简介这份由DIA中国统计社区组织多家药企与研究机构专家编写的中文参考资料聚焦ICH E9(R1)修订下的临床试验估计目标设定与敏感性分析面向医药行业统计师、临床研究设计人员及与监管机构沟通的研究者。资源仅含1个PDF文档压缩包约1.63MB内容涵盖估计目标五大属性主要终点、指标、对照组、参数估计类型与参考假设及伴发事件处理策略并基于淋巴瘤CAR-T疗法、哮喘多臂三期试验等案例展开说明。全书从背景铺垫到主估计方法、敏感性分析与补充分析的区别及适用场景再到方案中估计目标框架的规范呈现层级递进、实操性强。已有2795人学习下载适合需要系统理解临床研究统计口径、提升试验结果可解释性与稳健性评估能力的专业读者。1. ICH E9(R1)在解决什么问题一个降糖药案例引出的治疗效应之争多年前有一款降血糖药物确证性III期试验用的是套常规玩法主要终点选第24周HbA1c自基线的变化分析集限定为经随机分组、使用过研究药物、有基线和至少一次基线后测量的受试者统计方法用协方差分析补救治疗后的数据视为缺失用LOCF插补。申办方觉得天经地义美国监管机构的统计审评员却公开表示应该把患者服用补救药之后的数据也纳入分析这样更接近真正的意向治疗分析。表面是方法分歧实际是双方回答的科学问题根本不同。这类冲突以往常拖到申报阶段才爆发代价很大。ICH E9(R1)用“估计目标”这个结构化框架来解决它而这份蓝皮书把框架讲得最透。它适合三类人要写确证性试验方案的统计师、需要和监管沟通的医学负责人、准备方案答辩的研究生。2. 估计目标框架拆解五大属性和五种伴发事件策略的配合逻辑要理解ICH E9(R1)核心就两个概念估计目标的五大属性、伴发事件的五种处理策略。这两块咬得很紧——策略选得对不对直接决定五属性里“治疗”“变量”“人群”怎么定义。接下来把框架拆开讲透再落到每个策略的适用场景。2.1 五大属性先别选统计方法把科学问题写完整蓝皮书对估计目标的定义是在目标人群中比较相同受试者接受不同治疗时的结果得到群体层面的治疗效应。它和ICH E9最大的不同是把伴发事件从“缺失数据问题”提升到了“定义问题”。估计目标由五个属性构成目标人群、治疗、目标变量、伴发事件及处理策略、群体层面汇总。目标人群是适应症对应的人群并不等同于临床试验的入组人群。有些方案直接把“随机化人群”写进去这是常见的偏差治疗属性要写清楚是否包含伴随治疗比如“研究药物联合标准治疗”对比“安慰剂联合标准治疗”还是研究药物单药目标变量要明确终点及测量时间点不能只丢一个“PFS”“OS”缩写群体层面汇总是最终用于比较的统计量比如两组平均变化之差或风险比也要提前锁定。几个属性不是并列关系伴发事件会牵引其他属性它可能影响治疗的定义补救治疗被纳入治疗策略影响目标变量的定义死亡进入PFS终点甚至影响人群的定义主层策略针对“潜在不会发生事件”的人群。所以我在写方案时会要求团队先把候选伴发事件一个个列出来判断它影响的是哪一属性再谈后续统计。这一步如果跳过去后面的设计都是飘的。结构化框架还提醒了思考顺序先明确试验目的再定义估计目标最后才选主估计方法和敏感性分析。实际项目里很多人习惯倒过来先翻文献看别人用什么模型再回头凑估计目标这基本是给自己埋雷。如果试验目的本身不够清晰早期探索性研究常有这种情况可以通过五属性讨论把目的逼出来反过来估计目标一旦确定试验设计洗脱期长短、随机化方式也要向它对齐保证数据能支撑这个治疗效应的估计。2.2 五种伴发事件策略用一个案例讲透选择逻辑先定义伴发事件治疗开始后发生、可能影响与临床问题相关的观测结果解释或存在的事件。判断一个事件算不算伴发事件看三点发生在治疗开始后影响了患者的治疗如转组、补救治疗影响了估计目标的其他属性。不是治疗期发生的所有事都要当伴发事件长期用药偶尔漏服、日间服药时间错误这类方案违背预期不影响变量解释就不属于伴发事件。