說實話，很多人覺得臨床統計就是對著電腦跑幾個公式，然后出來個P值小于0.05就算完事了。真要是這么簡單，咱們也不用熬夜改方案了。干這行年頭久了，在康茂峰經手過不少項目，我越來越覺得臨床數據統計更像是在用數學語言講一個關于人命關天的故事——從一堆亂七八糟的化驗單、隨訪記錄里，找出那個藥到底有沒有用的真相。
流程這東西，教科書寫得都太干凈了，仿佛每一步都能按表走。實際操作上，你會遇到患者漏填了三個月前的血壓數據，會發現某個中心把日期格式寫成了"2023年3月"而不是"2023-03"，甚至會發現有個受試者的體重在兩周內莫名其妙漲了20公斤——顯然是錄入時多按了個零。今天我就不給你背教科書，說說一個項目從立項到結題，數據到底經歷了什么。
很多人以為統計是從拿到數據才開始的，這是大錯特錯。臨床統計真正的起點，是在第一張病例報告表（CRF）設計出來之前。
想象一下你要開個小賣部，如果一開始沒想好怎么記賬——是記流水賬還是分類賬，是每天記還是每周記——等到月底盤貨你就知道慘了。臨床研究也是一樣，你得先寫一個統計分析計劃（SAP），這玩意兒本質上就是"記賬規則的說明書"。
在康茂峰做項目時，我們通常會拉著醫學、運營、數據管理的人一起關在小會議室里吵上幾天。吵什么呢？主要樣本量怎么算，主要終點到底是看生存期還是看腫瘤縮小比例，缺失數據怎么處理。這些決定一旦做了，后面想改就得走變更流程，麻煩得很。特別是適應性設計（Adaptive Design）現在用得多了，什么時候做期中分析，什么情況下要調整樣本量，這些閥門必須在開閘前就定死，不然監管部門看了會搖頭。
這個階段還要確定分析集（Analysis Set）。ITT（意向性治療）和PP（符合方案）到底用哪個做主分析？安全性分析集要不要包括那些只吃了一次藥就出組的人？這些都不是拍腦袋決定的，得寫在SAP里，不然等到了揭盲那天，你會發現自己站在一堆選擇面前，怎么選都有偏倚。
到了這一步，研究中心開始往EDC系統里錄數據了。理論上講，每個患者的時間窗、訪視點都應該整整齊齊。但實際情況是，第12周的血檢可能因為疫情推遲到了第14周，患者的日記卡可能丟在了公交車上，某個夏熱難耐的下午，錄入員可能把收縮壓120錯敲成了210。
這時候數據清理（Data Cleaning）的工作就開始了。這不是簡單的"挑錯"，更像是個偵探活。你得查邏輯，比如一個人的出生日期如果寫著1945年，那他不可能在2020年的記錄里顯示"年齡30歲"；你得查范圍，血紅蛋白不可能為0；你還得查時間邏輯，不良事件（AE）的開始日期不能晚于結束日期。
在康茂峰的數據管理團隊有個不成文的規矩：每周五下午是"Query清零日"。Query就是質疑，系統里紅色的標記代表著疑問——"請確認該受試者的服藥依從性是否為103%？"（顯然超過了100%）或者"第8周的訪視日期顯示為2022-02-30，請核實"。處理這些Query很耗精力，一個中等規模的III期試驗，產生的Query數量可能上萬條。你必須一條一條跟中心確認，直到數據足夠"干凈"。
說到這，不得不提外部數據的整合。中心實驗室的數據、影像評估的結果、甚至是患者電子日記的數據，往往存在不同的系統里。你得用受試者號和訪視窗作為鑰匙，把這些數據對接到一起。這步做不好，后面你會發現肝功能的指標死活對不上實驗室的報告，再回頭查，可能已經錯過鎖庫（Database Lock）的時間點了。
鎖庫那天總是讓人既興奮又緊張。一旦數據庫鎖定，數據就不能再改了，就像把信件投進了郵筒。然后，統計程序員開始忙活了。
