改善听力，能减缓认知衰退吗？

目前最有依据的判断是：听力干预可能帮助部分认知下降风险较高的老人，但尚不能据此确认普遍的认知获益或痴呆预防。2026年新增的重测分析为亚组信号提供了一项支持性检验；我们原先用“两个听觉测验占两成权重”排除测量解释的做法则不成立。

2026-09-20更正： 撤回“测量偏差不能解释ARIC信号”“推迟约1.4年”的现实效应表述，修正因子分数的尺度、基线后固定增益与斜率的关系，以及自选三项多重校正。补入实际统计分析计划、2025年补充表和2026年重测分析；保留原件之间尚未解决的差异。

01随机试验支持多大的结论

ACHIEVE纳入70—84岁、有未治疗听力损失且无明显认知障碍者，490人分到听力干预，487人分到健康教育对照。干预包含助听器、听力师咨询和随访，是一套服务。238人来自长期ARIC队列，739人为新招募的社区志愿者。主要结局是三年全球认知因子分数变化，而非痴呆发生或脑病理。s1

来源×分组×时间的交互检验p=0.010，说明不能只比较“一个亚组显著、另一个不显著”。用已发表区间反推标准误、假设两亚组估计独立，得到差值之差0.252 SD，近似95%区间0.061—0.443，p≈0.0098。这是汇总层近似核对，没有重跑原混合模型、夫妻聚类、自由度校正或多重插补。

ARIC对照组三年下降0.402 SD，0.191/0.402=47.5%，解释了“减缓48%”的点估计。它不等于少发生48%的痴呆。把比值再乘三年得到“1.4年”，也只是固定线性速度的换算，不能推断疾病被推迟多久。总体区间上限0.081约为总体对照下降0.202的40%；用“窄区间阴性”笼统排除有意义的总体相对收益并不合适。

按样本量和精度合并亚组点估计，分别得到约0.0004和−0.006，只能说明相反方向可以相互抵消；它们不等于原试验调整后的0.002，也不是原模型的复现。下降较慢、反复测试、对照组自行获得助听器等都可能影响人群间表现，不能从招募来源直接确定是哪一个因素造成异质性。对照组自行使用助听器的比例为ARIC 7.8%、de novo 19.4%，也是解释差异时需要考虑的事实。s1

02预设分析和多重性，回到真实计划

主报告把招募来源分层列为预设敏感性分析；公开SAP 5.2的7.4(f)节也列出ARIC/de novo分层，7.6(e)还预先提出剔除两项纯听觉刺激测验的分析。因此分层问题并非看到结果后才提出。s1s5

原稿说“三个认知域未做多重校正”，再把全球认知p=0.027乘3，这是错误的检验族。论文实际说明：主终点按0.05判断，对四个次要结局采用Hochberg方法，并事后将这一方法应用于分层分析；交互的预设阈值为0.10。

但原件也有需要保留的差异：注册SAP 5.2的修订表及7.7节写的是五个结局，包括全球认知，主文方法写四个次要结局。我们未取得能解释这一变化的完整主报告附录。因此保留发表的原始p值，明确层级和差异，不自行制造一套校正，也不声称整套多重性控制已完整复现。ARIC语言域0.229 SD（0.050—0.408，p=0.012）可作为支持性结果，不能单独确立机制。s1s5

032025年风险分析补充了什么

Pike等在未参加ACHIEVE的2,692名ARIC成员中训练预测模型，再应用于ACHIEVE。这避免了预测模型训练样本与试验样本重叠。不过，方法明确写道：先观察试验内风险分数×干预×时间的样条图，再选最高四分位切点。因此预测模型在外部训练，不等于疗效分层在外部验证。s2

作者报告最高四分位下降减缓61.6%（95%区间33.7%—94.1%）；这不是新增一次随机试验。其Table 2的0.208 SD是“高风险与较低风险的治疗效应之差”，不能直接当作高风险组内的治疗效应。把较低风险效应−0.047加上交互0.208，组内点差为0.161 SD；缺少协方差，不能据两个区间拼出它的置信区间。61.6%的比值区间在这里按作者报告引用，没有冒称独立复算。

本次取得了此前未读的补充表。下面是几种模型的风险×治疗×时间交互，不是各组自身的疗效：

方向有一致之处，精度和切点却并非全面稳健。仅认知指标建模、剔除听力及认知指标建模的最高四分位交互区间也跨零。S3表还存在内部疑点：0.158（0.068—0.249）按正态区间反推p≈0.00062，表内却印为<0.0001；我们保留原区间并登记差异，不把近似复算当作更正作者原始统计结果。s6

