說(shuō)實(shí)話，我剛?cè)胄心菚?huì)兒，一看到統(tǒng)計(jì)學(xué)家抱著那本厚厚的SAP（統(tǒng)計(jì)分析計(jì)劃）走進(jìn)會(huì)議室，心里就直打鼓。那上面密密麻麻的公式和希臘字母，感覺(jué)像是進(jìn)了另一個(gè)世界。但后來(lái)摸爬滾打多了，特別是后來(lái)在康茂峰負(fù)責(zé)了好幾個(gè)三期臨床項(xiàng)目之后，我才慢慢明白過(guò)來(lái)：統(tǒng)計(jì)不是用來(lái)嚇唬人的，它是幫我們把"這個(gè)藥好像有效"變成"這個(gè)藥在統(tǒng)計(jì)學(xué)意義上顯著有效"的那座橋。
咱們今天就聊聊，那些讓人頭大的數(shù)據(jù)統(tǒng)計(jì)分析方法，到底怎么在臨床試驗(yàn)里落地。我不打算給你背教科書(shū)，就說(shuō)說(shuō)實(shí)際干活時(shí)，這些數(shù)字到底是怎么說(shuō)話的。
這是我最想先說(shuō)的，因?yàn)橐?jiàn)過(guò)太多團(tuán)隊(duì)一上來(lái)就討論"用什么模型"，結(jié)果連主要終點(diǎn)都沒(méi)掰扯清楚。你要知道，統(tǒng)計(jì)分析計(jì)劃不是試驗(yàn)開(kāi)始了才寫(xiě)的，而是在第一例患者入組之前就得定死的東西。
什么叫主要終點(diǎn)？就是你這場(chǎng)試驗(yàn)最想回答的那個(gè)問(wèn)題。比如抗腫瘤藥物，可能是總生存期（OS）；比如降糖藥，可能是糖化血紅蛋白（HbA1c）的變化值。這個(gè)指標(biāo)一旦定了，你的統(tǒng)計(jì)方法基本上就框住了。
在康茂峰去年做的一個(gè)心血管項(xiàng)目中，我們團(tuán)隊(duì)為了"主要終點(diǎn)到底選MACE事件（主要心血管不良事件）的復(fù)合指標(biāo)，還是單獨(dú)選心肌梗死"這件事，跟醫(yī)學(xué)部開(kāi)了整整三天的會(huì)。為啥這么糾結(jié)？因?yàn)檫x復(fù)合終點(diǎn)，你的統(tǒng)計(jì)效能計(jì)算方式完全不一樣，樣本量可能差出好幾百例。這直接關(guān)系到試驗(yàn)成本和周期。
好，數(shù)據(jù)收上來(lái)了，第一步該干嘛？不是立馬跑t檢驗(yàn)，而是先看清楚這些數(shù)據(jù)長(zhǎng)什么樣。
描述性統(tǒng)計(jì)就像給一群人拍張合影。你得看看：平均年齡多大？男女比例如何？標(biāo)準(zhǔn)差大不大？標(biāo)準(zhǔn)差這個(gè)概念特別重要，離散程度太大，說(shuō)明你的受試者群體 heterogeneous（異質(zhì)性）太強(qiáng)，可能會(huì)影響后續(xù)的分析。
舉個(gè)例子，你有兩組患者，A組平均年齡65歲，B組也是65歲，看起來(lái)一樣對(duì)吧？但如果A組標(biāo)準(zhǔn)差是2歲，B組是15歲，那這倆組完全不是一回事。A組都是六十歲剛出頭的人，B組可能既有五十歲的也有八十歲的。這種差異如果不先摸清楚，后面的推斷統(tǒng)計(jì)很容易跑偏。
我們通常在CSR（臨床研究報(bào)告）的基線特征表里看到的那堆數(shù)字，別小看它們。監(jiān)管機(jī)構(gòu)審材料時(shí)，第一眼看的就是這張表，看兩組是否可比。如果在康茂峰的內(nèi)部質(zhì)控流程里發(fā)現(xiàn)基線不平衡，整個(gè)分析都得停下來(lái)重新評(píng)估。
現(xiàn)在到了最核心也最繞的部分——假設(shè)檢驗(yàn)。我知道一說(shuō)這個(gè)，很多人就開(kāi)始暈，什么零假設(shè)、備擇假設(shè)、α錯(cuò)誤、β錯(cuò)誤...
