长新冠照护最贵的那一层，可能不是最有效的那一层

当一位患者同时收到三种“再多做一点”的建议

长新冠最让人疲惫的，不只是疲劳本身。一个人可能在感染数月后仍然无法完整工作，走一段路就心悸，夜里睡了很久却没有恢复感。常规检查没有给出足够解释，症状又跨过呼吸、神经、心血管、睡眠与情绪等多个科室。每一个方向看起来都值得多查一点、多测一点、多干预一点。

于是，多器官 MRI 很有吸引力。它似乎可以把隐藏在身体深处的异常一次找齐。数字康复也很有吸引力。它可以把评估、目标、活动建议和随访带回家，避免患者反复奔波。如果两者同时使用，直觉上更像一套“完整方案”。

但医疗服务不能只靠直觉排序。7 月 28 日发表于《自然·医学》的 STIMULATE-ICP 三期试验，把这些附加选项放进了一个集群随机、2×2 因子设计。研究在英国 122 个基层医疗网络与 6 家长新冠诊所开展，纳入 1152 名参与者。基层网络被分配到多器官 MRI、数字化综合康复、两者结合，或者两者都不增加的路径。所有参与者都进入当时的长新冠专科多学科照护体系。

12 周时，三种附加策略都没有在主要疲劳终点上显示相对通常专科照护的额外获益。这个结果容易被压成一句“长新冠治疗无效”，也容易被另一边解释成“所有人都明显好转，所以专科照护有效”。两种说法都跨过了试验真正能够回答的问题。

这项研究测到的，是在共同照护底座上加 MRI 或数字康复有没有多带来一步改善。它没有设置“没有专科照护”的随机对照，因此不能独立证明共同底座造成了组内改善；它也绝没有证明患者的症状不真实，或医疗系统不该提供照护。

主要终点没有过线，数字要怎样读

研究使用疲劳评估量表作为 12 周主要结局。参与者基线平均分为 35.8，12 周时所有组平均降至 31.3，约减少 4.5 分。变化发生了，但解释变化需要对照。

相对通常专科照护，多器官 MRI 的估计效应为 -0.18，95% 置信区间从 -0.72 到 1.09，P 值为 0.69；数字康复为 -0.53，置信区间从 -1.42 到 0.36，P 值为 0.25；两者之间的交互效应为 -0.17，置信区间从 -1.06 到 0.72，P 值为 0.71。无论看效应大小、区间还是预设检验，都不支持这些附加项在 12 周主要终点上带来明确增量。

这里的“无明确增量”比“没有任何作用”更准确。置信区间告诉我们，研究排除了某些很大的优势，也仍容纳小幅正负差异。试验没有证明零作用这种哲学命题，而是没有得到足以支持预设临床主张的比较证据。

所有组都改善，则可能由多种因素共同形成：症状自然波动、时间推移、回归均值、参与研究带来的关注、共同专科服务、同时接受的其他治疗，以及量表重复测量。因为每组都有共同照护而没有无照护对照，我们无法把 4.5 分全部记在某一种服务名下。随机化最可靠地回答的是组间差异，不是组内前后变化的因果归属。

这也是复杂慢病研究最常见的传播陷阱。患者看见前后改善，会合理地问“是不是它帮了我”；系统看到附加项没有胜出，会问“是不是可以全砍掉”。研究提供的是群体平均比较，不能否定个体体验，也不能自动替代资源配置。它要求管理者继续问：哪些人可能获益、哪个环节真正被使用、多少成本换来多大且多确定的变化。

为什么让基层网络随机，而不是让患者抽签

STIMULATE-ICP 没有简单地让同一家诊所内的患者分别收到不同服务，而是以基层医疗网络为单位分配路径。这种集群随机设计很适合研究医疗服务，因为临床团队一旦学习某套流程，知识和行为很难只对部分患者开启。数字平台的转诊、培训和人员配置也常常发生在机构层面。

代价是，同一网络内的患者更相似，机构之间又可能在人员、地区资源和患者构成上不同。统计分析必须处理这种相关性，样本量的有效信息也不像 1152 个完全独立个体那么简单。集群数量、执行一致性和失访，都可能影响估计精度。

研究无法对参与者和照护团队盲法。一个人知道自己得到了扫描或数字工具，可能改变期待、报告和使用其他服务的方式；团队知道路径，也可能改变沟通。这不是研究“做错了”，而是服务试验很难消除的现实条件。理解限制，才能知道为什么一个看似客观的 MRI 也不只是一次扫描，而是一整条预约、解释、转诊和后续处置链。

更重要的是，MRI 在这里并非针对明确红旗症状的诊断检查是否有用，而是把多器官成像作为路径附加项。临床上对特定患者进行必要检查，与面向一组长新冠患者常规增加一套扫描，是两个不同问题。主要终点没有获益，不应被写成“长新冠患者都不需要影像”；它限制的是广泛附加策略的群体主张。

数字康复的 24 周信号，为什么不能反客为主

论文报告，数字康复在 24 周部分次要结局上出现小幅改善信号。对于长期康复，这并非无关紧要：行为支持和自我管理可能需要时间才显现，12 周也许不足以捕捉全部变化。

