話說，人怕出名，豬怕肥 (事實上，豬並不怕肥，人倒是蠻怕出名的)...

Dipeptidyl peptidase 4 inhibitor (DPP-4 I) 是近幾年來用於治療第二型糖尿病 (T2DM) 的當紅炸子雞...

挾著全新機轉與強大的文宣攻勢，確實影響了一些市場...

兩年前，美國食品藥物管理局曾發佈一則警訊，內容是sitagliptin相關的胰臟炎，當時第一時間我們就彙整相關資訊...

FDA警訊 Sitagliptin (marketed as Januvia and Janumet) - acute pancreatitis

NEJS Sitagliptin相關的胰臟炎 (Sitagliptin-Associated Pancreatitis)

當時FDA蒐集了一些病例報告，提醒健康照護人員們要注意這件事情，但這種事情的半衰期總是很短的，當時，我們立刻就拿到了廠商們"提供"給我們佐證沒這件事情的文獻...

另外一個議題是，TZD心血管事件的餘波盪漾，因此，新人都被要求提出心血管事件相關研究數據...

最近在葡萄牙舉辦的2011年歐洲糖尿病研究學會 (EASD) 上發表了一篇綜合分析 (meta-analysis)，針對DDP-4抑制劑是否會增加心血管事件進行分析...

這項綜合分析收納了53項臨床研究 (共33,000人)，後續追蹤時間必須超過24週，分析中"gliptin"組共有137位受試者，控制組 (安慰劑或其他降血糖藥物) 共有120位受試者發生心血管事件...

排除事件數目為零 (zero event) 的研究後，"gliptin"組發生重大心血管事件的勝算比為0.69 (P=0.006)...

今天的問題就在於，利用綜合分析探索潛在可能的不良事件時，經常會遇到這個零的問題...

文獻中，"解決"這個問題的方法如下:

(1) 當作沒看到，把那些一個事件都沒有的研究排除 (就像這篇綜合分析)，但這會遇到個問題，就像食神大賽一樣，所有的參賽者都"out"後，可能沒有人可以拿冠軍了...

(2) 把事件為零的研究，加上0.5，這可真的符合中庸之道，加1又太過，維持0又沒解決問題，那來個0.5好了...

(3) 用風險差異 (risk difference; RD) 做為計算基準，這倒是個比較聰明的方法，避開了事件為零的問題...

事件很少甚至是零的另一個問題是異質性 (heterogeneity) 的估計，不論您用的是什麼方法，都無法改變事件數目太少 (sparse data) 的現況...

回過來，這樣的研究數據值得相信嗎? 或許應該嘗試以RD綜合研究結果，看與目前的分析結果差異多少 (我想如果事件為零的研究數目更多，小蝦米也會扳倒大鯨魚的)...

Medscape: No Increased CVD Events With DPP-4 Inhibitors (Really? 這句話我說的)