临床试验中的统计学要求
临床试验是以病人为研究对象，比较临床治疗干预措施和对照措施的效果及其临床价值的前瞻性研究。临床试验以人为研究对象，与动物实验不同。在临床试验中，研究者不能完全支配病人的行为，只能要求病人避免采用某些干扰试验的治疗或行为，因此必须考虑病人的依从性问题。临床试验还必须考虑医学伦理学问题，当新药已被证实对病人弊大于利，尽管试验仍未完成，也要中止。当已经存在经医学验证对试验疾病有效的药物时，使用安慰剂对照是不适当的。当病人出现紧急情况需要额外治疗措施时，也必须给予。因此临床试验要面对比动物实验更多的问题，在设计上有着更严格的特殊要求。
新药的临床试验分为Ⅰ、Ⅱ、Ⅲ、Ⅳ期：Ⅰ期临床试验是初步的临床药理学及人体安全性评价试验，观察人体对于新药的耐受程度和药物代谢动力学，为制定给药方案提供依据；Ⅱ期临床试验是随机盲法对照临床试验，对新药有效性及安全性作出初步评价，推荐临床给药剂量；Ⅲ期临床试验是扩大的多中心临床试验，遵循随机对照原则，进一步评价有效性和安全性；Ⅳ期临床试验是新药上市后的监测，在广泛使用条件下考察疗效和不良反应，尤其是罕见不良反应。本节主要讨论II期和III期临床试验的统计学要求。
例11.1 临床观察发现急性心肌梗塞后，梗塞区膨出和左心室重构常导致左心室增大和心功能不全。为研究急性心肌梗塞后长期使用卡托普利治疗对心脏的保护作用，需设计一个药物疗效评价的临床试验，在设计中要考虑以下问题。
1．观察变量的选择
(1)主要变量和次要变量主要变量 (primary variable)又称目标变量(target variable),即能够为临床试验目的提供可信证据的变量。临床试验的主要变量一般只有一个，必要时可有多个。主要变量应易于量化、客观性强、被相关研究领域所公认。次要变量（secondary variable)是指与试验主要目的有关的附加的变量，也可以是与试验次要目的有关的变量。两种变量均应在临床试验的设计方案中明确定义，并说明其被选择的理由。临床试验的样本含量估计、疗效或安全性评价应以主要变量为依据。
(2)复合变量(compound variable) 当与临床试验主要目的有关的变量很多,难以确定单一的主要变量时，可预先确定一种综合计算方法(如求和，加权求和等)，或用多元分析的方法(如主成分分析等)将多个变量综合成一个复合变量，如临床研究中采用的各种量表就是一种复合变量。当组成复合变量的某些单项变量具有临床意义时，也可以单独进行统计分析。
(3)全局评价变量(global assessment variable) 将客观指标和研究者对病人的病情及其改变总的印象综合起来所设定的变量称为全局评价变量，它通常是有序分类变量。全局评价变量往往带有一定的主观成份。因此，如果需选择全局评价变量，应在方案中明确说明它与试验的主要目的有关，有选择的依据和可靠的基础，同时具有明确判断等级的方法。客观性较好的全局评价变量应该作为主要变量之一单独加以考虑。
例11.1中，研究目的是为评价卡托普利治疗对左心室容量、收缩功能和舒张充盈的作用，因此主要指标是用多普勒超声心动图测定左心室容量和射血分数。次要变量可选择左心室充盈速率。评价左心室容量和充盈速率的变量有多个，各变量的结果不一致时，难以对药物作总的结论。因此在统计分析时可以将多个变量综合成一个变量进行分析，这综合变量就是复合变量。上例中研究的最终目的是卡托普利治疗对心功能的保护作用，因此可以选择心功能级别作为全局评价变量。
２．对照组的选择
临床试验中对照组与试验组唯一的差别是试验组中受试者接受新药治疗, 而对照组的受试者则接受对照药物的治疗。
临床试验要求试验组和对照组来自相同的受试者总体。两组受试者不但在试验开始时要求基本情况相似, 而且在试验进行中除了试验药物不同外, 其它条件均需保持一致。临床试验中常用的对照组设置有以下3种类型:
（１）安慰剂对照安慰剂(placebo)是一种虚拟药物, 其外观剂型、大小、颜色、重量、气味和口味等都与试验药尽可能保持一致, 但不含有试验药物的有效成份。设置安慰剂对照的目的在于消除研究者、受试者和参与评价人员等由心理因素等影响而形成的偏倚，分离出由试验药物所引起的真正的效应和不良反应。安慰剂可以用于平行对照或自身交叉对照。
（2）阳性药物对照在临床试验中采用已知的、已批准上市的有效药物作为试验药的对照, 称为阳性药物对照。阳性对照药物必须是合法的、公认有效的、并对所研究的适应症最为有效安全的药物。设计方案可以是平行对照也可以是自身交叉对照。
（3）剂量-反应对照将试验药物设计成几个剂量, 而受试者随机地分入其中一个剂量组；它可以包括安慰剂对照即零剂量，也可以不包括安慰剂组。剂量-反应对照主要用于研究剂量与疗效和不良反应的关系, 或者仅用于说明疗效。剂量-反应对照有助于回答给药方案中采用的剂量是否合适。
例11.1中急性心肌梗塞病人不适宜采用安慰剂对照，因此采用常规治疗包括溶栓剂、阿斯匹林等作阳性药物
对照，试验组采用常规治疗加卡托普利治疗。
一个临床试验不一定只有一个对照组, 可以根据实际情况设立多个对照组。如在一个阳性药物的临床试验中，增加一个安慰剂对照组, 就形成同时使用安慰剂和阳性药物对照组的试验，常称为三手试验(three-arm study); 又如在安慰剂对照试验中，根据医学伦理学要求，有时需对每个受试者在给予一种标准治疗药物的同时，试验组给予试验药物，对照组给予安慰剂，这种试验称为标准治疗加安慰剂的试验(placebo-standard study)。
３．避免偏性的重要技巧??盲法
盲法(blind method)系指按试验方案的规定，尽量不让参与临床试验的受试者、研究者、参与疗效和安全性评价的医务人员、监视员、数据管理人员和统计分析人员知道病人所接受的是何种药物，从而避免他们对试验结果的人为干扰。在具体实施过程中常常根据盲态的程度分为双盲(double blind)和单盲(single blind)两种临床试验。在具备条件的情况下，应当采用双盲试验，尤其在试验的主要变量易受主观因素干扰时更应采用双盲试验。若条件不完全具备，也可采用单盲设计。确实难以实施者，也可不采用盲法(open label)。采用单盲或非盲法试验应在研究方案中申述理由。
双盲临床试验系指临床试验中受试者、研究者、参与疗效和安全性评价的医务人员、监查员、数据管理人员和统计分析人员都不知道治疗分配程序，并在整个试验过程中不知道哪一个病例属于试验组或对照组。当反映疗效和安全性的主要变量是主观评定的 (如疼痛、认知功能障碍评分), 而用以评定的量表内容极易由主观因素造成偏倚时, 必须使用双盲试验。即使主要指标为客观指标(如生化指标、血压测量值等), 为了避免研究者选择病例的误差或填写病例报告表受主观因素影响, 也应尽量采用双盲试验。在双盲临床试验中，不论是安慰剂对照，还是阳性药物对照，都需要具备药品检验部门的检定，同时要求试验药品与对照药品剂型、外形等一致。
但是有时试验药品与对照药品剂型不相同，（这种情况大部发生在使用阳性对照的临床试验），如试验药为片剂，对照药为胶囊；有时，虽然两种药物剂型相同（如同为片剂），但外观不同，服用量不同（如试验药为2次/日，1片/次，而对照药每3次/日，2片/次）。为了执行双盲试验，需要用双模拟技术(double dummy)。即由申办者制备一个与试验药外观相同的安慰剂，称为试验药的安慰剂；再制备一个与对照药外观相同的安慰剂，称为对照药品的安慰剂。按编码结果，试验组服用试验药加上对照药的安慰剂；对照组服用对照药加上试验药的安慰剂；各药和其安慰剂服用方法相同。因此从整个用药情况来看，每个病例所服用的药物，每日次数，每次片数都是一样的，这就保证双盲法的实施。
从医学伦理学方面考虑，双盲试验应为每一个受试者编号设置一个应急信件(emergency letter)，信件内容为该编号的受试者所分入的组别。应急信件是密封的，随相应编号的试验药物发往各临床试验中心，由该中心负责人保存，非必要时切勿拆阅。在发生紧急情况（如严重不良事件，或病人需要抢救）必须知道该病人接受的是何种处理时，由该中心负责人拆阅。一旦被拆阅，该编号病例就作为脱落处理，不计入疗效分析；但有不良反应时仍需计入安全性分析；应急信件的拆阅率超过20%，意味着双盲试验的失败。所有应急信件在试验结束后随病例报告表一起收回。
双盲应自始至终地贯串于整个试验之中，从方案制定、产生随机数编制盲底、根据随机数分配药物、病人入组用药、记录和整理试验结果、监查员的检查、数据管理直至统计分析都必须保持盲态。在统计分析结束后才能揭盲。在这以前任何非规定情况所致的盲底泄露,称为破盲(breaking of blindness)。
双盲试验需要制定严格的操作规范，防止盲底编码不必要的扩散。如果在临床试验执行的过程中，一旦全部或大部分病例被破盲，试验将被视作无效，需要重新实施新的试验。
单盲试验或非盲试验应尽可能按照双盲要求进行，即随机产生处理编码，每个编码封存于一个信封之中，并由各临床试验中心保存。只有当病例符合纳入标准并确定入组时，方可打开对应的编码信封，按编码入组。在单盲和非盲试验中，最好另请一位不知道处理编码的研究者协助观察，尽可能地避免主观偏性。
例11.1采用了双盲法，即病人不知道自己是否接受了额外的卡托普利治疗，进行治疗和作多普勒超声心动图等检测的医生不知道病人是否接受了额外的卡托普利治疗，统计分析人员也不知道哪组是实验组。为了保证病人不知道服用药物的不同，采用模拟方式，即对照组病人服用与卡托普利外形相同的安慰剂。
４．数据管理
新药临床试验最基础的工作是保证新药研究原始试验资料和档案的真实、科学、规范和完整。数据管理的目的是将得自受试者的数据迅速、完整、无误地纳入报告。数据管理包括根据试验方案所制定的病例报告表(case report form, CRF)的规范化操作。研究者是数据填写的第一执行者，监查员需核实研究者填写的数据的真实、可靠; 数据管理员保证将CRF表数据完整真实地录入计算机; 统计分析人员对数据的逻辑合理进行检查，并对数据锁定直至作出统计分析,写出统计分析报告。
（１）数据库数据库管理员应该在第一份病例报告表送达前准备好数据库。数据库需要保密性强、可靠。在第一份病例报告表到达后对数据库试运行，在运行过程中作进一步必要的完善，以便在大批病例报告表到达
后数据库能正式运行。
（２）CRF表的进一步检查数据管理员对数据进行审查，包括研究日期、入组标准、排除标准、脱落、缺失值等。当发生疑问时，用质询表(query form)的方式由监查员通知研究者作出回答；研究者的回答应填入质询表，由监查员交回数据管理员。质询表是临床试验的一种文件，应妥善保存，如果能用一式三份的无炭复写本形式更加合适。质询表内容包括临床试验日期、题目、分中心、病例编号、受试者姓名等，其主要内容为数据管理员或监查员所提出的问题及研究者对此问题的回答。填写质询表的人员必须签名，质询表能保证病例报告表的修改和数据库的修改都查有实据，避免数据被人为、任意修改之可能。
