辅助生殖技术中随机对照试验的贝叶斯再评估：量化零假设和备择假设的证据强度

《Frontiers in Endocrinology》：A Bayesian reevaluation of randomized controlled trials in assisted reproductive technology: quantifying evidence strength for null and alternative hypotheses

　　

摘要引言：在辅助生殖技术（ART）中的许多随机对照试验（RCT）在传统的频率学派框架内普遍存在对统计非显著结果的误解。本研究旨在使用贝叶斯方法重新评估高质量的ART随机对照试验，以量化零假设（H₀）和备择假设（H₁）的证据强度。方法：研究人员系统检索了2010年至2025年间发表在《美国医学会杂志》（JAMA）、《柳叶刀》（The Lancet）、《英国医学杂志》（The BMJ）和《新英格兰医学杂志》（NEJM）上的ART相关随机对照试验。最终纳入35项试验进行贝叶斯再分析，这些试验使用贝叶斯因子（BF₁₀）评估主要结局。进行了敏感性分析以确认主要结果的稳健性。结果：在85.7%的研究中，贝叶斯和频率学派结果一致。在这些一致的结果中，62.9%支持零假设，22.9%支持备择假设。在11.4%的研究中，非显著的P值与不确定的贝叶斯因子配对，表明数据不敏感。另有2.9%显示显著的P值但BF₁₀不确定。总体而言，71.4%的研究报告了非显著的主要结局，且随时间呈上升趋势。结论：贝叶斯分析为解释ART随机对照试验中的“阴性结果”提供了一个有用的框架。它有效补充了传统统计学方法，改善了证据的解释，并为未来的ART试验设计提供了信息。

**论文解读文章**

**研究背景与问题**

辅助生殖技术（ART）是治疗不孕症的关键手段，包括体外受精-胚胎移植（IVF-ET）、卵胞浆内单精子注射（ICSI）及胚胎植入前遗传学诊断/筛查（PGD/PGS）等。尽管ART已广泛应用，但临床实践中如何选择最适宜的方案仍存争议，尤其缺乏高质量随机对照试验（RCT）提供的坚实证据。然而，ART领域的RCT数量远低于其他医学领域，且大量研究报告了统计非显著（“阴性”）结果。在传统频率学派框架下，研究人员常将P>0.05误解为“无效应证据”，混淆了“证据缺失”与“缺失证据”两个概念。P值无法量化支持零假设（H₀）或备择假设（H₁）的证据强度，导致阴性结果的解读存在局限。贝叶斯方法通过后验概率评估假设，能区分“无差异”与“数据不足”。此前在其他医学领域（如重症医学、老年心理学）的贝叶斯再分析已显示出优势，但ART领域尚未开展系统性的贝叶斯再评估。因此，本研究旨在应用贝叶斯方法重新评估高质量ART RCT，量化证据强度，并分析阴性结果的相关因素，为临床决策和未来研究方向提供依据。

**研究内容与结论**

研究人员系统检索了2010–2025年间发表在JAMA、The Lancet、The BMJ和NEJM上的ART相关RCT，最终纳入35项试验进行贝叶斯再分析。采用贝叶斯因子（BF₁₀）评估主要结局，并进行敏感性分析检验稳健性。结果显示：85.7%的研究中贝叶斯与频率学派结论一致；其中62.9%支持H₀，22.9%支持H₁；11.4%的非显著P值对应不确定BF₁₀（1/310<3），表明数据不敏感；2.9%的显著P值对应不确定BF₁₀。总体71.4%的研究报告阴性主要结局，且随时间呈上升趋势。贝叶斯分析能有效区分“证据缺失”（BF₁₀<1/3）与“缺失证据”（BF₁₀≈1），为阴性结果提供量化补充。敏感性分析显示结论稳健。该论文发表在《Frontiers in Endocrinology》，其意义在于为ART领域提供了一种比传统P值更细致的证据解释框架，有助于指导未来试验设计。

