一图看懂:意向性治疗分配(ITT)与按完成方案分配(PP)

临床试验无法避免受试者在试验期间离开试验,这会使得试验在结束时很难统计临床结局:统计临床结局时,我们应该考察随机化分配好的受试者还是考察最终完成实验的患者?
当我们假设离开的受试者同样完成了试验,只是没有发生阳性结果,那么这就是意向性治疗分配(ITT)。这时最终结局计算的两组受试者总数则分别为随机化分配完成后两组受试者的总数。
当我们考察结局时不考虑离开的受试者,那么这就是按完成方案分配(PP)。这时最终结局计算的两组受试者总数则分别为最终两组完成试验的受试者总数。
这两种算法都存在弊端。
  • 对于ITT分配,由于假设离开试验的受试者均无阳性结果,这必然低估了结局的发生率。
  • 而对于PP分配,由于在结局发生率的分母里除去了离开试验的受试者,则必然高估了结局的发生率。
很多研究赞同按ITT分配,因为这样保持了随机试验的随机化的作用,实验组和对照组之间的差别只有干预措施。有时我们也支持PP分配,因为对于连续性变量,没有测量最终的结果,没办法按照ITT分配考察结局为阴性(假如硬要考察连续型变量结局为阴性,则其最终测量的结局与基线数据一致,如血压、血糖等结局用药后没有发生改变)。
由于两种分配方法都有一定的弊端,所以便产生了介于两者之间的一些分配方法。在这里,我们用一张图给大家介绍一下ITT与PP及其他常见的患者总数的分类,即Randomized Population,mITT (modified ITT)及Safety Assessment Population。
随机对照研究首先纳入一系列的受试者,并确认他们是否符合纳入标准,将符合标准的随机分组,这两组人群就是Randomized Population。由于ITT Population就是要保持随机对照研究的随机化作用,所以ITT Population就是随机化分组所得的Randomized Population。
随机化分组完成后,受试者开始进行试验接受干预措施。然而此时很难避免存在受试者因为特殊原因离开试验了(原因五花八门,忽然身体不舒服,甚至搬家等等)。在考察结局时把这些连干预措施都没接受的人当成是受试者的一员可能不大合理,所以就有了Modified ITT(mITT) Population,即将这部分没有接受干预措施的人群从Randomized Population(即原ITT Population)中剔除出去,形成mITT Population。
受试者接受干预后,临床研究人员开始收集结局数据。假如此时受试者忽然又因为特殊原因离开了试验,对于一些二分类变量的结局(如心梗、骨折等),我们可以按照ITT分配原则,假设这些受试者的相应结局为阴性。然而对于连续型变量,我们则会碰见前面提到的问题:没办法按照意向性治疗分配原则使用ITT Population,这时另一个mITT Population则应运而生:只要受试者接受干预后再测量过一次该连续型变量,结局的考察便纳入他们。
以HbA1c为例,受试者随机分组后便会测量他们的基线特征,即会测量他们的HbA1c。他们接受干预后,只要再测量一次HbA1c,我们就有HbA1c的用药后变化值了。这比原来的ITT假设他们的结果为阴性(在这里体现为HbA1c没有变化)更合理了些。所以我们可以看到不少降糖药的临床研究使用了mITT Population,这部分人群至少在用药后再测量了一次HbA1c。
然而,ITT Population主要是针对疗效评估的,当临床研究考察安全性结局时,他们会考察Safety Assessment Population。不过Safety Assessment Population其实也是mITT Population的一种,通常考察接受干预措施后至少测过一次安全性结局的受试者,定义与前面提到的mITT类似。由于临床研究有时同时考察有效性与安全性,所以常见Safety Assessment Population与mITT Population的总数是不一样的。
最后,受试者完成了试验,我们不考虑那些试验期间离开的受试者,则此时的受试者总数为PP population。