今天在上進青年William的穿針引線下，到了羅氏藥廠短暫一遊，很可惜沒有機會參觀一下，這次有機會跟醫藥部門的同仁報告藥物不良反應研究，尤其是"綜合分析 (meta-analysis)"，一些令人頭痛的問題...

這類研究非常的多，且絕大多數刊登在非常知名的期刊，多多少少都有一些限制，今天就以之前曾經報導過的癌思停 (bevacizumab; Avastin) 可能增加致命不良反應風險的綜合分析為例 (很像課程老派的開場白):

 癌思停這件事情獲得許多媒體的報導，當然這不是一件好事...

包括一些不務正業的部落客...@@

一個新聞事件傳開後，Google搜尋次數馬上上升，市場的反應是非常快速的...

但是這項綜合分析，真的值得我們信任嗎?

如果使用"傳統"的評讀工具，老實說，還真的看不出什麼太大問題...

實證醫學 (evidence-based medicine; EBM) 其實就是貝氏定律的一個延伸 (但信者恆信，不信者恆不信也...)

這篇綜合分析的第一個問題是透過統計異質性決定分析模式 (固定效應 fixed effect 或隨機模式 random effects)，但因為統計異質性的檢定常常力量不足，這樣的做法有一定的風險...

附註: 老師上課都有說，不論是Q或是I2的限制多多，根據統計異質性選擇模式是有問題的


另一個問題，這項分析中，假說檢定結果P值為"0.04"，雖然小於傳統認定的"0.05"，但這樣的結果讓我們信服嗎? 以TSA (trial sequential analysis) 分析，發現距離無效邊界還有一段距離，這個"P值"犯第一型誤差的風險似乎沒有想像中低喔!

再來，藥物不良反應的綜合分析最怕的就是遇到發表誤差 (publication bias)，從漏斗圖 (funnel plot) 我想大部分的人都可以認同它並不對稱...

更不要說讀者投書到JAMA，指出這篇分析有數據擷取錯誤，雖然不至於讓分析結果翻盤，但這...@@

這原本是篇高證據等級 (收納隨機分派研究的綜合分析)，發表在知名期刊 (JAMA)，我們應該相信它的，但因為這些緣故，結果似乎不如原文所寫的那樣...

但對於這些"報導"，已經深入人心，就像是揭發什麼米粉原來沒有米，牛排其實沒有牛一樣，但鮮少有人會追蹤後續發展或是細究其內容，對整個醫療環境似乎不全然是有幫助的...

感謝羅氏藥廠同仁花了一下午的時間聽這些碎碎念...