临床试验估计目标：用五大属性定义真正要回答的因果问题

简介本资源是面向临床试验统计师、医药研发人员及监管事务从业者的专业指南聚焦ICH E9(R1)修订中核心的估计目标设定与敏感性分析实践。蓝皮书由DIA中国统计社区牵头联合勃林格殷格翰、辉瑞、罗氏等十余家跨国药企及国内头部Biotech的30余位统计专家共同编写系统阐释了基于五大属性主要终点、指标、对照组、参数类型、参考值的结构化估计目标框架并通过淋巴瘤CAR-T疗法、哮喘多臂三期试验等真实案例详解伴发事件处理、主估计方法选择、敏感性分析策略及方案撰写要点。资源为单个PDF文件大小1.63MB内容完整覆盖导论、框架应用、方案呈现与实操案例四大部分排版清晰、术语规范便于快速查阅与团队对齐。目前已有2811人学习下载是开展符合国际标准的临床试验设计、统计分析计划SAP撰写及监管沟通的重要参考依据。1. 估计目标到底是什么一个临床试验里“真正想回答的问题”说明书你有没有遇到过这种场景一款新药做完三期临床试验数据很漂亮主要终点显著改善p值小于0.001统计学结论非常“硬气”。可到了监管审评阶段审评员却皱着眉头问“这个结果到底在回答什么问题”——不是问“算得对不对”而是问“你当初想搞清楚的究竟是哪件事”这就像医生给病人开降压药如果试验设计时没想清楚“我们是想看‘吃药6个月后血压降了多少’还是‘吃药期间不加其他药、不提前停药的人血压能降多少’抑或是‘哪怕加了救急药、哪怕中途换药整体治疗策略带来的血压变化’”——那最后算出来的数字可能根本不是监管方、医生或患者真正关心的那个“疗效”。这就是估计目标Estimand的核心意义它不是统计公式不是分析代码而是一份用大白话写成的“临床试验问题说明书”。它把模糊的“我们要看药有没有效”这句话拆解成五个具体、可操作、无歧义的零件谁来治人群、怎么治治疗定义、看什么终点、遇到意外怎么办伴发事件及处理策略、最后怎么总结群体汇总方式。2019年正式落地的ICH E9(R1)就是为了解决这类“算得热闹、答非所问”的困局而生。它不再只教你怎么“算”而是先逼你坐下来和团队、和监管方一起把“我们到底想证明什么”这一页纸写清楚。这份《ICH E9 R1估计目标及敏感性分析蓝皮书》正是国内一线统计师们把这套国际语言“翻译”成中文实践指南的努力——它不讲抽象理论而是用10个真实案例告诉你当CAR-T疗法遇上患者提前转组、当哮喘试验碰上多臂交叉设计、当新冠药物面临高死亡率干扰时“估计目标”这五个字如何从纸面概念变成方案里一句句可执行的描述、分析中一个个可复现的步骤、沟通中一条条有共识的底线。它解决的不是“会不会算”的技术问题而是“该不该这么算”的认知问题。搞懂它你写的统计分析计划SAP才不会在NDA阶段被退回重写你做的模型才不会被质疑“算的是药效还是补救药的功劳”你和监管开会时才能把“为什么用LOCF”这种玄学争论升级成“我们选择假想策略是因为临床问题聚焦于纯药物效应”这样有依据的对话。2. 为什么必须先定义估计目标从“算得快”到“答得准”的底层逻辑2.1 临床试验的本质是一场有约束的因果推断实验临床试验不是观察自然现象而是一次精心设计的“思想实验”我们想弄明白——如果同一批人一半吃药、一半不吃他们最终的结果会差多少但现实永远不配合这个理想设定。患者会因副作用停药、会因病情恶化加用其他药、会因搬家失访、会因死亡而无法继续测量……这些在治疗开始后发生的、影响结果解释的事件就是ICH E9(R1)明确定义的伴发事件Intercurrent Event。提示伴发事件 ≠ 方案违背。