蓝皮书用一个抽象化案例演示五种策略。试验目的是评估试验治疗A比标准治疗B经过6个治疗周期后能否提高总体最佳响应率受试者随机后在第1、3、5周期做疾病评估第6周期评估总体最佳响应。治疗过程中患者可能在疾病进展前、6周期内退出试验用药并使用下一线治疗。对“使用下一线治疗”这个伴发事件五种策略给出的答案完全不同。疗法策略把伴发事件纳入治疗定义事件发生后继续测量、继续收集数据受试者4的PR和受试者6的CR照常计入此时治疗变成“A下一线治疗”对比“B下一线治疗”回答的是整个治疗策略的效果不是药物单药的纯疗效。这种策略适合伴发事件在各组都常见、且作为基础治疗符合临床实践的场景但死亡这类终末事件不行事件发生后变量不存在没法用疗法策略。假想策略假设伴发事件没有发生受试者4和6在第6周期的响应要用模型预测或填补得到的是假设条件下的“纯”疗效。但假想必须写具体只说“假设未使用下一线治疗”不够要分清是“假设无法获得”还是“假设临床状态良好无需使用”两种假想对应的预测方法完全不同。假想无法验证一旦伴发事件比例高大量终点靠模型预测稳健性会很差这时敏感性分析的任务特别重。复合变量策略把伴发事件当成不良结局并入终点受试者4和6的最优响应记为“无应答”伴发事件反映在变量属性里。这个策略在肿瘤试验里很常见操作直接、沟通成本低但会把“使用后续治疗但实际有应答”的患者归到无应答可能低估疗效组间事件发生率不均衡时要谨慎解读。在治策略只看伴发事件发生之前的数据4用SD、6用PR参与分析回答的是“患者还在接受试验治疗时”的疗效。变量定义要跟着改为“伴发事件发生前的最佳响应”不再是严格意义上的6周期最佳响应。写方案时最容易犯的错就是变量没跟着改。主层策略把人群锁定为“潜在不会发生伴发事件的人”它和亚组有本质区别亚组是事后根据已发生事件切的主层基于潜在特征通常要特殊入排设计。在标准随机对照试验里用主层策略可行性不高必须提前在试验设计里布局试验跑起来了再谈基本来不及。从数据收集角度看策略差异也很大疗法策略需要继续收集事件发生后的测量假想策略和复合策略原则上不需要收事件后的数据在治策略同样不用。方案设计阶段就要把这些写清楚否则数据管理团队不知道哪些字段该收、哪些不该收。策略选择也不是统计师一个人能定的要跟临床开发、医学、注册团队一起过。我建议每选一个策略都回答三个问题它对应哪个临床问题需要额外收集什么数据事件发生频率高时主估计方法还稳不稳2.3 伴发事件与方案违背一句话判断该不该管很多项目组把伴发事件和方案违背混着用结果协议里写“方案违背率高说明执行差”却把真正该关注的伴发事件漏了。判断方法就一句话如果一个事件不影响治疗、不影响变量、不影响人群那它就不是伴发事件。伴发事件是在治疗过程中自然发生的能够在设计阶段预料到不应被当成试验缺陷来看。提前终止治疗是典型伴发事件但具体原因不同策略可以完全不同因缺乏疗效终止复合策略比较合理认为终点为“未缓解”因为搬家这类非疗效原因终止假想策略更贴合“如果继续用药会怎样”。这意味着数据收集系统要提前设计支持性信息终止原因不能只录“提前退出”要按疗效、安全性、非医学原因细分。我在方案阶段就会给数据管理团队一份清单写明每个伴发事件需要的字段、判断人和收集时间点避免事后补数据。还要留意组间发生率的解读。比如安慰剂组使用补救治疗的频率显著更高这可能提示治疗差异但也提示补救用药并非随机策略选不好就可能引入偏倚。方案里应预设伴发事件频率的记录与比较方式出现不平衡时在解读部分说明并额外加一组敏感性分析来回应。3. 方案落地估计目标在试验方案里怎么呈现框架理解了下一步是怎么写进方案。ICH E9(R1)没有规定格式蓝皮书第二章给出了一套可参考的呈现方式核心是四件事先写临床问题再定义估计目标五属性然后列出伴发事件策略最后说明选择理由。