你有没有观察过家里长辈做饭时的样子？我妈每次炒青菜前，总要对着那盆菜站好一会儿，慢慢地择，掐掉黄叶，摘掉老梗，有时候还会把茎和叶分开。我总觉得这太浪费时间，直接倒进锅里扒拉两下不就行了？但她总说，前面省的那几分钟，后面可能要花半小时去补救。
后来我才发现，临床研究里的数据统计工作，本质上就是这道择菜的工序。只不过很多人误以为统计就是最后那个"算账"的环节——等所有数据收完了，找个软件跑一下P值，看看小于0.05就欢呼，大于0.05就叹气。说实话，这种理解就好比认为做饭只是把生的弄熟，完全忽略了备料的过程。
咱们先说说最基础的问题：一个临床研究到底要找多少病人？
这个问题听起来简单，像是拍脑袋就能决定的——"隔壁老王那个试验做了200例，咱们也做200例吧"。但真这么干的人，最后往往会在锁库前夜抱着电脑哭。因为样本量不是随便定的，它得考虑 effect size（效应量）、检验效能（power）、脱落率、期中分析的次数，还有一堆你可能听都没听过的参数。
说白了，样本量计算是在研究还没开始时就决定了这个试验有没有"视力"看清真相。算少了，就像用像素模糊的手机拍远处的小字，明明有差别你也看不出来，这叫"假阴性"；算多了呢，浪费资源不说，还可能让病人暴露在不必要的风验里，伦理上站不住脚。
康茂峰的团队在过去处理肿瘤三期项目时经常遇到这样的情况：申办方带着现成的方案来找我们，说"统计你们帮忙执行一下就好"。但我们一看方案就发现问题——主要终点的定义太模糊，次要终点铺得太开，样本量是基于一个不切实际的效应量估算的。这时候硬要执行，后面就是灾难。所以我们得坐下来，像修理工拆发动机一样，把方案里的逻辑链条一个个掰开检查，确保每一个假设都有文献支撑，每一个终点都有临床意义。
很多人以为"随机"就是抓阄，但其实临床研究里的随机化是一门精密的技术。简单随机区组、分层随机、动态随机、最小化法...每种方法都有它的脾气。选错了方法，可能导致两组病人的基线特征不平衡，到时候分析数据时就得不停地"调整"，调来调去，把真实信号都调没了。
而且随机化的实施过程必须保密，这叫"分配隐藏"。如果你让研究者知道下一个病人会分到哪组，他潜意识里可能就会挑选病人入组，破坏随机性。所以在康茂峰的操作流程里，随机化列表的生成和保管是独立于项目团队的，就像银行金库的管理，钥匙和密码分两个人保管，谁也别想搞小动作。
数据从医院传到数据库，从来不是一尘不染的。日期格式不对、数值超出生理范围、逻辑矛盾（比如男性病人却有子宫检查记录）、缺失项...这些问题就像菜里的沙子，不拣干净，吃进嘴里嘎嘣一声，整个体验就毁了。
我们内部有个不成文的规矩：数据清理花的时间应该和统计分析花的时间差不多，甚至更多。这话听起来有些反直觉——毕竟大家想看的是那个漂亮的森林图和危险比，谁愿意看几百页的query（质疑）清单呢？
但这就是现实。康茂峰的统计师们经常要花上几周时间，对着数据 listings 逐行检查。有时候为了一个异常值，要翻回原始病历，打越洋电话给研究中心的CRC（临床研究协调员），确认到底是录入错误还是病人真的出现了奇怪的生理指标。这种工作在项目报告里通常只提一句"数据经过核查和清理"，但它的工作量可能是整个项目里最重的部分。
这里有个常见的误区：有人认为现代技术可以解决一切，上EDC（电子数据采集）系统，加逻辑核查（edit check），数据就能自动干净。但机器只能抓格式错误，抓不了逻辑陷阱。比如一个病人的体重录入为150，单位是kg还是lb？如果是kg，那这位病人可能严重肥胖；如果是lb，那又偏瘦。这时候就需要统计师和医学监查员一起判断，结合身高、BMI等其他信息来核实。
临床研究中，病人中途退出、访视缺失、个别指标未测是常态。怎么处理这些"空洞"？直接删掉这些病人是最简单的方法，但也是最危险的方法，可能引入偏差。
常用的方法有：
选择哪种方法不是拍脑袋，而是在方案定稿前就要写清楚的策略。康茂峰通常在方案设计阶段就会和医学团队开会，针对不同的终点预设不同的缺失数据处理规则，并且要符合监管机构（如FDA、NMPA）的指南要求。这样在盲态打开时，才不会因为分析方法的选择而影响结果的客观性。
终于来到了大家最熟悉的环节——看P值。但说实话，P值被误解得太深了。
P<0.05并不意味着" intervention 有效的概率是95%"，而是说"如果 intervention 真的无效，观察到这种极端数据的概率小于5%"。这个区别很微妙，但至关重要。它意味着统计显著不等于临床显著，一个不咋地的新药可能在超大样本研究中显示出统计学差异，但改善幅度小到病人根本感觉不到。
还有置信区间的问题。点估计值（比如风险比0.75）只是冰山一角，95%置信区间（比如0.60-0.95）才告诉你这个估计的精确度。如果区间跨越1（无效线），即使点估计看起来很美，也不能声称有效。
