“心血管风险低6%”容易让人以为某种药在所有情况下都更好。其实，这次研究比较的是一条很具体的治疗路径：原来已经用司美格鲁肽的人，后来怎样调整。
研究的起点，是大家已经在用一种药
9月29日公布的COMPETE SWITCH CV分析，整理了636525名2型糖尿病成年人的保险理赔资料。他们开始时都在使用司美格鲁肽1毫克。
之后有人维持原方案，有人提高司美格鲁肽剂量，也有人换成替尔泊肽。研究关注其中升量和换药两种路径，而不是从未用药的人第一次选药。
心血管事件，说的是哪些事？
这里的主要不良心血管事件，包括全因死亡、心肌梗死和卒中。它与血糖下降多少、体重减轻多少是不同指标。[1]
一种治疗在体重上表现较好，不能自动推导出它在另一项人群的心血管结局上也一定较好。评价研究时，要先看它实际统计了什么。
“低6%”不是每100人就少6人
公司公告称，升量至司美格鲁肽2毫克与较低的事件风险相关，报告了约6%的相对差异。相对差异需要结合原本发生事件的可能性，才能理解实际影响。[1]
举一个纯数学例子：若某事件原来有10%的风险，相对降低6%，会变成9.4%，相差0.6个百分点。这只是解释算法，并不是这项研究的实际发生率。
为什么回顾性数据还不能定输赢？
医生不会随机决定谁升量、谁换药。血糖控制、体重变化、既往病情、费用和耐受情况，都可能影响选择，而这些人原本就可能不同。
统计调整能处理已记录的部分差异，却不能保证把所有差异都消掉。因此，较稳妥的说法是“这两条路径的结果有关联”，而不是“换药导致风险上升”。
读比较新闻，先核对三个条件
先看人群：这里是已经使用司美格鲁肽的2型糖尿病患者。再看比较方式：这里是回顾性记录。最后看终点：这里关注心血管事件，而非仅看体重。
这三个条件一变，答案就可能变化。把这次结果与另外一项肥胖减重试验并排，只凭一个百分比排名，通常不公平。
研究人数很多，就可以排除选择偏差吗？
样本多通常能让估计更精确，却不能自动把两组人变得相同。即使有几十万人，如果医生选择换药的原因与疾病风险有关，仍可能影响比较。
可以同时记录差异大小与研究设计。数字小但估计精确，不等于已经证明原因；数字大但不确定范围宽，也需要谨慎理解。
查看材料与分析资料
替尔泊肽目录页可用于核对GLP-1/GIP双受体研究材料的规格。目录材料并不是这项保险数据分析中使用的临床药品。
替尔泊肽 · Tirzepatide
核对研究材料的身份、规格及分析资料。
查看产品资料 →
