高...

當然，一定要有解釋某種現象的理由，不然就稱為"靈異現象"，作者們認為的梗 (機轉的別稱) 如下:

服用Azithromycin -> 延長QT間距 -> 心律不整 -> 死亡

老師們不斷提醒，重要的文獻要有原創性與影響力 (是否能夠改變目前的執業習慣)...

這篇研究告訴我們，即使短期使用，仍然不可以忽視藥品的安全性，當然，適當使用抗生素治療感染症所得到的好處遠勝於這項研究所發現的風險...

最近醫療界吵得不可開交的議題就是人力短缺...

事實上，世界上許多地方都有這樣的問題，其中不乏已開發國家...

有些關鍵字 (我負責人肉搜尋) 現在在網路上很熱門 (淡定不算)...

包括: 小丸子 減床 加薪 泡麵 (剩下的都是不好聽的話)

許多醫院已經減床，隨之而來的問題就是急診病人住不到病房 (因為I/O不平衡，醫療人員都知道的)...

急診室人滿為患的境界已經到了我這七年來看過最誇張的時刻...

除了原本的走道之外，連大廳都已經"開床"了，當然，護理人力的問題絕非一天造成，其中牽涉到的因果關係非常複雜 (不是一張人渣道歉標準流程可以解釋的)....

附註: 請自行Google就不轉貼連結了...@@

然而，更可怕的後續效應似乎正在滋長中，誰都不想當笨蛋 (但留下來累死的卻又變成笨蛋) 那想要離職的人只會呈倍數成長...

那，病人的權益...去哪裡了!? (答案是醫療人員的權益跟病人的權益都要兼顧，難!! 但是還是要做...)

鋼盔都帶了，該做的事情能不做嗎? 狀況已經惡化，再慢慢來，就看他 (制度) 崩解吧!!

每件事情都有發生機率，0%呢?

代表的可能是真的沒有 (0件)，或是未觀察到 (還是0件)...

許多小型研究經常有"零"的問題，遇到"零"，在綜合分析中有特別的一套處理方式...

老師之前在上分析模式的選擇 (fixed effect大戰random effects) 中就有提到，部分統計模式需要做"零"的校正 (correction)...

"零"有兩種:

(1) 其中一邊"零": 實驗組或對照組有一邊發生事件數為零

(2) 兩邊都是"零": 實驗組與對照組兩邊發生事件數都是零

附註: "零"的事件通常被低報 (under reporting)，因為一般的研究者並不會想發表"零"的研究結果 (選擇性報告 selective reporting)...

上圖中Powell 1993年的研究就是兩邊都是"零"，De Azevedo 2000年的研究PPIs組為"零"...

根據考科藍食譜 (Handbook of Cochrane for SR of Interventions) 的建議:

(1) 其中一邊為"零"，最傳統的方式就是都加一個固定數字 (通常是0.5)，且一般的軟體都會自動幫你加上這個魔術數字

(2) 兩邊都是"零"，最傳統的做法就是排除這個研究，因為事實上並沒有提供太多資訊 (因此上圖的Powell 1993與Fink 2003都沒有納入分析，事實上也沒東西可以分析)

食譜中也有提到，有學者進行模擬研究 (simulation study)，分析結果發現:

(1) Mantel-Haenszel方法配合"零"加上固定數字得到的結果誤差最小

(2) 當實驗組與對照組之間比例相近時 (兩邊平衡)，Peto方法的表現也很優異

(3) Inverse variance方法的表現不佳 (當掉)

這篇分析作者建議，針對罕見事件 (rare event)，研究者們應進行不同分析方法的敏感性測試 (sensitivity analysis)...

Adapted from Stat Med. 2004; 23: 1351-75.

納入，排除，修改，統計方法的抉擇...痛苦的零...零的痛苦...@@ (我在痛苦)

我又偷懶了，繼上次的:

[EBM]如何檢視漏斗圖 (Interpretation of Funnel Plot in Meta-Analysis)

後，這次的重點在於加強版的漏斗圖，也就是人稱的"輪廓增強型漏斗圖 (contour-enhanced funnel plot)"...

這像上圖一樣，熊熊一看還真像古埃及金字塔...@@

傳統的漏斗圖有什麼問題? 老師在課程上測試了六個漏斗圖，讓在場的同學們舉手表決哪一張有問題...

