夜雨聆风过去两年，司美格鲁肽和替尔泊肽几乎占据了糖尿病、肥胖和心肾代谢领域的全部热度。一个是 GLP-1 受体激动剂的代表药物，一个是 GIP/GLP-1 双受体激动剂的新一代“明星药”。在临床医生最关心的问题中，有一个非常直接：替尔泊肽减重和降糖效果更强，那么它的心血管保护是否也更强？
Nature Medicine 发表的Cardiovascular outcomes of semaglutide and tirzepatide for patients with type 2 diabetes in clinical practice研究，正是围绕这个问题展开。
我们推荐这篇论文，因为这不是一篇普通的回顾性数据库分析，而是一篇非常典型的“高阶真实世界研究方法学”示范：先模拟随机对照试验，验证自己的数据和方法是否可靠；再扩大到真实临床人群；最后做替尔泊肽和司美格鲁肽的头对头比较。作者将研究设计概括为三步：模拟 SUSTAIN-6 和 SURPASS-CVOT 两个心血管结局试验，评估扩展人群中的有效性，再进行替尔泊肽 vs 司美格鲁肽的直接比较。
一、这篇文章为什么值得临床医生精读？
普通真实世界研究常见的问题是：拿到数据库，分组，做 PSM，跑 Cox，然后下结论。但这篇文章高级的地方在于，它没有直接上来就比较替尔泊肽和司美格鲁肽，而是先问了一个更关键的问题：我的数据库和分析框架，能不能复现已经完成的随机临床试验结果？
作者使用美国三个全国性理赔数据库，包括 Medicare、Optum Clinformatics 和 Merative MarketScan，数据时间覆盖 2018 年至 2025 年。研究人群为合并肥胖和 2 型糖尿病、且存在不同程度心血管风险的患者。作者设计了 5 个 active-comparator new-user 队列研究，要求患者在入组前至少连续参保 12 个月，以便充分评估基线合并症、用药和医疗利用情况。
这就引出了真实世界研究的第一个关键点：好的 RWE 研究不是“有数据就做”，而是要把临床问题翻译成一个尽可能接近随机试验的问题。
二、研究设计：三步走，比普通 PSM 高一个层级
这篇文章的研究设计可以概括为：
第一步：试验模拟。作者先模拟 SUSTAIN-6，即司美格鲁肽 vs 安慰剂的心血管结局试验。由于真实世界数据库中没有“安慰剂组”，作者选择西格列汀作为 placebo proxy。理由是西格列汀在既往大型随机试验中对心血管结局总体中性，而且在真实临床中也是常用二线降糖药，可减少“用药者 vs 不用药者”带来的严重混杂。
同时，作者还模拟 SURPASS-CVOT，即替尔泊肽 vs 度拉糖肽的心血管结局试验。度拉糖肽本身是已有心血管获益证据的 GLP-1RA，因此这个比较不是“新药 vs 安慰剂”，而是“新药 vs 有效老药”。这对临床解释非常重要：如果替尔泊肽只是“不差于”度拉糖肽，并不等于它一定强于司美格鲁肽。
第二步：扩展人群。在确认试验模拟结果与真实 RCT 大体一致后，作者把研究对象从严格试验入排标准下的患者，扩展到真实临床中低、中、高心血管风险的肥胖合并 2 型糖尿病患者。扩展后，司美格鲁肽/西格列汀相关队列达到 453,201 人，替尔泊肽/度拉糖肽相关队列达到 136,089 人。
第三步：头对头比较。在前两步验证基础上，作者才进行替尔泊肽 vs 司美格鲁肽的真实世界头对头比较，共纳入 297,842 名新使用者。这个逻辑非常值得临床医生学习：先验证工具，再回答问题；先证明方法可信，再做临床推断。
三、统计方法：不是只有 PSM，而是一整套因果推断框架
这篇研究确实使用了倾向评分匹配，但它远不止 PSM。
作者采用 active-comparator new-user design。也就是说，比较的不是“用药者 vs 不用药者”，而是“新开始使用某一药物的人 vs 新开始使用另一种可比药物的人”。这种设计可以减少既往用药史、病情严重程度、医疗可及性和健康行为差异带来的偏倚。
倾向评分使用 logistic 回归估计，纳入大量基线协变量，包括人口学信息、心血管病史、糖尿病并发症、肾病、合并用药、医疗服务利用、实验室指标和生命体征等。匹配采用 1:1 最近邻匹配，caliper 为 0.01；匹配后用标准化均差评估平衡，SMD <0.10 视为平衡良好。
结局分析方面，作者使用 Kaplan–Meier 估计 52 周绝对风险；对于除死亡外的单项结局，使用 Aalen–Johansen 方法处理竞争风险；风险差通过绝对风险对比获得；HR 使用 Cox 比例风险模型计算；多数据库结果采用固定效应逆方差 meta 分析合并。
这给临床医生一个很重要的启发：一篇高质量 RWE 研究，不能只汇报 HR，还要报告绝对风险、风险差、随访策略、竞争风险处理和敏感性分析。
四、核心结果：两个药心血管获益相近，替尔泊肽没有明显赢过司美格鲁肽
先看试验模拟结果。模拟 SUSTAIN-6 时，司美格鲁肽 vs 西格列汀的主要终点 HR 为 0.68，而原始 SUSTAIN-6 试验中司美格鲁肽 vs 安慰剂的 HR 为 0.74。方向和量级相近，说明数据库模拟总体能够复现 RCT 结果。
