2019 年由非依从性学术研究联盟（NARC）发布的《心血管临床试验中药物不依从报告、解释和分析的标准化分类与框架》，旨在解决心血管临床试验中依从性评估不一致、数据解读混乱的问题，为从早期研发到上市后研究的药物依从性管理提供统一标准。以下是核心要点解读：
一、核心定位与发布信息
|
项目 |
详情 |
|
发布机构 |
非依从性学术研究联盟（NARC） |
|
发表期刊 |
European Heart Journal（2019 年，40 卷 25 期，2070-2085 页） |
|
DOI |
10.1093/eurheartj/ehy377 |
|
核心目标 |
统一依从性分类、报告、数据收集与分析方法，提升试验结果可靠性与可比性 |
|
适用场景 |
心血管药物临床试验（从 I 期到上市后），也适用于其他治疗领域 |
二、依从性分类系统（核心框架）
该分类基于 4 个维度：不依从类型、决策来源、临床场景、发生时机，共分 4 种类型，含亚型与分层。
|
类型 |
定义 |
亚型 / 说明 |
|
Type 0（最佳依从） |
研究期间用药符合方案，允许≤5% 偏离（总暴露 95%-105%） |
无亚型，为理想状态 |
|
Type 1（方案执行偏差） |
偏离方案超 5% 但未达暂停 / 永久停药标准，为非连续、偶发的摄入错误 |
1a：持续使用不同剂量；1b：间歇性暴露不足（总暴露＜95%）；1c：暴露过量（总暴露＞105%） |
|
Type 2（临时停药） |
停药持续时间超药物药理活性期（末次服药至药效消失的时间），之后恢复用药 |
按停药原因分层：安全性、有效性、患者 / 医生决定等 |
|
Type 3（永久停药） |
停药持续至研究结束，不再恢复用药 |
按停药原因分层：安全性（如严重不良反应）、有效性（如疗效不佳）、患者意愿、医生决策、方案要求等 |
三、数据收集与报告标准
-
评估方法
-
优先选择客观指标：药物浓度检测、电子药盒、药片计数、处方记录等。
-
主观指标（如患者报告）仅作补充，需结合客观数据验证。
-
报告内容
-
明确各类型不依从的发生率、时间分布、持续时间、停药原因及对疗效 / 安全性的影响。
-
按研究分组、时间节点（如治疗早期 / 中期 / 晚期）分层报告。
-
决策来源标注
-
区分医生决定、患者自主、方案要求、不良事件、疗效不佳等不同停药原因。
四、数据处理与分析推荐
-
意向性治疗（ITT）分析：保留所有随机患者，不排除不依从者，反映实际临床效果。
-
符合方案（PP）分析：仅纳入依从性良好（Type 0）的患者，评估药物的潜在疗效。
-
敏感性分析
-
按不依从类型分层分析，评估对主要终点的影响。
-
采用多重插补法处理缺失数据，避免结果偏倚。
-
统计方法
-
连续变量（如暴露百分比）与分类变量（如不依从类型）结合分析。
-
采用 Cox 比例风险模型等评估不依从对终点事件的影响。
五、临床意义与应用价值
-
提升试验结果可靠性：统一标准减少评估偏倚，使不同研究结果可直接比较。
-
助力监管决策：为 FDA 等机构提供更准确的药物疗效与安全性数据。
-
指导临床实践：明确真实世界中依从性对药物效果的影响，优化治疗方案。
-
推动质量改进：为临床试验设计提供参考，减少因依从性问题导致的研究失败风险。
六、执行要点与注意事项
-
试验设计阶段需预设依从性评估方法、分类标准及数据收集流程。
-
明确药物药理活性期（基于半衰期与药效学数据），作为判断临时 / 永久停药的依据。
-
加强研究人员培训，确保依从性评估与数据记录的一致性。
-
上市后研究中需持续监测依从性，及时发现并解决临床应用中的问题。