但次要结果必须留在它的证据位置。试验首先预设 12 周疲劳为主要终点，并据此设计统计把握度。研究同时观察越多时间点和结局，偶然出现“看起来更好”的机会就越多。24 周信号还会受到持续使用、退出和缺失数据影响。它适合生成下一项研究的问题，不适合把一项未达到主要终点的试验重新包装成肯定结果。

真正值得追问的，不是如何挑出一个更好看的数字，而是数字工具到底被谁使用、使用多久、哪一部分产生价值。一个平台可能包含教育、目标设定、症状记录、活动建议和与团队沟通。平均效应小，可能因为全部组件都弱，也可能因为少数人从特定组件获益，另一些人无法使用、觉得负担增加，或者数字接触没有连接到实际临床动作。

这类实施数据决定下一步是停止采购、缩小适用人群，还是重做服务设计。只看最终量表，会错过工具在路径中究竟断在哪里；只看登录率，又会把使用当成健康结果。

一次阴性试验，也可以保护患者

在新疾病和高不确定性环境中，任何可见工具都容易获得象征性价值。扫描代表“认真查了”，应用代表“有人持续管理”，复杂方案代表“系统没有放弃”。这些体验真实而重要，却不能代替比较证据。

如果一项昂贵附加服务没有证明增量，继续大规模常规提供会占用影像时段、临床解释时间、IT 维护和患者精力。患者也可能因无明确意义的发现进入更多检查，或者因为应用不断提醒症状而增加负担。阴性结果让系统有理由把资源转向共同照护底座：清晰评估、红旗识别、症状管理、合理转诊、工作与社会支持，以及真正持续的随访。

研究报告没有发现被判断与干预相关的严重不良事件，这缓解了直接安全担忧，但“没有严重不良事件”不等于零成本或零伤害。时间、等待、机会成本、误报、数字排斥和失望都属于服务决策的一部分，只是传统安全表格不一定完整捕捉。

同样，不能用阴性结果否定继续研究。长新冠高度异质，同一个标签下可能存在不同机制和恢复轨迹。群体平均无增量，不排除未来以明确表型、风险或功能障碍分层后找到适用人群。关键是分层必须在新数据中预先定义并验证，而不是事后在大量亚组里寻找一个漂亮信号。

基础照护是“对照组”，却不是无事可做

公众读医学报道时，常把对照组想成“什么都没给”。这项试验中的通常照护不是空白。参与者进入专科多学科路径，面对的底座本身包含组织、人员、沟通和时间。正因为各组共享底座，研究才能问附加项是否值得增加。

这对医疗系统有一个很不炫目的启示：复杂慢病的创新未必首先是一台新机器或一个新应用，而可能是把已经应该做到的事情稳定地做到。患者能否快速进入正确入口，能否在症状变化时找到责任团队，能否避免在科室间重复讲述，能否获得与工作能力相关的支持，这些都不会出现在一张漂亮设备图上，却决定真实体验。

但我们也不能从所有组改善推断这套底座已经被试验证明有效。要回答共同专科照护相对其他服务的因果效果，需要不同的对照与设计。当前研究能支持的更克制结论是：当这套底座存在时，常规叠加多器官 MRI 或所研究数字康复，没有在 12 周主要疲劳结局上显示额外优势。

克制并不让研究失去意义。恰恰相反，它让每一层服务重新承担自己的证据责任。基础照护要证明可达、公平和持续；附加工具要证明增量价值；探索性信号要进入新的验证，而不是越级成为宣传。

下一份采购单应先写停止规则

医院和支付者面对新工具时，往往先问功能、价格和覆盖人数，较少先写“什么结果出现时停止”。STIMULATE-ICP 提醒我们，服务创新也需要停止规则：主要结局无增量时是否暂停常规扩张；哪些安全或公平指标触发复核；次要信号达到什么标准才值得追加试验。

对数字康复，还应记录版本。研究期间的平台内容、提醒方式和转诊连接如果变化，未来结果不能简单沿用旧版本。对 MRI，则应区分研究路径中的广泛扫描与临床红旗触发的诊断检查，避免一刀切。

患者参与同样不能停留在招募。长新冠人群最知道什么结果值得改善：能够连续工作多久、活动后恶化如何发生、照护是否增加负担、是否被认真对待。把这些经验转化为预设终点和实施指标，比在结果出来后寻找一段感人证言更有价值。

这项试验没有给长新冠找到一个简单答案。它做了一件医疗系统同样需要的事：把“看起来应该有用”的附加层放到共同底座上比较，然后接受主要终点没有过线。

科学进步有时不是又增加一层，而是知道哪一层暂时不该被当作标准答案。对仍在疲劳中生活的人，最负责任的承诺不是保证下一台机器会解释一切，而是让每一项服务都清楚说明：它证明了什么，还没有证明什么，以及当证据没有出现时，系统会怎样把照护继续下去。

来源与边界

• 试验设计、人数、干预、效应估计、安全性和局限均来自 STIMULATE-ICP 原始研究。
• 本文不提供个体诊断或治疗建议；不把组内改善归因于共同专科照护，不把 24 周次要信号写成主要终点成功，也不把群体结果用于否定个体必要的影像检查。