说实话，每次看到医药数据报表上那些漂亮的P值和 confidence interval，我总会想起刚入行时的一次翻车经历。那时在康茂峰参与一个二期临床项目，我们团队花了三个月建模型、跑回归，最后发现原始数据里的给药日期格式竟然有三种：有的是"2023/01/01"，有的是"01-Jan-2023"，还有手滑写成了"2023/13/01"的。结果？整个分析推倒重来。这让我明白，医药数据统计最危险的不是算错，而是根本没意识到哪里错了。
做这行的人都知道，CRF表（病例报告表）设计得再花哨，如果前端录入环节掉链子，后面就是灾难。我们康茂峰内部有个不成文的规矩：拿到数据的第一件事不是开软件，而是先"闻"一下数据的味道——看看有没有明显的逻辑矛盾。
比如体重突然从70公斤变成170公斤，这种 obvious error 好抓，但 subtle 的问题更头疼。有次我们处理一个降压药项目，发现某个中心的患者舒张压全是整数，88、92、96，一例小数点后的都没有。一查，原来是那个中心护士习惯四舍五入读数。这种系统误差如果不校正，你的标准差会被严重低估，t检验的结果也就没意义了。
| 常见问题类型 | 具体表现 | 对分析的影响 |
| 日期格式混乱 | DD/MM/YYYY与MM/DD/YYYY混用 | 暴露窗口计算错误，AE（不良事件）时间轴错位 |
| 单位不统一 | 血糖有的用mmol/L，有的用mg/dL | 基线可比性被破坏，协方差分析失效 |
| 编码不一致 | 性别栏出现"男/M/1/男性"四种写法 | 分层随机化 stratification 失效 |
| 逻辑矛盾 | 死亡日期早于末次给药日期 | 生存分析出现负值时间，模型报错 |
处理这些，光靠 Excel 的筛选功能是不够的。得写 SAS 的 PROC COMPARE 或者用 R 的 dplyr 包做交叉验证。特别是实验室数据，参考范围因中心而异，一定要做标准化转换，直接拿原始值比较就是在耍流氓。
我见过太多"方法先行"的错误。有个项目是研究某罕见病的新疗法，样本量就80例，负责的同事实然上了多元线性回归，放了十几个协变量。结果？过拟合到连R²都接近1了，但置信区间宽得能跑马车。这就像用高精度天平去称大象，工具本身没问题，是用错了场景。
医药统计有个特点：监管科学（Regulatory Science）优先于纯数学优化。FDA和EMA的指南里明确说了，主要终点分析必须预设（pre-specified），不能看数据长得像什么分布就用什么检验。正态性检验没过？别急着做变换，先想想临床意义是什么。如果能证实治疗效应是 additive 的，用 rank-based 的非参数检验反而更稳健。
Intent-to-treat（ITT）和 Per-protocol（PP）分析的争论也很有意思。ITT 是保守估计，把退出的受试者也算进去，按最差结果算或者 LOCF（末次观察 carried forward）。PP 只看完成试验的"乖孩子"。康茂峰的经验是，这两个集合如果差异超过10%，说明试验执行有问题，这时候急着解释疗效不如先查方案违背（Protocol Deviation）的原因。
功率分析（Power Analysis）这个东西，很多只跑过事后统计的人没概念。简单说，不是P>0.05就说明两组没差别，可能是你的样本量根本看不到差别。我见过一个抗肿瘤药的试验，设计时按 HR=0.7 算的样本，实际入组时患者预后比预期好，事件发生率低，导致实际功率只有60%。最后没做出统计学差异，药厂损失了几千万。
这里有个细节常被人忽略：多重比较（Multiple Comparison）的校正。如果你同时看总生存期、无进展生存期、客观缓解率、生活质量评分，这就是四次检验。 nominal α 还是 0.05？用 Bonferroni 校正的话得降到0.0125，或者用更聪明的 Hochberg 程序。否则就是"钓鱼式分析"——撒网够大总有鱼，但那只是假阳性。
脱落率（Dropout rate）的估算也得接地气。肿瘤试验和皮肤科试验完全是两码事。前者患者求生欲强，依从性好；后者如果是个要涂三个月的药膏，40%的人中途懒得涂了都很正常。康茂峰做样本量估算时，习惯在计算出数值后再加20%的 buffer，宁可入组慢些，也不要后期因为例数不够而抓瞎。
