新统计方法导致阿尔茨海默病药物疗效夸大29倍

在阿尔茨海默病的研究中，统计分析的准确性至关重要。最近，布朗大学公共卫生学院的研究人员发表了一项重要研究，揭示了一种新型统计方法——分位数聚合（quantile aggregation）可能会严重夸大新型阿尔茨海默病药物的临床疗效。该研究指出，这种方法在评估淀粉样蛋白清除与认知改善之间的关系时，可能会将这种关系夸大至实际幅度的29倍。

分位数聚合的工作原理

分位数聚合是一种将患者分组、平均其结果并寻找模式的统计技术。研究人员发现，这种方法在处理患者数据时，掩盖了个体之间的变异性。布朗大学的研究小组通过计算机模拟，发现当将这种方法应用于阿尔茨海默病的临床试验数据时，淀粉样蛋白的清除与认知改善之间的关系被夸大了29倍。研究的高级作者Sarah Ackley指出：“许多研究人员相信减少淀粉样蛋白的积累可以减缓与阿尔茨海默病相关的记忆丧失，因此这成为了新药物的主要目标。”

然而，使用这种方法评估淀粉样蛋白去除对认知的影响，可能会产生误导性结果。研究团队发现，通过将大量患者的结果混合在一起并进行平均，这一过程隐藏了患者之间认知变化的真实差异，使得淀粉样蛋白的减少似乎比实际更能预测认知益处。

随机化的重要性

分位数聚合还将接受药物治疗的患者与接受安慰剂的患者混合，这种做法剥夺了临床试验中至关重要的随机化协议，导致无法可靠地确定淀粉样蛋白的去除是否真正导致了认知益处。研究人员通过将2014年至2023年间一项失败的药物solanezumab的试验数据输入分位数聚合模型，发现该方法虚构了淀粉样蛋白减少与认知改善之间的强关联，尽管该试验实际上并未显示药物能减缓认知衰退。

Ackley强调，这项研究并未解决新型阿尔茨海默病药物的作用机制的更广泛问题，而是突显了在药物评估方法中需要更严格的统计方法。她表示，随着新治疗方法的广泛使用，尤其是在公共项目如医疗保险的覆盖下，阿尔茨海默病研究中需要更多的数据共享。

总之，这项研究表明，分位数聚合方法在阿尔茨海默病临床试验中的应用可能导致不准确的结果，研究团队呼吁在药物评估中采用更严谨的统计分析方法，以确保对新药物的理解更加准确。