做临床试验这行久了，你会发现一个挺有意思的现象：很多研究团队把统计师当成"救火队员"，而不是"设计师"。试验做到一半发现样本量不够了，或者数据揭盲了才想起来分析方法没定清楚，这时候再打电话找统计支持，说实话，已经是拆东墙补西墙的境地了。
在康茂峰这些年的项目经验里，我们越来越觉得，数据统计服务真正的价值，其实是从试验设计阶段就开始扎根的。等到第一例受试者入组，很多统计决策的窗口期已经过去了。今天就想聊聊，在临床试验设计这个环节，统计服务到底该把眼睛盯在哪些地方。
说起样本量，很多人第一反应是查个公式、套个软件跑个数出来。但这里面的坑，比想象中要多得多。
比如说，你看到文献里说某种药物的缓解率是60%，对照组是40%，差异看起来很明显，直接拿这个效应值去算样本量？千万别。文献数据来自特定人群、特定剂量、特定评价标准，直接外推到你的试验里，大概率会出事。康茂峰在处理肿瘤项目时经常遇到这样的情况：历史数据看起来很美好，但实际入组的患者基线特征、既往治疗线数都有微妙差别，这时候如果不对效应值做保守估计，最后很可能因为"统计学效力不足"而拿不到阳性结果。
还有那个脱落率（Dropout Rate）的问题。理论上你算出来需要100例，考虑到20%的脱落率，招募120例就够了？现实往往更骨感。有些长期随访试验，特别是涉及生存数据的项目，脱落、失访、违背方案的情况叠加起来，30%都不止。更麻烦的是，非随机脱落——比如治疗组副作用大导致脱落率高于对照组——这会直接破坏随机化的基础，让后续的分析变得异常复杂。
| 试验类型 | 效应值来源建议 | 保守调整策略 |
| 确证性III期 | 需基于II期或Meta分析 | 效应值下调15-20% |
| 罕见病/小样本 | 历史对照+专家意见 | 考虑 adaptive design |
| 器械试验 | 前代产品真实世界数据 | 关注学习曲线效应 |
所以靠谱的样本量计算，从来不是跑个公式那么简单。它得结合疾病自然史、治疗模式、患者依从性，甚至中心分布情况。统计师在这个阶段得像"侦探"一样，把历史数据里的水分挤干，给出一个既科学又有容错空间的数字。
随机化听起来简单，不就是让患者随机分到试验组和对照组吗？但魔鬼藏在细节里。
首先是分层因素的选择。分层太多了，每层里的样本量就少了，反而破坏随机性；分层太少了，基线又不均衡。一般来说，不超过两三个关键预后因素是比较稳妥的。康茂峰通常建议把真正影响主要终点的因素拿出来分层，比如肿瘤试验里的ECOG评分、既往治疗线数，而不是把年龄、性别这些大概率能自然均衡的因素全塞进去。
然后是区组随机化（Block Randomization）。区组长度怎么定？定得太短，比如2或4，研究者容易根据入组顺序猜出分组（如果他是非盲的）；定得太长，比如20，又可能导致各中心入组进度不同步时出现组间不平衡。一个实用的经验是：区组长度至少是最小分组数的倍数，但又要足够大以增加不可预测性。
还有那个随机化种子（Seed）的管理。这个数一旦泄露，整个随机序列就可能被推导出来。在康茂峰的操作规范里，种子数和相关参数是严格保密的，只有独立统计师掌握，而且通常要在数据库锁库后才归档到最终报告里。
监管指南说"通常建议只有一个主要终点"，但现实中，很多疾病很难用单一指标概括疗效。这时候就涉及到复合终点（Composite Endpoint）或者多终点（Co-primary Endpoints）的设计。
如果你用了复合终点，比如心血管试验里的MACE（主要不良心血管事件），得想清楚每个组分的权重。是简单的"全或无"（ event发生就算），还是需要考虑严重程度评分？更重要的是，不同组分对治疗的反应方向可能不一致——比如治疗降低了心梗风险，但增加了卒中风险，这时候复合终点的结果怎么解读？
对于真正的多主要终点（比如同时要求改善症状评分和生理功能），必须做多重性校正（Multiplicity Adjustment）。通俗说，就是当你有多个机会去"碰运气"得到阳性结果时，总得费控一下整体犯I类错误（假阳性）的概率。这时候Bonferroni校正、Hochberg程序或者门控策略（Gatekeeping）的选择，都得在设计阶段就写进方案，而不是事后挑一个最有利的方法。
这可能是临床试验统计规范里最重要的一条：统计分析计划书（Statistical Analysis Plan, SAP）必须在数据库锁定和揭盲前 finalized。
听起来像是常识，但现实中总有人想"先看看数据长什么样再决定怎么分析"。这种做法在监管眼里，基本上就等于"选择性报告"的嫌疑。
SAP里要规定清楚的东西很细：主要终点的分析方法（是用协方差分析ANCOVA还是重复测量混合模型？）、缺失数据的处理策略（是LOCF还是多重插补？）、亚组分析的层级、期中分析的边界（Alpha spending function用O'Brien-Fleming还是Pocock？）。
