综述：随机对照试验（RCTs）中试验损耗预测分析所报告的参与者和试验特征 —— 对多种疾病随机对照试验系统评价的伞状综述

这篇伞状综述分析了随机对照试验（RCTs）中影响试验损耗的因素，为后续研究提供参考。

　　

随机对照试验损耗研究：现状、挑战与展望

在生命科学和健康医学领域，随机对照试验（Randomised Controlled Trials，RCTs）是评估干预措施效果的 “金标准”，其结果的准确性和可靠性至关重要。然而，试验损耗（trial attrition），即参与者因各种原因未能完成试验，却如同隐藏在暗处的 “敌人”，时刻威胁着 RCTs 的有效性。它不仅可能引入偏差，干扰试验结果的准确性，还会影响统计效力、治疗效果估计以及研究结果的普遍性，是试验方法论研究议程中的重点关注问题。

探索影响因素：当前研究的核心任务

为了更好地理解试验损耗发生的原因，众多研究致力于探索其中的影响因素。此前，定量研究已发现一些与试验损耗相关的参与者和试验特征，如参与者的性别、共病情况，以及试验的持续时间、招募策略等；定性研究则从参与者和试验人员的角度，揭示了影响保留率的障碍，包括个人信念、生活状况、严重共病、不良事件和研究程序等。但目前，针对多种疾病 RCTs 中影响因素的综合研究较少，尤其是关于参与者和试验特征在不同疾病中的差异及共性，尚缺乏深入探索。本伞状综述正是在这样的背景下展开，旨在识别在多种疾病 RCTs 系统评价的损耗预测分析中，通常会报告的参与者和试验特征，为后续研究提供关键线索。

研究方法：严谨筛选与全面分析

本次研究严格遵循预先制定的方案，并按照系统评价和荟萃分析的首选报告项目（Preferred Reporting Items for Systematic Reviews and Meta - analyses，PRISMA）进行报告，还在国际前瞻性系统评价注册平台（PROSPERO）进行了注册（CRD42023398276）。在研究过程中，研究人员精心制定了详细的纳入和排除标准。纳入任何针对成年人群，探究参与者或试验特征与损耗之间关联的 RCTs 系统评价；排除非基于系统评价的荟萃分析、定性文献或分析、非英文出版物，以及仅涉及 I/II 期 RCTs 或儿童 / 青少年人群的综述。

在信息收集阶段，研究人员全面检索了多个权威数据库，包括 Ovid MEDLINE All、Ovid Embase、Web of Science Core Collection 和在线临床研究资源（Online Resource for Research in Clinical TriAls，ORCCA）项目。搜索策略经过精心设计，参考了加拿大卫生技术评估机构（Canadian Agency for Drugs and Technologies in Health，CADTH）开发的有效搜索过滤器，并结合描述损耗术语和定量数据分析的关键词，确保搜索的全面性和准确性。

筛选和数据提取过程也十分严谨。搜索结果被导出到 DistillerSR 软件进行筛选，两名评审员（RM、PH）独立筛选标题和摘要，对于可能符合标准的全文，再由这两名评审员独立评估。如有分歧，则通过讨论达成共识。数据提取使用经过预试验的数据提取模板，在 Microsoft Excel 中进行，由一名评审员（RM）独立完成，确保数据的准确性和一致性。

研究人员使用修订后的多系统评价评估工具（Revised assessment of multiple systematic reviews，R - AMSTAR）对纳入综述的质量进行评价。该工具包含 11 个评估方法学质量的领域，每个领域最高可获得 4 分，总分为 44 分。最后，研究人员进行了描述性数据合成和叙事性合成，以识别与损耗相关的特征，并通过表格、图形进行展示，还生成了热图以比较不同疾病研究中特征的报告情况。

研究成果：特征揭示与关联分析

通过全面搜索和严格筛选，研究最终纳入了 88 项 RCTs 的系统评价，这些评价涵盖了 33 种不同的疾病。其中，超过一半（50/88，56.8%）的综述涉及心理疾病的 RCTs，最常见的是抑郁症（15/50，30%）、精神分裂症（9/50，18%）和混合心理障碍（8/50，16%）。在这些综述中，“dropout rate”（15/88，17.1%）和 “Dropout”（11/88，12.5%）是最常用的损耗术语，但多数研究（63/88，71.6%）未对损耗结果给出明确的定义。