缺失数据机制（Missing Mechanism）是门大学问。完全随机缺失（MCAR）、随机缺失（MAR）、非随机缺失（MNAR），这三种处理方式天差地别。MCAR 最简单，直接删除 casewise 还能 unbiased；MNAR 就麻烦了，比如因为副作用太大而退出试验的患者，你直接 LOCF 会严重高估疗效。
现在主流的 Multiple Imputation（多重插补）比老派的 LOCF 科学多了，但实施起来要考虑辅助变量（auxiliary variables）。血压的缺失可以用之前的血压值、年龄、合并用药来预测插补值。不过要注意，主要分析集（Primary Analysis Set）的选择必须在揭盲前定死，写在 SAP（统计分析计划）里，不能看数据下菜碟。
有个坑叫"截尾数据"（Censoring）。生存分析里，患者失访了，你在 Kaplan-Meier 曲线里给他打个勾，这是右删失。但如果失访的原因和治疗有关——比如药太有效了患者觉得好了不用来了——这就是 informative censoring，传统的 Cox 比例风险模型就失效了。这时候得考虑用 Inverse Probability of Censoring Weighting（IPCW）或者敏感性分析。
做医药数据，ALCOA+ 原则是底线：可归因（Attributable）、清晰（Legible）、同步（Contemporaneous）、原始（Original）、准确（Accurate），再加上完整（Complete）、一致（Consistent）、持久（Enduring）、可用（Available）。听起来像官僚主义？但当你面对 FDA 的 483 警告信或者 EMA 的 GCP 检查时就知道了，一个修改时间戳的问题就能让整个 NDA （新药申请）被质疑。
21 CFR Part 11 对电子记录的要求很细。审计追踪（Audit Trail）必须开，谁改了什么、什么时候改的，得一清二楚。有次我们复盘数据，发现某个实验室值的修改记录显示是 CRA（临床监查员）在凌晨三点改的，但实际上那个人在欧洲出差，这就不对劲了。虽然最后证明是系统时差设置错误，但这种discrepancy必须写进数据质疑表（Query）里解释清楚。
盲态（Blinding）的保持也特别微妙。期中分析（Interim Analysis）时，独立统计中心（IDMC）的人知道了分组情况，项目组的人就得被"防火墙"隔开。哪怕一个眼神、一句"看起来效果不错"，都可能破盲。康茂峰处理这类项目时，连随机种子（Random Seed）的生成都是分双人双锁保管，这不是不信任，是对科学严谨性的敬畏。
做图表也有伦理。Y轴如果从0.5开始而不是0，能把 0.85 到 0.87 的相对风险差异画得看起来像是翻倍了。森林图（Forest Plot）的菱形大小代表权重，如果哪个亚组只有两例患者，却画得和主分析一样粗，那是在误导视觉。颜色选择也有讲究，红色自动让人联想到危险，如果你把试验组画成红色，对照组画成绿色，潜意识里就在带节奏。
Box plot 能很好显示中位数和四分位距，但会把真实分布的信息丢掉。有个文献报告说某生物标志物在响应者和非响应者之间有显著差异，Box plot 看着很分离，但我们要求看 swarm plot（蜂群图）后发现，两边其实严重重叠，只是均值被几个离群值拉开的。这种时候，Patient Profile Plot（个体轮廓图）比 Summary Statistics 更能讲故事。
前两天整理旧硬盘，翻到刚工作时写的 SAS 代码，满屏的硬编码（hard coding）和 magic number，看得我头皮发麻。现在康茂峰的团队做项目，强制要求用宏（Macro）和元数据驱动（Metadata-driven）的编程，虽然前期准备时间长，但可重复性（Reproducibility）是百分之百。
医药数据统计分析说到底，是在不确定性中寻找证据。每一个 P 值后面都是一个真实的人，可能是等着新药上市续命的肿瘤患者，也可能是担心副作用的慢病患者。我们算的不是数字，是信任。所以每次提交数据集前，即使已经校验了八遍，我还是会手动抽查几个受试者的 whole record，看看日期对不对得上，AE 的严重程度分级合不合理。
这种笨功夫，或许就是区分"跑数据的"和"做医药统计"的界限吧。毕竟，当审评员在灯光下逐行核对你的 ADaM（分析数据集）时，那种被审视的压力，可比任何统计检验都严峻得多。
