草药制剂治疗丙型肝炎随机对照试验的系统评价研究

来源 :北京中医药大学 | 被引量 : 0次 | 上传用户:qyxiao3771
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
丙型肝炎是一种全球性传染病,预计全球有超过1.15亿人受到感染,对人类健康构成严重威胁。目前西医针对丙型肝炎的治疗方案中存在不良反应多、费用昂贵及潜在耐药风险等亟待解决的诸多问题。与很多其他疾病一样,丙肝患者在对常规西医治疗感到不满或产生耐药性时,往往会寻求补充和替代药物治疗。近年来草药制剂在治疗丙型肝炎的临床实践及研究中被证明有一定疗效,现今临床实践中仍广泛使用,大量临床随机对照试验已公开发表。但由于其研究成果转化应用率低,未能为临床实践指南的制定提供高级别的证据,不少治法和方药难以总结和推广。如何进一步提高草药制剂治疗丙型肝炎临床研究的质量,形成可供推广使用的高级别证据,研究意义重大。研究的第一部分为国内外治疗丙型肝炎研究进展的文献综述;第二部分为草药制剂治疗丙型肝炎的质量评价研究;第三部分为草药制剂治疗丙型肝炎随机对照试验疗效及安全性的系统评价。方法:系统检索国内外10个数据库和3个临床试验注册库的随机对照试验。干预措施为草药制剂,治疗组为包括中药汤剂、中药制剂(片、丸、散、胶囊、注射剂等)以及草药,药材以及植物部位的活性成分提取物均属于草药范畴。对照措施为不治疗、安慰剂、特异性抗病毒治疗和非特异性对症支持治疗。在质量评价研究中,先经过资料提取,再使用Cochrane“偏倚风险评估”工具及CONSORT(2010版)条目对纳入随机对照试验的方法学质量和报告质量进行评价,同时对现有临床研究报告结局进行归纳和总结。系统评价观测的结局指标包含全因死亡率、严重不良事件发生率、健康相关的生存质量、丙肝肝相关死亡率、丙肝相关并发症发生率、持久病毒学应答失败率、非严重性不良事件发生率、生化学应答和分开报告的非严重不良事件。按照Cochrane系统评价手册进行文献筛选、资料提取和方法学质量评价。使用Revman5.3进行数据综合,并且进行试验序贯分析。结果:纳入114篇符合纳入标准的临床研究进行质量评价,随机方法、分配隐匿、盲法、脱落及方案注册的实施报告率分别为17.5%、4.4%、14%、20.2%、5.3%。CONSO RT(2010版)37个条目中,报告质量好的是结构式摘要、纳入标准、干预措施、统计学方法;报告质量一般的是资料收集的场所和地点、招募期和随访时间、危害;其余条目报告质量差或极差(条目报告率≤10%)。英文研究的报告条目数更多(P<0.001)。这114项研究中报告了 27个结局,最常报告的为丙氨酸转氨酶定量水平(64项RCT,56.1%),不良事件(58项RCT,50.9%),早期病毒学应答(50项RCT,43.9%)。系统评价最终纳入24篇随机对照试验,共涉及1946位受试者。所有研究被评为高偏倚风险。有3项研究报告了全因死亡率,设计3位受试者,分别为自杀、肝癌死亡以及不明原因死亡;5项研究报告了严重不良事件发生率,均无显著性差异;有5项研究报告了生活质量(SF-36量表、慢性肝病调查表、WHO自我管理生活质量问卷、亚利桑那性体验量表、生活质量问卷),组间对比具无差异。Meta分析:1.全因死亡率:2项研究显示草药制剂与安慰剂对比无显著性差异(FE,RD=0.01,95%CI[-0.03,0.06],I2=0,168位受试者);2.严重不良事件:4项研究显示草药制剂与安慰剂相比无显著性差异(FE,RD=0.03,95%CI[-0.01,0.08],I2=0,270位受试者);3.持续病毒学应答:9项研究显示草药制剂联合抗病毒治疗优于单用抗病毒药物(FE,RR=0.75,95%CI[0.62,0.91],I2=54%,620位受试者),亚组分析显示中药复方联合抗病毒药物治疗优于单用抗病毒药物(FE,RR=0.66,95%CI[0.51,0.85],I2=0%,548位受试者);4.非严重不良事件:9项研究显示草药制剂的非严重不良事件发生率明显高于安慰剂对照(FE,RR=1.28,95%CI[1.07,1.54],I2=37%,877位受试者),6项研究显示草药制剂联合抗病毒药物治疗非严重不良事件发生率明显低于单用抗病毒药物(FE,RR=0.89,95%CI[0.82,0.98],I2=70%,442 位受试者);5.生化学应答(丙谷转氨酶):4项研究显示草药制剂联合抗病毒治疗优于单用抗病毒药物(FE,RR=0.66,95%CI[0.45,0.93],I2=0,219 位受试者)。结论:对于丙型肝炎患者,目前的研究表明草药制剂联合抗病毒药物治疗在获取持久病毒学应答及丙谷转氨酶阴转上可能存在更好的疗效,草药制剂联合抗病毒治疗非严重不良事件发生率低于单用抗病毒药物治疗。但试验序贯分析显示目前尚未达到meta分析所需要的样本量,未来需要纳入更多的研究以验证草药制剂联合抗病毒药物治疗丙肝的疗效和安全性。纳入研究对严重不良事件报告的数量有限,对安全性结局应当持谨慎态度。该证据由于受到方法学质量、研究数量和样本量的限制,其证据级别较低。草药制剂可以尝试作为治疗本病的补充疗法。建议未来临床研究对全因死亡率、严重不良事件及生活质量这三项核心结局进行观察和报告。同时,尽可能地延长随访时间以评价草药制剂的远期疗效或终点结局事件,如并发症发生率、丙肝相关死亡率等。
