本页目录
统计师设计分析方案,SP 将方案精确实现并验证。SP 不必凭空决定模型,却应知道为什么用这个模型、输出中每个统计量是什么意思,以及哪些数据衍生会改变统计结论。
1. 先建立一张 SP 统计学知识地图
| 层级 | 常见概念 | SP 需要理解到什么程度 |
|---|---|---|
| 研究问题 | 终点、假设、Estimand、分析集 | 说清研究要估计什么、针对谁、用什么变量 |
| 数据描述 | N、n、Mean、SD、Median、Q1/Q3、% | 核查汇总口径、缺失、分母与有效位数 |
| 统计推断 | α、P 值、95% CI、检验效能、样本量 | 正确理解显著性和不确定性,不把 P 值当效果大小 |
| 分析方法 | t 检验、ANCOVA、MMRM、卡方、Logistic、Cox | 根据终点类型理解模型输入、调整因素和结果 |
| 数据问题 | 重复测量、缺失、删失、方案偏离、ICE | 区分未观察到、不再观察和真实发生事件 |
| 结果稳健性 | 多重性、敏感性分析、亚组分析 | 理解正式结论和探索性结果的边界 |
优先顺序:描述性统计 → 终点与分析集 → P 值/置信区间 → 常用模型 → 缺失/删失 → Estimand 与多重性。
2. 描述性统计:几乎每个项目都会出现
| 统计量 | 含义与计算 | 常见错误 |
|---|---|---|
N / n | 样本总数、某参数有效记录或受试者数;具体由表壳定义 | 把记录数当受试者数;N 与有效 n 混淆 |
| Mean | 算术平均数:Σxᵢ / n | 未核对缺失、重复记录或分析集 |
| SD | 样本标准差:√[Σ(xᵢ−Mean)²/(n−1)] | 把 SD 当 SEM(标准误) |
| Median | 第 50 百分位数 | 将其当作 Mean;忘记百分位算法约定 |
| Q1 / Q3 | 第 25 / 75 百分位数 | 不同软件分位数定义可能不同 |
| Min / Max | 观测最小值 / 最大值 | 缺少对异常值或单位的核查 |
| n (%) | 事件人数及比例:100×n/指定分母 | 以 AE 条数代替有 AE 的受试者人数 |
| 几何均值 | 对正数取自然对数求平均,再指数变换 | 直接对 0 或负数取 ln;将其与算术均值混同 |
例如安全性 AE 表中的“至少发生一次 TEAE”的人数,分子通常是符合条件的去重受试者数,并非 AE 记录行数。百分比的分母则依 SAP 规定,常见为对应治疗组的安全性分析集人数。
QC 问题:同一受试者同一类别有三条 AE,表中应算 3 条事件,还是 1 名受试者?必须看表格是按 Number of Events 还是 Subjects with Events 统计。
3. 假设检验与置信区间,怎样才算真正理解?
P 值:在零假设和检验模型成立的前提下,观察到当前或更极端检验统计量的概率。P = 0.03 不表示零假设为真的概率是 3%,也不代表治疗有 97% 的概率有效。
效应量比 P 值更直观:治疗组差值(Difference)、风险比(RR)、优势比(OR)、风险差(RD)、风险比率(HR)及各自 CI,回答的是不同尺度上的问题,不能互换。
A 组平均变化 −0.9%,B 组 −0.4%,那么未调整的组间均值变化差是 −0.5 个百分点。若 SAP 使用 ANCOVA,则结果可能是调整后的 LS Mean Difference,不能把 −0.5 直接贴成模型结果,也不能据此编造 P 值。
样本量为什么和统计学有关?
样本量常取决于主要终点、期望检测的效应、变异或事件率、α、目标 Power、分组比、失访及分析方法。SP 通常不负责主导样本量论证,但应知道为什么 TFL 里实际分析人数和方案计划人数不同,以及实际事件数不足可能如何影响分析精度。
4. 按终点类型匹配常见统计方法
先判断变量属于连续、二分类、计数/等级、重复测量还是时间到事件,再理解 SAP 为何采用指定模型。下表是典型关联,不是自动选统计方法的算法。
| 终点类型 | 常见方法 | SP 关注变量 |
|---|---|---|
| 连续型 体重、HbA1c、血压 | t 检验、ANCOVA、线性回归;明显偏态时可能使用合适的非参数法或变换 | AVAL、BASE、CHG、协变量、ANLxxFL |
| 二分类 缓解/未缓解、达标率 | 卡方、Fisher、Logistic 回归、风险差或风险比方法 | 响应标记、访视、分母、分层因素 |
| 等级/有序 症状等级 | 有序 Logistic、秩和检验等 | 等级顺序、类别定义、稀疏数据 |
| 重复测量 每次访视 HbA1c/体重 | MMRM、GEE、混合效应模型 | 受试者、访视、治疗、基线、协方差结构 |
| 时间到事件 OS、PFS、DoR | Kaplan–Meier、Log-rank、Cox 比例风险模型 | 起点、事件日期、截尾日期、事件标记、风险集 |
| 暴露参数 AUC、Cmax | 描述统计、对数变换、几何均值;比较时可能用 ANOVA/混合模型 | PK 参数、剂量、周期、序列、可分析标记 |
ANCOVA 与 MMRM:做 ADaM 时最值得先弄懂的两种模型
ANCOVA 可以把治疗组、基线值和预先指定的其他协变量纳入模型。例如以末次 HbA1c 变化量为响应变量,比较经过基线调整的治疗差异。LS Mean 是模型调整后的均值估计,不同于原始 Mean。
MMRM 利用重复访视的纵向观察,常包含治疗、访视、治疗×访视及基线相关项,并对同一受试者多次测量的相关性建模。协方差结构、缺失假设和模型细节必须以 SAP 为准。MMRM 通常依赖 MAR 等模型假设,不是“自动解决所有缺失值”的魔法。
5. 生存分析:事件、时间、删失三件事
时间到事件终点(Time-to-Event)不只记录“有没有发生”,还要记录“从哪里起算、何时发生、何时停止观察”。
例子:OS 常以死亡为事件;但 PFS 的事件通常包括方案规定的疾病进展或死亡。不同项目对进展评价、失访、后续抗肿瘤治疗和新评估时间点的处理可能不同,因此不能仅凭 ADTTE 变量名称推断规则。
SP 特别注意:ADTTE 的 ADT、AVAL、CNSR、EVNTDESC 等必须按 Spec 核对。CNSR=0 常表示发生事件,但具体编码以数据集元数据为准;时间单位和起算日的 ±1 规则同样重要。