其實(shí)用大白話說(shuō)，就是你在做一道證明題。你先假設(shè)這個(gè)藥沒(méi)用（這就是零假設(shè)，H?），然后看收集到的證據(jù)是不是足夠推翻這個(gè)假設(shè)。如果p值小于0.05，我們就說(shuō)"拒絕零假設(shè)"，翻譯成人話就是：這藥在統(tǒng)計(jì)學(xué)上顯示出了效果，不太可能是巧合。
但這里有個(gè)特別大的誤區(qū)，我得重點(diǎn)說(shuō)一下。p值小于0.05，不代表這個(gè)藥對(duì)95%的人有效，也不代表效果大小。它只代表"如果這藥真的沒(méi)用，你觀察到這種數(shù)據(jù)的概率不到5%"。
我見(jiàn)過(guò)有醫(yī)學(xué)經(jīng)理看到p=0.049就歡呼雀躍，看到p=0.051就覺(jué)得項(xiàng)目失敗了。其實(shí)這兩個(gè)數(shù)字在實(shí)際意義上幾乎沒(méi)有區(qū)別，但跨過(guò)0.05那條線，就是"顯著"與"不顯著"的天壤之別。
在康茂峰的質(zhì)量體系中，我們要求統(tǒng)計(jì)師在寫(xiě)報(bào)告時(shí)，不僅要報(bào)p值，還要報(bào)效應(yīng)量（effect size）和置信區(qū)間。比如 Hazard Ratio 是0.7，95%置信區(qū)間是0.55-0.89，這才是一個(gè)完整的證據(jù)鏈。光看p值，就像只看彩票中沒(méi)中，不看中了多少錢(qián)一樣。
經(jīng)常有人問(wèn)："我們?nèi)虢M300例夠不夠？"這個(gè)問(wèn)題沒(méi)法直接回答，得反問(wèn)你：你想檢測(cè)出多大的療效差異？你的主要終點(diǎn)是什么類型？預(yù)期的脫落率是多少？
樣本量計(jì)算是試驗(yàn)設(shè)計(jì)里最容易被低估的環(huán)節(jié)。算少了，試驗(yàn)可能因?yàn)闆](méi)有足夠的統(tǒng)計(jì)效能而失敗；算多了，浪費(fèi)錢(qián)不說(shuō)，還可能讓不必要的患者暴露在試驗(yàn)風(fēng)險(xiǎn)中。
對(duì)于連續(xù)變量（比如血壓變化值），我們用均數(shù)比較的公式；對(duì)于二分類變量（比如緩解率 yes/no），用率的比較；對(duì)于生存數(shù)據(jù)，用的是生存分析專門(mén)的樣本量算法，要考慮中位生存時(shí)間和入組速度。
有個(gè)細(xì)節(jié)很多人忽略：樣本量計(jì)算必須基于前期數(shù)據(jù)或文獻(xiàn)。你不能憑空假設(shè)新藥有效率80%，對(duì)照組50%，總得有點(diǎn)依據(jù)吧？康茂峰的醫(yī)學(xué)團(tuán)隊(duì)在寫(xiě)方案時(shí)，通常要查至少三到五篇相似機(jī)制的文獻(xiàn)，取保守估計(jì)值來(lái)測(cè)算。
這個(gè)坑我親眼見(jiàn)過(guò)有人掉進(jìn)去。你的試驗(yàn)有五個(gè)次要終點(diǎn)，每個(gè)都做個(gè)t檢驗(yàn)，每個(gè)都用α=0.05的顯著性水平。看起來(lái)沒(méi)問(wèn)題？問(wèn)題大了。