其他文献
目的:雷公藤红素具有抗炎症反应、抑制肿瘤血管生成、抑制肿瘤生长、抑制肿瘤转移等多种药理作用。为了揭示雷公藤红素抑制肝癌转移的重要机制,我们在研究肝癌转移的过程中发现细胞骨架蛋白Ezrin的Thr567位点的磷酸化改变能够抑制肿瘤细胞的侵袭和转移。为进一步研究雷公藤红素是否通过影响Ezrin磷酸化实现抑制肝癌细胞迁移的作用,通过蛋白质免疫沉淀实验检测细胞裂解液中Ezrin磷酸化水平,对肝癌迁移进行研
学位
近年来,在大数据和大模型的背景下,分布式机器学习成为了主流的解决方案。而传统的集中存储式的分布式机器学习存在隐私泄露等问题。联邦学习旨在以保护隐私的方式有效地利用数据孤岛的数据训练统计模型。联邦学习已成为活跃且有巨大前景的分布式机器学习新范式。当前联邦学习存在几个关键且艰巨的挑战:统计异质性、通信成本昂贵、个性化能力不足。统计异质性指的是联邦学习中客户端之间的数据分布存在差异,这种非独立同分布特性
学位
容器化技术具有支持快速部署Web应用程序和提高云数据中心资源利用率等潜力,因此它被广泛应用到微服务架构中。尽管现有的容器化技术已经得到了很好的发展,然而,随着用户对应用需求的不断增长,导致云数据中心对计算资源的需求也不断增长。因此,如何有效地解决应用程序的快速部署和提高云数据中心的资源利用率,从而减少物理机的使用数量则成为亟待解决的问题。容器部署是一个NP难组合优化问题。进化算法作为一种成熟的具有
学位
遥感图像中的语义分割,对土地调查以及灾后土地管理恢复等方面具有重要的实用价值。由于不同数据域的遥感图像中,地物细节信息丰富,地貌情况也各不相同,数据集标注难度大,使用传统方法存在模型学习效率较低和泛化性弱的问题。因此针对遥感图像语义分割的域适应方法具有十分重要的意义。随着大数据时代的到来,深度学习算法得到了高速发展,基于卷积神经网络的语义分割方法也层出不穷。本文在总结并分析国内外域适应遥感语义分割
学位
甲醇在工业中的应用非常广泛,铜基催化剂催化甲醇分解是低成本利用甲醇的方案之一。本文选择了表面铜原子配位数分别为9和7的密堆积Cu(111)表面和较开放的Cu(110)表面,利用平板超胞模型、周期性密度泛函理论和微观反应动力学原理,结合遍历历史求和表象方法,对Cu(111)和Cu(110)表面催化甲醇脱氢分解涉及到的基元反应进行热力学和动力学研究。首先,本文研究了反应网络中的9个反应中间体在Cu(1
学位
昂贵优化问题,指优化问题的评价难以用函数的形式表示,或评价一次需要较长的时间。在工程领域和理论实践中,存在着许多昂贵优化问题,如电力系统的控制器参数整定,需要消耗较长的时间获取评价值。优化中常用的元启发式算法能够获得令人满意的解,但是需要非常多的评价次数。对于昂贵优化问题,评价次数高等价于时间等资源成本的增加。为了在很少的评价次数内、快速收敛到更优解,近十几年来,专家学者们提出用代理模型近似昂贵的
学位
改革开放40年来,美国多次主动对中国单方面发起贸易摩擦,利用市场经济地位问题牵制中国。中美经贸关系经历了从破裂到合作再到制裁、从贸易自由化到贸易保护主义的历史巨变,摩擦领域逐渐从劳动密集型产品转向技术密集型产品。自2006年始,中美摩擦从贸易领域转向科技领域,美国对华的实施战略从贸易战转向科技战,以及2017年特朗普政府发起的“301调查”所引发的中美科技脱钩,导火索指向《中国制造2025》中着力
学位
随着大数据时代的到来,日益累积的金融时间序列数据在人们日常生活中扮演着重要的角色.金融数据的波动是由多个影响因素以某种方式相互混合的结果.在没有任何先验知识的情形下,从金融时间序列数据自身出发,去寻求数据的内部形成机制,这将有助于人们对数据的进一步认识,更好地服务于大众.独立成分分析(ICA)作为一种经典的数据分析工具,可以仅从观测数据出发,估计出数据产生的隐变量模型和相互独立的隐变量,挖掘数据产
学位
目前,互联网科技在人们的生活中至关重要,网络上产生了很多表达情绪、观点的语句。这些海量的短文本信息不仅能够对个人决策提供帮助,而且对企业运营、产品优化等方面也具有很高的价值。因此,对网络短文本的情感分析成为了重要研究方向。自然语言处理技术实现了人和计算机之间的有效通信,机器学习和深度学习近几年已经在文本分析领域取得了非常好的成效,然而大多数算法在词向量的获取、语义信息的挖掘,以及模型优化等方面,还
学位
支持向量机因其泛化能力强,分类效果好而被广泛应用。不同于传统的支持向量机模型,最小二乘支持向量机只需求解一个线性方程组即可得到闭式解,训练速度快,因而被广泛应用于分类问题。但最小二乘支持向量机模型容易受到离群点和噪声的影响,往往使得其分类精度下降。其次,这些已有的分类模型在处理问题时,基于类平衡的假设,导致其在处理不平衡数据的分类问题时,对少数类的分类效果很差。因此,本文将探究如何降低离群点和噪声
学位