四类预后研究&问题构建工具——PFOT/PIFOT
2019-11-19 李楠 赵一鸣 临床流行病学和循证医学
1、在想这些问题时，其实你关注的都是预后研究小编，A病挺少见的，我们有个队列，想简单描述一下患者5年内的临床转归情况。小编，我关心的是这个基因/蛋白表达量，是不是预示着患者会复发？小编，我打算建个预后模型，评价B病患者的死亡风险？小编，我觉得C病患者，如果有d特征时，X药的疗效远远好于其他C病患者。说起预后研究，大家可能潜意识里想到的都是“预后因素”和“预后模型”。其实从临床研究目的的分类出发
1、在想这些问题时，其实你关注的都是预后研究
小编，A病挺少见的，我们有个队列，想简单描述一下患者5年内的临床转归情况。
小编，我关心的是这个基因/蛋白表达量，是不是预示着患者会复发？
小编，我打算建个预后模型，评价B病患者的死亡风险？
小编，我觉得C病患者，如果有d特征时，X药的疗效远远好于其他C病患者。
说起预后研究，大家可能潜意识里想到的都是“预后因素”和“预后模型”。其实从临床研究目的的分类出发，凡是关注疾病转归的研究都属于预后研究的范畴。比如上面的四个例子，分别关心了A疾病的总体预后情况；潜在的预后因素；疾病的预后模型；影响预后的效应修饰/交互作用。
您也许会感到混淆，毕竟如果我们关心的是某种治疗方案的效果，那它不应该是治疗性研究么？您的理解也对，个别研究确实会比较难以区分，划到哪一类研究目的可能真的取决于你做研究的“目的”了。比如上面的第四个例子，如果你明确的提出了具有d特征的C病患者中，X药物疗效理想，那确实是个治疗性研究；然而如果你仅仅是基于预后，探讨d特征是否是所有C病患者中，X治疗的效应修饰因子，此时还是用预后研究的角度看待这个问题更合适。
2、预后研究的四种类型
如何规范的将预后研究分类呢？其实已经没必要赘述了。如果您仔细理解一下上面的例子，您一定会得出和方法学专家一样的分类体系。
表1 预后研究的四个类型及特征
3、PICO在预后研究中遇到的麻烦
近10年来，用于提炼循证医学核心假说最常用的工具是PICO，分别对应了研究对象、干预/暴露、对照（与干预/暴露相对应的状态）和结局（干预/暴露与否的差别）。有时还会使用PICOT的概念，其中的T对应了时间（Time），具体是指干预（I）或对照（C）到产生不同结局（O）所需的随访时间（T）。用这一构架指导预后研究，本质上没什么太大问题，毕竟背后想去接近的“因果关系模型”大致是相似的。但是如果您读过预后研究的文章，再尝试把文章拆分为PICO，或是用PICO指导预后研究中的顶层设计，可能多少觉得有些别扭。
医生A建了个专病队列，都是EGFR阳性、接受了靶向治疗的非小细胞肺癌患者，A医生打算做个预后研究：探讨某基因X，是否是影响这类患者（非小细胞肺癌、EGFR+、靶向治疗）治疗后生存情况的预后因素。
A医生试着用了用PICO
P：非小细胞肺癌、EGFR+、靶向治疗后患者
I：组织活检有X突变
C：组织活检没有X突变
O：生存时间、是否死亡（如果是分为O和T的话，则分别是‘死亡’和‘随访时间’）
看起来PICO没问题吧？但这只是个例子，更常见的情况是这样的：
1、医生A建了个专病队列，都是EGFR阳性、接受了靶向治疗的非小细胞肺癌患者，A医生打算做个预后研究：探讨某基因X、Y、Z，药物L、M、N，是否是影响这类患者（非小细胞肺癌、EGFR+、靶向治疗）治疗后生存情况的预后因素。
此时I、C该如何填写呢？
2、医生A建了个专病队列，都是EGFR阳性、接受了靶向治疗的非小细胞肺癌患者，A医生打算做个预后研究：探讨包含分期、基因（X、Y、Z……）药物（L、M、N……）等因素构成的模型，是否能预判这类患者（非小细胞肺癌、EGFR+、靶向治疗）治疗后的生存情况。
此时I、C又该如何填写呢？
由此可见，对于预后研究中的不少类型，似乎PICO并不适用。我们当然可以对付，或者提出PICO在预后研究中的新定义。但还是那句话，与其这么对付给大家造成混乱，倒不如干脆弄个更适用的工具来得好。“PFOT”和“PIFOT”就在这样的理念下被提了出来。
4、“PFOT”和“PIFOT”，抓住预后研究的核心
“PFOT” 中，“P”代表目标人口，“F”表示预后或预测因素或多因素组合的预测模型，“O”表示预后，“T”表示随访时间。
同时我们提到了，预后研究还分成I型-Ⅳ型。其中I型预后研究，如果比较预后差异的两类患者压根就不是得的一种疾病，那“F”可能不适用。对于IV型预后研究，除了PFOT之外还有个干预，因此建议使用“PIFOT”来代替“PFOT”，多出来的“I”代表干预措施。
让我们回到刚才的两个例子，看看这种情况下“PFOT”是不是比“PICO好用”：
1、医生A建了个专病队列，都是EGFR阳性、接受了靶向治疗的非小细胞肺癌患者，A医生打算做个预后研究：探讨某基因X、Y、Z，药物L、M、N，是否是影响这类患者（非小细胞肺癌、EGFR+、靶向治疗）治疗后生存情况的预后因素。
P：非小细胞肺癌、EGFR+、靶向治疗后患者
F：基因X、Y、Z，药物L、M、N
O：是否死亡
T：随访时间
2、医生A建了个专病队列，都是EGFR阳性、接受了靶向治疗的非小细胞肺癌患者，A医生打算做个预后研究：探讨包含分期、基因（X、Y、Z……）药物（L、M、N……）等因素构成的模型，是否能预判这类患者（非小细胞肺癌、EGFR+、靶向治疗）治疗后的生存情况。
此时I、C又该如何填写呢？
P：非小细胞肺癌、EGFR+、靶向治疗后患者
F：预后模型（包含分期、基因（X、Y、Z……）药物（L、M、N……）等因素）
O：是否死亡
T：随访时间
看到区别了么？问题出在哪里？聪明的您一定会发现，其实PFOT和PICO（PICOT）的区别无非是压缩了I和C，把他们合并成了F。
这么做背后的逻辑其实不难理解，如果我们在研究中关注的“原因”不是简单的1个二元的变量（同时有多个变量，或只有一个表示绝对水平的连续变量：预测得分）我们不用再纠结到底I、C填些什么了。
所以，如果您关心的是患者的预后，而暴露因素又不是传统某个单一因素的干预/非干预、暴露/非暴露，那么不妨考虑使用PFOT/PIFOT来构建研究的核心问题。
参考文献：
Xiaomei Yao， Emily Vella. How to conduct a high-quality original study on aprognostic research topic[J]. Surgical Oncology， 2018 Dec；27(4)：A9-A13.
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#PFO#
39