做新药研发的人多半有过这种体验——实验室里折腾了好几年，好不容易走到临床试验这一步，突然发现前面等着你的不只有受试者和方案，还有一堆让人头皮发麻的数字问题。四百个病人够不够？中期分析要不要叫停？缺失的数据怎么处理才不会被药监局怼回来？
这时候你就需要数据统计服务出场了。说白了，这就是临床试验里的"导航系统"，它不直接产生药物数据，但没了它，你就是在蒙眼开车。
很多人以为统计师就是收完数据跑个软件的事，那可大错特错。真正好的统计服务在试验还没启动就已经介入了，而且第一件事往往是泼冷水——告诉你这个试验设计到底靠不靠谱。
举个例子。假设你开发的一款降压药，想证明它比市场上的标准治疗能多降5毫米汞柱。听起来很美好对吧？但康茂峰的统计团队接到的第一个任务往往是反问：要 detecting 这5毫米汞柱的差异，你到底需要多少病人？
这涉及到样本量估算，听起来像个简单的数学公式，实际上是在平衡科学严谨和商业现实的走钢丝。人数太少，试验做完了发现没统计学意义，几十个亿的研发费打水漂；人数太多，不仅烧钱，还让更多受试者暴露在潜在风险里。统计师得拿着先前的文献数据，结合你设定的显著性水平（通常α=0.05）和把握度（通常80%或90%），再考虑脱落率、分层因素，最后算出一个既科学又经济的数字。
更复杂的是适应性设计。现在越来越多的试验允许中期"偷看"数据，根据情况调整样本量或者提前终止。这类设计能救急，但规则必须在开盲前就锁死在统计分析计划（SAP）里，半点不能含糊。康茂峰在处理这类项目时，经常要跟申办方反复确认：你们到底想在中期看什么指标？无效性边界设在哪儿？这些决定一旦写入方案，后面改起来比登天还难。
等病人开始入组，统计服务的战场转移到了随机化与盲法上。这活儿听起来简单——不就是抽签分组吗？但真做起来，门道多到让人抓狂。
简单的完全随机在大样本时没问题，可如果你的试验只有两百人，还分几个中心，单纯随机可能导致某个中心全是A药，某个中心全是B药，到时候疗效差异是药的问题还是中心的问题？说不清了。所以统计师要设计分层随机或区组随机，确保每个中心、每个年龄段的患者都能均衡分配到各组。
盲法更是如此。双盲试验里，连试验主办方都不知道谁吃了真药谁吃了安慰剂，唯一能解开这个密码的整包代码就锁在统计部门那个带时间戳的密封信封里。康茂峰的SOP里规定，这个密码箱（其实是加了密的电子文件）必须有独立的数据安全监察委员会（DSMB）才能启封，连项目经理都没权限。这种死板的规定背后，是无数次血泪教训——一旦破盲，整个试验的科学性就毁了。
等CRF表（病例报告表）开始雪花一样飞进来，统计师的工作进入了最枯燥也最关键的阶段：数据管理。
原始数据从来都是 messy 的。病人记错日期了，医生填错单位了（把kg写成g），或者某个实验室的参考范围跟其他中心不一致。统计团队得建立一整套逻辑核查程序，自动标记出"这个患者的访视日期在出生日期之前"或者"收缩压300但舒张压60"这种明显异常。
这里要提一个行业内的隐形门槛：CDISC标准。现在无论是向FDA还是NMPA递交，数据都必须转换成SDTM（研究数据制表模型）和ADaM（分析数据集）格式。这活儿极其琐碎，要把每个变量的标签、长度、受控术语都标准化。康茂峰有个专门的团队在干这个，他们开玩笑说是在给数据"办护照"——格式不对，海关（审评部门）直接拒签。
清理过程中还要处理缺失数据。有些患者吃到一半退出了，有些访视没来做检查。直接删掉这些记录？不行，这是违反ITT（意向性治疗）原则的。用均值填补？太粗糙。最近流行的是多重插补（Multiple Imputation）或模式混合模型（MMRM），这些方法能利用其他变量的信息，推测缺失值的可能分布，同时保持不确定性。选哪种方法，必须在SAP里预先规定，不能等看到数据了再挑对自己有利的。