漏服一次药可能是操作疏忽但因疗效不佳而主动换用下一线治疗就是典型的伴发事件——它直接挑战了“纯药物效应”这一科学问题的边界。传统做法常把这些事件当作“噪音”处理删掉失访者、用末次观测结转LOCF填补缺失值、把转组患者归入原治疗组分析……这些方法本身没有错但问题在于它们默认回答了一个未经声明的科学问题。比如LOCF它隐含的假设是“患者如果没转组后续指标会保持不变”——可如果患者是因为病情急剧恶化才转组这个假设就极可能崩塌。估计目标框架的革命性就在于它把“默认假设”拉到台前强制你声明“我们这次试验就是要回答——在允许患者按需使用补救治疗的前提下A药补救治疗 vs B药补救治疗哪个整体策略更优” 或者“我们严格限定只评估那些全程未使用任何补救治疗的患者A药本身的生物学效应有多强”前者对应疗法策略Treatment Policy Strategy后者对应假想策略Hypothetical Strategy。选哪个不取决于统计方便而取决于临床问题本身。这就是为什么ICH E9(R1)强调先有估计目标再有分析方法而不是先有数据再找方法去拟合。2.2 五大属性把“疗效”这个词拆成五把手术刀估计目标不是一句话而是一个由五个相互咬合的属性构成的精密结构。缺一不可改一动全属性它在回答什么关键细节与常见误区目标人群Population“疗效”适用于谁不是入组人群而是适应症定义的临床人群。例如某肺癌试验入组了EGFR突变和野生型患者但药物仅针对突变人群那么目标人群应明确为“EGFR突变阳性的晚期NSCLC患者”而非“所有随机化受试者”。治疗Treatment“疗效”比较的是哪两种干预必须包含伴发事件的处理方式。如采用疗法策略“治疗A”实际定义为“A药允许的补救治疗”对照组则必须是“安慰剂同等补救治疗”否则比较失去公平性。目标变量Variable/Endpoint我们用什么数字来量化“疗效”终点定义必须与伴发事件策略对齐。若采用复合策略如将“死亡或疾病进展”定义为PFS终点则变量本身已内化了伴发事件若采用在治策略则终点需重新定义为“治疗期间的最佳缓解”而非“研究结束时的最佳缓解”。伴发事件及处理策略Intercurrent Event Strategy当现实偏离理想路径时我们如何定义“疗效”这是E9(R1)新增的核心。同一伴发事件如“提前终止治疗”因原因不同因AE停药 vs 因搬家失访可适用不同策略前者倾向复合策略视为治疗失败后者倾向假想策略假想其未失访。策略选择必须有临床依据不能凭统计便利。群体层面汇总Population-level Summary这个“疗效”最终呈现为什么样的统计量常见如两组均值差连续变量、风险比HR时间至事件、胜率win ratio。注意汇总方式影响解读。例如用中位PFS比较可能掩盖早期死亡带来的偏倚用限制平均生存时间RMST则更稳健。这五个属性不是填空题而是一套逻辑链人群决定治疗背景治疗定义影响终点可测性终点可测性受限于伴发事件伴发事件的处理方式又反向重塑人群和治疗的定义最终汇总方式确保结果可被临床理解。蓝皮书中案例3肾细胞癌术后治疗就展示了这一点当“术后辅助治疗”本身存在高复发率且复发后必然启用系统治疗时“无复发生存期RFS”作为终点就必须明确——复发是否被定义为伴发事件复发后的系统治疗是否纳入治疗定义否则RFS的改善可能只是反映了后续治疗的获益而非辅助治疗本身的功效。2.3 没有估计目标的统计分析就像没有地图的远征想象一下一支探险队出发前没人确认目的地是“珠峰北坡大本营”还是“南坡二号营地”只说“往高处走”。路上遇到暴风雪伴发事件队长决定绕路策略队员记录海拔终点最后汇报“我们到达了5200米”。