（３）双份输入对于完成的病例报告表，必须使用双份输入方式进入计算机数据库，即由两个输入员独立地分别将病例报告表输入数据库; 再用软件包将两份独立的数据文件进行逐项对比; 如果发现不一致，就由输入员对照原始的病例报告表，找出原因，作出修改。双份输入能基本保证数据库的数据与病例报告表上数据的完全一致。
（4）人工核查对于试验方案中所规定的主要变量必要时可进行人工核对。即将双份输入后已被判断为完全一致的主要变量，输出计算机，再与病例报告表中的数据进行人工核对。这就进一步保证了数据库中的数据与病例报告表上数据的完全一致。
（5）计算机核对计算机核对是指由数据管理员使用编制好的程序对数据库中的数据作进一步的检查与核对。注重于入组、排除标准、访视日期、脱落、违背设计方案、不良事件和不良反应等。
为了对数据库进行质量控制，还可以从全部病例中随机抽取5%左右的病例，（当全部病例数不足100例时，至少应随机抽取5份病例）。将病例报告表中的数据与数据库中的数据进行人工比较。如果10000个数据中发现15个以上的错误，则应对数据库中的全部数据进行人工比较。
５．临床试验中统计分析人员的职责与任务
（1）统计分析人员的职责参加新药临床试验的统计分析人员必须熟悉新药临床试验的有关规定、操作规范，与临床试验的研究者紧密合作完成设计和统计分析任务，确保临床试验中有关统计学要求和指导原则在新药临床试验中的贯彻。统计分析人员必须自始至终地参加整个新药的临床试验，其主要任务为：
1）协助研究者完善与修订研究方案，设计病例报告表，拟定所采用的统计设计方法。
2）按标准操作规范完成随机化、双盲设计方案和数据管理等各项。
3）制订统计分析计划书，并完成全部资料的统计分析，写出统计分析报告。协助主要研究者完善临床试验总结报告。
新药临床试验中所有涉及到的统计学工作，必须由有资格的医学统计学专业人员具体负责。所谓有资格的医学统计学专业人员是指接受过专门培训、有丰富经验、能与临床试验的研究者合作，贯彻执行新药临床试验各项指导原则的医学统计学专业人员。
（２）拟定统计分析计划书统计分析计划书是由医学统计学家和主要研究者拟定的统计分析计划，它比设计方案中所规定的统计分析更为详尽细致。
统计分析计划书上应列出统计分析数据集的选择、主要变量、次要变量、可能的数据变换方法、统计分析方法与模型、疗效及安全性评价方法等，并将预期获得的统计分析结果以统计分析表的格式列出。
统计分析计划书是根据试验设计方案和病例报告表而拟定的，其初稿应形成于试验设计方案和病例报告表之后。在临床试验进行过程中，可以修改、补充和完善。在盲态审核时再次修改完善。但是在第一次揭盲之前必须以文件形式予以确认，不能再作变动。
（3）临床试验数据的统计分析临床试验中数据分析所采用的统计分析方法取决于研究目的、研究设计方案和观察资料的性质。根据统计学原理决定应当采用参数统计还是非参数统计分析。统计分析人员应根据统计分析计划书要求应用统计分析软件编制相应的统计分析程序。
根据临床试验的要求，理论上应当对全部病例按随机化纳入时的分组进行统计分析，称为意向性分析(intention to treat, ITT)。对于未能观察到全部治疗过程的病例资料，通常的做法是将最后一次观察到的数据结转(carry forward) 到试验最终结果进行统计分析。
凡符合试验方案规定、依从性好且收集到所规定的全部病例资料，则称为合格病例集资料，也称为符合方案集(Per-Protocol, PP) 资料。对违反试验方案的病例，如依从性差、失访或使用了不允许用的药物的病例资料，不应列入符合方案集，但在不良反应发生率计算时应包括在内。
（4）撰写统计分析报告根据统计分析计划书和统计分析结果，医学统计学家写出统计分析报告，提供给主要研究者作为撰写临床试验总结报告的素材。统计分析报告的内容包括以下几部分：
1) 对整个临床试验中资料的收集和整理过程的描述，包括入选病例是否符合入选、排除标准；各试验中心有无按照试验设计方案规定的观察病例数完整地收集到相应的数据；试验过程中有无增加新的观察指标；如何处理脱落病例及理由；盲法试验如何作盲态审核；在资料整理过程中有无按需对变量进行数据变换；如何定义离群值等内容。
2) 统计分析方法的选择及其理由。
3) 各组病例入选时的基本特征描述及统计检验。
4) 各组病例的主要变量、次要变量和全局评价变量的统计描述、参数估计及其优效性或等效性的统计检验。
5)各组病例安全性评价，包括不良反应发生率及不良事件的具体描述、实验室检验结果、试验前后的变化情况、以及异常改变与试验药物的关系。
以上结果应尽可能用统计表、统计图表示。统计检验结果应包括有统计学意义的水平、统计量数值和精确的P 值。应注明所使用的统计软件及版本，所有统计计算程序应以文件形式保存，以便核查。
临床试验数据分析要点
11．4．2．1调节协方差
11．4．2．2退出者或缺失数据处理
11．4．2．3中期分析和数据监控
11．4．2．4多中心研究
11．4．2．5多重比较／多重性
11．4．2．6受试者的有效性"子集"（subset）
11．4．2．7证明等效性的阳性对照研究11．4．2．8亚组检查
11．4．3受试者反应数据列表
11．4．4药物剂量，药物浓度及与反应的关系
11．4．5药物一药物和药物一疾病相互作用
11．4．6按受试者列出数据
11．4．7有效性结论
12．安全性评价
12．1暴露程度
12．2不良反应事件
12．2．1不良反应事件的简述
12．2．2不良事件总表
12．2．3木良事件分
12．2．4不良事件详细列表（按研究人员和治疗组）
12．3死亡，其他严重不良事件，其他有意义的不良事件
12．3．1死亡，其他严重不良事件，其他有意义的不良事件列表
12．3．1．1死亡
12．3．1．2其他严重不良事件
12．3．1．3其他有意义的不良事件
12．3．2死亡，其他严重不良事件，其他有意义的不良事件的描述
12．3．3死亡，其他严重不良事件，其他有意义的不良事件的分析和讨论
12．4临床实验室评价
12．4．1按受试者列出实验室测定值和异常的实验室值
12．4．2实验室参数评价
12．4．2．1试验中不同事件的实验室测定值
12．4．2．2（各治疗组）个体受试者的实验室值变化
12．4．2．3有临床意义的异常值的受试者
12．5生命指征，体检发现和其他有关安全性的观察
12．6安全性结论
13．讨论和结论
14．在前面没有列人的有关图、表
14．1人口学数据
14．2有效性数据
14．3安全性数据（摘要）
14．3．1不良事
14．3．2死亡，其他严重木良事件，其他有意义的不良事件列表
14．3．3死亡，其他严重不良事件，其他有意义的不良事件的描述
14．3．4异常实验室测定值（每个受试者）
15．参考文献
16．附件
16．1研究资料
16．1．1试验方案和试验方案修改
16．1．2病例报告表（该试验的特殊部分）
16．1．3 EIC或IRB的成员姓名，受试者须知和知情同意书样本
16．l．4主要研究人员和其他重要参加者的简历或与完成该临床试验有关的培训和经验
16．1．5主要研究人员或协调研究员或申办者方的医学代表签字
16．1．6当试验药品不是同一批号时，列出接受各批药物的受试者名单
16．1．7随机程序和受试者编码
16．1．8稽查员证明书
16．1．9统计方法文件
16．1．10所用的实验室间的标准化程序和质量保证程
16．1．11根据本研究发表的出版物
16．1．12在报告中所参考的重要出版物
16．2（受试者）数据列表
16．2．1中途退出（受试者
16．2．2违反试验设计（受试者）
16．2．3从有效性分析剔除的对象
16．2．4人口学数据
16．2．5依从性和人变药物浓度数据（如果有）
16．2．6个体有效性反应数据
16．2．7木良事件列表（每个受试者）
16．2．8根据主管部门要求，提供个体实验室测定值
16．3病例报告表
16．3．1死亡（受试者）的全套病例报告表；其他严重不良事件和中途退出（受试者）的不良事件报告表（AE）
16．3．2其他病例报告表
16．4各种（受试者）数据列表（归档列表）。
2.目前临床试验中存在的问题
·申办者和/或研究者对GCP缺少了解。
·没有或没有得到知情同意书。
·试验未经伦理委员会批准或没有伦理委员会。
·缺乏临床试验统计专业人员。
·试验方案中没有试验样本量计算依据。
·临床试验药品没有发放、回收、销毁的记录。
·出现失访和中途退出者时随意增补受试者。
·不遵守试验方案。
·记录不准确或记录缺失。
·试验中修改试验方案未通知试验各方。
·缺乏临床试验质量控制机制。
·没有临床试验标准操作程序（SOP）。
·试验结束后有关文件和数据不及时归档。
·未获得药政管理部门批准即开始试验。
3.结语
为保证我国开发研制新药的安全性与有效性，确保人民安全用药，数据能获得国内外公认，实施符合GCP 规范的高质量临床试验是先决条件。
我国临床试验规范的颁布必将有力地促进我国新药发展计划，以及医药领域的国际接轨。但目前仍有许多方面的问题有待改进。缺乏训练有素的临床统计学家和质量保证体系是我国临床试验中的主要弱点。要真正实施GCP规范，最根本的问题是人员培训和严格要求。
，其他有意义的不良事件的描述
12．3．3死亡，其他严重不良事件，其他有意义的不良事件的分析和讨论
12．4临床实验室评价
12．4．1按受试者列出实验室测定值和异常的实验室值
12．4．2实验室参数评价
12．4．2．1试验中不同事件的实验室测定值
12．4．2．2（各治疗组）个体受试者的实验室值变化
12．4．2．3有临床意义的异常值的受试者
12．5生命指征，体检发现和其他有关安全性的观察
12．6安全性结论
13．讨论和结论
14．在前面没有列人的有关图、表
14．1人口学数据
14．2有效性数据
14．3安全性数据（摘要）
14．3．1不良事
14．3．2死亡，其他严重木良事件，其他有意义的不良事件列表
14．3．3死亡，其他严重不良事件，其他有意义的不良事件的描述
14．3．4异常实验室测定值（每个受试者）
15．参考文献
16．附件
16．1研究资料
16．1．1试验方案和试验方案修改
16．1．2病例报告表（该试验的特殊部分）
16．1．3 EIC或IRB的成员姓名，受试者须知和知情同意书样本
16．l．4主要研究人员和其他重要参加者的简历或与完成该临床试验有关的培训和经验
16．1．5主要研究人员或协调研究员或申办者方的医学代表签字
16．1．6当试验药品不是同一批号时，列出接受各批药物的受试者名单
16．1．7随机程序和受试者编码
16．1．8稽查员证明书
16．1．9统计方法文件
16．1．10所用的实验室间的标准化程序和质量保证程
16．1．11根据本研究发表的出版物
16．1．12在报告中所参考的重要出版物
16．2（受试者）数据列表
16．2．1中途退出（受试者
16．2．2违反试验设计（受试者）
16．2．3从有效性分析剔除的对象
16．2．4人口学数据
16．2．5依从性和人变药物浓度数据（如果有）
16．2．6个体有效性反应数据
16．2．7木良事件列表（每个受试者）
16．2．8根据主管部门要求，提供个体实验室测定值
16．3病例报告表
16．3．1死亡（受试者）的全套病例报告表；其他严重不良事件和中途退出（受试者）的不良事件报告表（AE）
