我们今天来聊聊虚拟世界临床科学研究的该文。

国际高血压联盟（IDF）第 7 版高血压地图表明， 2015 年全球成人高血压病人 4.15 亿，到 2040 年预计将有 6.4 亿以上的成年人患有高血压[1]。有信息表明，75％的 2 型高血压病人死于心脑血管疾病，2型高血压病人的冠状动脉炎症以细小、弥漫、钙化、多支血管炎症多见[2-3]。

近年来，不少科学研究发现，新型降糖药钠-葡萄糖共蛋白 2（SGLT-2）拮抗剂有明确的心脑血管获益。

中南大学第二附属医院桑海强等发表的这项具体来说虚拟世界 的科学研究进一步发现，对于分拆高血压的 2 型高血压病人，SGLT-2拮抗剂贝特列净能减少全因丧生和心脑血管丧生信用风险，但未能减少非伤人性心肌梗塞、肝病、血运重建和再住院信用风险。

该科学研究是这项里程碑式数组科学研究。

该科学研究telmisartan预测2018 年1 月至2020 年 5 月在中南大学第二附属医院眼科住院的高血压病人，从中甄选出 1981 例新发或此等 2 型高血压病人，其中671例服药贝特列净的病人列入贝特列净组，其余未服药贝特列净的1 310病人列入安慰剂。

该科学研究的曝露是贝特列净，主要就科学研究起点包含全因性丧生、心脑血管丧生、非伤人性心肌梗塞和肝病，更为重要科学研究起点是血运重建和再住院。

预测结果如下表所示

预测表明，平均随访12.7个月期间，主要就科学研究起点预测中，与安慰剂相比，贝特列净组全因丧生死亡率（2.2% vs. 6.5%；HR=0.440，95% CI：0.254~0.762，P=0.003）和心脑血管丧生死亡率（1.9% vs. 5.8%，HR=0.427，95% CI：0.237~0.769，P=0.005）减少，但非伤人性心肌梗塞死亡率（HR=0.786，95% CI：0.411~1.429，P=0.402）和肝病死亡率（HR=1.093，95%CI：0.627~1.904，P=0.754）未减少。

在更为重要科学研究起点预测中，贝特列净组血运重建死亡率 （HR=1.029，95% CI：0.645~1.643，P=0.904）和再住院死亡率（HR=1.091，95% CI：0.813~1.464，P=0.562）未减少。

多不利因素Cox重回预测，贝特列净是全因丧生（HR=0.450，95% CI：0.258~0.785，P=0.005）和心脑血管丧生（HR=0.434，95% CI：0.239~0.787，P=0.006）独立影响不利因素。

在结论中译者指出，作为一种 SGLT-2 拮抗剂，贝特列净改善高血压临床结局的制度可能涉及数个方面，包含降糖、降压、减重、抑制炎症。

这首诗是虚拟世界telmisartan科学研究（即里程碑式数组科学研究），其PICO分别为：

P: 科学研究对象1981 例新发或此等2 型高血压病人

I或者E: 曝露是贝特列净

C：安慰剂是未服药贝特列净

O: 包含主要就指数和更为重要指数：主要就科学研究起点包含全因性丧生、心脑血管丧生、非伤人性心肌梗塞和肝病，更为重要科学研究起点是血运重建和再住院。

语言学方法如下表所示：

采用SPSS 22.0软件进行统计预测。

全同粒子用阿达马±标准差（±s）表示，进行分类表达式以率或百分比或频率表示。全同粒子假如合乎随机变量且等标准差则用独立样本t检测，不等标准差则用校准t检测；假如不合乎随机变量，则用Wilcoxon德圣茹检测。

进行分类表达式用χ2检测，理论蟹蛛科花<5，采用校准χ2检测，理论蟹蛛科花<1采用Fish确切概率法。

用Kaplan-Meier法绘制存活直线评估高血压分拆2型高血压病人预后，通过log-rank检测和Breslow比较两组直线之间的差别。

将单不利因素Cox信用风险比例重回预测中P<0.1和重要临床意义的指数列入多不利因素Cox信用风险比例重回预测。以P<0.05为差别有语言学意义。

现在我从语言学角度预测该书。

这一篇来自于戏称宇宙第二医院的中南大学第二附属医院的telmisartan该文还是很给力的，它具体来说较大估计值的病人来预测，在真实的环境下积极开展药物贝特列净对预防早死的作用，同时运用了规范的语言学预测方法。

我认为结果可信，证据产生的过程也是科学的。

不过作为预测该文的语言学老师，我还是有些小的建议。假如是这首诗的译者看到了本预测，还请您见谅我的指手画脚。

（1）这首诗在起点和更为重要起点分别设置，这很好。不过，主要就起点数个，更为重要起点一个，这个不太合适。通常是主要就起点1-2个，而更为重要起点可以更多些，而且假如主要就起点有数个，可以考虑形成复合起点，或者统计预测时需要进行假阴性率的控制。

（2）译者事实上写出了科学研究对象的甄选过程，但学术论文缺乏流程图有点美中不足（也可能是杂志社嫌篇幅太大砍了）。

（3）缺乏缺位信息的处理制度，事实上，telmisartan数组科学研究，协表达式缺位是一个很常见的现象，通常来说，合理处理缺位信息应该是不可或缺的一部分。

（4）多不利因素重回是一个需要小心的地方。事实上，我们虚拟世界积极开展多不利因素重回，不是简单的先西微南多，把单不利因素P值很小者列入就完事了，要注意估计值是否足够支持积极开展重回预测。存活预测Cox重回通常要求阴性尖额是特征值数的5-10倍以上，上例阴性尖额还欠缺些。当然telmisartan科学研究阴性为王，也说不上该书就是不对，但特征值太多，往往建模可能会失败。

虚拟世界科学研究，不推荐先西微南多，毕竟这类科学研究往往聚焦于一个曝露不利因素。通常要挑选特征值列入模型，更推荐采用效应改变法