結果，每一張都有擁護者 (都有票數)，代表，用"眼睛"檢視漏斗圖有主觀 (subjective) 上的偏差...

因此，大家轉向是不是有統計方法可以檢定漏斗圖的對稱性 (asymmetry)?

文獻中有許多檢定漏斗圖的統計方法，包括Egger大師 (1997)，Begg (1994) 等等，這兩項統計方法是最常被使用的，但都有共同的問題就是統計力量不足 (痛)....

所以大家都會提醒一句話，沒有統計顯著差異，不代表沒有發表性誤差 (publication bias)...

附註: 但事實上，造成漏斗圖不對稱的因素絕對不只發表性誤差 (老師一再強調)

拉回來到漏斗圖，"輪廓增強型漏斗圖"的梗是:

(1) 結果不顯著的研究容易不被發表 (不管是誰的問題)，而看顯不顯著最常用的方法就是看P值

(2) 有了相對數值 (例如OR或RR等)，又有這些數值的標準差 (standard error) 即可以推出Z值，再加上alpha = 0.05的梗，就可以推出P值

(3) 綜合 (1) 與 (2) 就可以根據P值分佈劃出輪廓 (contour)

然後呢?

回到 (1)，我們即可以知道缺少 (missing) 的那一塊，是不是落在P值不顯著的區域...

最終，缺少的那一塊 (造成漏斗圖不對稱) 落在P值不顯著的那一區 (P大於0.1)，則代表不對稱原因可能與發表性誤差有關...

這就是輪廓增強型漏斗圖的作用機轉 (mechanism)...

回到上圖，這是上次硫酸鎂 (MgSO4) 用於心肌梗塞的綜合分析結果，最大型的研究落在金字塔的頂端 (因為樣本數目最大)，其他小型研究都落在左邊 (偏向有效)...

各位一定可以清楚地看到不對稱的漏斗圖，輪廓增強後，看得出來小型的研究均勻地落在"達顯著"以及"未達顯著"的區域...但都偏向左邊...

這就是老師課程中所提到的"小型研究效應 (small study effect)"，小型研究經常因為研究設計/執行較差的關係，效果通常被放大...

所以就會看到上圖那樣的結果...

回到應用端，不對稱的漏斗圖對我們評讀系統性綜論/綜合分析上到底有什麼影響?

(1) 影響證據等級: 在GRADE裡面，發表性誤差是要扣分的，證據等級降一級

(2) 影響統計分析結果: 選擇不同統計方法 (隨機 與 固定效應) 可能因為漏斗圖不對稱，影響最終結果 (之前那一篇已經提過)

問題是，即使是發表在知名期刊上的研究，常常都是一句話帶過 (我們沒有發現顯著的發表誤差，搞定收工)...

是有必要確認漏斗圖 或 統計檢定，來決定我們該不該相信這一篇分析結果了...

感謝老師詳細地解說，讓我們對這樣一張圖表 (但是學問很大) 有更多的了解...@@

又來了，之所以會分上下集的原因是因為我"偷懶"...

回到上一篇的話題，兩篇相同題目，相同研究設計，時間有些差異，都發表在高影響力期刊的不同研究，結果卻不一樣...

文獻中，針對兩篇研究結果不一有許多討論，其中一個是研究數據計算的方法...

傳統上，我們喜歡用"相對" (relative) 比較的方式呈現，例如相對風險 (relative risk)，勝算比 (odds ratio) 等等...

但不良反應研究經常會有"零 (zero-cell)"的問題 (相信我，這個問題蠻令人頭大的)...

在進行綜合分析的時候，常用的方法是偷偷給他加個數字 (通常是0.5)...

大部分的綜合分析軟體會自動確認是否有"零"，然後偷偷給他加一個0.5，這時候，許多專家學者會選擇用Peto大師提出的"Peto OR方法"，避免"零"的問題...

Singh等人的研究也是採用Peto方法，文中討論的點非常多，綜合如下:

(1) 遇到罕見事件 (rare event) 時，相對 (relative) 方式呈現數據並不是個好方法，尤其是有"零"的時候，或許可以考慮使用風險差異 (risk difference; RD)

附註: 部分專家認為RD比較能夠反映現實狀況，因為看的是風險差異，而不是比值，另一個好處是可以保留原本的單位

(2) Peto方法在一些狀況下會"走鐘"，尤其是隨機分派組別間比例不一時 (unbalanced arms，老師上課有教)，使用上必須特別小心，會得到特別懸殊的比值，這時候用Mantel-Haenszel方法計算出來的相對風險或勝算比會比較"保守"...

