統計分析

(一) 研究族群特性之描述性統計分析

描述性統計分析的目的乃在於了解 SU 與 Non-SU 組、GLY 組與 Non-GLY 組 病人群，在年齡、性別等族群基本特性上的差異，以及在新開方糖尿病藥物前與 新開方糖尿病藥物後，在各糖尿病藥物與心血管藥物的使用人數比例上的差異，

以了解族群的特性。本研究針對各組別將進行以下描述性統計分析：

1. 新開方日期前 365 天： 分析 SU 組與 Non-SU 組、GLY 組與 Non-GLY 組，在新開方日期前365 天，使用各種心血管藥物的人數比例之差異性。

2. 新開方日期之後至追蹤結束：分析 SU 組與 Non-SU 組、GLY 組與 Non-GLY 組在新開方日期之後，使用各種心血管藥物人數比例、使用各 種糖尿病藥物人數比例、發生三種研究終點事件人數比例、以及納入時 的年齡、性別分布等特性是否有差異。針對GLY 組與 Non-GLY 組病人 群，分析總研究期間內，使用各種sulfonylureas 藥物的狀況。

3. 初次開方 SU 時：針對 GLY 組與 Non-GLY 組，在其初次開方 sulfonylureas 時，進行就醫科別、初次使用各個sulfonylureas 的劑量等處方型態的描述

her exact tes

研究終點事 dent Cox’s p 析。對於每個

al hazard mo

，先單獨放

件-Non-SU 組 率、每1000

Whiteney U square test)或

zard ratio, c 追蹤總

行多變項迴歸分析，檢定包括sulfonylureas 藥物等所有變項對於研究終點 事件是否顯著，並且計算出各變項對於研究終點的校正後危害比(adjusted hazard ratio, adjusted HR)。此檢定進行方式如下：

(1) 是否發生事件為應變項。自變項部分，納入時的年齡、性別為非時 間相關的變項；而其他糖尿病藥物與各種心血管藥物的使用則記錄 為時間相關變項。

(2) 針對每個研究終點事件，進行兩種迴歸模式(regression model)的分析，

第一種模式為「研究終點事件前30 天用藥模式(30 days before endpoint event model)」，簡稱｢事件-30 天模式(event-30-day model)｣，

第二種模式為「研究終點事件前365 天用藥模式(365 days before endpoint event model)」，簡稱｢事件-365 天模式(event-365-day model)

｣。而兩種模式又根據用藥紀錄方式不同分成只記錄「是否暴露藥品

｣的｢模式A (model A)」，以及記錄「累積暴露劑量｣的｢模式 B (model B)」兩種形式，其定義詳述如下，並參考 Figure 4-6 及 Figure 4-7：

a. 第一種模式—「研究終點事件前 30 天用藥模式(30 days before endpoint event model)」，簡稱｢事件-30 天模式(event-30-day model)

｣。對研究族群每位糖尿病患者，若有研究終點事件發生時，均 回溯每位病患在事件發生日期前30 天暴露藥品的狀況，目的在 於評估短期內藥物使用對於研究終點事件的影響。而藥品暴露 的記錄方式又可分為「模式A (model A)｣ 和｢模式 B (model B)

｣。模式A 只記錄在研究終點事件前 30 天是否有暴露到各類藥 品，有則記錄為1，沒有則記錄為 0；模式 B 則針對每種口服降 血糖藥物，記錄研究終點事件前30 天暴露到的總劑量(以 DDD 為單位)，其計算方式為：「平均單日劑量(DDD/day)」乘以「實

際暴露天數(day)」，以評估藥品暴露程度的可能影響。

b. 第二種模式—「研究終點事件前 365 天用藥模式(365 days before endpoint event model)」，簡稱｢事件-365 天模式(event-365-day model)｣，目的在於評估長遠前之藥物使用可能的影響。其作法 與前述第一種模式相似，只是病人發生研究終點事件時，均回 溯全體病患前365 天的用藥狀況。如同前 30 天模式，本類模式 也分為「模式A (model A)」及「模式 B (model B)」兩種藥物暴 露之記錄方式。

(3) 在迴歸分析時，使用 stepwise 方法進行變項篩選，p 值小於 0.15 的 變項才能進入初步的迴歸模式中，然後逐次剔除p 值大於 0.05 的變 項，直到所有變項的p 值均小於 0.05 為止。

2. 將上述迴歸模式中的 Sulfonylureas 藥物的變項，進一步細分為第一代 sulfonylureas、glyburide、gliclazide、glipizide、glimepiride、gliquidone，

同樣加入其他糖尿病藥物、心血管相關藥物、年齡、性別等相關因子，

進行上述模式的多變項Cox 迴歸分析，以觀察 glyburide 與其他

sulfonylureas 類藥品，對於研究終點事件的發生是否達到顯著意義，並計 算其HR。

3. 上述之迴歸分析並非依照描述性統計時的 SU 組與 Non-SU 組兩組直接進 行比較，而是針對整個研究族群一起進行分析。因此是否暴露

sulfonylureas 藥物，是依照各病患在整個研究族群中有人發生研究終點事 件的前30 天與前 365 天的暴露狀況而定，而非該病患在分組時的組別。

利用此方式計算出包括sulfonylureas 等所有相關藥物變項與年齡、性別，

對於研究終點事件的顯著程度與風險(HR)。

Figu

Figure 4

ure 4-7 本研

-6 迴歸模式

研究進行之

式示意圖

之迴歸模式列列表

(三) 統計軟體

本研究是利用SAS^® 統計軟體 9.1 版與 Microsoft^®Office Excel 2007 進行資料整 理與統計分析。

Table 4-2. 納入研究的糖尿病藥物列表(DDD

, mg)

Sulfonylureas Acetohexamide (500) Chlorpropamide (375) Tolazamide (500) Tolbutamide (1500) Glyburide (10) Gliclazide (160) Glimepiride (2) Glipizide (10) Gliquidone (60)

Biguanides Metformin (2000) Buformin (200)

Meglitinides Nateglinide (360) Repaglinide (4)

Thiazolidinediones Rosiglitazone (6) Pioglitazone (30)

Alpha-glucosidase inhibitors Acarbose (300)

Insulins Insulin aspart Insulin glargine Insulin lispro

Insulin zinc suspension Insulin isophane Insulin human

Insulin chromatographed Insulin monocomponen Insulin detemir

Insulin protamine

a. DDD: defined daily dose

Table 4-3 納入分析的心血管藥物列表

ACEIs ARBs CCBs Diuretics β-Blockers

Benazepril Ethacrynic acid Furosemide α1-Blockers Other hypotensives Antiplatelets Nitrates Digitalis Bunazosin Guanethidine sulfate Hydralazine Isosorbide dinitrate Nitroglycerin

Digoxin Digitoxin

Fibrates Pro-circulatives Statins Bezafibrate