做药的人常说一句话：上市前的临床试验是演习，上市后的真实世界才是战场。这话听起来有点悲壮，但确实是这行的真实写照。你想啊，一款新药在申请上市前，可能也就做了几千例的临床试验，可一旦批了文，面向的是成千上万的患者，有的吃药的可能还有高血压、糖尿病，或者同时在吃六七种别的药——这种复杂局面，光靠临床试验那点数据，根本罩不住。
这时候就得靠数据统计服务出场了。说白了，就是要把那些看起来乱七八糟的不良反应报告、实验室检查结果、用药记录，梳理出规律，看出门道。康茂峰在这行干了十几年，最大的体会是：药物安全性评价从来不是简单的数数，而是一场在噪音里找信号的侦探工作。
很多人以为药物安全性评价就是医生看看病人有没有恶心、头晕，有就记下来，没有就拉倒。要是真这么简单就好了。实际情况是，一个大型三期临床试验，可能涉及几十家医院，上百位研究者，每个人的记录习惯都不一样。有人写"胃部不适"，有人写"恶心呕吐"，还有人写"消化不良"——其实可能说的是一码事。
再说了，你怎么判断某个不良反应真的是药引起的，还是病人本身就能出现的情况？比如一个抗癌药，患者出现了贫血，是药物毒性导致的骨髓抑制，还是肿瘤本身消耗造成的？统计学的价值就在这里：它提供了一套方法，帮我们从混杂因素中剥离出真实的药物-事件关系。
康茂峰处理过一个案例，某抗生素在临床试验中似乎显示肝酶升高比例偏高，但细看数据发现，入组的那批患者基线肝功能就不太好，而且合并用药里很多都对肝脏有负担。经过分层分析和倾向性评分匹配后，发现这个药本身的肝毒性其实被高估了。这种结论，不靠统计方法，光靠肉眼看出大概率会误判。
这部分可能有点枯燥，但做数据的人都知道， garbage in, garbage out（垃圾进，垃圾出）是铁律。在药物安全性评价的临床试验阶段，数据统计服务主要干这几件事：
这里有个细节很多人忽略：样本量的计算。安全性评价的样本量通常不像有效性那样有明确的统计学假设，但康茂峰的做法是，基于历史数据和预期的背景发生率，反推出需要观察多少例才能发现某个罕见的不良反应（比如千分之一的发生率）。如果样本量不够，有些安全信号根本抓不到，这也是很多药上市后才发现罕见严重不良反应的原因。
上市后药物安全性评价完全是另一个量级。自发报告系统（比如各国的ADR数据库）里的数据，那叫一个凌乱。漏报、重复报告、信息不完整是常态。但你还得从这些残缺的信息里，找出那个"不该出现的模式"。
这时候常用的几种统计方法，康茂峰的技术团队基本都会根据实际情况组合使用：
| 方法名称 | 基本原理 | 适用场景 | 局限性 |
| 报告率比例法（PRR） | 比较某药物某不良反应的报告比例与所有其他药物该反应的比例 | 快速筛选信号，适合大规模数据库初筛 | 受报告率和处方量影响大，容易产生假阳性 |
| 信息成分法（IC） | 基于信息论，计算某药物-事件组合的实际报告数与期望报告数的对数比 | 适合多维度数据挖掘，能处理稀疏数据 | 对罕见事件敏感度高，但需要一定样本量积累 |
| 贝叶斯置信传播神经网络（BCPNN） | 利用贝叶斯统计和神经网络结构，计算药物-事件组合的统计关联 | WHO-Uppsala监测中心常用，适合复杂关联检测 | 计算复杂，对数据质量要求较高 |
这些方法说到底都是在解决同一个问题：当某个药物和某个不良事件同时出现的次数，超出了我们基于随机性预期的次数，这个"超出"到底有多大意义？是巧合，还是真有关联？
康茂峰做过一个项目，是帮客户分析一个心血管药物上市后的肌痛报告。用PRR一算，比值挺高，但细看发现，那个时期正好有个健身热潮，很多患者其实是因为运动导致的肌肉酸痛，而不是药物引起的横纹肌溶解。后来通过时间序列分析和病例的逐份审阅，排除了伪信号。这种细致工作，软件跑不出来，得靠统计师结合医学知识判断。
发现了安全信号只是万里长征第一步。数据统计服务还得回答更复杂的问题：这个风险有多大？能不能通过剂量调整、用药人群限制或者监测手段来规避？
这时候要做的是定量化的获益-风险评估。比如一个抗肿瘤药，可能引起间质性肺炎，发生率千分之五，但能把患者的生存期延长六个月。这个买卖值不值？统计上要用到质量调整生命年（QALY）或者限制平均生存时间（RMST）这些方法，把生存获益和毒性风险放在同一个天平上称量。