16．3．2其他病例报告表
16．4各种（受试者）数据列表（归档列表）。
2.目前临床试验中存在的问题
·申办者和/或研究者对GCP缺少了解。
·没有或没有得到知情同意书。
·试验未经伦理委员会批准或没有伦理委员会。
·缺乏临床试验统计专业人员。
·试验方案中没有试验样本量计算依据。
·临床试验药品没有发放、回收、销毁的记录。
·出现失访和中途退出者时随意增补受试者。
·不遵守试验方案。
·记录不准确或记录缺失。
·试验中修改试验方案未通知试验各方。
·缺乏临床试验质量控制机制。
·没有临床试验标准操作程序（SOP）。
·试验结束后有关文件和数据不及时归档。
·未获得药政管理部门批准即开始试验。
3.结语
为保证我国开发研制新药的安全性与有效性，确保人民安全用药，数据能获得国内外公认，实施符合GCP 规范的高质量临床试验是先决条件。
我国临床试验规范的颁布必将有力地促进我国新药发展计划，以及医药领域的国际接轨。但目前仍有许多方面的问题有待改进。缺乏训练有素的临床统计学家和质量保证体系是我国临床试验中的主要弱点。要真正实施GCP规范，最根本的问题是人员培训和严格要求。
药品临床试验中几个统计学概念浅释
摘要：本文介绍效应和响应，平衡与均衡，研究总体和研究人群，区组和分层等可互相比较的统计学概念，说明了它们在药品临床试验中的用法。
关键词：效应和响应; 平衡与均衡; 研究总体和研究人群; 区组和分层
《Statistical Principles for Clinical Trials》 was prepared under the
auspices of the International Conference on Harmonisation of Technical
Requirements for Registration of Pharmaceuticals for Human Use (ICH). To build a
bridge between the principles and popular courses of medical statistics in our
country, we compare and interpret some important but misunderstood concepts in
this field. In this paper there are four pairs of such concepts with explanation
in clinical trials.
KEY WORDS: effect and response; balance and homogeneity study; population and
target population; blocking and stratifying
《临床试验的统计学原则》（ICH-E9）[1]是在人用药品注册技术要求国际协调会议（ICH）的赞助下制定的文件，其中列出29条名词解释以求准确理解文件。但这些解释对我国情况而言是很不够的，为使我国有关期刊和教材与国际接轨，我们对该领域一些重要的，但却常有混淆的概念做了一些探讨，陆续刊出，以求指正。本期刊出有效应和响应，
平衡与均衡，研究总体和研究人群，区组和分层等可互相比较的概念。
1效应和响应
效应（effect)在英语里是个常见的词，把它译作“效应”，“响应”，“效果”，
“作用”，“效用”等都是可以的，所发表的ICH－E9译文[2，3]，对这个词就有不止一种译法，单从英文上看似乎无不可。然而，在数理统计和医学统计学科领域中，effect
在一定意义上说是专业名词，所以在统计学试验设计和分析中，宜按多数人习惯，只译为“效应”较妥。与之容易互相混淆的词是“响应”(response)。“响应”是试验所观测到的结果，是在受试对象那里所实测到的指
标。而效应常常不是直接观测到的，是从一定数量的响应中分析出来的。效应一般分为三类[4]：处理效应，
区组效应，和误差效应。处理效应是指当处理因素改变时引起响应的变化；区组效应是为了对于误差进行控制(区组可广义理解为可控制的非处理因素)，把试验的非处理因素产生的效应分解出来；误差效应一般是随机的，服从正态分布的。效应和响应二者的对比如下。
响应现象结果对因素效应的综合包含各种误差影响
效应实质原因对响应总和的分解一种或几种因素的
影响
ICH－E9的原文中还提到“效应大小”（ effect size
），文献[5]中有专门条目解释这一词组：“效应大小指由于因素引起的差别”。有人[2，3]把effect size
译作“样本含量” ，从[1]的上下文看，似乎不可能是sample size之误，在“样本含量”一节提到“效应大小”，是指主要变量引起的响应差别除以相应的标准误差，这一相对量对估算样本含量是很重要的。
2平衡与均衡
平衡（balance）一词在统计学中也是专业术语，指可比较的两组或多组中各受试对象数或所作的处理数目相等；或者说，在不同的因素-水平组合的实验基元（cell）中各受试对象数目相同，则称为平衡。而均衡（homogeneity）是指一个试验组内的受试对象按照所研究的性质而言在统计上是均匀的，一致的。
有的书把均衡当作实验设计的一个原则，指“非处理因素都一样”。这里的均衡与我们所指的完全是不同的概念。有两个以上非处理因素时，很难做到“非处理因素都一样”，但针对这种情况有许多现代的多因素实验设计方法可供使用。
例1 随机区组实验（randomized block design）,或称随机化完全区组实验（randomized complete block design 简称RCB）：12只小鼠按体重的不同分为4个区组，每个区组有三只，随机分配喂以三种不同饲料。
这里每个区组内的小鼠从体重看是一致的，称为均衡；4个区组每个都有3种饲料，称为完全，本例也是平衡的；每种饲料都喂以4种不同体重的小鼠，称为配伍。
如果饲料多于3种，比方说是4种，每个区组只能安排其中的3种，所有区组喂每种饲料的小鼠数也相同，可以看出这里平衡有两种意义，一是指每区组都三只小鼠，另一是指整个试验每种饲料都喂4个小鼠，因此称为平衡的不完全区组实验（balanced incomplete randomized block design, 简称BIB）。
如果12只小鼠的体重是均衡的，可以完全随机地分配喂以不同饲料，称完全随机设计（completely randomized design）。这里完全随机，是简单随机，有别于RCB或BIB中的区组随机；后二者中“完全”和“不完全”是针对所有处理而言的，同一区组内不同对象接受了所有处理，谓之“完全”，不同区组是平衡的。
方差齐性（homogeneity of variances），意味着方差是一致的，人们却不翻译成“方差均衡”。方差齐性
不满足（heterogeneity of variances）, 也不翻译成“方差不均衡”。
对一个分布而言，均衡（homogeneity of distribution）是指其变异来自随机误差，不均衡（heterogeneity of distribution ）是指其变异还来自系统误差[6]。
3 研究总体和研究人群
“总体”（population）是个重要概念。在我国内目前出版的几十本医学统计学一类的书，几乎都认为总体是“同质观察单位的全体”。而国外有关的几十本书中，虽然他们在说明此概念的用语互相有很大差别，却没有见到用过“同质”、“均衡”、“均匀”一类的词。现把文献[7]中的定义翻译如下：“总体是特定时间内关
心的观察单位最大的集合。如果用某一变量的数值作为观测总体中个体的尺度，于是产生变量数值的总体。”
一个实际的总体常常既有同质的一面，又有不同质的一面，一个总体一般都可分为不同的次级总体。从研究总体（ study population）得出统计结论，能否或怎样推广到以后所关心的总体（目标总体）呢？ICH－E9用
很大篇幅回答这一问题。现有译文[2，3]都没把目标总体（target population）作为专业词组翻出来, 把推
广(generalization) 有时译成“推论”，有时译成“广义性”，就失去了统计推断的涵义。
在国外或国内的与临床试验有关的期刊中，经常会遇到“研究人群”或“研究群体”，这里人群或群体，在英文中也是population，它常常却不是统计学中的总体，仅仅指参与试验的受试对象的集合。因此，在ICH-E9 引入分析集（set）的概念，以避免population两种不同涵义引起混乱。
4区组和分层
文献[8]介绍了与这两个概念有关的内容，概括如下：
区组(blocking)是将受试对象作为样本所进行的分组或划分；分层（stratifying）是将受试对象所在总体按某（些）特征分割为次级总体。分组的原则一般是使一区组内处理数平衡，有时区组内各处理数之比是个常数。
区组大小或区组长度(size, length)是指一个区组包含多少个接受不同处理的受试单元。
预后因素（prognostic factor）是临床试验研究中有实际意义的协变量,它可作为分层的依据。
这里需要强调的是，在目前流行的统计学书籍上，往往受试对象存在不均衡的情况下才将其划分成不同的区组，用以分解出“区组效应”，从而降低随机误差，或者说是使随机误差更接近实际情况。
在文献[8]中扩展了区组的概念和用法：标以不同区组的受试对象可以是均衡的，即实际上并不存在区组因素，这时还要分成区组，是为了平衡处理因素，详见[8]中的有关例子。
临床科研中统计方法的选择
临床科学研究从制定设计方案、资料收集、抽样方法、样本大小到数据的整理与分析等，都离不开统计学。正确应用统计学方法，有助于面对不确定的数据作出科学推断，正确揭示疾病分布规律，掌握疾病特征，阐明致病因素，评价防治效果。不同的研究设计方法、资料类型、研究目的，适用的统计方法也各不相同，所以临床科研人员应依据自身研究的特点，选择合适的统计方法，才能得出科学的结论。
常用的基本统计方法包括：
1、统计描述：指用统计指标、统计表、统计图等方法，对资料的数量特征及其分布规律进行测定和描述；
2、参数估计：用样本指标来估计总体指标；
3、组间差异的显著性检验：用适当的统计方法分析、衡量各组研究结果之间是否有统计学差异；
4、变量间的相关性分析：用于分析两个或多个变量的相关性。本节将就常用统计方法的选择作一个简要介绍，有关方法的详细内容参见相关统计学书籍。
一、资料类型
统计资料按其性质分为计量资料、计数资料及介于其中的等级资料。不同类型的资料应采用不同的统计方法进行分析。
（一）计量资料（measurement data）对每个观察单位用定量的方法测定某项指标的具体数值所得资料称为计量资料，又称定量资料（quantitative data），亦称数值变量（anumerical variable）。这类资料一般有度量衡单位。例如每个观察对象的血压（kPa）、脉搏（次/分）、身高（cm）、体重（kg）及临床上诸多定量检测指标的检测结果，都属于计量资料。
