En serie N-av-1 försök med traditionell kinesisk medicin baserad på Bayesiansk metod

TCM har gjort stora framsteg i samband med modern vetenskap och teknik, men jämfört med den snabba utvecklingen av modern medicin har utvecklingen av TCM varit relativt långsam. Den randomiserade kontrollerade studien baserad på population är oförenlig med egenskaperna hos TCM-syndromdifferentiering. Bristen på tillförlitliga effektivitetsutvärderingsmetoder baserade på evidensbaserad medicin har hindrat internationaliseringen och utvecklingen av TCM.

Den kliniska prövningen (International clinicaltrials.gov Identifierare: NCT03147443) forskarna precis avslutade fann att den förbättrade modellen med blandade effekter kan upptäcka den kvarvarande effekten av TCM i N-av-1-prövningarna och förbättra känsligheten för gruppdatastatistik. Känsligheten för denna studiemetod är dock låg på den individuella statistiska nivån på grund av den inneboende karaktären hos N-av-1-studier, och fler fall behöver studeras för ytterligare förbättring. Nu har den hierarkiska Bayesianska statistiska metoden blivit en av de viktigaste statistiska metoderna i en serie N-av-1 försök. Jämfört med de frekventistiska statistiska metoderna är fördelarna med Bayesiansk metod följande: (1) integrationsanalysen av både individuella och gruppdata kan utföras samtidigt; (2) det är lätt att introducera förvirrande variabler, såsom kroppsbyggnad eller gentyp hos olika individer, eller olika typer av TCM-syndrom (vilka är till hjälp för att särskilja olika typer av TCM-syndrom och skillnaden mellan effekterna); (3) dessutom finns det en speciell fördel: om ett stort antal patienter har genomfört liknande N-av-1-studier med variansen inom en enskild patient som är större än den mellan patienterna, genom att "låna från styrka" , resultaten av andra patienter kan användas för att förbättra noggrannheten av ett individuellt resultat, det vill säga för att förbättra känsligheten för N-av-1-prövningar, utan att behöva öka antalet N-av-1-prövningar. För närvarande används denna statistiska metod sällan i N-av-1-prövningar av TCM, så det är värt att använda som referens i vår framtida forskning.

Nyckelhypotesen för denna studie är att: (1) effektiviteten av syndromdifferentiering kommer att vara bättre än placebo hos patienter med stabil bronkiektasi genom N-av-1-studier. (2) effekten av syndromdifferentiering kommer att vara bättre än samma recept minus värmerensande kinesiska örter hos patienter med stabil bronkiektasi genom N-av-1-studier. Men på individnivå, med svårighetsgraden av individuell slemvärme, kommer effekten att vara annorlunda, vilket återspeglar effekten av individuell behandling baserad på syndromdifferentiering av kinesisk medicin. (3) Hierarkisk Bayesiansk statistisk modell kommer att förbättra känsligheten och användbarheten av N-av-1 försök med TCM både på individ- och gruppnivå.

I denna studie kommer utredarna att genomföra ett enda center N-av-1-studier på 71 patienter med stabil bronkiektasi utan hemoptys och andningssvikt. Dessa N-av-1-studier kommer att vara randomiserade, dubbelblinda, crossover-jämförelser av individualiserat örtavkok med kontrollavkok hos enskilda patienter. Varje N-av-1-studie kommer att ha 3 par behandlingsperioder. Varaktigheten av varje behandlingsperiod kommer att vara 4 veckor. Utredarna kommer att jämföra: (1) effektiviteten av syndromdifferentiering (individualiserat avkok) med placebo, (2) effektiviteten av syndromdifferentiering (individualiserat avkok) med samma recept minus värmerensande kinesiska örter, hos patienter med stabil bronkiektas genom en serie N-av-1 försök. Det primära resultatet är patientens självrapporterade symtom (såsom hosta, upphostning, andnöd, bröstsmärtor och trötthet) på en 7-gradig likert-skala. Sekundära utfall är 24-timmars sputumvolym och bedömningstestet för kronisk obstruktiv lungsjukdom (KOL) (CAT). Hierarkiska Bayesianska statistiska metoder och några parametrar och variabler kommer att introduceras, såsom TCM-syndromtyp, potentiell resteffekt av TCM, etc. Känsligheten och tillämpbarheten av olika matematiska modeller (hierarkisk Bayesian, parat t-test och metaanalys) för N-av-1-försök av TCM kommer att testas i syfte att förbättra känsligheten och tillämpbarheten av N-av-1-försök av TCM både på individ- och gruppnivå.