模拟 SURPASS-CVOT 时，替尔泊肽 vs 度拉糖肽的 HR 为 0.83，而 SURPASS-CVOT 试验估计值为 0.92，同样达到预设一致性指标。作者因此认为，这套数据和分析框架可以支持后续扩展人群分析。
在扩展真实世界人群中，司美格鲁肽相较西格列汀可降低心肌梗死或卒中复合终点风险，HR 为 0.82，95%CI 0.74-0.91；替尔泊肽相较度拉糖肽在包括死亡的主要复合终点上 HR 为 0.87，95%CI 0.75-1.01。
最受关注的是头对头比较：替尔泊肽 vs 司美格鲁肽，1 年主要复合终点风险均约为 1.3%，风险差为 0.0%，HR 为 1.06，95%CI 0.95–1.18。换句话说，在真实临床环境中，替尔泊肽并没有显示出比司美格鲁肽更强的 MACE 保护。
单项终点也类似：全因死亡 HR 1.03，心肌梗死 HR 1.03，卒中 HR 1.15，置信区间均提示没有明确差异。作者在讨论中也指出，替尔泊肽和司美格鲁肽在降低 MACE 方面总体相近；如果有差别，司美格鲁肽在 MACE 上可能有轻微数值优势，而替尔泊肽在心衰相关终点上可能有轻微数值优势，但均不能解读为确定性优劣。
五、临床医生应如何理解：减重更强，不等于 MACE 更强
这篇文章最容易被误读的地方是：替尔泊肽减重、降糖效果更强，为什么心血管硬终点没有明显优于司美格鲁肽？
可能有几个解释。
第一，MACE 不是体重的简单函数。心肌梗死、卒中和死亡受血糖、血压、血脂、炎症、动脉粥样硬化、肾功能、既往 ASCVD、合并用药等多因素影响。减重更多不一定在 1 年内转化为更大的 MACE 获益。
第二，GLP-1 受体激活本身已有较稳定的心血管获益证据，而 GIP 受体相关心血管生物学仍不完全清楚。作者也提到，GIP 的心血管作用目前存在不确定性，既有潜在保护效应的研究，也有提示血管炎症或动脉粥样硬化相关作用的研究。
第三，真实世界中替尔泊肽剂量递增可能更慢，达到维持剂量需要更长时间，早期心血管获益可能被削弱。作者在讨论中也提出，替尔泊肽真实临床剂量滴定较长，可能影响早期心血管效果。
第四，研究随访主要聚焦 52 周。对于心血管硬终点，1 年可能仍然偏短。作者也承认，真实世界中治疗持续性有限，结果可能无法完全捕捉长期心血管结局。
六、这篇文章给临床科研的最大启发：RWE 要学会“自我验证”
这篇 Nature Medicine 的核心价值，不只是告诉我们司美格鲁肽和替尔泊肽心血管获益相近，更重要的是示范了一个可复制的 RWE 研究路径：
第一，先找到一个已有 RCT 的“参照物”。如果你的数据库能较好复现已有 RCT 结果，说明你的数据源、变量定义、结局算法和统计框架更可信。
第二，再扩展到 RCT 没有覆盖的人群。例如更低风险患者、更复杂合并症患者、真实临床中不同用药背景的患者。
第三，最后回答临床真正想知道的问题。比如药物 A 和药物 B 谁更适合真实世界患者？哪些亚组更获益？哪些终点更敏感？
这比单纯“回顾性收集病例 + PSM”更高级，也更符合未来真实世界研究发表趋势。
七、如果临床医生想借鉴，可以设计哪些选题？
这篇文章非常适合启发国内临床科研选题。
选题 1：司美格鲁肽 vs 替尔泊肽在中国 T2D 合并肥胖患者中的真实世界疗效与安全性比较。主要终点可设为 HbA1c、体重、BMI、血压、血脂变化；次要终点可包括低血糖、胃肠道不良反应、停药率、换药率。
选题 2：GLP-1RA/SGLT2i 联合治疗对 T2D 合并 CKD 或 ASCVD 患者心肾结局的真实世界研究。可关注 MACE、心衰住院、eGFR 下降、蛋白尿变化。
选题 3：GLP-1 药物真实世界疗效为何低于临床试验？基于剂量递增、停药和依从性的队列研究。这个选题非常贴近临床，也容易吸引药企关注。
选题 4：目标试验模拟在内分泌真实世界研究中的应用：以新型降糖减重药物为例。这类文章偏方法学，适合高质量综述或研究方案类推文。
编者按：
这篇 Nature Medicine 最值得临床医生记住的不是“替尔泊肽和司美格鲁肽谁赢了”，而是：真实世界研究要想做得高级，不能只靠大样本和 PSM，而要有清晰的目标试验、合理的主动对照、新使用者设计、预注册方案、试验模拟验证、敏感性分析和对偏倚的主动识别。
对于临床决策，这篇文章提示我们：在 2 型糖尿病合并肥胖且有心血管风险的真实世界患者中，司美格鲁肽和替尔泊肽都具有心血管保护信号；替尔泊肽虽然在减重和降糖方面表现突出，但目前这项真实世界头对头研究并未显示其在 MACE 预防方面明显优于司美格鲁肽。
对于临床科研，这篇文章则提供了一个更重要的范式：未来能发表、能说服审稿人、也能服务药企和临床决策的 RWE，不再是简单回顾性分析，而是“模拟试验 + 验证数据 + 扩展人群 + 回答真实临床问题”的证据生成体系。
 |  |
 |  |
 |  |
 |  |
（点击👆图片，进入自己感兴趣的专辑。或点击“资源”，浏览本公众号所有资源）