（二）计数资料（enumeration data）将观察单位按性质或类别分组，然后清点每组的个数所得资料称为计数资料，又称定性资料（ qualitative data ），亦称分类变量（categorical variable）。这类资料一般没有度量衡单位，所得数据是各组观察单位的个数。例如药物治疗的有效人数与无效人数；化验结果的阳性人数与阴性人数；某病的患病人数与未患病人数；某人群中A、B、AB、O各种血型的人数及临床上诸多定性检测指标的检测结果，都属计数资料。
（三）等级资料（ranked data）将观察单位按某种属性的不同程度分组计数，得到各组观察单位个数，称为等级资料。等级资料具有计数资料的性质，又兼有半定量的性质，因其按等级大小排序，有人亦称之为有序分类变量（ordinal categorical variable）。例如疗效考核中的治愈、好转、未愈、死亡；症状中的重、中、轻、无；某些检测结果中的—、＋、＋＋、＋＋＋、＋＋＋＋等，都属等级资料。
二、组间差异的显著性检验
研究结果的统计分析中，不同类型资料差异的表达方式不同。对于计数资料以率表示，计量资料以均数表示，等级资料以秩和表示。分析比较组间差异时，需先求出组间差异，再进一步进行统计学显著性检验。选择恰当的检验方法需明确以下四个问题：
1、资料类型；
2、实验设计方法，常用的有成组设计，配对设计，配伍组设计等；
3、是两组比较还是多组比较；
4、采用单侧或双测统计学显著性检验。
下面就不同类型资料的组间差异的显著检验方法作一个归纳。
（一）计量资料正态或近似正态分布资料用参数检验法，偏态分布资料或有不定值资料用非参数检验法。完全随机设计两组比较方差齐时，用t 检验；方差不齐时，用秩和检验法或近似t 检验法。完全随机设计多组比较方差齐时，用方差分析检测在总的资料比较中是否存在统计学差异，当肯定存在显著性差异时，需作组间的两两比较，用q检验、最小显著差法或新复极差法；方差不齐时，用近似F检验或多个样本比较的秩和检验。配对设计资料，用配对t 检验法。配伍组设计的资料，需用配伍组的方差分析。
（二）等级资料对等级资料的显著性检验采用非参数检验法。
1、两组比较：成组设计资料用wilcoxon两样本比较法，配对设计资料用符号秩和检验法。
2、多组比较：成组设计用kruskal-wallis法（H-检验）、Ridit法；多个样本两两比较用Nemenyi法；配伍组设计用Friedman秩和检验法。
（三）计数资料对于计数资料的差异检验，也即率的差异显著性检验，两组比较：样本数较大，用u检验法或检验法；样本数小于40例，或理论值小于1，用矫正检验，或精确概率法。多组比较：用行乘列检验法。配对设计资料用配对检验法。
三、变量间的关联性研究
关联性研究在医学科学研究中占有重要地位。从某种意义上讲，医学科学研究就是要寻找健康、疾病与有关诸因素之间的关系和规律，而运用统计学技术的方法，不仅能帮助确定事物间的关系，还可以定量表述事物间关系的方向大小强弱。
（一）计量资料研究两连续变量间的数量关系常用简单相关与回归分析，一般通过相关分析计算出反映两变量相关密切强度大小的指标—相关系数（r），并对其作显著性检验，当肯定了其统计学显著性差异存在之后，则作直线回归分析，求出回归方程，回归方程可用于描述两变量间的依存关系，进行预测和统计控制。至于多变量间的相关性分析，则应作复相关及多元回归分析。
（二）等级资料对于等级资料，或不服从双变量正态分布资料，一般用等级相关来分析变量间的相关关系，等级相关分析属于非参数统计方法，它是先把两变量的原始数据分别编秩，再利用两变量之间秩次的差异分析二者之间的线性相关关系，常用的有spearman等级相关法和kendall等级相关法，分别计算rs及rk等级相关系数反映变量间的相关关系。
（三）计数资料在临床医学研究中，常常在病因学的探讨上采用计数资料相关性分析，这类资料分析一般先用检验判定疾病与暴露因素是否有关联，再通过计算比值比（OR）、相对危险度（RR）、归因危险度（AR）等指标，以评价暴露与疾病的关联强度。
DPS数据处理系统在药学研究数据处理中的应用
[摘要] 目的介绍一个药学研究中数据处理的实用软件。方法举例论述DPS数据处理系统在药学研究中
的实际应用。结果方法简便、实用、迅速、准确,能显著提高工作效率。结论DPS数据处理系统是一个优秀软件,应
推广应用。
[关键词] DPS数据处理系统;药学研究;数据处理
[中图分类号] R911 [文献标识码] B [文章编号] 100420781 (2006) 0420363203 在药学研究过程中有大量的数据资料需进行统计分析处理,已有一些专门的统计软件,如SPSS、SAS、Excel 等[ 1～3 ] ,它们在数据处理中均发挥了一定的作用,但有些软件非汉化,使用不便。DPS数据处理系统的应用,使用者可在中文平台上十分
方便地处理药学研究中的数据,现介绍如下。
1 DPS功能简介
DPS数据处理系统是浙江大学研制多功能数理统计和数学模型处理软件系统。它将数值计算、统计分析、模型模拟以及画线制表等功能融为一体。DPS系统兼有Excel电子表格软件和若干专业统计分析软件的功能。与Excel电子表格软件比较,DPS平台具有更加强大的统计分析和数学模型模拟分析功能。与国外同类专业统计分析软件系统(如SAS、STAT、STATISTICA等)相比,DPS系统具有操作简便,在统计分析和模型模拟方面功能齐全,易于掌握,其工作界面友好。
2 在药学领域中的应用
2. 1 数据基本参数计算试验资料经整理之后,可以计算出一系列的统计指标以说明资料的特征和对资料进行进一步的统计分析。最常用的统计指标是和( sum) 、均值(mean) 、方差( variance) 、标准差( standard deviation) 、斜差( skewness)和峰度( kurtosis)等。
例1,从某药厂生产的六味地黄胶囊中随机抽取10粒,测
得胶囊装量为0. 315 1, 0. 320 4, 0. 324 2, 0. 319 0, 0. 332 0,0. 326 1, 0. 324 7, 0. 334 3, 0. 328 9, 0. 311 6 g,试计算该组数据的均数、几何均数、中位数、标准差、样本方差。操作步骤: ①在DPS工作表中按行输入数据,再选中数据区域(单击并拖动) ,将资料定义成数据块; ②单击菜单栏中“数据分析”→“基本参数估计”,就可立即得到这些基本参数。见图1。图1下部的计算结果, 得到偏度系数skew 等于- 0. 196 16, uskew =- 0. 285 51,显著水平P = 0. 775 26;因P > 0. 05,说明资料所属总体分布的偏度系数γ1为0。又峰度系数kurt等于- 0. 67727, ukurt = - 0. 507 60,显著水平P = 0. 611 73;因P > 0. 05,说明资料所属总体分布的峰度系数γ2为0,即属于正态峰度。因此,这10粒胶囊的装量数据属于正态分布。
图1 基本参数估计界面与结果
2. 2 两样本均值差异t检验在DPS中,系统将同时给出如两分布方差相等时均值差异显著性、两分布方差不等时均值差异显著性、两分布各个样本数据配对时(两组数据的样本数配对、相等)其差值差异显著性以及当两分布方差差异显著时的均值检验结果。
例2,某药厂从丹参中提取丹参酮浸膏,为试验新工艺是否能提高出膏量,现采用新旧两种工艺,各试验10次,提取的干浸膏总量分别为,旧工艺: 78. 1, 72. 4, 76. 2, 74. 3, 77. 4, 78. 4,76. 0, 75. 5, 76. 7, 77. 3 g,新工艺: 79. 1, 81. 0, 77. 3, 79. 1, 80. 0,79. 1, 79. 1, 77. 3, 80. 2, 82. 1 g,新工艺是否提高出膏量? 操作步骤: ①在DPS工作表中将两个处理的样本观察值分两行填入,然后定义成数据块; ②按例1操作判断数据是否属于正态分布; ③单击菜单栏中“试验统计”→“次数分布及平均数比较”→“Student t测验”,就可立即得到分析结果。结果见图2。从图2可以看出,两个处理的均值分别为76. 23和79. 43,标准差分别为1. 823 3和1. 491 5。两分布方差齐性检验F = 1. 495 4,P = 0. 559 0,说明两总体方差齐性,这时,其均值差异显著性测验t = 4. 295 7,显著性水平P = 0. 000 4,差异有极显著性。以文献[ 4 ]的数据为例,按上述方法处理,结果与文献相同。
2. 3 方差分析方差分析是以各数据来自正态、等方差这一条件为前提,当正态、等方差的条件不满足时,
应将原始数据进行转换以满足正态、等方差条件后再作方差分析。DPS系统提供了4种数据转换的常用手段,分别是平方根转换,反正弦平方根转换、倒数转换。
图2 基本参数t检验界面与结果
例3,用3种不同的方法测定药物中某种成分的含量。第1法: 9. 29 % , 9. 44 % , 9. 33 % , 9. 56 %;第2法: 10. 16 % , 10. 08% , 10. 03 % , 10. 11 %;第3法: 10. 60 % , 10. 43 % , 10. 65 % ,10. 48 %。试判断3种测量方法测定结果有无显著性差异。操作步骤: ①在DPS工作表中将3个处理的样本观察值分3行填入,然后定义成数据块; ②按例1操作判断数据是否属于正态分布; ③单击菜单栏中“试验统计”→“方差齐性测验”,就可立即得到分析结果。见图3; ④单击菜单栏中“试验统计”→“完全随机设计”→“单因素试验统计分析”,按回车键执行该选项功能。这时系统将会提示用户选择数据转换方式,如此时直接回车表示不
转换。选择数据转换方式后回车,系统将立即给出分析结果,包括: ①方差分析表,列出处理间和处理内的平方和、均方以及F值,误差项在处理平方和内部是合并的; ②各个处理间的SSR检验。见图4。由图3中P > 0. 05,表明方差齐性。在分析结果中,如果P < 0. 05,则表明各个处理的方差具有显著的异质性。这时不宜采用方差分析方法进行统计检验,而可考虑对数据进行适当的转换,然后再作方差分析。图4多重比较结果,在DPS中,
各个处理凡后面具有相同字母者,表示它们之间的差异不显著:只有当某两个处理后面跟的是完全不同的字母时,它们之间才有显著差异。结果3种测量方法测定结果差异有显著性。以文献[ 4 ]的数据为例,按上述方法处理,结果与文献相同。
图3 方差齐性检验界面与结果
3 讨论
在采用Excel电子表格程序进行t检验、方差分析时,程序没有提供数据的正态性检验和多方差齐性检验以及多个样本均数两两间的比较,需要另外编制程序来实现这些功能[ 5 ] 。而DPS数据处理系统则提供了这些工具,可以很方便地完成数据的正态性检验、多个方差齐性检验以及多个样本均数两两间的比较。本文介绍了定量资料统计分析最常用的数据基本参数计算、t检验、方差分析方法。结果准确,简便易行。
[参考文献]
[ 1 ] 张文斌,平艳玲,史艳萍. SPSS软件在药学研究领域中的应用[ J ]. 解放军药学学报, 2003, 19 (1) : 76 - 78.