这个数字有意义吗没有。因为如果目标是北坡大本营约5150米5200米可能已偏离路线如果目标是南坡二号营地约5900米5200米只是半途更糟的是队员可能把绕路时经过的一个山头5200米误认为目标。临床试验亦然。蓝皮书第一章引述的达格列净Dapagliflozin案例正是如此申办方用LOCF分析HbA1c变化得到“显著降低”FDA质疑——这个数字反映的是“达格列净本身的效果”还是“达格列净患者自行加用的降糖药”的混合效果由于方案中从未明确定义“我们究竟想估计什么”双方在NDA阶段才意识到他们拿着同一组数据却在回答两个不同的问题。这种“后知后觉”的代价巨大可能需要补充分析、延迟审批、甚至要求开展新试验。而估计目标框架就是那份出发前必须签下的“目的地确认书”。它让统计师、临床医生、注册专员、监管审评员在试验启动前就站在同一张地图前指着同一个坐标说“我们要去这里。”3. 五大属性详解从定义到落地的实操要点3.1 目标人群不是“招进来的人”而是“药该给谁用”目标人群Population常被误认为等同于“全分析集FAS”或“符合方案集PPS”。这是最危险的误区之一。正确理解目标人群是临床问题的自然外延。它由三个要素锚定疾病状态如既往接受过≤2线系统治疗的转移性结直肠癌患者关键基线特征如KRAS/NRAS/BRAF野生型治疗背景如未接受过抗EGFR治疗。注意入排标准Inclusion/Exclusion Criteria是筛选工具目标人群是科学定义。例如某试验入排标准要求ECOG PS 0-1但临床问题关注的是“所有适合接受该治疗的mCRC患者”那么目标人群就应表述为“ECOG PS 0-2的mCRC患者”而PS 2的患者虽未入组其潜在疗效仍属目标人群的推断范畴——这直接影响外部有效性generalizability的讨论。蓝皮书案例7类风湿关节炎对此有清晰示范试验入组了甲氨蝶呤MTX稳定剂量的患者但临床问题聚焦于“在标准MTX背景治疗下新药的附加获益”。因此目标人群明确为“正在接受稳定剂量MTX治疗的中重度RA患者”而非“所有RA患者”。这直接决定了后续分析中MTX剂量变化是否被视为伴发事件、是否需在模型中校正。3.2 治疗定义当“吃药”这件事变得复杂起来治疗Treatment属性最容易被简化为“A药 vs 安慰剂”。但在真实世界治疗是一个动态过程受伴发事件深刻影响。核心原则治疗定义必须与伴发事件处理策略完全耦合。若采用疗法策略治疗即为“分配治疗 允许的伴发干预”。例如案例1CAR-T淋巴瘤中患者回输CAR-T后若因CRS使用托珠单抗该治疗即成为“CAR-T托珠单抗”方案的一部分对照组也必须是“标准治疗同等支持治疗”。若采用假想策略治疗则回归“分配治疗本身”。此时方案中必须明确定义假想情景“假想患者未发生伴发事件且未接受任何补救治疗”。这要求主估计方法如多重插补的模型必须基于未发生该事件的类似患者数据构建而非简单用均值填充。实操陷阱许多方案写“治疗为随机分配的药物”却对“药物使用时长、剂量调整、暂停重启”只字不提。ICH E9(R1)要求这些细节若影响疗效解释就必须纳入治疗定义。例如案例4心衰运动能力中“每日固定剂量”与“按耐受性滴定剂量”代表两种不同的治疗定义直接影响终点6分钟步行距离的变异度和效应量估计。3.3 目标变量终点不是冷冰冰的数字而是临床意义的载体目标变量Variable/Endpoint是估计目标的“眼睛”它决定了你看到什么。但它的定义必须经得起伴发事件的拷问。关键区分原始测量值如第24周HbA1c数值是数据目标变量如“第24周HbA1c自基线的变化值对因伴发事件导致缺失的数据按假想策略进行多重插补”才是估计目标的一部分。