把试验干预组与未参试ARIC人群作外部比较，也不能补出一个随机对照：人群选择、评分标准化与随访计算有差异，“一个比较显著、另一个不显著”不能证明干预效应。2026年血液标志物研究进一步讨论如何富集下降更快的人群，但其功效分析预先假定干预减缓33%；这是试验设计研究，不是听力干预疗效的独立验证。s2s9

04测量模型为何不能排除另一种解释

试验的十项测验中两项完全依赖听觉刺激，不意味着其余八项完全不受听力、口头指令或注意负荷影响。全球分数来自潜变量模型，也不是十项标准分简单平均。语言域的信号有参考价值，却不是“零听觉影响”的阴性对照；Pike的讨论甚至提出了语言测验中认知负荷下降这一解释。试验有施测前语言理解检查，这是减少问题的措施，不能保证测量影响为零。s1s2s5s10

我们用两个明确的假设例子说明原模型漏掉了什么：

• **尺度问题。**假定十项测验各自方差为1、等权、彼此相关均为ρ，平均分标准差为√[(1+9ρ)/10]。只有两项各改善δ个测验SD时，标准化总分改变为0.2δ/√[(1+9ρ)/10]。要产生0.191个总分SD，ρ=0、0.2、0.5时所需δ分别约0.30、0.51、0.71，而非固定0.96。这些相关性都是自选参数，不能当作ACHIEVE的实测值或偏差上下界。
• **时间问题。**若干预后测验表现立即增加0.191 SD，此后保持这个增益，而两组真实认知下降速度完全相同，基线至第三年仍会出现0.191的变化差。只有在基线和随访中同样存在的固定差才抵消；“干预后不再增长的增益”不必抵消。一次持续的水平改变与逐渐减速，可以给出相同的第三年结果。

这些例子既不证明观察结果来自偏差，也不能估计偏差概率。它们证明的是：原先排除解释的论证不成立。更好的辨别需要实际载荷、施测记录、中间时点、去除听觉依赖的评分及病理测量。

052026年重测分析提供了更直接的检验

Wang等使用同一试验977人的2,571次面对面评估，主分析纳入基线、第一年、第三年；554人三个时点齐全。主要总分剔除了倒背数字与逻辑记忆两项听觉依赖测验，并用“基线0、后续1”的指标拟合重测相关的固定增益。总分重测系数为0.11 SD（0.07—0.15），说明重复测试确实能影响表面轨迹。s7

但eTable 4显示，加不加这一项，治疗组间系数变化很小：剔除两项后的ARIC系数0.066变为0.065；保留两项时0.079变为0.078。下面按该表原系数和区间绘图，不把它们混为2023年的三年差值；表头ARIC/de novo人数239/738与主文238/739不一致，人数不用于本次运算，差异仍保留。s8

这削弱了“结果全由所建模的重测效应造成”的解释，但没有排除所有听觉、期待、施测或缺失机制。分析是事后进行，依赖随机缺失与时间函数假设，没有重做多重插补；其重测指标也不能完全分离每次练习与真正变化。它是支持亚组信号的敏感性证据，尚不能证明神经退行减慢。

脑影像并非完全没有线索：445人的同试验MRI子研究已在会议增刊摘要中报告皮层厚度的名义保护方向。不过摘要层信息不足以完整审计多区域检验与分析选择；不能拿它升级为已确立的疾病修饰证据。s11

06事件、安全与结论边界

认知障碍事件的总体HR为0.90（0.61—1.33），ARIC为0.94（0.54—1.64），de novo为0.89（0.48—1.67）。它是裁定痴呆、MCI或经后续确认的MMSE下降至少3分等组成的复合终点，不是纯痴呆终点。区间没有检出差异，也没有排除有意义的获益或伤害。三年认知分数结果不能替代痴呆预防证据。s1

原试验没有报告被判定为与研究有关且非预期的不良事件，这不等于任何不良事件都没有。100人未完成第三年访视的分解为失访24、退出26、死亡34、未完成认知测评16；主要模型实际用862次第三年面对面测评、9次去世前合格测评及106份插补结果补齐977人。100与106描述的对象不同。s1

可以保留的结论是：总体主分析未检出获益，预设ARIC分层有减缓认知分数下降的信号；后续风险富集和重测研究帮助界定其适用范围与替代解释，但都不是独立试验，也没有确立痴呆预防或神经退行减速。本篇不据此生成助听器处方或筛查规则。

本次没有取得个体数据，也未重新拟合试验模型。公开复算包包含有定位的汇总输入、模型、四图代码和数值核对；原始全文与补充文件不随包再分发。主报告附录未取得、SAP检验族差异、补充表p值与人数差异均如实保留。证据核查至2026-09-20；返修、自审和编辑签发由Codex同一agent完成，不是独立人类或临床审核。