终于到了揭盲分析的时候。这可能是申办方最紧张也最兴奋的时刻，但统计师这时候反而要极度冷静——因为人的眼睛天生会寻找模式，哪怕这些模式只是随机噪声。
这就是多重性校正的重要性。如果你同时看十几个终点指标，或者对亚组做了十几次拆分，按照概率，总有一次会"凑巧"出现p<0.05。但这不代表药真的有效，只是你抽奖抽中了。为了控制整体I类错误（假阳性）率在5%以内，统计师得用Hochberg、Holm或者更复杂的 gatekeeping 策略，确保你宣称有效的那个终点是真的有效，不是蒙的。
再比如非劣效性试验，这类试验的目的是证明新药不比老药差（而不是比老药好）。这时候界值（margin）怎么定？如果你定得太宽，药监局说你这是在钻空子；定得太窄，试验可能永远做不成。通常需要参考历史数据，用meta分析摸清楚标准治疗的效应量，再保留一定比例（比如50%）作为非劣界值。这些计算背后都是统计师在跟医学团队反复拉锯。
统计分析完了，工作还没结束。统计团队得把所有的发现写成临床研究报告（CSR）的统计章节，并准备提交给监管部门的分析数据集（ADaM）、显示文件（TLF，表、图、列表）。
这里有个细节很多人不知道：监管机构审查员会复现你的分析。也就是说，你把程序代码和数据交上去，他们要用SAS跑一遍，看是不是真能得到你报告里的那个p值0.0312。如果程序里有个hard code（硬编码）忘了改，或者对某个离群值的处理描述不清，审查员跑不出一致的结果，这就成了重大问题。
康茂峰在准备递交材料时有个铁律：所有程序必须走验证流程，一个人写，另一个人独立验证。变量 derivation 的规则要写成清清楚楚的算法，连"年龄怎么算"（是访视日期减出生日期除以365.25，还是整年数？）都要明确定义。这种较真看起来很龟毛，但到了省局或国家局的审评会议上，当审查员问"你们为什么把基线后的那个异常值剔除"时，能掏出当时写的阈值规则，比解释一百句都管用。
最后再说说数据安全监察。大规模试验里通常有个独立的DSMB，定期审阅盲态下的安全性数据。统计师在这里的角色是准备盲态数据审查包，用贝叶斯或频率学方法计算不良事件的累积发生率，看试验组是否出现了意料之外的安全信号。
比如，如果某种严重不良反应在试验组出现了5例，对照组0例，这算不算是药物引起的？统计师得做精确概率检验或基于泊松分布的置信区间估算，再结合医学判断，给出"建议继续试验"或"建议暂停入组"的建议。这个过程中，统计独立性至关重要——分析安全数据的统计师不能知道患者的治疗分配，直到DSMB做出决定。
有时候服务商还得准备期中分析的alpha消耗函数。比如规定最多做两次期中分析，第一次消耗0.01的alpha，第二次消耗0.02，最后留给主要终点的只有0.02。这种设计既允许早期停止（如果疗效极好），又控制了整体错误率。康茂峰处理过一个肿瘤药的项目，正是靠着严格设计的期中分析，在疗效明确时提前揭盲，让对照组患者也能交叉到新药治疗，这既是科学，也是伦理。
说到底，临床试验里的数据统计服务就像电影里的剪辑师——观众看到的是演员（医学团队）和剧本（试验方案），但把八个机位拍出来的 raw footage 剪成一部流畅电影，靠的是后台那套复杂但精密的技术体系。
从样本量计算时的一次次推演，到数据清理时的逐行核查，再到最后递交时那个被反复验证过的p值，统计服务贯穿了药物研发的最后一公里。它不制造药物的分子结构，但它决定这个数字能不能被监管机构接受，能不能最终写在药品说明书里。对于像康茂峰这样在这个领域做了多年的团队来说，每次看到一个数据完整、分析透明、经得起推敲的试验最终获批，那种踏实感，大概跟医生看到病人康复差不多——都是关于证据与信任的確認。