蓝皮书案例6PRO作为肿瘤终点极具启发性患者报告结局PRO如疼痛评分极易因疾病进展、住院、死亡而缺失。若简单删除缺失数据等于默认“不报告疼痛无疼痛”这显然违背临床常识。此时目标变量必须明确定义是“最后一次有效报告的疼痛评分”在治策略还是“假想患者未发生进展时的预测疼痛评分”假想策略抑或“进展或死亡即定义为最差疼痛状态”复合策略每种选择都导向不同的临床解读。方案中若只写“主要终点为FACT-G总分”而不说明缺失值处理逻辑这个终点就失去了估计目标的锚点。3.4 伴发事件及处理策略临床试验的“意外管理手册”伴发事件是估计目标框架的心脏。E9(R1)将其明确定义为治疗开始后发生的、影响目标变量解释或存在、且无法通过随机化消除的事件。必须厘清的三类混淆伴发事件 vs 方案违背患者忘记服药一天是违背但因此导致疗效评估窗口错过若该错过不影响整体趋势判断则不构成伴发事件而因严重AE永久停药则是典型伴发事件。伴发事件 vs 终点事件“死亡”在PFS分析中是伴发事件导致PFS无法评估在OS分析中则是终点事件本身。同一事件角色随目标变量而变。伴发事件发生率 vs 伴发事件影响某药组30%患者发生补救治疗对照组仅10%这不仅是基线不平衡更意味着两组的“治疗定义”已实质不同——此时单纯比较原始终点可能产生严重偏倚。五种策略的选用逻辑以“补救治疗”为例# 策略选择决策树伪代码供理解逻辑 if clinical_question 整体治疗策略优劣: strategy Treatment Policy # A药补救 vs B药补救 elif clinical_question A药本身的生物学效应: strategy Hypothetical # 假想无人使用补救治疗 elif clinical_question 避免补救治疗是治疗成功标志: strategy Composite # 将补救治疗定义为终点失败 elif clinical_question 仅关注治疗期间的即时效应: strategy While on Treatment # 只用补救前数据 elif clinical_question 疗效仅存在于特定亚群如永不转组者: strategy Principal Stratum # 需特殊设计如预筛蓝皮书案例5新冠治疗生动体现了策略选择的临床重量在高死亡率背景下若将“死亡”按疗法策略处理继续收集死亡后数据数据不存在若按假想策略假想未死亡模型可靠性存疑最终采用复合策略将“死亡或呼吸衰竭”合并为终点使结果更具临床紧迫感和决策价值。3.5 群体层面汇总从个体数据到群体结论的“翻译器”汇总方式Summary是估计目标的“落脚点”它决定了统计量如何承载临床意义。常见误区认为“均值差”或“HR”是通用答案。实则汇总方式必须匹配终点类型和临床问题对于二分类终点如ORR风险差RD比比值比OR更易向临床医生解释“绝对获益是多少”对于时间至事件终点如PFS中位数易受删失影响限制平均生存时间RMST提供更稳健的平均时间差对于复合终点如心血管死亡/心梗/卒中胜率Win Ratio能处理不同成分的临床权重差异。蓝皮书案例8多发性硬化症采用EDSS评分变化但指出EDSS是有序分类变量若简单用t检验比较均值会丢失等级信息。因此主估计方法选用Wilcoxon秩和检验汇总方式为“优势概率Probability of Superiority”即“随机抽取一名A组和一名B组患者A组患者EDSS改善更大的概率”这个数字如0.65比均值差0.3分更直观传达临床获益大小。4. 