随机临床试验亚组分析中的协变量调整：一种倾向得分方法

背景：随机临床试验中常进行亚组分析，以评估不同患者亚群间异质治疗效应的证据。尽管随机化在期望意义上平衡亚组内的协变量，但机会性不平衡可能在小亚组中被放大并损害精度。RCT 的整体分析中常通过 ANCOVA 或倾向得分加权进行协变量调整，但亚组分析中的讨论甚少。本文中，我们发展倾向得分加权方法用于协变量调整，以提升 RCT 亚组分析的精度与功效。方法：我们将倾向得分加权方法扩展到亚组分析，通过拟合含预先指定协变量-亚组交互项的 logistic 倾向模型。我们表明，按构造，重叠加权在每个亚组中精确平衡带交互项的协变量。我们进行了大量模拟，比较未调整、不同倾向得分加权与 ANCOVA 估计量的运行特征。我们将这些方法应用于 HF-ACTION 试验，以评估运动训练在预先指定亚组中对 6 分钟步行试验的效应。结果：调整估计量的标准误小于未调整估计量。倾向得分加权估计量与 ANCOVA 一样高效，且在亚组样本量小（如 <125）和/或结果模型误设时往往更高效。含全交互倾向模型的加权估计量一致优于标准主效应倾向模型。结论：倾向得分加权是一种透明且客观的方法，用于调整 RCT 亚组分析中重要协变量的机会性不平衡。在倾向得分模型中纳入完整的协变量-亚组交互项至关重要。