本页目录
循证 V · 替代终点与指南是怎么做出来的
本页处理证据链条上最脆弱的两环：用什么来衡量"有效"，以及谁把证据变成"应该这样做"。这两环出问题时，前面所有的严谨都会被抵消。
1. 硬终点与替代终点
硬终点（patient-important outcome）：死亡、心梗、卒中、住院、骨折、失明、症状、功能、生活质量——患者自己在乎的事。
替代终点（surrogate)：血压、LDL、糖化血红蛋白、骨密度、肿瘤缩小率、CD4 计数、病毒载量、室性早搏数、脑淀粉样蛋白负荷——测起来快、便宜、事件多，因而能大幅缩短试验。
替代终点的合法性条件（Prentice 准则）非常严格：干预对硬终点的全部效应必须通过该替代终点传导。这在实践中极难满足，因为：1. 干预常有多条通路（有的有益、有的有害）；2. 替代终点与结局的相关性不等于"改变它就改变结局"。
一句话判据："某指标是风险因素"与"改善该指标能改善结局"是两个独立的命题，后者必须单独证明。
2. 替代终点失败的经典名单
这份名单是本站最重要的教学材料之一，因为每一条当年都被认为显而易见：
| 干预 | 替代终点 | 硬终点结果 |
|---|---|---|
| Ic 类抗心律失常药（氟卡尼、恩卡尼） | 室性早搏减少 ✓ | CAST 试验：死亡率显著升高，试验提前终止 |
| 烟酸、CETP 抑制剂（托彻普） | HDL 升高 ✓ | 心血管事件无改善；托彻普组死亡率升高 |
| 强化降糖至接近正常（ACCORD） | 糖化血红蛋白降低 ✓ | 全因死亡率升高，该组提前终止 |
| 氟卡尼类以外：多种正性肌力药 | 心输出量、症状改善 ✓ | 长期死亡率升高 |
| 雌激素替代（观察性 + 替代指标） | 血脂改善 ✓ | WHI：无心血管保护 |
| 氟化物治骨质疏松 | 骨密度显著升高 ✓ | 骨折反而增加（新骨质量差） |
| 罗非昔布（COX-2 抑制剂） | 胃肠道内镜下溃疡减少 ✓ | 心血管事件增加 → 撤市（第 20 页） |
| 贝伐珠单抗用于转移性乳腺癌 | 无进展生存期延长 ✓ | 总生存无改善 → 该适应证被撤销 |
共同结构：机制讲得通 + 替代指标改善 + 医生的强烈直觉 = 仍然可能有害。 🔗 姊妹站收官页把这条列为全课七主题之一。
替代终点合法的少数例子：HIV 病毒载量与 CD4（与临床进展的关联极强且被多项试验反复验证）、血压与卒中（多个不同机制的降压药都降低卒中，说明是血压本身在起作用）、LDL 与心血管事件（他汀、依折麦布、PCSK9 抑制剂三类机制不同的药一致降低事件，加上孟德尔随机化的支持）。
注意上面两个成功例子的共同特征：多种不同机制的干预，改变同一个替代指标，都得到一致的硬终点获益。这才是替代终点被"验证"的真正标准——单一药物的单一试验做不到。
3. 加速批准：制度化的替代终点
监管机构允许在替代终点上批准药物（尤其肿瘤与罕见病），条件是上市后完成确证性试验。
这个制度的收益与代价都是真实的：它让致命疾病的患者更早获得药物；但确证性试验常延迟多年甚至未完成，而已上市的药物很难撤回。多项审计研究发现，相当比例的加速批准适应证在多年后仍缺乏确证性证据，或确证试验仍以替代终点为主。第 20 页展开监管细节。
4. 指南是怎么做出来的
理想流程：定义问题（PICO）→ 系统综述 → GRADE 评级 → 权衡收益危害 → 考虑患者价值观与资源 → 形成推荐 → 外部评议 → 定期更新。
现实中的六个薄弱环节：
| 环节 | 问题 |
|---|---|
| 证据基础 | 大量推荐建立在低质量证据或专家意见上——多项分析显示，主要学会指南中"基于最高级别证据"的推荐只占少数 |
| 利益冲突 | 指南委员会成员与药械企业的经济关系普遍；部分指南的多数专家有相关利益申报 |
| 专业学会的立场 | 制定某领域指南的往往正是该领域的专科医生，存在系统性的"扩大适应证"倾向 |