3.1 估计目标的模板表述先写临床问题再写五属性业界参考模板一般长这样主要关注的临床问题是在有【状况/疾病】的受试者中不考虑因任何原因终止治疗、不考虑有无开始补救治疗或改变背景治疗的情况下治疗【时间】后通过【健康指标/结局】评估的治疗差异是多少估计目标的定义人群有【状况/疾病】的受试者更多细节见第X章。终点【健康指标/结局】在【时间点】较基线的变化。治疗随机分配的治疗伴或不伴【补救治疗/背景治疗改变】采用疗法策略。伴发事件及处理策略“因任何原因终止治疗”和“开始补救治疗或改变背景治疗”均按疗法策略处理没有其他伴发事件。群体层面汇总治疗组之间平均变化之差。选择该估计目标的考量【写明临床依据】。用模板不能真填空。要反复问自己治疗属性里写没写补救药终止治疗用了疗法策略事件后数据是不是还要继续收群体层面汇总选平均差还是风险比为什么模板解决的是表述结构不解决选择正确性。另外注意死亡这类终末事件发生时变量不存在不能只写疗法策略需要假想策略或复合策略配合。如果方案里有多个主要估计目标要依次定义主估计目标1、主估计目标2并分别配主估计方法和敏感性分析不能混在一个自然段里。3.2 伴发事件总结表一张表理清多个估计目标方案里估计目标多的时候文字描述容易乱。蓝皮书建议用总结表把伴发事件和策略对齐参考例子伴发事件主估计目标次要估计目标1次要估计目标2终止治疗疗法策略复合策略在治策略暂停用药疗法策略疗法策略疗法策略补救治疗假想策略疗法策略在治策略背景治疗改变疗法策略疗法策略疗法策略死亡假想策略复合策略在治策略这张表能看出三种估计目标各自回答什么主估计目标是“无论是否终止治疗在假设没有补救治疗和死亡的前提下随机治疗的效应”次要估计目标1把终止治疗和死亡都当成治疗失败次要估计目标2只看患者还在治疗、没有补救治疗时的效应。这样写统计团队和临床团队读同一张表理解一致。实际项目中我习惯再加一列“影响的属性”比如终止治疗影响终点、补救治疗影响治疗定义、死亡影响终点或人群后期做敏感性分析设计时直接对着这一列看。3.3 统计章节怎么跟上分析集、主估计方法与敏感性分析估计目标不能只在方案前半部分亮相统计分析章节的逻辑也要跟着改。首先要定义分析集蓝皮书的例子是全分析集为所有随机入组的受试者用于有效性终点分析安全性分析集为所有接受了研究治疗的受试者用于安全性评估。定义不要太复杂重点是在方案里明确每个分析集对应哪些估计目标。接下来针对每个估计目标描述主估计方法必须包含三层统计模型本身、假设包括缺失数据假设、最终得到的估计值形式。假设部分最容易漏尤其要针对不同伴发事件造成的缺失说明用什么填补方法。如果一个方案里既有因不良事件终止治疗、又有因疗效不佳终止治疗两种缺失产生机制不同不能只写一个笼统的填补法糊弄过去。然后是敏感性分析部分。要明确它针对同一个估计目标考察主估计方法对假设偏离的稳健性。我习惯在SAP里把敏感性分析和主估计方法做成一张对照表左边是假设清单右边是每个假设对应的敏感性分析这样审评时一眼就能看到逻辑闭环。补充分析放在最后标注“优先级最低”避免结果解读时主次颠倒。4. 统计推断链主估计方法、敏感性分析与补充分析怎么排序估计目标定下来之后接下来是设计整套统计推断链。一个估计目标对应一个主估计方法一到多个敏感性分析外加需要的补充分析三者的优先级和内部逻辑要提前理清。4.1 主估计方法三个要件缺一不可主估计方法必须做到三件事得到点估计、得到置信区间、进行统计检验。为完成这三件事所有估计方法都依赖假设假设分两层统计模型的假设、缺失数据处理的假设。很多人只写模型公式不写缺失假设结果审评一问就翻车。举例说如果主估计方法用重复测量模型它隐含假设缺失数据是随机缺失但若缺失原因是提前终止治疗而终止治疗往往与疗效相关那这个假设根本不成立主估计方法就跟估计目标不一致了。我在SAP里会先列一张伴发事件和缺失数据的对应表每个伴发事件产生的是哪类缺失、我做了什么假设、对应模型怎么处理这张表写清楚主估计方法才站得住。