败血症被定义为由宿主对感染反应失调引起的危及生命的器官功能障碍。虽然可以对感染进行有效的干预措施，但败血症的治疗一直难以捉摸，也许是因为没有一个潜在的生物过程可以解释败血症中遇到的器官衰竭的严重程度和分布范围。这种变化与医院死亡率直接相关，从2%到32%不等。

定义败血症的表型的异质性是临床试验的一个重要问题，这个问题无法通过增加总样本量来解决——败血症死亡率最高的发生在三个以上器官衰竭患者的亚组中，这个亚组不如器官衰竭较少的亚组常见。通过登记现成但不太严重的病例来增加样本量只会增加死亡率较低的患者比例。大型“实用”试验很少适合败血症等复杂的异质性疾病。在这些问题中，败血症并不孤单。其他形式的危急疾病，如急性呼吸窘迫综合征（ARDS）和急性肾损伤（AKI），在临床和机械异质性以及治疗稀缺性方面相似。

尽管有几个例子存在强大的临床前基础，早期临床试验显示出希望，但第3阶段临床试验已经不够。第2阶段或第3阶段的失败通常意味着调查人员的“某些死亡”，然而，鉴于上述异质性，患者亚群（例如，具有特定疾病机制的患者）仍然可以获得益处。一个潜在的前进方法是使用贝叶斯方法，以便将先前干预的经验纳入后期临床试验。

许多作者主张使用贝叶斯方法，理由是（a）他们可以为分析复杂试验带来的灵活性；（b）他们整合当前试验之外的信息的能力；以及（c）他们更好地量化治疗是否有益的证据的能力。全面涵盖贝叶斯方法超出了本文的范围，我们向感兴趣的读者推荐许多已发表的文章和关键教科书，这些文章和教科书向非统计读者展示这种材料。

2023年11月8日发表在CRITICAL CARE的文章，研究人员以败血症干预随机试验为例，并解释了基于贝叶斯方法设计和分析试验的步骤。研究人员进行了一项模拟研究，其中包含美国和加拿大已发表的多中心随机临床试验的多粘附蛋白B治疗内毒素败血性休克的历史数据。历史数据来自上一次治疗败血性休克、多器官衰竭和内毒素活性为0.60-0.89的成年危重患者试验的一个179名患者亚组。试验干预包括在注册后24小时内完成的两次多粘菌素B血液吸附治疗（每次2小时）。

研究结果显示，对150名患者的新试验的模拟中，观察到了一系列假设的结果。在一系列基线风险和治疗效果以及包含历史数据的四种方式中，通过使用临床上可辩护的历史数据合并，研究人员证明了功率的增加。例如，在一个可能的试验结果中，观察到的死亡风险从44降至37%，受益概率为96%，先前数据的固定权重为75%，90%的先前有相应的（自适应加权）；如果历史数据被忽略，相同的数据给出了80%的受益概率。

APACHE调整的赔率比的潜在先前分布

综上所述，使用贝叶斯方法和生物可信的先验分布可以得出比独立试验样本量小得多的研究设计。在我们的示例中，当先前分布将75%的权重放在历史数据上时，在150名随机2:1支持干预的患者样本中，在95%概率阈值下证明收益的力量大于80%。对于治疗难以捉摸的重症监护医学试验来说，贝叶斯方法可能是一个可行的选择。

原始出处

Tomlinson, G., Al-Khafaji, A., Conrad, S.A. et al. Bayesian methods: a potential path forward for sepsis trials. Crit Care 27, 432 (2023). https://doi.org/10.1186/s13054-023-04717-x