为何采用修正Poisson回归？同济大学学者临床试验发文JAMA子刊

修正Poisson回归方法于2004年提出，在现况调查可计算PR值，在队列研究计算RR值，在随机对照研究同样有着越来越多的文章使用该方法。

2025年4月17日，同济大学医学院附属东方医院学者在JAMA子刊《JAMA Network Open》（医学一区top，IF=10.5）发表了一项随机对照试验（OPTIMISTIC试验）研究成果。

评估在血管内取栓术前使用静脉替罗非班（Tirofiban），是否能通过实现首次再通、同时不增加颅内出血风险，从而改善取栓术效果。

这项RCT研究主要结局分析采用了修正Poisson回归（使用稳健误差估计）。

原文阅读

一、临床试验设计

OPTIMISTIC试验是一项多中心、前瞻性、开放标签、盲法结局评估的II期随机临床试验，患者来自中国7家卒中中心。

1.PICOS原则

P（Population）研究对象：年龄18至85岁，存在大血管闭塞，计划在发病或最后正常时间24小时内接受血管内取栓术的患者。

I（Intervention）试验组：在血管内取栓术前接受静脉替罗非班（10 μg/kg负荷剂量，后以0.1 μg/kg/分钟持续输注24小时）。

C（Comparison）对照组：接受标准治疗。

O（Outcome）结局：主要结局为在无症状性颅内出血的前提下，实现首次再通的患者比例。

S（Study design）研究类型：2期多中心随机对照试验

2.样本量估算

样本量根据INSPIRE（国际脑卒中灌注影像注册）回顾性数据估算。

在INSPIRE分析中，使用静脉替罗非班的132名患者中有94人（71%）实现了无症状性颅内出血的首次再通，而未使用替罗非班的115名患者中则为55人（48%）。

假设双侧α = 0.05，脱落率为7%，研究预计招募200名患者（每组100人）可实现80%的效能，检测治疗组与对照组之间在主要结局上（分别为70% vs 50%）的差异。

二、研究结果

1.描述性统计汇总患者特征

共200名患者被随机分配，其中102人接受静脉替罗非班治疗，98人接受标准治疗。

2.主要疗效终点分析

在意向治疗分析中，99名接受替罗非班的患者中有64人（65%）达成主要结局，而95名对照组患者中为46人（48%），调整后的风险比为1.34。

症状性颅内出血发生率在替罗非班组为0%（0/101），对照组为6%（6/98），未调整的风险差为-0.06（95%CI：-0.11至-0.01）。

3.亚组分析

在预设的亚组分析中，在有无颅内动脉粥样硬化疾病的不同亚组间，治疗效应存在显著异质性。

综上所述，在无房颤史且未接受静脉溶栓的急性缺血性脑卒中患者中，本研究发现血管内治疗前静脉给予替罗非班可显著提高首次再通的成功率，并不增加症状性颅内出血风险。

三、统计学解读

1.主要分析集

主要结局采用意向性治疗人群（ITT）和符合方案人群（PP）分析。ITT人群包括所有随机分组的患者。

2.修正Poisson回归

主要结局通过修正泊松回归模型（采用稳健误差估计）进行分析，调整因素包括从发病或最后正常时间至随机分组的时间（0-9小时 vs 9-24小时）以及闭塞血管部位（颈内动脉 vs 其他）。

次要结局如术后即刻再通、所有操作结束后的再通及24~72小时内通畅情况，也采用修正泊松回归分析，调整因素略有不同。

3.其他结局分析

各组取栓次数的中位数比较使用中位回归分析。

90天mRS等级分布采用有序Logistic回归分析。

90天功能独立率（mRS ≤2）和死亡率也使用修正泊松回归分析。

4.事后分析

尽管方案原本计划对症状性颅内出血进行未调整分析，由于该事件发生率极低，因此采用风险差估计及95%置信区间报告结果。事后也进行了Logistic回归以分析主要及二元次要结局。

5.多重比较校正

统计分析计划中未对次要结局或分组分析进行多重比较校正，因此其置信区间不应作为假设检验的依据。

老郑小评

在流行病学和医学研究中，相对危险度（RR）通常是研究者感兴趣的参数。

而研究者习惯于应用 Logistic 回归分析来控制混杂变量计算调整优势比（aOR） 作为调整相对危险度（aRR）的估计值。

但是，只有在研究的结局事件较为罕见的条件下OR才近似等于RR，如果事件发生率较高（＞10％），优势比（OR）和相对风险（RR）的差异可能会变得显著，OR往往会明显的高估或低估真实的RR值。

这时直接计算RR值较为恰当！

基于稳健误差方差的泊松回归(Poisson regression)，也就是修正泊松回归，可以在随机对照研究中计算RR值，获得比logistic回归更精确的效应估计值！

在今天分享的这篇临床试验中，结局事件发生率就很高，实验组发生率65%，对照组48%，用修正Poisson回归分析会更加合适。

修正poisson回归在随机对照的临床试验中的运用也逐渐增多，该方法可适用的资料类型范围更广，应用更方便，SPSS、R均可以实现。

所以，大家不要只盯着Logistic回归啦！很多发表在顶刊及子刊的临床试验研究中，这种方法已得到广泛应用。举几个例子：

修正Poisson回归方法郑老师曾科普过，感兴趣的朋友可以看看！

20年前，一种新的统计技巧被提出来，如今已广泛应用！今天我写点文字谈谈

一串代码搞定！这个R语言包可以构建修正Poisson回归模型

参考文献：

Lin L, Liu F, Yi T, et al. Tirofiban on First-Pass Recanalization in Acute Stroke Endovascular Thrombectomy: The OPTIMISTIC Randomized Clinical Trial. JAMA Netw Open. 2025;8(4):e255308.