REWIND

REWIND 研究是一项关于度拉糖肽的事件驱动的、随机、双盲、3 期心血管（CV）结局研究。¹

该研究评估了与安慰剂相比，在 50 岁及以上患有 2 型糖尿病（T2D）和已确定的心血管（CV）疾病和/或风险因素的参与者的标准治疗中的加入每周一次度拉糖肽 1.5 mg 治疗对主要心血管不良事件（因心血管原因或不明原因死亡、非致死性心肌梗死或非致死性卒中）（MACE-3）和其他严重结局的影响。¹

主要结局通过时间-事件分析进行评估。¹

Cox 比例风险回归模型用于估计风险比（HR）并计算 95% CI。 干预效果的统计学显著性基于 Cox 模型的 p 值。 为了对预先指定的中期分析进行调整并保持 0.05 的总体 I 型错误，优效性的最终双侧 p 值为 0.0467。¹

关键的次要目标遵循预先指定的图形统计方法进行多重比较，以将总体 I 型错误率的双侧 α 水平控制在 0.05 （针对中期分析进行调整）。通过这种方法，根据预先指定的方案将 α 的百分比分配给每个假设，用于确定主要终点和其他关键次要终点的各个组成部分的统计显著性。¹

REWIND 的中位随访时间为 5.4 年。¹

与安慰剂相比，度拉糖肽 1.5 mg 显著降低了 MACE-3（HR = 0.88 [95% CI 0.79, 0.99]；p = 0.026），表明在大多数无确诊 CV 疾病的人群中度拉糖肽降低 CV 事件，并体现了安全性。¹

需治疗患者数量

需治疗的患者数量（NNT）是某个时间段内接受特定疗法治疗以预防出现不良后果或事件的平均患者人数。²

NNT 取决于感兴趣事件的基础风险、研究设计和结局变量。^2-4

有多种计算 NNT 的方法

• 研究的设计，以及
• 描述感兴趣事件的变量类型。^3,4

REWIND NNT 见 表 1。^1,5

表 1. 度拉糖肽 CV 结局试验的 NNT^1,5

缩略词：CV = 心血管；CVD = 心血管疾病；ECG = 心电图；MI = 心肌梗塞；NNT = 需治疗患者数量；PCI = 经皮冠状动脉介入治疗；REWIND = 研究每周一次肠促胰岛素用于治疗糖尿病的心血管事件；UA = 不稳定型心绞痛。

^a CVD 病史定义为 MI 病史；或通过负荷试验或心脏影像检查发现心肌缺血史；缺血性中风；冠状动脉、颈动脉或外周动脉血运重建；或 UA；或因心电图改变（新发生的或恶化的 ST 波或 T 波改变）的 UA 住院，或影像学显示心肌缺血，或需要 PCI。

^b 先前 MI 或缺血性中风的事后亚组。

对总体 REWIND 人群计算的 NNT

年差异率 = 安慰剂组的发生率 - 度拉糖肽组的发生率 = 2.66 - 2.35 = 0.31 事件/100 患者年 = 0.0031 事件/患者年。⁵

鉴于研究人群和随访时间的差异，不得在不同研究之间比较 NNT。 NNT 特定于所研究的人群。这意味着相同的药物在不同的研究人群中可能具有不同的 NNT。²

此外，在计算 NNT 时，因为 NNT 计算取决于暴露持续时间，还应指定所关注的治疗暴露持续时间。²

对 CV 结局试验 NNT 的阐述

在为 CV 结果试验阐述 NNT 时，需要着重考虑

• 基线 CV 风险，和
• 随访时间。³

REWIND 研究人群由基线 CV 风险较低的参与者组成，这导致 

• 安慰剂组的 CV 事件发生率较低（2.66 事件/100 患者年），以及
• 更长的研究持续时间（中位随访 5.4 年）。¹

REWIND CV 结局试验是第一项证明 CV 有益于低风险初级预防人群的研究。¹

在 REWIND 中，62.8% 的随机人群有多种 CV 危险因素，然而，只有 31.5% 已确诊 CV 疾病。⁵

因此，REWIND 人群队列比其他胰高血糖素样肽-1 受体激动剂 CV 结局试验人群更能代表一般 2 型糖尿病人群。⁶

上次审阅日期：2023年1月6日

参考文献

1. Gerstein HC, Colhoun HM, Dagenais GR, et al; REWIND Investigators. Dulaglutide and cardiovascular outcomes in type 2 diabetes (REWIND): a double-blind, randomised placebo-controlled trial. Lancet. 2019;394(10193):121-130. https://doi.org/10.1016/S0140-6736(19)31149-3

2. Laupacis A, Sackett DL, Roberts RS. An assessment of clinically useful measures of the consequences of treatment. N Eng J Med. 1988;318:1728-1733. https://doi.org/10.1056/NEJM198806303182605

3. Ludwig L, Darmon P, Guerci B. Computing and interpreting the number needed to treat for cardiovascular outcomes trials: perspective on GLP-1 RA and SGLT-2i therapies. Cardiovasc Diabetol. 2020;19(1):65. https://doi.org/10.1186/s12933-020-01034-3

4. Suissa S. The number needed to treat: 25 years of trials and tribulations in clinical research. Rambam Maimonides Med J. 2015;6(3). https://dx.doi.org/10.5041%2FRMMJ.10218

5. Data on file, Eli Lilly and Company and/or one of its subsidiaries.

6. Boye KS, Riddle MC, Gerstein HC, et al. Generalizability of glucagon-like peptide-1 receptor agonist cardiovascular outcome trials to the overall type 2 diabetes population in the United States. Diabetes Obes Metab. 2019;21(6):1299-1304. https://doi.org/10.1111/dom.13649