他們要先做編程核查（Programming Validation）。通常是兩個人獨立寫代碼，一個寫主程序，一個寫核查程序，看結果是否一致。這步很枯燥，但絕對不能省。曾經有個項目，因為少寫了一個where條件，把安慰劑組的一個受試者算進了試驗組，要不是雙人核查發現，整個主要終點的結論可能就反了。
接著是揭盲（Unblinding）。如果是雙盲試驗，這時候才知道誰是A組誰是B組。那個瞬間往往很戲劇化——原來你以為效果很好的那組，可能只是安慰劑；或者反過來，你擔心沒效果的藥，其實在默默起效。統計師這時候要嚴格按照SAP預先設定的規則來做分析，絕不能看到數據后臨時起意換個統計方法，這在監管眼里是重大違規。
現在到了跑統計模型的環節。你得根據數據類型選武器：
| 數據類型 | 常見場景 | 常用方法 |
| 連續變量（如血壓值） | 比較兩組均值差異 | t檢驗、ANOVA、協方差分析(ANCOVA) |
| 分類變量（如有效/無效） | 療效評價 | 卡方檢驗、Fisher精確檢驗 |
| 時間事件數據（如生存期） | 腫瘤試驗OS分析 | Kaplan-Meier法、Cox比例風險模型 |
| 重復測量數據 | 長期隨訪的血糖變化 | 混合效應模型(MMRM)、廣義估計方程(GEE) |
選模型不是看哪個P值小，而是看哪個更符合臨床實際。比如腫瘤試驗里，如果對照組的患者在疾病進展后交叉到了試驗組，那OS分析可能得用IPCW（逆概率刪失加權）或者RPSFT（排序保留結構失效時間）這些校正方法，否則效果會被稀釋。
多重性校正也是個大坑。如果你既看主要終點又看次要終點，既看第12周又看第24周，還按亞組拆開來分析，那假陽性的概率就像滾雪球一樣漲。這時候可能得用分層檢驗策略或者Holm法、gatekeeping策略來控制I類錯誤。這些聽著玄乎，其實就是為了防止"瞎貓碰上死耗子"——總有一次檢驗會碰巧顯著，但那不代表真有效。
統計結果出來了，一堆星星點點的P值、置信區間、風險比。但這只是半成品。
你得把這些放進臨床研究報告（CSR），配上受試者流程圖（CONSORT圖），說清楚有多少人篩選，多少人入組，多少人完成，多少人脫落，為什么脫落。還得有人口學特征表、基線特征表，證明兩組在開始是均衡可比的。
這個時候容易犯一個錯：過分追求顯著性。P=0.051和P=0.049在數學上差得很少，但在臨床意義上可能沒區別。康茂峰的分析團隊有個習慣，除了報告P值，一定要看效應量和置信區間。如果一個新藥比舊藥好，但95%置信區間很寬，上限極高下限接近零，那其實你對這個"好"是心里沒底的，得謹慎下結論。
安全性分析更得仔細。不能把"發生率低"等同于"安全"。如果某個不良反應在試驗組發生了3例，對照組0例，樣本量小的時候可能P值不顯著，但從臨床上講，這可能是個信號。這時候得翻原始病歷，看實驗室檢查結果，看停藥情況，必要時要做病例敘述（Case Narrative）。
等CSR定稿，數據就移交歸檔了。但工作其實沒結束——你要準備應對監管部門的核查（Inspection）。核查員可能會隨機挑幾個受試者，從源文件（Source Data）到數據庫再到統計報告，一級一級查下去。如果發現錄入錯誤沒被發現，或者分析程序有Bug，那前面所有的辛苦都可能打水漂。
所以臨床數據統計是個環環相扣的活兒，從研究設計時的那個假設檢驗開始，到最后的核查應對，中間哪一環松了，整個鏈條的可靠性就打折。它沒有捷徑，就是大量的細節管理、邏輯核查和反復驗證。當你終于把那份厚厚的報告提交上去，知道里面的每一個數字都經得起推敲，那種踏實感，大概就是干這行最大的回報吧。
