晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

筆者曾於 2017/11 發表的兩篇文章（https://reurl.cc/n112l、https://reurl.cc/x992e），提到在醫學研究中如何執行敏感度分析（Sensitivity analysis），不過當時筆者引用的 BMC Medical Research Methodology 論文（https://reurl.cc/0ppeA），比較偏重在於資料分析的觀點，本篇文章則嘗試以臨床觀點（from clinical points of view）來描述敏感度分析的應用方式。

圖1、敏感度分析於 PubMed 的出版數量

由於目前對於從臨床角度出發的敏感度分析，並未有完整的操作流程，因此筆者以幾個實際例子，來示範在不同的研究主題下，可以從何種角度進行敏感度分析的應用。

首先是林口長庚於 2017 年的健保資料庫鉅作，發表在頂尖雜誌 JAMA，主題是心房顫動（AF）病人使用新型口服抗凝血劑（NOAC）是否會與其他 12 種藥物產生交互作用，進而發生大出血事件（Major bleeding）。

資料來源：https://jamanetwork.com/journals/jama/fullarticle/2656168

                接著在該論文中，進行了四種敏感度分析的測試。第一，將大出血事件從原本的住院或急診主診斷改為「主次診斷」。此作法是放寬結果變項的定義。倘若臨床上有比較常見的出血部位，也可以限定是某些部位的出血（例如腸胃 GI/GU、腦出血 ICH），筆者提議的作法則是將結果變項定義的更嚴格。

第二，將主要結果變項換成跟本研究主題完全不相干的車禍骨折，這是屬於 unmeasured confounding 的敏感度分析測試（請見https://reurl.cc/7DDxb，未來筆者也會專文介紹）。

第三，將主要暴露變項 NOAC 換成降血壓用藥 Losartan，因為並未有任何臨床證據指出 Losartan 跟那 12 支藥物對出血事件具有交互作用。這其實是 Negative control 的概念（請見https://reurl.cc/Xjjn7，未來筆者也會專文介紹）。

最後，將那 12 支藥物根據作用機轉，分成兩大類，看是否只有某一類機轉會跟 NOAC 會有交互作用，而另外一種機轉就沒有。這等於是將「暴露條件」的定義作修正，然後檢驗是否此結果仍被重複驗證。

接著是第二篇論文，主題是降血脂藥物 Statin 能否降低攝護腺癌且接受賀爾蒙治療的糖尿病病人的失智症風險。

資料來源：https://www.nature.com/articles/s41391-018-0091-4

該論文的敏感度分析有從統計分析的觀點，也有從臨床角度出發的角度。首先，該論文的主要分析（Primary analysis）的 Statin 只要有開 1 天以上就算暴露組。因此我們將藥物暴露提高到 50% or 80% 的天數，以半年暴露期而言，分別就是至少要開 90 天與 144 天以上。

第二，除了將藥物使用分成「有跟無」，我們利用半年內的開藥天數，分成三組（0 天、1-180 天及 開滿 180 天以上），然後看結果有無 dose-dependent 效應。前兩者都是將暴露條件作改變。

第三，則是使用不同的處理 confounding factor 統計方法，包括統計校正、將傾向分數當成控制變項、傾向分析分層分析以及傾向分數倒數加權。此為從統計觀點出發。

最後，則是從收案條件出發，分別限制病人需要至少有 2 年或 3 年的追蹤期。這是因為失智症不是一個短期就會形成的疾病，因此若排除了短期內（例如 2 年內）的新發個案，若暴露組仍在長期的發生風險比較低，如此可更為確認 Statin 確實可能跟較低失智症風險有關。

          筆者再次強調，目前敏感度分析並沒有一個完整的共通作法，因此研究者需從各種角度檢視主要分析的結果是否能夠被反覆驗證，倘若敏感度分析的結果與主要分析不同（顯著與不顯著的差別），也別覺得絕望，以上例子也有好幾個敏感度分析從顯著變成不顯著，但是由於整體方向一致，因此仍然算是通過檢驗。