4.2 敏感性分析一次只动一个假设敏感性分析的定义是针对假设的偏离和数据的局限性评估主估计方法统计推断的稳健性。注意关键词“同一个估计目标”它不是把另一个估计目标拿过来重跑一遍。选敏感性分析时有个重要的实践原则一次只考虑一个假设避免同时改变多个假设否则结果不一致时根本说不清是哪个假设造成的差异。具体做法我一般分三步第一步把主估计方法的全部假设列出来并编号第二步对每个关键假设设计一个备选方案第三步把每个敏感性分析结果对号入座汇报时说明它改动的是哪条假设、结论与主分析是否一致。举个例子主估计目标用假想策略假设“未使用补救治疗”并做了填补。敏感性分析1可以偏离这个假想把补救治疗视为治疗失败用复合策略思路重新定义终点敏感性分析2可以偏离缺失数据机制改用控制模式填补来检验。两条敏感性分析结果如果都和主分析指向同一方向结论的稳健性就扎实了。4.3 补充分析优先级最低但不是摆设补充分析是主估计方法和敏感性分析之外的其他分析目的是提供对治疗效应更全面的了解比如亚组分析、与次要获益终点相关的分析。蓝皮书明确说它在解释研究结果时优先级最低通常不被优先考量。但体现实战中补充分析不能删——当主分析和敏感性分析结论不一致时补充分析常常是理解差异来源的钥匙也可能为获益风险评估提供额外视角。关键是把它的定位写清楚在SAP里明确标注“补充分析”不参与主要结论的推断。我见过有方案把亚组分析放在主结果表格里结果被审评要求重述主次关系来回折腾两轮。补充分析就是补充分析表格和章节位置都要和主分析分开。4.4 三个案例走一遍策略选择与分析链设计蓝皮书里的案例覆盖了肿瘤、慢病、心衰等多个场景挑三个典型走一遍思路。第一个是淋巴瘤CAR-T疗法研究。这类试验终点常用客观缓解率或PFS治疗过程中可能有患者提前接受后续治疗甚至死亡。常见设计是把死亡按复合策略计为无应答同时对后续治疗采用假想策略假设其未发生时评估缓解状态。因为CAR-T生产等待期较长治疗方案本身复杂伴发事件的定义尤其要仔细区分“与疾病进展相关的转组”和“与生产延误相关的转组”两者处理策略可能完全不同。第二个是哮喘多臂三期试验。这类慢病试验里患者因症状控制不佳使用急救药物、提前终止治疗都很常见。主估计目标通常采用疗法策略把急救用药当成基础治疗的一部分估计目标描述为“治疗策略联合标准护理”的效果敏感性分析再改为复合策略把急救药使用当成治疗失败来看或者改变对终止治疗的假设。第三个是改善射血分数降低心衰患者运动能力的临床试验。终点采用运动能力指标时提前终止治疗会造成数据缺失有的设计采用在治策略只分析受试者在治疗期内的运动数据变量定义相应改成“治疗期间观察到的运动能力”。这个改动必须在估计目标里写清楚否则统计方法再漂亮也和目标对不上。三个案例的共同特点是策略选择都贴着临床问题走没有一个是先拍模型再凑目标的。顺序永远是临床问题、伴发事件、策略、统计模型倒过来走很难过审。5. 最容易翻车的五个坑现象、原因、解决估计目标写进方案不难难的是别在细节里翻车。这一章把最常踩的坑按“现象-原因-解决”列出来都是实际审评和项目复盘里反复出现的。5.1 坑一把估计目标当成缺失数据问题现象方案讨论会一提到伴发事件所有人自动进入“缺失数据怎么补”的讨论审评意见里也只盯着缺失率不谈治疗效应定义。原因2010年某权威报告把估计目标带进公众视野时重心放在缺失数据上后续很多讨论延续了这一侧重导致不少团队误以为估计目标就是缺失数据问题。实际上缺失只是伴发事件影响终点的一种路径疗法策略下补救治疗后的数据依然纳入分析根本不存在缺失。解决先定义估计目标再谈缺失处理。方案里单独写估计目标章节把五属性和策略交代清楚缺失数据假设降级为“主估计方法的一部分”而不是设计的起点。