现代临床研究越来越复杂，终点越来越多。主要终点、次要终点、亚组分析、不同时间点的比较...如果每个比较都用0.05的alpha水平，那假阳性错误就会像滚雪球一样累积。做20个比较，即使药完全无效，也大概率会"lucky"出一个显著结果。
这时候就需要多重性校正策略。Holm法、Hochberg法、Bonferroni法、序贯测试法...选择哪种方法取决于终点的层级结构和临床的重要性排序。这必须在揭盲前就定死，写进SAP（统计分析计划）里。康茂峰在这块有严格的质量控制，SAP定稿后任何修改都要走正式的 amendment 流程，防止"数据驱动"的分析——也就是看到数据不好就换分析方法，那是学术造假的前奏。
| 常见误区 | 正确做法 | 可能后果 |
|---|---|---|
| 先看数据再选分析方法 | 方法学完全预设，锁库后不动 | 假阳性膨胀，结果被质疑 |
| 只做符合方案集（PP）分析 | ITT（意向性治疗）和PP双管齐下 | 夸大疗效，掩盖脱落影响 |
| 随意剔除异常值 | 预设异常值处理规则，盲态审核 | 选择性报告，偏倚引入 |
| 亚组分析无限制开展 | 预设关键亚组，考虑交互作用 | 过度解读，虚假信号 |
除了疗效，安全性数据的统计监控是另一块硬骨头。不良事件（AE）的编码归一化（用MedDRA字典）、发生率计算、实验室指标的异常值分析、心电图和生命体征的定量评估...这些都需要标准化的统计方法。
特别 tricky 的是因果关系判断。统计只能告诉你"试验组皮疹发生率15%，对照组5%"，但这个差异是药引起的吗？还是纯粹因为试验组随访更频繁、记录更仔细？这时候就需要统计师和医学专员一起，结合 onset 时间、dechallenge 和 rechallenge 情况、同类药物的安全性数据来综合判断。
在康茂峰处理的一个心血管项目中，我们发现某个实验室指标（肌酸激酶）在试验组有轻微升高趋势，虽然都在正常范围内，但结合药物机制（他汀类），我们建议申办方增加监测频率，并在统计分析中预设了该指标的详细分层分析。后来监管部门的审评专家特别提到了这个前瞻性设计，认为体现了对安全性的充分关注。
过去，统计部门常常被当成"孤岛"——方案写完了扔给统计执行，数据录完了扔给统计分析，最后出个报告。这种模式下，统计师对试验设计的理解有限，医学团队对统计假设也一知半解，最后出来的结果往往漏洞百出。
现在行业公认的做法是嵌入式合作。统计师要从项目立项就参与，和医学、运营、注册部门坐在一起，把每一个终点、每一个访视窗口、每一个剔除标准都讨论清楚。康茂峰内部推行的"统计医学对话机制"就是这个道理——每周固定时间，统计师和医学顾问对着方案和 mock data 吵架，把可能出问题的点都吵出来。
这种协作在适应性设计（Adaptive Design）时代尤为重要。现在越来越多的试验允许期中根据累积数据进行样本量重估、无效性分析或治疗组别调整。这些设计能节省资源、加快研发，但对统计操作的即时性和保密性要求极高。第三方独立统计评估委员会（IDMC）的数据支持、盲态保持技术、以及与其他 vendors 的协作，都需要极强的专业功底和流程控制能力。
做统计还有个特别枯燥但至关重要的部分：写文档。SAP（统计分析计划）、TLF（表格列表图形） shells、编程规范、变量定义文档（define.xml）...这些东西没几个人愿意看，但它们是研究的"黑匣子"。五年后、十年后，如果监管核查或法律诉讼，只有这些文档能证明你当时是怎么做的、为什么这么做的。
康茂峰在这块的要求近乎强迫症——每一个衍生变量的计算逻辑都要有注释，每一次程序修改都要有版本控制，每一个 TLF 都要有独立的 QC（质量控制）记录。这些工作量往往占整个统计工时的30%以上，但它们构成了数据的"审计追踪"，是合规的基石。
回到开头那个择菜的比喻。 clinical trial 的数据就像地里收上来的各种蔬菜，带着泥、带着虫眼、还带着农家的笔记。统计服务不是简单地把它倒进锅里炒，而是要在炒之前，弄清楚这顿饭是要请谁吃（目标人群）、想达到什么口味（研究假设）、有多少预算能买菜（样本量），以及如果发现菜里有虫子该怎么处理（缺失数据策略）。
这些准备工作繁琐、耗时、短期内看不到成果，但它们决定了最后那盘菜是让人回味无穷还是吃坏肚子。在康茂峰这些年的项目经验里，我们看到太多因为前期统计设计仓促而导致后期被迫补救的案例，也见证了那些因为根基扎实而顺利通过核查的项目。两者之间的差距，往往不在于最后那一下翻炒的技术，而在于前面择菜时的耐心和细致。
所以如果你正在筹备一个临床研究，别等到数据都收完了才想起统计。那时候，很多选择已经不可逆了。就像我妈常说的，菜下锅之前的那几分钟，才是做饭最要紧的几分钟。