[ 2 ] 刘建平,杨军,孙艳秋. SAS, SPSS, PEMS医学统计软件的评价[ J ]. 辽宁中医学院学报, 2003, 5 (3) : 291 - 292.
[ 3 ] 陈四艳,程天贵. 电子表格在Ames试验中的应用[ J ]. 医药导报,2003, 22 (2) : 117 - 118.
[ 4 ] 刘定远. 医药数理统计方法[M ]. 第3版. 北京:人民卫生出版社,2002. 102 - 156.
[ 5 ] 黄海,徐海英,王琼妹. 利用Excel宏实现医学统计中方差齐性检验自动化[ J ]. 中国热带医学, 2004, 4 (2) : 276 - 277.
Proc tabulate 过程在临床试验统计报告中的应用
摘要针对统计人员在新药临床研究中统计报告提高质量和速度工作中存在的一些问题,本文提供了应用PROC TABULATE 过程和ODS 功能直接制表的详细程序,相关统计专业人员可以结合工作上的需要,应用SAS 程序可
以正确快速的完成统计报告。
关键词临床研究;统计报表;TABULATE;SAS
中图分类号: R969
文献标识码: A
文章编号: 100922501 (2005) 1221434203
如何快速而准确的撰写统计分析报告,一直是统计人员倍感吃力的事,在多中心新药临床研究中,大多数统计人员均采用SAS 软件来制作统计分析报告,SAS 统计软件有着极其强大的统计分析功能,但由于其输出结果内容十分详细,我们不得不采用人工的方法从OUTPUT 窗口中挑选出所需的结果,工作过于机械麻烦,并且在数据转出转入过程中也极容易产生错误,直接影响统计分析报告的质量。就目前国内的文献中,直接利用SAS 软件制作统计分析报告的文章,内容均涉及宏、ODS 功能、统计量名称和相关计算机语言,程序过于复杂,让统计人员熟练掌握有些困难,故对其应用也不够充分。其实,SAS 软件中的TABULATE 过程,提供了简单却功能强大的报表制作方法,可对定性资料和定量资料同时绘制统计报表,再利用SAS 系统中的ODS 功能即可将描述性结果输出,其语法简单,统计人员可以迅速上手,在工作过程中可达到事半功倍的效果。
1 实例与程序
例如,在一个Ⅲ期多中心双盲的临床研究试验中,如需分析受试者的性别、病情、年龄等基本资料,最后形成统计分析报告(表1) 。
表1 一般资料
FAS
PPS
项目
A 组B
组 A 组B
组
性别男( %)
女( %)
病情中( %)
重( %)
年龄 mean
std
min
max
median
为了直接利用SAS 得到这个统计表,编写如下的SAS 程序:
/* 输出路径*/
ods rtf file = ”e : \ fas. doc”;
/* 建立名为fas 的临时数据集*/data FAS ;
/* 导入数据库*/set DRUG;
/* 将注释去掉即可得出PP 数据集的统计分析结果*/
* if FINISH = 2 then delete ;
/* 调用tabulate 制表过程*/proc TABULATE data = fas ;
/* 用class 关键字定义分类的变量,分类变量应是只有几个数值的定类变量*/clas s sex degree group ; /* 用var 关键字声明分析的变量*/var age ;
/*label 用于汉化表格的页维、行维、列维标题*/
label sex = ’性别’degree = ’病情’age = ’年
龄’;
/* 对性别、病情进行频次、频次的百分比的运
算,逗号’,’用于分隔行维和列维*/
table ( sex degree) 3 (n colpctn) ,group ;
/* 计算年龄的平均值、标准差、最小值、最大
值和中位数,有兴趣的人可以尝试下table age ,group
* (mean std min max median) ,可以出现另一种表格*/
table age 3 ( mean std min max median ) ,
group ;
/* keylabel 可将统计量的关键字用汉字或英文
字母加以说明,其语句应写在table 语句下*/
keylabel N = ’例数’ColPctN = ’百分比’;
/* 提交运行*/run ;
/* 关闭ODS 系统*/quit ;
ods rtf clo se ;
2 结果
将以上SAS 程序提交SAS 系统,运行成功后,得到的结果如下表(表2) 。
通过对单元格进行复制粘贴,可得出表1 左边的统计分析表格,将注释去掉,分析PP 数据集,即可得出右边的统计分析表格。其中sex 为性别(1 = 男性2 = 女性) ,group 为组别(1 = 试验组2 = 对照组) ,degree 为病情程度(1 = 中度2 = 重度) ,age 为年龄,finish 为完成试验与否(1 = 完成2 = 未完成) ,假定数据集为drug。
表2 SAS 系统运行成功后数据
group
项目
1
2
性别
1 例数(百分比) 58 (56. 31) 64 (62. 14)
2 例数(百分比) 45 (43. 69) 39 (37. 86)
病情
2 例数(百分比) 84 (81. 55) 79 (76. 70)
3 例数(百分比) 19 (18. 45) 2
4 (23. 30)
年龄 Mean 40. 80 41. 68 Std 14.
82 15. 76
Min 18.
00 18. 00
Max 65.
00 65. 00
Median 40. 00 42.