5.2 坑二策略选择和伴发事件定义脱节现象方案里定义了伴发事件“使用下一线治疗”策略选了在治策略但统计分析时把所有观察数据一锅端进模型变量定义也没改。原因没意识到伴发事件一旦纳入定义就必须反映在治疗、变量或人群属性上。在治策略下变量已经不再是“6周期最佳响应”而是“伴发事件发生前的最佳响应”不调整变量就自相矛盾。解决对每个策略做一次属性联动检查。疗法策略检查治疗定义是否更新复合策略检查终点定义是否包含事件在治策略检查变量测量窗口是否前移主层策略检查人群描述是否与随机人群区分。写SAP前逐项打勾。5.3 坑三敏感性分析一次改两处假设现象敏感性分析结果和主分析不一致但复盘时说不清差异来自模型分布假设还是缺失数据假设讨论半天没有结论。原因把“换模型”当成“换假设”。换一个统计模型经常同时改变分布假设和缺失数据处理方式两个变量同时动结果差异的原因无法归因。解决写SAP时先列主估计方法的完整假设清单并编号。每个敏感性分析只改一个编号对应的假设其余保持不动。汇报敏感性分析结果时直接引用假设编号例如“本次分析对假设3进行了偏离”争议会少很多。5.4 坑四伴发事件的支持性信息没设计好现象数据锁库后开始分析发现退出原因只分了“疗效不佳”“不良事件”“失访”三类要区分“因搬家等非疗效原因退出”时根本没有字段假想策略没法落地。原因数据收集方案和伴发事件处理需求脱节。方案团队在写估计目标时没有同步给数据管理字段清单等到分析阶段发现有缺口后悔药没处买。解决方案锁定前给数据管理团队一张字段清单每个伴发事件配上需要收集的信息、收集时间和判断责任人。提前终止治疗的原因必须细分到疗效、安全性、非医学原因等层级补救治疗要记录起始日期和用药名称。字段不够时宁可多收分析裁剪比事后补数据容易得多。5.5 坑五估计目标写了但统计方法没跟上现象方案前段估计目标写得很标准五属性齐全但SAP里主估计方法用的却是另一套逻辑和估计目标自相矛盾。原因方案不同章节由不同人分头写估计目标章节是一波人统计分析章节是另一波人中间缺少一致性核查。解决把估计目标五属性和统计方法要点做成一张对照表锁定方案前逐条过。表头类似估计目标编号、目标人群、终点定义、伴发事件策略、主估计方法、缺失数据假设、敏感性分析假设。任何一格对不上直接打回重改。从那之后我一直要求SAP评审先过这张表再过模型。6. 验收与答辩用一张自查表和两个问句收尾6.1 方案自查表给读者一张可以直接抄走的自查表答辩前逐项核对检查项通过标准不通过的常见后果目标人群等同适应症人群不与入组人群混写主层策略理解错误人群定义被审评挑战治疗属性写明是否含伴随治疗、补救治疗估计目标回答的临床问题不清晰终点属性变量、时间点、测量方法明确在治策略下变量定义与数据不匹配伴发事件清单列出治疗开始后所有关键事件漏掉转组或补救治疗主分析结论失效处理策略与临床问题对应属性联动一致策略与模型矛盾审评不认可敏感性分析一次只偏离一个假设结果差异无法归因结论稳健性存疑补充分析标注优先级最低与主分析分离主次混淆解读被误导6.2 答辩被问“为什么选这个策略”怎么答如果答辩或审评时被问到“为什么这里用假想策略而不是复合策略”我一般分三步回答先用一句话说明所选策略对应的临床问题再说两种策略的差异点最后引用设计依据支撑选择比如事件发生率预期、历史数据或临床团队的专业判断。这中间不要急着跳进模型细节策略选择本质是临床合理性讨论统计细节放在第二步讲。回答完如果对方追问“那敏感性分析有没有覆盖复合策略思路”就可以顺势把敏感性分析设计引出来展示闭环。6.3 保留一个习惯这套方法论我真正消化掉靠的不是读一遍案例而是把“伴发事件-策略-敏感性分析”的链路自查变成了每个方案的强制流程。有一回正是在自查时发现某肿瘤方案的次要估计目标里死亡既被假想策略处理又被当作终点组成事件同一事件用了两个定义差一点直接送审。从那以后这个流程再也没省过。希望帮到你。本文还有配套的精品资源点击获取