系統性綜論/綜合分析被認為是個很重要的工具，但必須建立在適當的統計方法上，勾一勾CASP只是基本的做法，有時候，使用的分析方法不同，將會"顯著地"影響結果...

那到底，varenicline會不會增加心血管疾病風險!?

[這一篇點閱率一定很差，太多統計數據，哈...]

世界上沒有絕對的事情 (所以請用random effects model 走火入魔的結果)...

自從Singh等人在CMAJ上發表的那一篇綜合分析 (meta-analysis) 結果，大家對"varenicline"這個藥物是否會增加心血管事件風險產生很大興趣...

去年醫策會的文獻查證競賽也有類似的題目喔!! (當時大家搜尋查證的結果，今天可能又要改變囉!!)

[EBM]戒菸藥物Varenicline可能增加心血管疾病風險 (Risk of CV Events Associated with Varenicline)

事實上，Singh這位研究者，厲害的地方就是:

(1) 利用綜合分析提出之前未被發現 (且並不常見) 的不良反應

AND (布林字元)

(2) 刊登在高影響力的期刊

後續總是會引起非常多的討論，包括嚴重的發表誤差、對罕見 (或不常見) 不良反應的偵測與定義不同等等...

另一群研究者在BMJ上發表了一篇相同題目的綜合分析，我們來看看什麼之間有什麼差異...

這篇綜合分析收納22篇隨機分派、雙盲研究，綜合分析後發現:

- varenicline組發生心血管事件風險0.63% (34/5431)
- 安慰劑組發生心血管事件風險0.47% (18/3801)

作者們窮盡各種合併研究結果的估計方法，包括Peto OR、OR (odds ratio)、RR (relative risk) 與RD (risk difference) 發現使用varenicline都沒有顯著增加心血管疾病風險 (與之前Singh等人研究結果不同)...

- Peto OR 1.58 (0.90-2.76)
- OR 1.41 (0.82-2.42)
- RR 1.40 (0.82-2.39)
- RD 0.27% (-0.10%~0.63%)

Adapted from BMJ 2012;344:e2856 doi: 10.1136/bmj.e2856

傳統上，系統性綜論 (systematic review) 或綜合分析 (meta-analysis) 會被認為是證據等級比較高的研究方法...

在選擇文獻上，也有許多人 (甚至是專家們) 會把發表在高影響力 (或稱為高點數) 的期刊當做條件之一...

但不管是證據等級可能比較高，或是發表在很好的期刊上，都不代表那就是對的...

這篇研究的作者們做了很多討論，分析為什麼兩項綜合分析研究結果會不一樣...

一個很重要的重點在於分析方法的選擇與結果呈現...(下集待續 [晚上再更新])

遠古時代，我們還在用 "Cockcroft-Gault"公式，那時候每天都要算病人的肌酐酸廓清率...

附註: 做夢都會算到...@@

因為藥師們最念茲在茲的，就是病人的腎臟功能...

梗是這樣的:

計算病人的肌酐酸廓清率 (用於預估腎絲球廓清率) -> 檢視是否有需要依照腎功能劑量的藥物 -> 評估後決定是否向醫師建議

老實說，這項功能 (臨床藥師的功能) 最容易上手也最基本的...

除了我們熟知的"Cockcroft-Gault"公式以外，以前老師還教了好多不同的公式，原諒我已經忘光了 (因為很少用)，包括:

- Modification of Diet in Renal Disease (MDRD) 公式
- CKD-EPI公式
- Schwartz公式

台灣與中國都有專家學者研發該族群試用公式，在台灣稱為Taiwan MDRD公式...

很可惜的，大多數醫院的電腦系統會自動帶出所謂的eGFR (estimated GFR)，但幾乎都是使用國外的MDRD公式...

所以我們做了一個表格，利用年齡 (age)與血清肌酐酸濃度 (serum creatinine)就可以對出相對應的肌酐酸廓清率...

並且將我們常用於評估藥物劑量的肌酐酸廓清率範圍 (10~50 ml/min或小於10 ml/min) 用顏色區分出來...