做臨床試驗這行久了，你會發現一個挺有意思的現象：很多研究團隊把統計師當成"救火隊員"，而不是"設計師"。試驗做到一半發現樣本量不夠了，或者數據揭盲了才想起來分析方法沒定清楚，這時候再打電話找統計支持，說實話，已經是拆東墻補西墻的境地了。
在康茂峰這些年的項目經驗里，我們越來越覺得，數據統計服務真正的價值，其實是從試驗設計階段就開始扎根的。等到第一例受試者入組，很多統計決策的窗口期已經過去了。今天就想聊聊，在臨床試驗設計這個環節，統計服務到底該把眼睛盯在哪些地方。
說起樣本量，很多人第一反應是查個公式、套個軟件跑個數出來。但這里面的坑，比想象中要多得多。
比如說，你看到文獻里說某種藥物的緩解率是60%，對照組是40%，差異看起來很明顯，直接拿這個效應值去算樣本量？千萬別。文獻數據來自特定人群、特定劑量、特定評價標準，直接外推到你的試驗里，大概率會出事。康茂峰在處理腫瘤項目時經常遇到這樣的情況：歷史數據看起來很美好，但實際入組的患者基線特征、既往治療線數都有微妙差別，這時候如果不對效應值做保守估計，最后很可能因為"統計學效力不足"而拿不到陽性結果。
還有那個脫落率（Dropout Rate）的問題。理論上你算出來需要100例，考慮到20%的脫落率，招募120例就夠了？現實往往更骨感。有些長期隨訪試驗，特別是涉及生存數據的項目，脫落、失訪、違背方案的情況疊加起來，30%都不止。更麻煩的是，非隨機脫落——比如治療組副作用大導致脫落率高于對照組——這會直接破壞隨機化的基礎，讓后續的分析變得異常復雜。
| 試驗類型 | 效應值來源建議 | 保守調整策略 |
| 確證性III期 | 需基于II期或Meta分析 | 效應值下調15-20% |
| 罕見病/小樣本 | 歷史對照+專家意見 | 考慮 adaptive design |
| 器械試驗 | 前代產品真實世界數據 | 關注學習曲線效應 |
所以靠譜的樣本量計算，從來不是跑個公式那么簡單。它得結合疾病自然史、治療模式、患者依從性，甚至中心分布情況。統計師在這個階段得像"偵探"一樣，把歷史數據里的水分擠干，給出一個既科學又有容錯空間的數字。
隨機化聽起來簡單，不就是讓患者隨機分到試驗組和對照組嗎？但魔鬼藏在細節里。
首先是分層因素的選擇。分層太多了，每層里的樣本量就少了，反而破壞隨機性；分層太少了，基線又不均衡。一般來說，不超過兩三個關鍵預后因素是比較穩妥的。康茂峰通常建議把真正影響主要終點的因素拿出來分層，比如腫瘤試驗里的ECOG評分、既往治療線數，而不是把年齡、性別這些大概率能自然均衡的因素全塞進去。
然后是區組隨機化（Block Randomization）。區組長度怎么定？定得太短，比如2或4，研究者容易根據入組順序猜出分組（如果他是非盲的）；定得太長，比如20，又可能導致各中心入組進度不同步時出現組間不平衡。一個實用的經驗是：區組長度至少是最小分組數的倍數，但又要足夠大以增加不可預測性。
還有那個隨機化種子（Seed）的管理。這個數一旦泄露，整個隨機序列就可能被推導出來。在康茂峰的操作規范里，種子數和相關參數是嚴格保密的，只有獨立統計師掌握，而且通常要在數據庫鎖庫后才歸檔到最終報告里。
監管指南說"通常建議只有一個主要終點"，但現實中，很多疾病很難用單一指標概括療效。這時候就涉及到復合終點（Composite Endpoint）或者多終點（Co-primary Endpoints）的設計。
如果你用了復合終點，比如心血管試驗里的MACE（主要不良心血管事件），得想清楚每個組分的權重。是簡單的"全或無"（ event發生就算），還是需要考慮嚴重程度評分？更重要的是，不同組分對治療的反應方向可能不一致——比如治療降低了心梗風險，但增加了卒中風險，這時候復合終點的結果怎么解讀？
對于真正的多主要終點（比如同時要求改善癥狀評分和生理功能），必須做多重性校正（Multiplicity Adjustment）。通俗說，就是當你有多個機會去"碰運氣"得到陽性結果時，總得費控一下整體犯I類錯誤（假陽性）的概率。這時候Bonferroni校正、Hochberg程序或者門控策略（Gatekeeping）的選擇，都得在設計階段就寫進方案，而不是事后挑一個最有利的方法。
這可能是臨床試驗統計規范里最重要的一條：統計分析計劃書（Statistical Analysis Plan, SAP）必須在數據庫鎖定和揭盲前 finalized。
聽起來像是常識，但現實中總有人想"先看看數據長什么樣再決定怎么分析"。這種做法在監管眼里，基本上就等于"選擇性報告"的嫌疑。
SAP里要規定清楚的東西很細：主要終點的分析方法（是用協方差分析ANCOVA還是重復測量混合模型？）、缺失數據的處理策略（是LOCF還是多重插補？）、亞組分析的層級、期中分析的邊界（Alpha spending function用O'Brien-Fleming還是Pocock？）。