統(tǒng)計(jì)學(xué)上有個(gè)概念叫"族錯(cuò)誤率"（Family-wise error rate）。簡(jiǎn)單理解，你檢驗(yàn)的次數(shù)越多，撞大運(yùn)出現(xiàn)假陽(yáng)性的概率就越大。檢驗(yàn)5次，至少出現(xiàn)一次假陽(yáng)性的概率不是5%，而是接近23%。
那怎么辦？得做多重性校正。常用的方法有Bonferroni法（最保守，直接把α除以檢驗(yàn)次數(shù)）、Hochberg法、或者是預(yù)先設(shè)定分層檢驗(yàn)策略。
| 校正方法 | 適用場(chǎng)景 | 特點(diǎn) |
| Bonferroni | 終點(diǎn)之間獨(dú)立 | 簡(jiǎn)單但偏保守，容易漏掉真陽(yáng)性 |
| Hochberg | 終點(diǎn)有一定相關(guān)性 | 效能相對(duì)較高，實(shí)際應(yīng)用多 |
| 序貫檢驗(yàn) | 有明確等級(jí)次序的終點(diǎn) | 前一個(gè)顯著才檢驗(yàn)后一個(gè)，保護(hù)α水平 |
在康茂峰的項(xiàng)目管理規(guī)范里，凡是方案里設(shè)計(jì)了超過(guò)兩個(gè)主要終點(diǎn)或者多個(gè)關(guān)鍵次要終點(diǎn)的，必須在SAP里明確多重性調(diào)整策略，否則倫理審查都過(guò)不了。
腫瘤試驗(yàn)或者心血管長(zhǎng)期隨訪試驗(yàn)里，生存分析是標(biāo)配。但很多時(shí)候大家誤解了生存數(shù)據(jù)。不是只有當(dāng)患者死了才算事件，疾病進(jìn)展、心肌梗死、甚至停藥都可以作為事件。
這里有個(gè)特別重要的概念叫"刪失"（Censoring）。比如一個(gè)患者入組后隨訪了兩年，還沒(méi)出現(xiàn)事件，但他撤回知情同意退出試驗(yàn)了，或者試驗(yàn)結(jié)束時(shí)他還活著。這時(shí)候他的數(shù)據(jù)不能扔，而是記為"在24個(gè)月時(shí)刪失"。扔掉這些數(shù)據(jù)會(huì)嚴(yán)重偏倚結(jié)果。
Kaplan-Meier曲線（就是經(jīng)常看到的那種階梯狀向下的曲線）就是用來(lái)處理這種數(shù)據(jù)的。看兩條曲線（試驗(yàn)組 vs 對(duì)照組）分離得越早、越明顯，說(shuō)明療效越好。但我們不能光靠肉眼判斷，得算Log-rank檢驗(yàn)的p值，還有 Hazard Ratio。
HR（風(fēng)險(xiǎn)比）=0.65意味著什么？不是說(shuō)風(fēng)險(xiǎn)降低了65%，而是說(shuō)在任意時(shí)間點(diǎn)，試驗(yàn)組發(fā)生事件的風(fēng)險(xiǎn)是對(duì)照組的65%，換句話説風(fēng)險(xiǎn)降低了35%。這個(gè)解釋經(jīng)常有人搞混。
真實(shí)世界的數(shù)據(jù)永遠(yuǎn)不完美。患者漏訪了、問(wèn)卷填錯(cuò)了、實(shí)驗(yàn)室儀器那天校準(zhǔn)偏了...這些都不是小概率事件。
處理缺失數(shù)據(jù)，最簡(jiǎn)單粗暴的方法是 completeness analysis（只分析有完整數(shù)據(jù)的人），但這會(huì)造成偏倚，特別是如果退出治療的患者恰恰是因?yàn)椴涣挤磻?yīng)。