00
3 讨论
Proc tabulate 过程可对统计报告中各种数据类型的描述性部分进行制表,其复制粘贴过程快捷有效,既为申
报争取了宝贵的时间,也为高质量的统计报告提供了保证。但另一方面由于它无法对验证性部分制表,也显示其一定的局限性,另外,由于在复制粘贴过程中,没有对表格中的内容进行检查,故未在盲态审核中检查出来的错误,也很容易带进统计分析报告中,这就需要统计人员进行仔细的检查,避免犯低级错误影响统计报告的质量。参考文献
1 童新元,张高魁,姚晨. 定性指标的SAS 统计分析报表[J ] . 中国卫生统计,2003 ;20 ;50 - 1
2 邹建东,熊宁宁,卜擎燕,蒋萌,刘芳. 正态分布定量指标统计分析报表的SAS 宏程序[J ] . 中国临床药理学与治疗
学,2004 ;9 :838 - 40
3 邹建东,熊宁宁,卜擎燕,蒋萌,刘芳. 四格表指标统计分析报表的SAS 宏程序[J ] . 中国临床药理学与治疗学,2005 ;10 :357 - 60
4 童新元,张高魁,姚晨. 新药临床试验中协方差分析的SAS 统计报表[J ] . 中国临床药理学与治疗
学,2004 ;9 :958- 60
5 田晓燕,金丕焕,张文彤. 应用SAS 软件的动态数据交换技术自动生成统计报告[J ] . 中华预防医学杂志, 2005 ;1 :54 - 5
6 阮桂海. 计划与统计表[A] . 见:阮桂海等编著. SAS 统计分析实用大全[M] . 第一版. 北京:清华大学出版社,2003 :328 - 42
数据处理和统计分析
数据处理广义的数据处理包括了临床试验的整个过程。比较侠义的数据处理可以理解为统计人员检查CRF和数据库建立及数据双输入开始（在最为标准的SOP中，数据库应该采用ORACLE数据库，并在统计计划时就应该建立好数据库，在国外很多公司采用了数据自动采集和分析软件），到数据库的锁定和提交统计分析。在科人团队的经验中，在这个阶段，国内的操作方式大致有下列几个步骤：初步检查CRF－数据双录入－差异报告－差异解决－盲态审核－数据库锁定和提交（见附录，流程示意图）。有些新手的CRA最好能够了解此过程，如此，她们会对填写CRF的完整、准确之重要性会有深刻的体会。
统计分析这一块的专业性要求很高。所以我们一般管他们叫“统计专家”。统计专家对于临床试验实在是重要的很。他们在研究方案的制定时就参与了研究的设计（当然还有统计计划书）。而且统计专家早期参加的活动才真正体现出专家的“权威”之处。后期的统计分析最多就是写写SAS程序，然后跑一下。
统计分析过程中需要提一下的是揭盲问题。由于很多人都懂一点，所以我建议各位也要懂一点。在试验之前应该有“揭盲规程”，揭盲就按照此规程进行。若为双盲，一般有两次揭盲。第一区分A/B两组，以便能进行统计分析。第二此揭盲就是“亮底牌”，知道到底那组是试验组，哪组是对照组。
这一段的内容也是专业的不得了。若你是这方面的专业人员，欢迎您在社区的相关区域讨论。
数据处理和统计分析的科学性和试验数据的真实性，在很大程度上体现在统计这里。数据处理和统计分析也是临床试验质量控制的制高点。我国GCP规定“临床试验各阶段均需有生物统计学专业人员参与”。
就目前情况看，临床试验的统计基本上作为单独的项目交给医科院校的教授专家。据我们所知，国家相关部门对此没有相关的资格认定，GCP中仅要求是“生物统计专业人员”。基本上各种档次都有。价格也就不一样。
附录：数据管理和统计分析流程示意图
接收CRF
手工检查CRF
数据双输入
数据文件
数据检查
可疑问题表
差异报告
数据库锁定
盲态审核
解决差异
统计分析
分析报告
药物临床试验统计分析规范性操作的探讨
[摘要] 统计分析是药物临床试验整个过程中的一个重要环节,规范化的统计分析能真实地揭示药物的性能。本文针对药物
临床试验统计分析存在的一些问题,依据国内外药物临床试验统计分析的有关法规,就统计分析的各个环节提
出了一些具体
的操作方法,用于保证临床试验的结果真实可靠。
[关键词] 临床试验;统计学,医学;规范[中图分类号] R 195. 1 [文献标识码] A [文章编号] 02582879X(2006) 0720716205
Discussion on standard operation of statistical analysis in cl inical drug trials LU J ian ,HE J ia 3 ,CAO Yang ,MA Xiu2qiang ,WU Cheng , SUN Ya2lin ( Department of Health Statistics , Faculty of Health
Services , Second Military Medical University , Shanghai 200433 , China)
[ ABSTRACT] Statistical analysis is an important step in clinical drug t rial and standard statistical analysis can reveal the t rue characteristics of drugs. This paper reviews the existing problems in statistical analysis of clinical drug t rials. Some specific op2 erations concerning different steps of statistical analysis are tabled based on the international principles of statistical analysis for clinical drug t rials , which may cont ribute to the reliability of the t rial result s. [ KEY WORDS] clinical t rials ; statistics ,medical ;benchmarking
[作者简介] 陆健,硕士,副教授.
统计分析是药物临床试验的一个重要环节,分析的结果直接影响对药物的疗效和安全性的判断。随着人们对整个药物临床试验的认识不断深入,统计分析的作用也越来越受到人们的重视。但是,目前药物临床试验的统计分析还存在一些缺陷,无法全面揭示药物的作用。为此,世界各国都制定了关于药物临床试验统计分析规范化操作的指导原则[1～7 ] ,我国也制定了相应的《化学药物和生物制品临床试验的生物统计学技术指导原则》[8],用于保证统计分析结果能够真实可靠地反映药物的性能。然而这些法规性文件只是提供了原则,对于如何贯彻实施,并且落实到具体可行的操作方法,值得进一步探讨。
1 传统临床试验统计分析存在的问题
1. 1 重疗效轻安全许多申办者和临床研究者关注的是药物在治疗方面的作用,往往忽视了药物产生的不良反应。因而,统计分析的结果偏重于对疗效的分析,尤其重视试验药物的疗效。对于药物安全性评价不够全面,而且分析的重点放在试验组和对照组的总体比较上,忽视了受试者个体的情况。
1. 2 统计方法简单在统计人员的作用没有被充分认识的时候,许多临床试验的统计分析都是有临床研究者或申办者完成,这些非统计专业人员对统计方法的认识非常有限, t 检验和χ2 检验是被运用最多的分析方法,方差分析偶尔被采用,而协方差分析、分层分析、log2rank 检验等方法就更少被运用了。这样以来,许多信
息就无法被揭示,降低了检验的效率,无形中造成了不必要的浪费。
1. 3 统计报告内容较少由于研究者将分析重点放在主要疗效指标上,采用的方法又较简单,因而完成的统计报告内容不够详实。其中,受试者完成情况、人口学资料和疗效指标基线的分析往往缺失,次要疗效和安全性指标分析不够透彻,这都会影响人们对试验药物的全面了解。
要解决上述这些问题,关键在于制定具有法规性的指导原则,有完善的标准化操作规范( standard operation procedure ,SOP) 作为保证,在统计分析的各个环节上加以控制,才能保证药物临床试验统计分析的质量。药物临床试验统计分析工作的规范化操作可分从药物临床试验统计分析的前期准备、统计分析方法和统计分析报告三个方面加以考虑。
2 药物临床试验统计分析的前期准备
2. 1 制定统计分析计划( statistical analysis plan ,SAP) 统计分析计划意在全面而详细地陈述临床试验数据的分析方法和表达方式,以及对统计分析结果的解释[ 1 ,2 ,7～10 ]。统计分析计划中还应指出统计分析采用的统计软件及版本号。统计分析计划可以包含在方案的正文中,也可在方案中仅作简要介绍,而在附录中细述。这个计划可以加以扩充,以便给出更详细的分析内容,甚至详细到列出统计报告中将包含的表格和图形的模板。在对试验资料进行盲态审查后,可对统计分析计划进行再检查和必要
的修订,但是必须在随机分组编码解盲之前完成。
2. 2 统计分析集的确定用于统计的分析集需在统计分析前明确定义,并在盲态审核时确认每位受试者所属的分析集。针对疗效评价的分析集可分为全分析集和符合方案集,用于药物安全性评价的分析集则称为安全性分析集。
2. 2. 1 全分析集(f ull analysis set , FAS) 根据意向性分析(intention to t reat , ITT) 的基本原则,统计分析应包括所有随机化的受试者。即需要完整地随访所有随机化对象的研究结果,但实际操作中往往难以达到。因此,常采用全分析集进行分析。全分析集是指尽可能接近符合意向性分析原则的理想的受试者集。该数据集是从所有随机化的受试者中,以最少的和合理的方法剔除受试者后得出的[ 6～8 ]。受试者被剔除主要有以下两种情况: (1) 没有用过一次药的病例; (2) 随机化后没有任何数据集的病例。有些受试者是在接受处理的过程中出现了因其他原因造成失访,结果使某次随访后的数据缺失了,这些受试者应该保留在“全分析集”中。因为这些受试者在失访前的数据还是很有价值的。如果这些受试者被剔除,这可能严重削弱信息的真实性。通过全分析集分析获得的结果是比较保守的,在许多情况下它对治疗效果作出的估计更能反映药品上市后实践中的情况。
在实际工作中,通常是将随机化后接受过至少一次治疗,并且有一次疗效指标记录(除基线时的记录外) 的病例纳入全分析集。
2. 2. 2 符合方案集(per protocol set , PPS) 进入“符合方案集”的病例被称为“可评价病例”或“有效病例”[6～8 ] 。它是全分析集的一个子集,是指将未完成的和违反方案的病例排除在外的受试者所组成的分析集。应用“符合方案集”比较符合临床试验设计方案的基础科学模型,能最大化地显示新方法的疗效。因为能坚持完成整个临床试验的受试者往往对疗效比较有信心,而且没有受到其他因素的干扰,能坚持完成整个试验。但是,其疗效判断与实际应用的情况还是有所出入。
实际工作中,通常将依从性好、完成方案中规定的治疗、疗效指标无缺失、试验期间未服禁用药物、完成病例报告表(case report form ,CRF) 的病例纳入该分析集中。另外,有些受试者虽然在试验前的条件超出了入组标准,或试验中有一些违反方案的
情况出现,如年龄超出1～2 岁等,只要研究者认为对试验结果没有重大影响,还是不要排除在“符合方案集”之外。