**关键技术方法（不超过250字）**

本研究采用系统检索策略，从JAMA、The Lancet、The BMJ和NEJM四个高水平医学期刊中筛选2010–2025年间发表的ART相关RCT，最终纳入35项试验。主要使用贝叶斯A/B测试框架，以对数比值比（log odds ratio）的适度信息性正态先验分布（δ~Normal(0,1)）计算贝叶斯因子（BF₁₀），量化支持H₁相对于H₀的证据强度。为评估先验选择的影响，进行了敏感性分析，采用三种替代先验：集中正态先验（Normal(0,0.5)）、扩散正态先验（Normal(0,2)）及默认柯西先验（Cauchy(0,0.707)）。BF₁₀通过R包abtest和BayesFactor中的解析公式计算。此外，采用费希尔精确检验和逻辑回归分析试验特征与阴性结果的相关性。

**研究结果**

**3.1 贝叶斯再分析结果**
在35项RCT中，62.9%（22/35）的研究BF₁₀<1/3，提供支持H₀的证据；11.4%（4/35）提供支持H₁的强证据（BF₁₀>10）；11.4%（4/35）提供中等证据（310<10）；14.3%（5/35）为不确定证据（1/310<3）。该结果表明大部分阴性结果实际具备支持零假设的统计证据，而非单纯数据不敏感。

**3.2 P值与贝叶斯因子的比较**
对比零假设显著性检验（NHST）和贝叶斯分析，85.7%（30/35）的研究结论一致（22项支持H₀，8项支持H₁）。11.4%（4/35）的研究出现非显著P值与不确定BF₁₀配对，反映数据不敏感；2.9%（1/35）的研究出现显著P值但不确定BF₁₀，表明显著结果可能由样本量大或效应量小导致，证据强度不足。

**3.3 敏感性分析**
在四种先验分布（Normal(0,1)、Normal(0,0.5)、Normal(0,2)、Cauchy(0,0.707)）下，三种正态先验在所有35项试验中分类完全一致；柯西先验仅在3项边界案例（8.6%）中改变分类（从支持H₁转为不确定，或从不确定转为支持H₀），但无方向性反转，结论稳健。

**3.4 发表趋势与研究设计特征**
71.4%的研究报告阴性主要结局，该比例从2010–2015年的60%上升至2021–2025年的75%。同时，大规模试验（样本量≥700）比例从20%增至83.3%。多数试验采用优效性设计（94.3%）、两臂设计（80.0%）、活性治疗对照（68.6%）和治疗性干预（74.3%）。单因素分析显示，期刊、样本量、主要结局类型（活产）等因素与阴性结果无显著统计学关联，但样本量≥500与较高阴性结果比例（74.1% vs. 62.5%）相关，提示大样本试验更可能提供确凿的零假设证据。

**讨论与结论**

讨论部分指出，贝叶斯方法能有效区分“证据缺失”（BF₁₀≈1）与“缺失证据”（BF₁₀<1/3），避免将非显著P值误解为无效应。例如，一项宫腔镜检查IVF试验的非显著结果伴随BF₁₀=0.16，支持H₀，提示无需更大验证性试验；而另一项生活方式干预试验的非显著P值对应BF₁₀=1.42，表明数据不敏感，需进一步研究。此外，一项研究中显著P值与不确定BF₁₀共存，说明假阳性可能在大样本或小效应量时出现。尽管贝叶斯方法与NHST总体一致（85.7%），但前者提供了更精细的证据量化。研究局限性包括检索局限于四本高影响力期刊，可能存在选择偏倚；贝叶斯方法依赖先验分布，但敏感性分析显示结论稳健；对于非劣效性试验，BF₁₀在优效性框架下计算，与原始结论兼容。

**结论翻译**：
本项对高质量ART随机对照试验的贝叶斯再分析表明，相当大比例的统计非显著结果实际上提供了支持零假设的证据，同时也识别出真正不确定的试验。通过量化证据强度，贝叶斯方法有效补充了零假设显著性检验，为解读试验结局和指导生殖医学未来研究设计提供了有价值的辅助工具。