➥當全球壟罩在COVID-19的疫情下，從累積的病例分析發現，原本有高血壓、糖尿病及心血管疾病的患者是最脆弱的族群。
這些病患比一般人更常服用血管收縮素轉化酶抑制劑(angiotensin-converting enzyme inhibitor，ACEI)和血管收縮素受體阻滯劑(angiotensin-receptor blockers，ARBs)等抑制腎素-血管收縮素-醛固酮系統(renin-angiotensin-aldosterone system，RAAS)的藥物。
因為ACE2為新冠病毒感染的重要受體，所以有學者擔心使用這些與ACE2有關的降血壓藥會增加感染SARS-CoV-2及重症的風險。但是，這些藥物對病患原本的病情控制十分重要，如果貿然停用可能會帶來更大的問題。
其次，過去研究也發現，抑制RAAS具有保護肺部傷害的作用。目前還沒有明確的臨床證據證實ACEI/ARBs等藥物對SARS-CoV-2病患可能的益處或風險時，一般醫學會還是建議除了標準的臨床適應症外，不要停止使用這些藥物。
一篇來自美國俄亥俄州克利夫蘭醫學中心的Mehta醫師等人於5月5日發表在JAMA Cardiology的最新文獻，報告在今年三至四月間分析共18,472位接受COVID-19篩檢的病患，其中2285位（12.4%）有服用ACEI或是ARBs藥物。
結果發現，使用上述降血壓藥物與COVID-19陽性率之間沒有顯著關係（OR, 1.09; 95% CI, 0.87-1.37）。這些結果支持了當前各學會對繼續進行ACEI或ARBs治療的建議，因為沒有證據認為這些藥物會增加感染COVID-19的風險。
但是，值得注意的是，進一步對1,735名COVID-19陽性的病患進行的次級分析發現，服用ACEI / ARBs與需要接受住院治療（OR為1.93；95% CI為1.38-2.71）甚至轉入加護病房（OR，1.64；95% CI，1.07-2.51）之間存在顯著關聯，顯示那些使用ACEI / ARBs藥物的確診患者疾病嚴重程度更高。
儘管具有統計學意義，但本文作者認為應該謹慎解釋這些次要分析的結果。為了更了解此比較效果研究（comparative effectiveness research）中影響的關鍵因素，作者針對主要分析及次級分析的優勢和劣勢，分別從干擾因子（confounding）、可推論性（generalizability）、選擇偏差（selection bias）、治療分類錯誤（treatment misclassification）和精確度（precision）等角度深入探討。
舉例來說，在次級分析中，干擾因子是同時與ACEI / ARBs治療和結果（即住院和ICU入院）有關的變項。如前所述，有心血管疾病或其他危險因素或合併症的病患可能需要接受ACEIs / ARBs治療，而這些疾病的因素本身也可能直接影響是否需要住院、轉入ICU的結果。
此外，疾病本身還可能有一些間接的影響；因為當病患有心血管疾病和其他合併症時，會被認為比一般人群有更高的重症風險，因而會讓臨床醫生更傾向讓病患住院或將其轉入加護病房接受治療。
Mehta醫師等人的次要分析雖然針對年齡、心血管疾病和危險因素進行了調整，但是可能會有無法衡量的干擾因子，或是調整臨床醫生對某些病患需要住院治療的決定。
簡言之，本文作者認為，前述Mehta醫師文章提供了重要的臨床數據，以支持當前有關COVID-19大流行中ACEIs / ARB使用的治療建議。雖然受限於「觀察性資料」以及當前COVID-19大流行執行研究的困難，前述文章仍是一個良好的觀察性研究。
但是，研究結果可能適用於特定族群，亦即有接受COVID-19篩檢的對象。因此，未來隨著測試變得越來越普遍，並且透過針對與COVID-19篩檢有關的因素進行調整的研究，方能進一步確認Mehta醫師等人的分析結果。
另外，前述文章的作者對次要結果分析的解釋也有限制；其所觀察到使用藥物與住院或轉入加護病房的關聯可能是真實的，但也很可能是被干擾因子解釋的，不應將其推斷為因果關係。(「財團法人國家衛生研究院」齊嘉鈺醫師 摘要整理 ➥https://forum.nhri.org.tw/covid19/virus/j_translate/j892/ )
📋 Understanding Observational Treatment Comparisons in the Setting of Coronavirus Disease 2019 (COVID-19) (2020/05/05)+中文摘要轉譯
■ Author：
Laine E. Thomas, Robert O. Bonow, Michael J. Pencina, et al.
■ Link：
(JAMA) https://jamanetwork.com/journals/jamacardiology/fullarticle/2765694?resultClick=1
🔔豐富的學術文獻資料都在【論壇COVID-19學術專區】
■ http://forum.nhri.org.tw/covid19/
#2019COVID19Academic
衛生福利部
疾病管制署 - 1922防疫達人
疾病管制署
@國家衛生研究院-論壇
confounding統計 在 Chapter 6 Simulating Data with R | RLads Lab 的推薦與評價
接下來，我們要透過剛剛所學的東西去模擬統計學中的混淆因子(confounder) 與對撞因子(collider)。 6.4 混淆因子(Confounder / Confounding Variable). 下方的這張散布圖 ... ... <看更多>