偏倚风险评估系列:(二)平行设计随机对照试验偏倚评估工具2.0介绍

评估医学干预效果最理想的研究设计是随机对照试验（RCT），通过随机化的实施，RCT使各种可能的混杂因素在基线时达到组间均衡，但如果设计或实施不合理，其结果的真实性仍会受到偏倚的影响。因此，需要利用评估工具对RCT的偏倚风险进行评价。

平行设计的工具是整个RoB2.0工具的基础，交叉设计和整群设计的工具是在此基础上扩展而来的。本文主要介绍平行设计的RoB2.0工具，有关其他两种设计的工具解读和实例分析请查阅本刊随后的系列讲座。

相比起RoB1.0，可以把RoB2.0的更新归纳为以下4个方面：

（1）把RoB1.0中随机序列的产生和分配隐藏这两个领域合并成一个领域，即随机化过程中的偏倚。

（2）把RoB1.0中研究对象和干预实施者的盲法这一领域扩展成一个新的领域，即偏离既定干预的偏倚。

（3）调整RoB1.0中的结局评估者的盲法、不完整结局数据、选择性报告3个领域，把名称分别改为结局测量的偏倚、结局数据缺失的偏倚、结果选择性报告的偏倚，并对评估标准进行了调整。

（5）明确提出整体偏倚这一综合评价的领域。即根据其他各领域的评价结果对单个RCT的特定结局作出整体的偏倚风险评价。

（6）预测偏倚的方向。RoB2.0在每个领域下面都设置了这一评价项目，这是过去所有主流评估工具不曾涉及的方面。如果能推断偏倚的方向，即高估还是低估真实的结果，这显然要优于单纯的偏倚风险评估。但很多时候并没有证据来推测偏倚的方向，因此在RoB2.0中此部分是备选的项目。

（1）随机化过程中的偏倚：该领域合并了RoB1.0中的随机序列产生和分配隐藏。RoB1.0中这两个领域分别有一个信号问题，即“分配干预的方案是否随机产生”，“是否采用了分配隐藏”。这两个信号问题都保留在RoB2.0里，此外还添加了一个新的信号问题，即“是否存在由随机化过程中的问题造成的组间基线不均衡”，该信号问题在RoB1.0中常见于评估者自行设置在“其他偏倚”领域里。有观点认为，在随机化的前提下，组间基线不均衡是因为随机因素引起的，不应作为偏倚风险的考虑范畴。然而，如果出现重要预后因素的组间不均衡，很可能会导致结果难以解释。而且，当多个因素基线不可比时，有理由对随机化的过程提出质疑，尤其是当作者没有明确报告是否采用了真正随机的方法和/或分配隐藏的方法的时候，组间基线可比性是衡量随机化是否真正实现的一个替代指标。

（3）结局数据缺失的偏倚：该领域对应RoB1.0中不完整结局数据带来的偏倚（失访偏倚）。在RoB1.0的基础上，将信号问题扩展至3个。第一个信号问题是“是否可以获得全部或绝大多数研究对象的研究结局数据”，该问题基本与RoB1.0中保持一致，如没有失访或失访率很低（一般是5%以下），则发生偏倚的风险较小。如存在一定比例的失访，则需进一步回答第二个信号问题，“结局数据缺失的比例和数据缺失的原因在组间是否均衡”。“均衡”指组间缺失数据的比例接近，或仅有少量由随机误差造成的区别，而且各组缺失数据的原因在组间没有系统性差异。如存在组间缺失数据比例或原因不均衡，则需进一步回答第三个信号问题，“是否有证据支持，即便存在缺失数据，分析结果仍然是稳健的”。对于结果是否稳健，需要根据原始研究处理缺失数据的方法、敏感性分析的结果等进行综合判断。

整体上来说，RoB2.0内容丰富、翔实。在RoB1.0的基础上，进一步完善了各个偏倚评估重要组成部分的细节，强调了偏倚评估在证据整合与评价过程中的重要地位。相比于RoB1.0，RoB2.0有明显的优势。RoB2.0细化了具体领域的评估过程，将RoB1.0评估中易于产生困扰和分歧的项目，均使用信号问题进行明确指示，有助于提高评估结果的可重复性和一致性。此外，RoB2.0不仅提供了偏倚风险评估，还提供了可能的偏倚方向评估，后者将有助于综述读者判断干预的真实效果方向。