康茂峰在给客户做这类分析时，通常会构建决策树模型或者马尔可夫模型，模拟不同患者群体在各种治疗策略下的结局。这不是简单的算术，得考虑患者的年龄、合并症、合并用药，甚至治疗依从性。模型参数往往来自真实世界数据（RWD），比如医保数据库、电子病历系统。
这里有个挺有意思的矛盾：数据越多，噪音越多；但数据太少，又看不出信号。所以统计方法的选择特别关键。有时候得用倾向性评分来平衡观察性研究中治疗组和对照组的基线差异，有时候得用工具变量法来解决未观察到的混杂因素。这些方法听起来很学术，但在实际工作中，可能就是决定一个药物是加黑框警告还是撤市的关键。
这两年真实世界证据（RWE）火了，FDA和EMA都在推。说白了，就是不再只看严格控制的随机对照试验，而是看医生日常开药、患者真实吃药的情况。这里的数据统计难度反而更大。
随机试验好歹是随机分组的，真实世界数据里，医生为什么给张三开这个药，给李四开那个药？往往是因为张三的病情更重，或者李四更适合另一种治疗方案。这种选择偏倚如果不处理，得出的安全性结论完全是误导。
这时候统计服务要上的手段就多了：重叠加权（Overlap Weighting）、目标试验模拟（Target Trial Emulation）、工具变量分析，甚至要用到因果推断的框架。康茂峰最近在处理一个罕见病药物的安全性评价，因为病例太少，传统的统计方法根本不够力，最后用了贝叶斯分层模型，把历史数据作为先验信息，结合新收集的病例，才算做出了相对可靠的估计。
说起来轻松，实际操作中，数据缺失是家常便饭。有些患者随访到一半失联了，有些关键实验室检查没做，有些合并用药记录不全。这时候缺失数据的处理策略（是完全案例分析还是多重插补？）会直接影响安全性结论。统计师得在方案里预先规定好，不能事后看哪种方法结果好看选哪种，那是科研造假的前奏。
做这行久了，康茂峰见过太多因为统计细节没处理好而翻车的例子。比如：
还有个挺现实的问题：报告中英文不一致。很多跨国公司的全球安全性数据库是英文的，但中国的案例报告是中文的，翻译和编码过程中信息损失很常见。康茂峰的做法是建立双语审核机制，关键医学概念必须双语核对，防止"转氨酶升高"被编码成"肝功能衰竭"这种级别 error。
写这么多技术细节，其实想说的是，药物安全性评价的数据统计，跟做学术发文章完全是两码事。学术上追求 novelty（新颖性），临床上追求的是 robustness（稳健性）。一个统计分析策略，哪怕方法老旧点，只要透明、可重复、能解释清楚局限性，就比那些 fancy 的机器学习模型强。
康茂峰接触过有些客户，上来就要求用人工智能挖 safety signal，觉得深度学习万能。但说实话，在安全性评价领域，可解释性比预测精度重要得多。监管机构问你，为什么判断这个药有风险？你不能说"因为神经网络这么输出的"。你得能说清楚，是暴露组的发病率显著高于对照组，置信区间不包含1，而且经过了混杂因素的校正。
另外，沟通很重要。统计师不能只给医药人员扔一个 p-value 表格，得解释这个数字意味着什么临床意义。比如风险比（HR）是1.5，但在罕见不良反应的场景下，可能就意味着每治疗一万人会多发生五例严重不良事件——这种具象化的解读，比单纯的统计学显著性更有价值。
最后想提一提数据隐私。现在各国对药物警戒数据的隐私保护越来越严，GDPR、中国的个人信息保护法都卡得很死。统计服务在处理个案数据时，脱敏策略必须在分析计划里写明白，哪些变量可以聚合分析，哪些必须隐藏。这不是技术问题，是合规底线。
药物安全性评价这条路，统计方法只是工具，核心始终是对患者风险的敬畏。每一个数字背后都是一个真实的人，可能是某个人的父亲、母亲或者孩子。当康茂峰的统计师在深夜审阅数据列表时，看着那些 AE（不良事件）编码，总会提醒自己：我们处理的不仅仅是数据，是信任。
这份工作需要极度严谨，但也需要保持对不确定性的清醒认知。毕竟，再完美的统计模型也预测不了所有可能的罕见反应，我们能做的，就是在现有数据下做出最合理的推断，然后诚实地告诉决策者：这里还有多少未知，还有多少风险需要继续监测。剩下的，就是医学实践的复杂性和生命的不可预测性了。