从特征评估情况来看，87 项（98.9%）综述考察了试验特征，42 项（47.7%）评估了参与者特征。在参与者特征方面，人口统计学和疾病相关特征是评估的重点。年龄（33/42，78.6%）、性别（29/42，69.1%）、指数疾病类型（13/42，31%）和指数疾病严重程度（10/42，23.8%）是最常被评估的特征，但没有一个特征在多种疾病中均被报道与损耗存在关联。不过，在部分疾病中，年龄和指数疾病严重程度与损耗存在一定联系，如在纤维肌痛、多发病率、混合疾病、关节炎疾病、混合心理障碍和精神分裂症的综述中，年龄与损耗有关；在抑郁症的综述中，指数疾病严重程度与损耗相关。

对于试验特征，干预相关和试验设计相关特征是评估的主要内容。干预类型（56/87，64.4%）、干预频率 / 强度（29/87，33.3%）、干预交付 / 格式（26/87，29.9%）、试验持续时间（16/87，18.4%）、发表 / 报告年份（15/87，17.2%）和样本量（15/87，31.9%）是最常被评估的试验特征，但同样没有一个特征在多种疾病中均与损耗存在关联。然而，在一些疾病中，干预类型、试验持续时间和发表 / 报告年份与损耗存在关联。例如，在关节炎疾病、抑郁症、饮食失调和混合心理障碍的综述中，干预类型与损耗有关；在关节炎疾病、抑郁症和精神分裂症的综述中，试验持续时间与损耗有关；在抑郁症的综述中，发表 / 报告年份与损耗有关。

此外，研究还发现不同疾病的综述在特征评估方面存在差异。多发病率、HIV 和戒烟相关的综述评估的特征种类较多，但与损耗相关的变量较少；抑郁症、混合心理障碍和精神分裂症的综述评估了更多与指数疾病相关的特征；肥胖相关的综述经常评估导入期的使用情况，并报告了其与损耗的关联；戒烟和纤维肌痛的综述评估了结果测量指标，但多数情况下未发现其与损耗的关联；多种疾病以及焦虑症、抑郁症、混合心理障碍、创伤后应激障碍（Posttraumatic Stress Disorder，PTSD）和精神分裂症的综述评估了更多与干预相关的特征，但关联情况不一。

研究评价：优势与局限并存

这项研究具有重要的意义和价值。它首次综合系统评价的证据，探索多种疾病 RCTs 中损耗预测分析所评估的特征类型，为该领域的研究开辟了新的方向。研究采用了经过验证的搜索策略，进行了重复和独立的研究筛选，以及严谨的描述性分析和合成，确保了研究结果的可靠性。

然而，研究也存在一些局限性。首先，宽泛的纳入标准导致纳入综述的方法学和研究结果存在较大异质性，无法进行荟萃分析以明确特征与试验损耗之间的关联。其次，研究仅纳入了系统评价和基于系统评价的荟萃分析，遗漏了一些可能探索了预测试验损耗特征但尚未在现有系统评价中综合的 RCTs，并且未纳入灰色文献中的综述。再次，大多数纳入研究集中于心理疾病，研究结果可能无法代表更广泛的 RCTs 情况。最后，质量评价表明，大多数纳入综述在得出结论时未充分考虑纳入 RCTs 的质量，且不到一半的综述进行了全面的质量评估。

未来展望：深化研究，填补空白

尽管目前对于预测试验损耗的特征了解有限，但本研究为未来的研究指明了方向。在众多特征中，参与者年龄、性别、指数疾病类型或严重程度，以及试验干预的类型、频率或强度、交付或格式、试验持续时间、发表 / 报告年份和样本量等，是在损耗预测分析中通常会评估的特征。未来研究在探究多种疾病 RCTs 中损耗的预测因素时，可考虑将这些特征作为核心集进行深入研究。

目前，试验特征作为损耗预测因素的评估更为频繁，但在评估参与者特征时，纳入综述大多使用汇总数据，缺乏对个体参与者数据（Individual Participant Data，IPD）的分析。鉴于 IPD 能提供更详细的信息，未来研究若要评估预测损耗的参与者特征，应考虑使用 IPD。此外，为了便于进行荟萃分析，识别不同疾病 RCTs 中预测损耗的特征，未来研究在评估损耗预测因素时，应考虑对这些典型特征进行评估和报告。

研究团队也在积极推进后续研究，他们正在使用来自多种疾病 RCTs 的 IPD 进行网络荟萃分析，以开发试验损耗的风险预测模型，进一步探索在本次综述中发现的典型报告特征。相信在未来，随着研究的不断深入，人们将更全面地了解试验损耗的影响因素，从而制定出更有效的策略来减少试验损耗，提高 RCTs 的质量和可靠性，推动生命科学和健康医学领域的发展。