| 阈值的选定 | 高血压、糖尿病、血脂的诊断阈值每次下调，都会一夜之间制造出数千万"患者"——阈值的选定常缺乏明确的收益-危害分析 |
| 更新滞后 | 新证据出现后指南更新常需数年 |
| 推荐强度与证据强度错配 | 第 08 页的 GRADE 分离原则在实践中经常被违反 |
判断一份指南质量的工具是 AGREE II，其核心维度包括：范围与目的、参与人员（是否有患者与非专科代表）、制定严谨性（是否系统检索、是否明示证据到推荐的链接）、表达清晰、适用性、编辑独立性（利益冲突管理）。
一条实用的读法：直接翻到每条推荐后面的证据等级与推荐强度。若大量推荐是"专家共识/C 级证据"，那这份指南在很大程度上是一群人的意见，虽然可能是最好的可得意见。
5. 当指南互相矛盾时
这不是罕见情况。同一主题上，不同国家、不同学会的指南常给出不同阈值与不同起始年龄（乳腺癌筛查起始年龄、PSA 筛查、他汀一级预防阈值、血压目标值）。
分歧的来源通常不是"看到了不同证据"，而是：
- 对同一证据的收益-危害权衡不同（把过度诊断看得多重？）；
- 对患者价值观的假设不同（默认患者厌恶风险还是厌恶吃药？）；
- 卫生系统与支付背景不同；
- 委员会构成不同（专科学会 vs 独立预防服务工作组，后者通常更保守）。
推论：当指南分歧时，多半意味着这是一个真正需要共同决策的问题——分歧本身就是信息：它告诉你这里没有一个对所有人都正确的答案（第 24 页）。
6. 去实施（de-implementation）：比新增更难的事
把无效的做法停下来，比引入新做法困难得多。已被证据推翻但仍在广泛使用的例子（各地情况不同）：
- 稳定性冠心病的常规支架（COURAGE、ISCHEMIA：改善症状但不减少心梗与死亡）；
- 膝关节退行性半月板撕裂的关节镜手术（多项与假手术对照的试验显示无差别）；
- 椎体成形术的早期热潮（假手术对照试验显示无优势，后续证据有争议）；
- 大量的常规术前检查、无症状人群的"全套体检套餐"、上呼吸道感染的抗生素。
"假手术对照试验"的存在本身值得注意：它证明了手术也有巨大的安慰剂成分（第 19 页）。在手术领域缺乏对照试验，长期以来是循证医学最大的空白之一。
去实施困难的原因：既得利益、"做点什么"的心理压力、患者期待、支付结构、以及"我见过它有用"的个人经验（第 19 页讲为什么个人经验在这里几乎必然误导）。
7. 迁移：这一页与你的工作最直接相关的一节
🔗 替代终点问题在预测与投研中的同构：
- "模型在回测上表现好"是替代终点，"实盘赚钱"是硬终点——两者的关系需要单独证明，而不是假设；
- "命题命中率"是替代终点，"决策质量改善"是硬终点——你在 2026-07 的收网校验里做的正是把替代指标对照到真正的基线；
- "改善某个中间指标的策略"未必改善最终结果，因为干预有多条通路（CAST 的教训：抑制早搏的药同时有致心律失常作用）；
- 加速批准的结构 = 先用替代指标上线、承诺日后验证——如果不设强制的确证机制，那个"日后"通常不会到来。这条对任何"先上线再评估"的系统都成立。
参考与更新
复审记录：最后复审 2026-08-02；按六个月规则，下一次常规复审不晚于 2027-02-02。若安全信号、指南/监管更新或动态清单变化，则提前复审；具体适用地区以各条来源与当地最新版本为准。
- WHO handbook for guideline development, 2nd ed.（指南制定与证据转化；2014；国际。）
- WHO handbook for guideline contextualization（指南本地化与情境化；2023；国际方法学资源。）
- CDC ACIP GRADE handbook（证据确定性与推荐判断；2024；美国公共卫生指南方法。）
线二完。下一线换一种体例：以症状为纲，走一遍临床上真正的思考顺序。