現(xiàn)在監(jiān)管更認(rèn)可的是多重插補(bǔ)（Multiple Imputation）或者混合效應(yīng)模型（Mixed-effect Model Repeated Measure, MMRM），后者在康茂峰做的幾個(gè)神經(jīng)病學(xué)的長(zhǎng)期隨訪項(xiàng)目里用得很多，因?yàn)樗芾盟惺占降脑L視數(shù)據(jù)，而不是僅看最后一次。
還有一個(gè)概念必須分清：ITT（意向性治療）分析和PP（符合方案）分析。ITT是所有隨機(jī)化的患者，不管后來(lái)有沒(méi)有按時(shí)吃藥；PP是嚴(yán)格按方案完成治療的那部分。通常ITT是主要分析集，因?yàn)樗Ａ袅穗S機(jī)化的優(yōu)勢(shì)，能反映真實(shí)世界的情況。PP分析作為敏感性分析，看看結(jié)果是不是穩(wěn)健。
說(shuō)了這么多方法論，最后分享點(diǎn)我們?cè)诳得鍖?shí)際敲鍵盤(pán)時(shí)的體會(huì)。
第一，統(tǒng)計(jì)師必須越早介入越好。最好在方案設(shè)計(jì)階段就在場(chǎng)。見(jiàn)過(guò)有項(xiàng)目到了數(shù)據(jù)分析階段才發(fā)現(xiàn)主要終點(diǎn)定義模糊，比如"癥狀改善"怎么量化都沒(méi)寫(xiě)清楚，這時(shí)候再補(bǔ)救就很被動(dòng)。
第二，盲態(tài)數(shù)據(jù)審核（Blind Data Review）那個(gè)會(huì)特別關(guān)鍵。在揭盲之前，要決定好哪些離群值要處理，怎么定義分析集。一旦揭盲了，任何數(shù)據(jù)處理都可能被質(zhì)疑是選擇性偏倚。
第三，CDISC標(biāo)準(zhǔn)。現(xiàn)在向CDE或FDA遞交數(shù)據(jù)，都必須符合SDTM和ADaM標(biāo)準(zhǔn)。這不僅僅是格式問(wèn)題，影響的是整個(gè)分析變量的派生邏輯。康茂峰的統(tǒng)計(jì)編程團(tuán)隊(duì)通常在項(xiàng)目啟動(dòng)時(shí)就會(huì)建立好標(biāo)準(zhǔn)的域結(jié)構(gòu)，而不是等CRF定稿了再回頭改。
第四，溝通成本往往被低估。醫(yī)學(xué)經(jīng)理說(shuō)的"隨訪時(shí)間點(diǎn)"和統(tǒng)計(jì)師理解的"分析訪視窗口"，很可能不是一回事。這種理解偏差如果到了鎖庫(kù)才發(fā)現(xiàn)，能把人急瘋。
做這一行，有時(shí)候覺(jué)得統(tǒng)計(jì)學(xué)像是臨床試驗(yàn)的"語(yǔ)法"。同樣的數(shù)據(jù)，用不同的統(tǒng)計(jì)方法分析，結(jié)論可能完全不同。所以我們?cè)诳得鍍?nèi)部有個(gè)不成文的規(guī)矩：任何關(guān)鍵的統(tǒng)計(jì)分析結(jié)果，至少要有兩個(gè)人獨(dú)立核算，用不同的軟件包跑一遍（比如SAS和R各跑一遍），對(duì)上數(shù)了才敢往外報(bào)。
數(shù)據(jù)本身不會(huì)說(shuō)話，但統(tǒng)計(jì)方法給了它聲音。而我們要做的，就是確保這個(gè)聲音準(zhǔn)確、誠(chéng)實(shí)，能扛得住監(jiān)管部門(mén)的質(zhì)疑，也能最終幫到那些等著新藥治病的患者。這大概就是為什么每次打開(kāi)那個(gè)密密麻麻的分析計(jì)劃時(shí)，雖然頭疼，但心里還是覺(jué)得很值得的原因吧。