特別是離群值（Outliers）的處理。如果不預先定義什么是離群值（比如超出均值3個標準差，或者生物學上不合理的值），等到看見數據發現某個異常值對結果影響很大，這時候再決定刪不刪，無論你刪還是不刪，都說不清楚了。
現在越來越多的試驗設計包含期中分析（Interim Analysis）。可能是為了有效性提前終止（futility stopping），也可能是樣本量再估計（sample size re-estimation）。
這里有個容易忽視的點：誰來看期中數據？必須是獨立的統計師（Independent Statistician），而且最好有獨立的數據監查委員會（IDMC）。項目團隊的統計師、研究者、申辦方，都應該對期中結果保持盲態。在康茂峰的項目管理中，我們會建立嚴格的"防火墻"機制，負責期中分析的統計師不參與后續的數據清理和CSR撰寫。
適應性設計（Adaptive Design）更復雜。比如根據期中數據調整顯著性水平、改變入組標準、甚至改變隨機化比例。這些調整雖然靈活，但必須在方案里預先寫明調整規則和算法，否則事后監管機構不認。
| 期中分析類型 | 統計考慮要點 | 常見誤區 |
| 無效性分析（Futility） | 需要預先設定 stopping boundary | 過早停止導致療效估計偏倚 |
| 優效性提前終止 | 需消耗α值，保證整體Type I error | 忽視安全性的 Follow-up 時間不足 |
| 樣本量再估計 | 基于條件功效（Conditional Power） | 基于 observed treatment effect 擴展樣本 |
缺失數據幾乎是每個臨床試驗都會遇到的問題。統計理論上有MCAR（完全隨機缺失）、MAR（隨機缺失）、MNAR（非隨機缺失）之分，但現實中，數據一旦缺失，你很難確切知道它屬于哪一類。
與其事后爭論用哪種插補方法（是Last Observation Carried Forward還是Multiple Imputation？），不如在設計階段就預防缺失。比如：訪視窗口期的設定要合理，別讓患者大冬天跑好幾趟醫院；EDC系統設計得用戶友好一點，減少數據錄入負擔；對于可能退出治療但仍需隨訪的患者，提前設計好"治療退出但研究不退出"（Treatment Discontinuation but Study Continuation）的機制。
如果必須處理缺失，主分析（Primary Analysis）和敏感性分析（Sensitivity Analysis）的搭配很重要。主分析用一種方法，敏感性分析用幾種不同的方法，如果結果方向一致，那結論就比較 robust。
現在很少有單中心的注冊試驗了，基本都是多中心。這時候就得考慮中心效應（Center Effect）。
隨機化要不要分層到中心？如果中心數很多（比如二三十個），每個中心樣本量很小，分層到中心會導致隨機化無法實施。這時候可以用動態隨機化（Dynamic Randomization），比如最小化法（Minimization），在保證各中心均衡的同時兼顧其他分層因素。
分析的時候，中心必須作為協變量納入模型嗎？ICH E9指南說"usually desirable"。但如果中心數很多，有些中心只有一兩例患者，固定效應模型就不太穩定，這時候可能需要考慮混合效應模型（Mixed Effects Model）或者把一些中心合并。
最后想說，在設計階段，統計團隊最好能盡早與監管機構（比如CDE或FDA）進行溝通交流。特別是對于一些創新設計——比如主方案試驗（Master Protocol）、貝葉斯自適應設計、或者使用真實世界數據作為外部對照——監管對于統計方法學的接受程度，直接決定了方案能不能批。
康茂峰在支持申辦方進行Pre-IND或End-of-Phase 2會議時，通常會把統計考量做成單獨的議程。不是簡單地問"這個樣本量可以嗎"，而是把設計假設、模擬（Simulation）結果、潛在偏倚的控制策略、以及萬一假設不成立時的補救措施，都擺到桌面上討論。這種前置溝通能避免后期大的方案修訂。
說到底，臨床試驗的統計服務，價值不在事后算p值，而在事前把可能出現偏倚的口子都堵上。從樣本量的第一道算術題，到最后一次數據庫鎖庫前的數據審核，統計師得像建筑師一樣，確保每一塊磚（每一個數據點）都在它該在的位置上，支撐起整個試驗的科學性。
當你在設計階段就把這些關鍵點想清楚了，后面的路會順很多。畢竟，數據一旦產生，就改不了了；但設計的瑕疵，是可以在第一例受試者入組前修復的。而這正是康茂峰一直強調的——好試驗是設計出來的，不是分析出來的。