2. 2. 3 安全性分析集( safety set , SS) 安全性分析集是用于分析药物安全方面的分析集[3 ] 。与全分析集和符合方案集的定义范围不同的是,安全性分析集通过安全性指标判断受试者能否被选中。药物安全性评价的常用指标为生命体征、实验室检查、心电图检查和不良事件发生情况等。实际工作中,通常将所有随机化后至少接受一次治疗、有一次任何一个安全性评价指标记录的受试者纳入而组成的分析集。
2. 3 确定主要和次要疗效指标在统计分析前,应清楚地确定本次临床试验的主要和次要疗效指标。一般将客观的、经仪器测量的指标作为主要疗效指标,而主观性较强、不稳定的指标作为次要疗效指标。如果可能,应确定惟一的主要疗效指标,不成的话,可定义一种由多变量组合而成的综合指标作为主要疗效指标[1 ,2 ]。对试验药物主要疗效指标进行有效性评价时,分析内容应比次要疗效指标更加详细,宜同时用全分析集和符合方案集进行统计分析。而对于次要疗效指标分析则通常采用全分析集。
2. 4 缺失值及离群值缺失值是临床试验中一个潜在的偏倚来源。因此,病例报告表中原则上不应有缺失值,尤其是重要指标(如主要的疗效指标和安全性指标) 必须填写清楚,必须尽一切努力完成试验方案中所有有关资料的收集和管理[ 1 ,2 ,8 ] 。然而,事实上,任何试验几乎都无可避免地总有一些指标缺失。对病例报告表中的基本数据,如性别、出生日期、入组日期和各种观察日期等不得缺失。试验中观察的阴性结果、测得的结果
为零和未能测出者,均应有相应的符号表示,不能空缺,以便与缺失值的表达方式相区分。一个试验中,如果处理缺失值的方法是敏感的,而且那些方法在方案中已预先定义的,可以认为处理后的数值是有效的。如因受试者中途退出试验造成的数据缺失,则可采用结转的方法对其后时间点的数据进行填充。结转( last observa2 tion carried forward ,LOCF) 是对临床试验中有效性指标缺失值的一种估计方法,即采用缺失前最接近的一次观察到的数据来代替缺失值。
应当采用类似的方法探索离群值的影响。统计学上对离群值的定义在某种程度上讲是主观确定的。因此,离群值问题的处理,应当从医学和统计学专业两方面去判断,尤其应当从医学专业知识判断,才是更加可信的。离群值的处理应在盲态检查时进行,任何设定的对离群值处理的步骤应当不会对试验组和对照组有偏向。
2. 5 数据变换分析之前对关键变量是否要进行变换,最好根据以前的研究中类似资料的性质,在试验设计时即做出决定。拟采用的变换(如对数、平方根、排序编秩号等) 及其依据需在试验方案中说明,特别是对主要变量,数据变换是为了确保资料满足统计分析方法所基于的假设,变换方法的选择原则应是公认常用的、在一般的教科书上均能找到,一些特定变量的常用变换方法已在某些特定的临床领域得到成功地应用。对导出变量的解释需小心,如从基线的改变量、从基线改变的百分数、重复测量“曲线下的面积”或两个不同变量之比值,在临床解释上需仔细考虑,所选新变量导出方法需在试验方案说明其正确性。
3 统计分析方法
临床试验中数据分析所采用的统计分析方法应是国内外公认的,统计分析应建立在正确、完整的数据基础上,采用的统计模型应根据研究目的、试验方案和观察指标选择而确定。
3. 1 描述性统计分析一般多用于人口学资料、基线资料、疗效指标和安全性资料,包括对主要指标和次要指标的统计描述。根据资料的类型,可分为定量指标和分类指标,定量指标的统计描述通常采用均数、标准差、中位数、四分位数间距、极差、可信区间等,分类资料的描述通常计算各类别的例数以及在整体中的构成比[9 ,10 ] 。
3. 2 参数估计、可信区间和假设检验参数估计、可信区间和假设检验是对主要指标及次要指标进行评价和估计的必不可少的手段。试验方案中,应当说明要检验的假设和待估计的处理效应、统计分析方法以及所涉及的统计模型。如有可能,处理效应的估计应同时给出可信区间,并说明估计方法。
假设检验所选的统计模型应当能反映目前医学和统计学关于所分析的变量以及试验设计的知识。所有在分析中拟合的效应(例如在方差分析模型中的交互效应) 应当全面地说明。而且,如果有的话,应当对由于初步结果而进行了修改的效应集加以说明。对在协方差分析中拟合的协变量集也应作同样的考虑。在选择统计方法时应注意到主要和次要变量的统计分布。在进行选择时(例如参数还是非参数方法) 应当记住需要提供处理效应的大小及其可信区间(除了提供统计意义检验之外) 。主要变量的主要分析应当清晰地与主要或次要变量的附加分析区别开来。常用的假设检验方法包括χ2 检验或确切概率法、t 检验、方差分析等,对于需要分析分层效应,可以考虑协方差分析、CMH 检验等方法,如果分析死亡率、复发率等,还应考虑删失变量的影响,可以考虑log2rank 检验等[9 ,10 ]。
3. 3 协变量分析评价药物有效性的主要指标除药物作用以外,常常还有其他因素的影响,如受试者的基线情况、不同治疗中心受试者之间差异等因素[ 11 ,12 ] ,这些因素在统计学中可作为协变量处理。在有些情况下,对协变量的校正是分析计划中不可缺少的一部分,故需在试验方案和统计分析计划中说明。
3. 4 非劣效性/ 等效性/ 优效性检验很多年以来,安慰剂对照的随机双盲临床试验一直被认为是药物开发中的金标准,它在确认新的试验药物的疗效优于安慰剂方面发挥着重要的作用。然而如果有现成的疗效肯定的药物,还用安慰剂进行对照试验,会面
临伦理学的质疑。随着越来越多可供应用的有效药物的出现,疗效有突破的药物越来越少,因而临床药物试验的目的有所转变,在阳性对照试验中,更多的情形是探索药物与标准药物相比疗效是否不差或相当,而并不一定是药物的疗效必须超过标准药物。由此提出了非劣效性和等效性试验( noninferiority/equivalence t rial) 。非劣效性/ 等效性试验与通常意义下的优效性试验( superiority t rial s) 在设计和统计分析上是有区别的。
从临床上讲,一种药物的药效不比标准对照药差,到底临床上可接受的最大允许的范围是多少呢?或者说,药物比对照药最低到多大程度才能算“非劣效”呢? 类似地,药物和对照药的疗效相比,最低不能低于多少以及最高不能超过多少才可认为是“等效”呢? 这就涉及到临床非劣效性/ 等效性/ 优效性界值的问题。为叙述方便,统一用δ表示界值,并以-δ表示劣侧界值,以δ表示优侧界值。显然,非劣效性试验仅用-δ一个界值,等效性试验要用- δ和δ两个界值,优效性试验仅用δ一个界值[13～15 ]。非劣效性/ 等效性/ 优效性试验既可以通过假设检验来验证,也可以通过可信区间来证明。
3. 5 安全性指标分析在所有的临床试验中,安全性评价是非常重要的一个方面[1 ,2 ,7～10 ]。在试验的早期,这一评价主要是探索性的,且只对毒性明显的表现敏感。而在后期,药物的安全性情况由较大样本来更加全面地了解。药物的安全性评价是通过多个指标进行分析,不同的指标分析的内容不尽相同。其中,生命体征指标、实
验室检查、心电图检查等指标的分析,主要考察受试者前后指标的变化情况。而不良事件的分析,不仅要分析试验组和对照组不良事件、重要不良事件、严重不良事件及不良反应发生率的情况,还包括受试者出现的所有不良事件的类型、发生时间、严重程度、处理措施、持续的时间、转归以及药物剂量与试验用药物的关系等详细情况。
4 统计分析报告
统计报告的目的在于提供药物临床试验统计分析的详细结果和对这些结果的统计解释。同时也应说明分析时所采用的统计学方法[ 1 ,2 ,4 ,7～10 ]。统计学专业人员写出的统计分析报告是提供给主要研究者作为撰写临床试验总结报告的主要素材。统计分析报告的内容包括以下几部分。
4. 1 对整个临床试验研究设计的简要描述包括:临床试验的目的、研究设计类型、样本例数的确定、随机化方法、盲法种类、盲态审核过程与结果,同时指出研究中主要指标和次要指标的定义、疗效判断的标准、统计分析集的规定、以及在资料整理过程中对缺失值和离群值的处理、分组情况等内容。
4. 2 统计分析方法的描述对病例分布情况、基线可比性分析、主要疗效指标分析、次要疗效指标分析、安全性分析、合并用药情况分析等各个部分涉及的统计描述和统计推断的方法都要进行详细而完整的描述,包括不同类型统计描述的内容、选用的统计
模型、检验水准的规定,以及进行假设检验和建立可信区间的统计学方法的选择及其理由。如果统计分析过程中进行了数据变换,应同时提供数据变换的理由和依据。还应提供所选用的统计分析软件,需注明统计软件全名及版本。由于某些临床试验会有两次揭盲,所以用于总结会上讨论的统计分析报告无法注明试验组和对照组,因此还不能直接指出试验组和对照组在统计分析报告中的代码,只有当二次揭盲完成后,在最终的统计分析报告
中才能注明。
以上两个部分的内容都应该和统计分析计划中的内容对应,如有改动,应和改动后的内容相符,这两部分内
容可以文字形式保存下来,放在统计分析报告的最前面。
4. 3 被研究人群情况包括随机化的受试者数、每次访视都有数据记录的患者数、退出或中途撤出者的受试者数、中止试验的理由和时间、进入分析数据集的情况、对治疗的依从性、分析时可资利用的受试者数、进入不同数据集的受试者数等情况。多中心临床试验还应列出每个中心各自的情况。
4. 4 基线可比性分析主要是试验组和对照组受试者入选时的基线特征描述及统计检验结果,指标包括人
口学资料、症状、体征、病情严重程度、病程、既往病史、生命体征、体格检查、主要次要疗效指标情况等。当基线指标在试验组和对照组之间的差异有统计学意义时,需考虑该差异有无实际临床意义,如果该指标对疗
效指标可能会有影响,在分析疗效指标时,应考虑将该指标作为协变量进行分析。
4. 5 疗效分析包括各组病例的各类观察指标(主要指标、次要指标等) 的统计描述和假设检验结果,应给出每个观察时间点的统计描述和检验的结果,列出假设检验中的检验统计量、P 值。
4. 6 安全性分析主要以统计描述为主,包括用药情况(用药持续时间、剂量、药物浓度) 、不良事件发生率及不良事件的具体描述;实验室检测结果在试验前后的变化情况;发生异常改变及其与试验用药品的关系。
以上结果应尽可能采用统计表、统计图表示。对于统计图表,应有表(图) 序号、标题,以便在正文中被引用。分析的指标要给出测量单位、等级尺度的注释和有关分组的说明。统计分析结论应引用特指的统计图表,用精确的统计学术语予以阐述。
综上所述,药物临床试验统计分析的规范化是一种必然趋势,只有在各个环节上执行标准化操作规范,才能
提高统计分析的质量,保证整个临床试验顺利完成。
[参考文献]
[1 ] FDA. Guideline for t he Format and Content of t he Clinical and Statistical Sections of an Application[M] . 1988 :49280.
[2 ] ICH E9. Statistical Principles for Clinical Trials [M] . 1998 :23234.
[3 ] 薛禾生,曹彩,汤旦林. 药物临床试验的原理与操作(6)2统计学处理的标准操作规程指南[J ] . 中国药物杂志,2001 ,10 :25228.
[4 ] 薛禾生,曹彩,汤旦林. 药物临床试验的原理与操作(6)2统计学处理的标准操作规程指南(续1) [ J ] . 中国药物杂志,2001 ,10 :2622265.
[5 ] 薛禾生,曹彩,汤旦林. 药物临床试验的原理与操作(6)2统计学处理的标准操作规程指南(续完) [J ] . 中国药物杂志,2001 ,10 :5002504.
[6 ] 高晨燕,冯毅,陈峰, 等. 临床试验的统计学指导原则( Ⅰ)[J ] . 中国临床药理学杂志,1999 ,15 :2282235.
