这篇文档属于类型b——是一篇系统性综述论文的补充附录，主要对乳腺癌随机对照试验（RCT）中患者报告结局（Patient-Reported Outcomes, PRO）数据的统计分析方法进行了全面评估。以下是对其内容的学术报告：

作者与发表信息

研究团队由Pe M、Dorme L、Coens C等代表国际PRO与生活质量终点数据标准化分析联盟（SISAQOL Consortium）共同完成，补充附录作为原文的一部分发表于*Lancet Oncology*（2018年，第19卷，e459-e469），附录内容经过同行评审并保留作者原始提交格式。

研究主题与背景

科学领域：肿瘤学与临床研究方法学交叉领域，聚焦晚期乳腺癌临床试验中PRO数据的统计规范。
研究动机：
- PRO在癌症临床试验中日益重要，但分析方法缺乏标准化，导致结果可比性差。
- 现有研究多关注PRO工具的选择，却忽视统计方法差异对结论的影响。
- 核心目标：系统评估局部晚期/转移性乳腺癌RCT中PRO数据的分析质量，提出改进建议。

背景知识：
- PRO包括生活质量（QoL）、症状负担等主观指标，需通过结构化问卷（如EORTC QLQ-C30、FACT-B）收集。
- 统计挑战：缺失数据处理、多重比较校正、临床意义界定（如MCID）等影响PRO结果的可靠性。

核心内容与论证

1. PRO数据描述性统计的现状

支持证据：
- 附录表1汇总66项RCT（如Burris 2013、Welslau 2014等），显示：
- 工具多样性：EORTC QLQ-C30（54.5%）、FACT-B（36.4%）最常用，但部分使用非验证性工具（如“trial-specific checklist”）。
- 测量时点差异：基线后随访频率从每周至每6个月不等，仅23%研究明确说明控制I类错误。
子观点：PRO采集缺乏协议标准化，可能引入测量偏倚。

2. 统计分析方法的关键问题

论据分层：
- 多重比较校正缺失：表2显示仅14%研究（如Svensson 2010）采用Bonferroni校正，多数未处理多维PRO量表的多重检验问题。
- 纵向数据分析方法：线性混合模型（38%）、时间-事件分析（12%）为主，但部分研究（如Miller 2005）仅描述性统计，无法捕捉动态变化。
- 临床意义评估：仅31%研究明确MCID阈值（如“10分变化”），其余未定义临床相关性。

3. 缺失数据处理与基线评估

支持数据（表3）：
- 基线完整性：82%研究报告基线评估，但仅58%比较组间基线平衡，易导致混淆偏倚。
- 缺失数据策略：
- 常见方法：末次观测值结转（LOCF，27%）、模式混合模型（9%），但30%研究未声明处理方法。
- 敏感性分析不足：仅12%研究（如Zhou 2009）同时使用LOCF和混合模型验证结果稳健性。

意义与价值

1. 方法论贡献：首次系统性揭示乳腺癌PRO分析的薄弱环节，为CONSORT-PRO等指南的细化提供证据。
   
2. 临床实践影响：提出统计规范（如统一MCID标准、强制基线平衡报告），提升PRO结果在治疗决策中的权重。
   
3. 后续研究导向：呼吁开发PRO专用分析工具（如联合模型处理非随机缺失）。
   

亮点与创新性

• 全面性：覆盖1990-2017年国际多中心试验，样本量总计超3万例患者。
  
• 标准化评估框架：附录2提供编码模板，量化评估PRO分析的11项质量指标（如假设特异性、数据集定义）。
  
• 批判性洞见：指出“实践改变型试验”虽占37%，但PRO分析质量未必优于非改变型试验（如Osborne 2002 vs. Conte 2004）。
  

其他关键发现

• 研究假设明确性：仅41%研究在引言中阐明PRO假设方向（如“预期A组QoL优于B组”），其余仅泛泛提及。
  
• 终点类型模糊：28%研究未明确PRO是主要、次要或探索性终点，可能影响统计设计严谨性。
  

（注：专业术语首次出现均附英文原词，如“最小临床重要差异（MCID, Minimally Clinically Important Difference）”）