常见误区与易混概念十个让你拍大腿的“原来如此”4.1 误区一估计目标 主要终点为什么混两者都出现在方案“主要目的”章节且终点常是估计目标的组成部分。怎么区分主要终点是一个测量指标如“第12周HbA1c变化值”估计目标是包含该终点在内的完整因果问题如“在2型糖尿病患者中SGLT2抑制剂对比安慰剂对第12周HbA1c变化的平均处理效应按假想策略处理补救用药”。后果只写终点不写策略等于只给了枪没给瞄准镜。审评时会被追问“补救用药发生时您的HbA1c数据怎么算”4.2 误区二敏感性分析 多跑几个模型看看结果稳不稳为什么混实践中常把换一个协变量、换一个缺失值填补法就叫敏感性分析。怎么区分真正的敏感性分析必须针对主估计方法中的核心假设且与同一估计目标严格对应。例如主估计用多重插补假设MAR敏感性分析就该用模式混合模型放松MAR假设主估计用Cox模型假设PH敏感性分析就该用分层Cox或参数模型。错误做法主估计用LOCF隐含“缺失不变”假设敏感性分析却用Last Observation Carried ForwardLOCF——这根本不是检验假设只是重复计算。后果审评员认为“您没理解什么是稳健性”敏感性分析沦为形式。4.3 误区三伴发事件处理策略是统计师的“技术选择”临床医生只需看结果为什么混策略选择涉及统计模型如插补、建模易被归为技术细节。怎么区分策略本质是临床问题的翻译。选择假想策略意味着临床团队认定“纯药物效应”是监管决策的关键选择疗法策略则表明“真实世界混合治疗效果”才是医生最关心的。临床医生必须参与策略讨论因为他们最清楚补救用药的发生是源于药物无效支持复合策略还是源于患者依从性差支持假想策略后果统计师单方面定策略临床团队不认同导致方案内部逻辑断裂后期数据解读时互相质疑。4.4 误区四估计目标一旦确定就不能更改为什么混认为它是方案“铁律”修改等于推翻整个试验。怎么区分ICH E9(R1)允许在方案修订中更新估计目标但必须满足(1) 基于期中分析或新科学证据发现原目标无法回答关键临床问题(2) 修订需经DSMB数据安全监查委员会和监管机构书面同意(3) 所有后续分析包括主分析必须基于新目标原目标分析降级为补充分析。后果擅自修改会导致主分析失去监管认可整个试验效力受损。4.5 误区五所有伴发事件都必须在方案中定义并指定策略为什么混追求“全面覆盖”把所有可能事件都列出来。怎么区分只定义对目标变量解释有实质性影响的伴发事件。例如某试验主要终点是影像学PFS患者因轻度皮疹暂停用药3天若该暂停不影响后续扫描时间点和肿瘤评估则不属于需定义的伴发事件。定义需有临床依据方案中应说明“为何此事件会影响终点解释”而非罗列清单。后果过度定义稀释重点让审评员困惑“哪些是真正关键的”反而忽略核心伴发事件如死亡、转组的策略合理性。5. 敏感性分析不是备胎而是主估计的“压力测试仪”5.1 敏感性分析的本质一场有预谋的“证伪实验”很多人把敏感性分析当成主分析的“保险丝”——主分析万一翻车还有它兜底。这是巨大误解。正确理解敏感性分析是主估计方法的必要组成部分如同汽车出厂前的碰撞测试。它不预测“会不会出事”而是主动制造极端工况如假设缺失数据机制从MAR变为MNAR检验主估计在多大程度上还能站得住脚。ICH E9(R1)对敏感性分析有明确定义“针对假设的偏离和数据的局限性探索主估计方法统计推断的稳健性的一系列分析。”关键词是“一系列”和“稳健性”。它不是跑一个替代模型而是构建一个分析谱系一个模型检验统计假设如Cox比例风险假设是否成立一个模型检验缺失数据假设如若缺失非随机主估计会偏多少一个模型检验伴发事件策略假设如若假想策略中“未转组”患者的预后被高估效应量会缩水多少。