主层策略分析：空气净化器对COPD患者呼吸健康的临床效果

主层策略分析：空气净化器对COPD患者呼吸健康的临床效果

在COPD（慢性阻塞性肺疾病）的治疗研究中，如何准确评估空气净化器的效果一直是个难题。近期，约翰霍普金斯大学（JHU）的一项研究采用主层策略分析，为这一问题提供了新的解决方案。研究发现，通过主层分析，可以更准确地评估空气净化器对COPD患者呼吸健康的影响。

慢性阻塞性肺疾病（COPD）是一种由有毒气体和颗粒物累积负担引起的疾病，是全球主要的死亡原因之一。GOLD指南强调非药物治疗干预以改善健康，但关于适当和有效干预的数据有限。室内空气质量是一个特别重要的可变因素，之前的研究（CLEAN AIR研究）显示，在COPD患者家中放置两个带有高效颗粒空气（HEPA）和活性炭过滤器的便携式空气净化器可以显著减少室内的细颗粒物（PM2.5）和二氧化氮（NO2）浓度。此外，使用空气净化器的个体在呼吸相关的生活质量方面有改善趋势，并报告了呼吸症状的更大改善。

然而，并非所有使用空气净化器的个体都经历了污染的减少，即使在那些经历减少的个体中，减少的程度也各不相同。同时，一些使用安慰剂空气净化器的个体也经历了不同程度的污染减少（也就是说用了净化器污染不一定减少，没用净化器也有可能减少）。因此，由于污染减少的异质性，研究者在确定空气净化器成功减少室内污染的个体的治疗效应，以及PM2.5或NO2的减少是否促成了这种改善方面受到了限制（净化器——污染减少——COPD改善的因果链）。由于污染减少是由干预决定的干预后变量，因此无法使用传统的方法（如意向治疗分析，ITT）来控制污染减少来评估治疗效果。因此，本研究采用了主要分层分析方法，这是一种在环境试验研究中较少应用但专门设计来解决这些问题的方法。

采用双盲随机对照试验，针对的是40岁及以上的戒烟者且患有中度至重度COPD的患者。参与者被随机分为治疗组（接受带有内部HEPA和活性炭过滤器的空气净化设备，分别用以减少PM2.5和NO2。）与安慰剂组。干预持续六个月，在干预前基线以及干预后一周、三个月和六个月收集污染和呼吸症状数据。研究的主要结局是圣乔治呼吸问卷（SGRQ）。室内空气污染物作为中介变量，主要污染物暴露是PM2.5。

主要分层分析是在反事实建模框架下进行的，其中因果效应是在根据治疗下潜在的（或潜在的）亚组或主要分层定义的中间变量的潜在水平内估计的。研究的样本由三个亚组组成：1) 仅通过治疗实现清洁的，2) 任何条件都会减少，3) 任何条件都不会减少。主要分析是估计空气净化器对那些只通过干预实现PM2.5减少（定义为6个月时较基线浓度下降至少40%）的参与者（即“仅通过治疗实现清洁”的分层）的呼吸健康的影响。

统计分析包括主层分析和疗效估计，以评估空气净化器对COPD结果的影响，通过减少室内污染，在只通过干预实现污染减少的潜在亚组中——即“仅通过治疗实现清洁”的分层。主层模型的目的是评估参与者属于每个潜在分层的概率，即确定一个参与者属于特定分层的可能性，并分析与这些概率相关的基线特征。在这个模型中，使用了多项逻辑回归，主要分层作为因变量，而基线参与者特征作为预测变量。预测变量的选择基于似然比检验，这涉及到比较有无候选预测变量时模型对主要结果的整体拟合度。在分析PM2.5减少时，选择了包括个人教育程度、基线药物使用情况以及基线室内PM2.5和NO2水平等特征作为预测变量。之后采用ANOVA模型分析疗效指标，使用STATA软件的广义结构方程建模（GSEM）包执行主要分层分析。

在干预组中，59%参与者中PM2.5实测浓度至少降低了40%，在安慰剂组比例为13%。在Cleaner-under-treatment分层中，干预组显示出在多个呼吸健康相关的结果上有显著改善。具体来说，主动干预组在圣乔治呼吸问卷（SGRQ）总分上平均改善了7.7分，且超过了最小临床重要差异（MCID），意味着空气净化器对COPD患者呼吸健康的影响是具有临床意义的。

与整体意向治疗（ITT）分析相比，Cleaner-under-treatment分层显示出更大的治疗效果，这表明在考虑PM2.5减少时，空气净化器对COPD患者的影响更为显著。对于那些干预措施在减少污染物方面没有产生差异的亚组（即Always-reduced和Never-reduced亚组），试验并没有显示出任何健康益处。

使用主分层分析（Principal Stratification Analysis）的优势在于其能够处理和评估随机对照试验中干预措施对中间变量（如室内空气污染物水平）的影响，进而评估这些变化对主要健康结果的影响。该方法允许研究者在考虑了干预对中间变量的影响后，更准确地估计干预对主要结果的因果效应。通过识别不同的主分层（如Cleaner-under-treatment, Always-reduced, Never-reduced），研究者可以评估干预在不同亚群中的效果，通过识别哪些亚群真正从干预中受益，研究者和医疗专业人员可以设计更有效的干预策略，以优化资源分配和改善健康结果。

在研究中，尽管主分层分析提供了处理后处理变量和评估干预效果的强有力工具，但这种方法也有一些局限性：主分层分析依赖于模型的假设，包括潜在分层的存在和它们的定义。如果这些假设不成立，结果可能会受到影响。主分层分析的统计模型相对复杂（包括预测模型协变量的选择等），需要专业的统计知识和技能来正确实施和解释。

（图片均引自参考文献）

Reference
Han Woo, Kirsten Koehler, Nirupama Putcha, Wendy Lorizio, Meredith McCormack, Roger Peng, Nadia N. Hansel, Principal stratification analysis to determine health benefit of indoor air pollution reduction in a randomized environmental intervention in COPD: Results from the CLEAN AIR study, Science of The Total Environment, Volume 868, 2023, 161573, ISSN 0048-9697, https://doi.org/10.1016/j.scitotenv.2023.161573.

本文原文来自mediecogroup.com