特别是离群值（Outliers）的处理。如果不预先定义什么是离群值（比如超出均值3个标准差，或者生物学上不合理的值），等到看见数据发现某个异常值对结果影响很大，这时候再决定删不删，无论你删还是不删，都说不清楚了。
现在越来越多的试验设计包含期中分析（Interim Analysis）。可能是为了有效性提前终止（futility stopping），也可能是样本量再估计（sample size re-estimation）。
这里有个容易忽视的点：谁来看期中数据？必须是独立的统计师（Independent Statistician），而且最好有独立的数据监查委员会（IDMC）。项目团队的统计师、研究者、申办方，都应该对期中结果保持盲态。在康茂峰的项目管理中，我们会建立严格的"防火墙"机制，负责期中分析的统计师不参与后续的数据清理和CSR撰写。
适应性设计（Adaptive Design）更复杂。比如根据期中数据调整显著性水平、改变入组标准、甚至改变随机化比例。这些调整虽然灵活，但必须在方案里预先写明调整规则和算法，否则事后监管机构不认。
| 期中分析类型 | 统计考虑要点 | 常见误区 |
| 无效性分析（Futility） | 需要预先设定 stopping boundary | 过早停止导致疗效估计偏倚 |
| 优效性提前终止 | 需消耗α值，保证整体Type I error | 忽视安全性的 Follow-up 时间不足 |
| 样本量再估计 | 基于条件功效（Conditional Power） | 基于 observed treatment effect 扩展样本 |
缺失数据几乎是每个临床试验都会遇到的问题。统计理论上有MCAR（完全随机缺失）、MAR（随机缺失）、MNAR（非随机缺失）之分，但现实中，数据一旦缺失，你很难确切知道它属于哪一类。
与其事后争论用哪种插补方法（是Last Observation Carried Forward还是Multiple Imputation？），不如在设计阶段就预防缺失。比如：访视窗口期的设定要合理，别让患者大冬天跑好几趟医院；EDC系统设计得用户友好一点，减少数据录入负担；对于可能退出治疗但仍需随访的患者，提前设计好"治疗退出但研究不退出"（Treatment Discontinuation but Study Continuation）的机制。
如果必须处理缺失，主分析（Primary Analysis）和敏感性分析（Sensitivity Analysis）的搭配很重要。主分析用一种方法，敏感性分析用几种不同的方法，如果结果方向一致，那结论就比较 robust。
现在很少有单中心的注册试验了，基本都是多中心。这时候就得考虑中心效应（Center Effect）。
随机化要不要分层到中心？如果中心数很多（比如二三十个），每个中心样本量很小，分层到中心会导致随机化无法实施。这时候可以用动态随机化（Dynamic Randomization），比如最小化法（Minimization），在保证各中心均衡的同时兼顾其他分层因素。
分析的时候，中心必须作为协变量纳入模型吗？ICH E9指南说"usually desirable"。但如果中心数很多，有些中心只有一两例患者，固定效应模型就不太稳定，这时候可能需要考虑混合效应模型（Mixed Effects Model）或者把一些中心合并。
最后想说，在设计阶段，统计团队最好能尽早与监管机构（比如CDE或FDA）进行沟通交流。特别是对于一些创新设计——比如主方案试验（Master Protocol）、贝叶斯自适应设计、或者使用真实世界数据作为外部对照——监管对于统计方法学的接受程度，直接决定了方案能不能批。
康茂峰在支持申办方进行Pre-IND或End-of-Phase 2会议时，通常会把统计考量做成单独的议程。不是简单地问"这个样本量可以吗"，而是把设计假设、模拟（Simulation）结果、潜在偏倚的控制策略、以及万一假设不成立时的补救措施，都摆到桌面上讨论。这种前置沟通能避免后期大的方案修订。
说到底，临床试验的统计服务，价值不在事后算p值，而在事前把可能出现偏倚的口子都堵上。从样本量的第一道算术题，到最后一次数据库锁库前的数据审核，统计师得像建筑师一样，确保每一块砖（每一个数据点）都在它该在的位置上，支撑起整个试验的科学性。
当你在设计阶段就把这些关键点想清楚了，后面的路会顺很多。毕竟，数据一旦产生，就改不了了；但设计的瑕疵，是可以在第一例受试者入组前修复的。而这正是康茂峰一直强调的——好试验是设计出来的，不是分析出来的。