蓝皮书案例2哮喘多臂试验展示了这种谱系思维主估计用混合效应模型假设数据符合混合正态分布敏感性分析则包括使用广义估计方程GEE放松分布假设使用多重插补MI处理缺失对比主分析的逆概率加权IPW对高缺失率亚组如依从性80%者单独分析检验结果一致性。这三层检验共同回答“我们的主结论是否顽强到足以承受现实世界的各种不完美”5.2 如何设计一次合格的敏感性分析三步落地法第一步锁定主估计的“阿喀琉斯之踵”不是所有假设都值得检验。聚焦主估计方法中最脆弱、最难验证、对结果影响最大的假设。例如若主估计用LOCF其阿喀琉斯之踵是“缺失不变”这一强假设若主估计用多重插补其阿喀琉斯之踵是“缺失为随机MAR”这一前提若主估计用Cox模型其阿喀琉斯之踵是“比例风险PH”假设。第二步构造“最坏但合理”的替代场景敏感性分析不是越极端越好而是要“坏得有道理”。例如对MAR假设的检验不应直接假设“所有缺失都发生在最差结局者中”MNAR极端情形而应采用控制阈值法Controlled Multiple Imputation在插补模型中人为加入一个偏移项δ让插补值系统性地向更差方向偏移然后观察δ在什么范围内结论仍保持显著。第三步结果呈现必须“可读、可判、可决策”避免只输出一堆p值。应制作敏感性分析汇总表敏感性分析方法核心假设偏离点主估计值 (95% CI)敏感性估计值 (95% CI)结论稳健性评价主估计多重插补MAR假设成立-1.2 (-1.8, -0.6)—基准控制插补δ0.5缺失数据系统性更差-1.2 (-1.8, -0.6)-1.0 (-1.6, -0.4)✅ 稳健CI重叠控制插补δ1.0缺失数据更差程度加倍-1.2 (-1.8, -0.6)-0.7 (-1.3, -0.1)⚠️ 边界CI下限触及0GEE模型放松分布假设-1.2 (-1.8, -0.6)-1.1 (-1.7, -0.5)✅ 稳健这张表让审评员一眼看清“在合理范围的假设偏离下我们的结论依然成立。” 这比一百句“我们做了敏感性分析”更有力量。5.3 补充分析不是“次要分析”而是“上下文注释”补充分析Supportive Analysis常被误认为“次要终点分析”或“探索性分析”。ICH E9(R1)给了它精准定位“针对同一估计目标除主估计方法和敏感性分析之外的其他分析。”关键区别次要估计目标Secondary Estimand回答另一个独立的临床问题如主要看OS次要看QoL它有自己的五大属性需独立定义补充分析只为支撑、丰富、解释主估计目标的结论。例如主估计目标是“总体人群的平均效应”补充分析可做“关键亚组如年龄≥65岁的效应”以说明结果是否普适主估计用连续变量HbA1c变化补充分析可用分类变量HbA1c7%达标率提供不同维度的临床视角。红线警告补充分析不得用于支持主要结论。方案中必须明确“主要结论仅基于主估计目标及主估计方法。补充分析结果仅作参考不改变主要结论的判定。” 否则一旦主分析不显著拿补充分析“曲线救国”会被视为严重违规。6. 什么时候用、什么时候别用一份来自血泪经验的边界清单6.1 该用估计目标框架的六个明确信号当你在临床试验设计中遇到以下任一情况必须启动估计目标框架而不是跳过它直接写统计分析计划试验涉及高频率伴发事件如肿瘤试验中预期20%患者会发生疾病进展或死亡慢性病试验中补救用药使用率30%。此时不定义策略主分析必然失焦。主要终点为时间至事件TTEPFS、OS等终点天然受伴发事件死亡、失访、转组干扰E9(R1)的伴发事件处理策略是TTE分析的基石。