[7 ] 高晨燕,冯毅,陈峰, 等. ICH 临床试验的统计学指导原则( Ⅱ) [J ] . 中国临床药理学杂志,1999 ,15 :3112317.
[8 ] 国家食品药品监督管理局. 化学药物和生物制品临床试验的生物统计学技术指导原则[M] . 2005 :15220.
[9 ] 苏炳华. 药物临床试验统计分析新进展[M] . 上海:上海科学技术文献出版社,2000 :39240.
[ 10 ] 刘玉秀,洪立基. 药物临床研究设计与统计分析[M] . 南京:南京大学出版社,1999 :932109.
[11 ] 何清波,苏炳华,姚晨, 等. 在多中心临床试验中对中心校正后疗效的统计分析方法[J ] . 中国卫生统计,2000 ,17 :2522254.
[12 ] 刘玉秀,姚晨,陈峰, 等. 临床试验中评价处理效应的协变量调整问题[J ] . 中国临床药理学与治疗学,2002 ,7 :2572262.
[13 ] 柳再华,陈汇,刘建华. 等效性研究的常用统计分析方法及其评价[J ] . 数理医药学杂志,2003 ,16 :3912393.
[14 ] 刘玉秀,姚晨,陈峰,等. 非劣效性/ 等效性试验中的统计学方法[J ] . 中国临床药理学杂志,2000 ,16 :4482452.
[15 ] 郑青山,孙瑞元,陈志扬. 临床两组药物等效的判断方法及其辨析[J ] . 中国临床药理学与治疗学,2002 ,7 :5592561.
药物分析实验数据处理
实验数据中各变量的关系可表示为列表式，图示式和函数式。
列表式：将实验数据制成表格。它显示了各变量间的对应关系，反映出变量之间的变化规律。它是标绘曲线的基础。图示式：将实验数据绘制成曲线。它直观地反映出变量之间的关系。在报告与论文中几乎都能看到，而且为整理成数学模型（方程式）提供了必要的函数形式。
函数式：借助于数学方法将实验数据按一定函数形式整理成方程即数学模型。
熟悉相关和回归的定义，相关系数的定义，直线回归的最小二乘法。
熟悉药品质量标准分析方法验证中各项指标的定义和考察方法。
含量测定方法的评价(效能指标—分析品质因数)
一般常用的分析效能评价指标包括：精密度、准确度、检测限、定量限、选择性、线性与范围、重现性、耐用性等；测定法的效能指标可评价分析测定方法,也可作为建立新的测定方法的实验研究依据。
1.精密度系指用该法测定同一匀质样品的一组测量值彼此符合的程度。它们越接近就越精密。在药物分析中，常用标准(偏)差(SD或S)；相对标准(偏)差(RSD)，也称变异系数(CV)，表示。
生物样品分析时，常用RSD表示精密度，并可细分为批内(或日内)精密度及批间(或日间)精密度。
批内精密度：是同一次测定的精密度。通常采用高、中、低三种浓度的同一样品各7-10份，每种浓度的样品按所拟定的分析方法操作，一次开机后，一一测定。计算每种浓度样品的SD值及RSD值。批内精密度也可视为日内精密度。所得RSD应争取达到5％以内，但不能超过10%。
批间精密度：是不同次测定的精密度。通常采用高、中、低三种浓度的同一样品，每种浓度配制7-10份，置冰箱冷冻。自配制样品之日开始，按所拟定的分析方法操作，每天取出一份测定，计算每种浓度样品的SD值及RSD值。批间精密度也可视为日间精密度。所得RSD应控制在15％以内。
2.准确度是指测得结果与真实值接近的程度，表示分析方法测量的正确性。
由于“真实值”无法准确知道，因此，通常采用回收率试验来表示。
制剂的含量测定时，采用在空白辅料中加入原料药对照品的方法作回收试验及计算RSD，还应作单独辅料的空白测定。每份均应自配制模拟制剂开始，要求至少测定高、中、低三个浓度，每个浓度测定三次，共提供9个数据进行评价。
回收率＝（平均测定值M -空白值B）/ 加入量A×100％
回收率的RSD一般应为2％以内。
3.检测限(LOD)是指分析方法能够从背景信号中区分出药物时，所需样品中药物的最低浓度，无需定量测定。
LOD是一种限度检验效能指标，它既反映方法与仪器的灵敏度和噪音的大小，也表明样品经处理后空白(本底)值的高低。要根据采用的方法来确定检测限。当用仪器分析方法时，可用已知浓度的样品与空白试验对照，记录测得的被测药物信号强度S 与噪音(或背景信号)强度N，以能达到S／N＝2或S／N＝3时的样品最低药浓为LOD；也可通过多次空白试验，求得其背景响应的标准差，将三倍空白标准差(即3δ空或3S空)作为检测限的估计值。为使计算得到的LOD值与实际测得的LOD值一致，可应用校正系数来校正，然后依之制备相应检测限浓度的样品，反复测试来确定LOD。如用非仪器分析方法时，即通过已知浓度的样品分析来确定可检出的最低水平作为检测限。
4.定量限(LOQ)是指在保证具有一定可靠性(一定准确度和精密度)的前提下，分析方法能够测定出的样品中药物的最低浓度。
它反映了分析方法测定低药物浓度样品时具有的可靠性。它与上述的检测限的差别在于：定量限要定量测定某一药物在样品介质中的最低浓度，且定量限规定的最低浓度应该符合一定的精密度和准确度的要求。确定定量限的方法也因所用方法不同而异。当用非仪器分析方法时，与上述检测限的确定方法相同；如用仪器分析方法时，则往往将多次空白试验测得的背景响应的标准差(即空白标准差)乘以10，作为定量限的估计值，继之，再通过分析适当数量已知接近定量限或以定量限制备的样品来验证。
5.选择性是指在样品介质中有其他组分共存时该分析方法对供试物质准确而专属的测定能力。
它与专属性的含义稍有不同。专属性是指一种方法仅对一种分析成分产生唯一信号；选择性则可对多种化学成分产生不同响应，而主要成分的响应可与其它响应区分。
因此，选择性是指该法用于复杂样品分析时相互干扰程度的量度。
在药物分析中考察一个分析方法的选择性时，应着重考虑杂质、降解产物、相关化合物以及制剂辅料等其他组分是否对被测药物的测定有干扰。一般，通过添加上述物质的样品与未曾添加的样品所得分析结果进行比较而确定。
6.线性与范围
分析方法的线性是在给定范围内获取与样品中供试物浓度成正比的试验结果的能力。换句话说，就是供试物浓度的变化与试验结果(或测得的响应信号)成线性关系。
所谓线性范围是指利用一种方法取得精密度、准确度均符合要求的试验结果，而且成线性的供试物浓度的变化范围，其最大量与最小量之间的间隔，可用mg／L ~ mg／L、ug／ml ~ ug／ml等表示。
线性与范围的确定可用作图法(响应值Y／浓度X)或计算回归方程(Y＝a+bX)来研究建立。
测定样品时所有生物药物分析方法都必须同时作标准曲线。每次作标准曲线时，方法应与分析方法考核时完全一致。标准浓度应包括一定梯度的5-8个浓度(非线性者如免疫分析可适当增加)，每个浓度只需测定一次(免疫分析可测定两次并取均值)；标准曲线应覆盖样品可能的浓度范围，对于含量测定要求一般浓度上限为样品最高浓度的120％，下限为样品最低浓度的80％(但应高于LOQ)；目前仍广泛采用相关系数(r)表示标准曲线的线性度、并控制r≥0.9900。对照品的LOQ必须包括在线性范围。
7.耐用性是指利用相同的方法在各种正常实验条件下对同一样品进行分析所得结果的重现程度。
所谓各种正常实验条件，包括不同的实验室、不同的分析人员、不同的仪器、不同批号的试剂、不同的测试耗用时间、不同的分析温度、不同的测定日期等等。分析方法重现性的测定是通过在不同实验室由不同的实验者(操作和环境条件虽有差别但仍在规定的分析参数内)对同一样品的分别测试而获得的。
重现性即是指在不同实验室中使用此种分析方法的精密度。是评价其保持不受参数微小变差影响的能力，并可作为正常使用的一个可靠性指标。
8. 与参比方法测得结果的相关程度的比较
由于生物样品中含有许多干扰测定的杂质，特别是与原型药物相似的代谢物常对药物的测定有影响。因此，除考察选择性外，有时还用参比方法对实际生物样品同时测定并进行比较。比较试验时，取若干份实际样品(如病人服药后采取的血样)，用一个已证明有相当专属性和可靠性的方法与新建立的方法同时进行测定，以参比方法测得的药浓为横坐标(X)，以新建立方法测得的药浓为纵坐标(Y)作成散布图，并求出直线回归方程(y＝a+bx)及相关系数(r)。r最大值为1，表示两法完全相关(结果完全吻合)；r＝0时，表示两法完全不相关。一般要求两法的相关系数r＞0．95，而相关直线的斜率应接近于1。
评价一种分析方法的效能，一般根据方法的使用对象区别。有以下四种情况：
A．用于原料药中主要组分或制剂中有效组分含量测定的方法：除了检测限和定量限二项指标外，对精密度、准确度、选择性、线性与范围、耐用性等均应有所要求；
B．用于原料药中杂质测定或制剂中降解产物测定的方法又可分为两种：
①用于含量测定；要求是：除检测限和精密度指标不必要求外，对准确度、选择性、线性与范围、定量限、耐用性等均应有所要求；
②用于限度检查。要求是：只对检测限、选择性和耐用性三项指标有所要求，其余均无需要求。
C．用于溶出度测定的方法及药物释放度测定的方法，只有精密度和耐用性有所要求，其余项目均不作要求。
D．用于生物样品中药物测定的方法，对精密度、准确度、检测限、选择性、可测线性范围、定量限、对生物样品的耐用性以及与参比方法测得结果的相关程度的比较等指标应有所要求。
5．4国内外临床试验数据统计的比较与发展
5．4．1 ICH关于药物临床试验数据统计的要求
20世纪90年代以来，已4次召开人用药品注册技术要求的国际协调会议（ICH），旨在促进申报新药批准上市时必需资料的国际统一与认可。至1997年7月的ICH4会议，有关注册技术要求的一套指导原则已被发起的三方管理当局接受通过。ICH4的文件包