计划使用LOCF、BOCF等传统缺失值处理法这些方法隐含强假设必须用估计目标框架显性化其对应的科学问题如LOCF对应“疗法策略缺失不变”否则审评必究。试验设计为多臂、适应性、平台试验如案例2的哮喘多臂试验不同治疗组伴发事件发生率可能差异巨大必须用统一框架确保各组比较的公平性。监管沟通中已出现分歧苗头如预BE会议中审评员对“如何定义疗效”提出疑问此时用估计目标框架形成书面共识是规避NDA风险的最高效方式。药物作用机制特殊疗效显现延迟或波动如CAR-T疗法案例1疗效高峰在回输后数月期间大量患者经历CRS、感染等伴发事件必须用假想策略或主层策略锚定真正的生物学效应窗口。我的教训在负责某款阿尔茨海默病药物II期试验时初期因觉得“只是小试验”跳过了估计目标讨论直接按惯例用LOCF分析ADAS-Cog变化。期中分析时发现安慰剂组因AE停药率高达35%而药物组仅15%。当我们用LOCF得出“显著改善”时内部统计复核发现若改用假想策略假想所有停药者继续用药效应量缩水40%且95%CI触及零点。幸亏是II期我们紧急召开跨学科会用估计目标框架重定义将“因AE停药”定义为伴发事件采用复合策略停药即视为认知恶化重新分析。最终结论虽仍为阳性但效应量更真实为III期方案设计提供了坚实基础。从那以后我每次启动新项目第一件事就是召集临床、注册、统计用蓝皮书第三章的10个案例当模板逐条填写五大属性表格——哪怕只是草稿也必须走完这一步。6.2 该谨慎使用或暂不使用的三个边界场景估计目标框架强大但并非万能。在以下场景需格外谨慎甚至暂缓应用极早期探索性试验如Ia期目标是初步安全性、药代动力学PK或药效学PD尚未形成明确的临床问题。此时强行套用五大属性会束缚探索灵活性。应聚焦于清晰描述观察指标和分析方法待II期明确临床问题后再引入。真实世界研究RWSRWS缺乏随机化和严格干预其核心是描述性关联而非因果推断。E9(R1)框架基于随机试验的因果逻辑直接移植到RWS易水土不服。RWS应优先遵循《ICH E9(R1)增补指南真实世界证据》等专门文件。终点为客观物理测量且几乎无伴发事件干扰如某医疗器械试验主要终点为“植入后30天内导管通畅率”通过影像学直接判定且试验周期短30天、失访率1%、无死亡/转组。此时伴发事件影响微乎其微强行定义反而增加不必要的复杂性。6.3 一份不能省略的落地检查清单为确保估计目标框架真正落地而非停留在纸面我坚持在每个项目关键节点执行这份清单节点检查项通过标准责任人方案初稿完成时五大属性是否在方案“统计考量”章节有独立小节每个属性均有明确定义无模糊用语如“适当处理”、“常规方法”统计师SAP定稿前主估计方法是否100%匹配五大属性例如若治疗定义含“补救治疗”则主分析模型必须包含补救治疗变量若采用假想策略则SAP必须详述插补模型及假设统计师临床医生数据库锁库前CRF中是否收集了策略实施所需的所有支持性信息如对“提前终止治疗”CRF必须记录具体原因AE/缺乏疗效/失访等否则无法按原因分策略分析数据管理员医学监查员期中分析时是否根据实际发生的伴发事件率重新评估策略合理性若某策略组伴发事件率远超预期如50%需评估是否需启动方案修订考虑更稳健的策略如从假想转向复合DSMB申办方统计NDA申报前敏感性分析汇总表是否作为SAP附件提交表中必须包含至少2种不同维度的假设检验如1种检验统计模型1种检验缺失机制且结论有明确稳健性评价注册专员统计师这份清单不是官样文章。它是我从蓝皮书10个案例、以及自己踩过的坑里熬出来的“防翻车”守则。每一次勾选“通过”都意味着离一个经得起审评拷问的临床试验又近了一步。希望帮到你。本文还有配套的精品资源点击获取