6. ITT、FAS、PPS、Safety Set 到底有什么区别?
| 概念 | 理解方式 | 常见 SP 工作 |
|---|---|---|
| ITT 原则 | 尽可能按随机分配进行分析,以保护随机化收益 | 随机化记录、按计划治疗分组、处理偏离 |
| FAS | 尽量接近 ITT 原则的全分析集;具体允许的排除取决于事先规定的合理准则 | FASFL 的入排逻辑及原因可追溯 |
| PPS | 符合预定义方案要求的受试者集合 | 方案偏离、暴露、主要评价窗口、PPSFL |
| Safety Set | 通常包括实际接受至少一次研究治疗的受试者,但具体定义以 SAP 为准 | 安全性标志、实际给药、按实际治疗汇总 |
一项试验可能将 FAS 用于主要疗效、Safety Set 用于安全性、PPS 用于支持性分析;也可能采用不同定义。尤其在非劣效研究中,FAS 与 PPS 的分析一致性经常具有重要解释意义。人群标志绝不能由 SP 根据习惯“想当然”填写。
7. 缺失数据、敏感性分析与 Estimand
这是从“会写程序”走向“理解分析意图”的关键。需要区分两类问题:某个值没测到(Missing Data),以及治疗后发生了影响结局解释的情况(Intercurrent Event,ICE),例如停药、救援治疗、换药。二者并不等价。
| 术语 | 是什么 | 注意 |
|---|---|---|
| MCAR | 缺失与已观测和未观测数据均独立 | 非常强的假设,不可轻易声称 |
| MAR | 在已观测信息条件下,缺失不再依赖未观测结果 | MMRM 等方法常依赖这种假设 |
| MNAR | 即使给定已观测信息,缺失仍可能依赖未观测结果 | 常以敏感性分析评估潜在影响 |
| LOCF | 最后一次观测值结转 | 并非中性填补,可能引入偏倚 |
| MI | Multiple Imputation,多重插补 | 需要合理的插补模型与合并规则 |
| 敏感性分析 | 考察主分析推断对关键假设偏离的稳健性 | 应针对同一 Estimand;另一个分析目标属于补充分析 |
Estimand(估计目标)回答“我们究竟要估计什么治疗效果?”
ICH E9(R1) 用五个要素表述一个 Estimand:治疗条件、目标人群、终点变量、ICE 及处理策略、总体层面的汇总指标。
五类常见 ICE 策略包括 Treatment Policy(无论 ICE 是否发生仍关注定义内结果)、Hypothetical(假设 ICE 没发生)、Composite(将 ICE 纳入复合结局)、While-on-Treatment(关注治疗期间结果)、Principal Stratum(特定潜在人群层)。不同策略回答的是不同临床问题,不宜仅依据“停药后是否保留记录”来机械判断。
如果关注“开始分配治疗后,即使后来停药的总体效果”,可能采用 Treatment Policy 思路;如果关注“假设未停药时会出现的效果”,可能采用 Hypothetical 思路。二者需要不同的数据收集与分析假设;具体采用什么须看 SAP/Estimand 描述。
8. 多重性、亚组分析与正式结论
同时检验多个主要终点、多个治疗剂量或多次正式中期分析时,发生至少一次假阳性判断的风险可能增加。常用控制思路包括层级检验(Hierarchical Testing)、Bonferroni、Hochberg 及预设的 Alpha 分配;不同方案有不同前提。
并非所有探索性亚组结果都有严格的多重性调整,因此“某亚组 P<0.05”通常不能自动当成确证性结论。SP 需要理解:每张 TFL 的 正式检验 vs 描述性/探索性分析 在表题、脚注、比较方法和输出标志中有何区别。
9. 把统计学映射到 SP 数据与 QC
| 统计问题 | 可能的数据位置 | 应当检查 |
|---|---|---|
| 分析哪个人群? | ADSL | SAFFL、FASFL、PPSFL 与具体排除条件 |
| 如何定义基线和变化? | BDS:ADLB/ADVS 等 | ABLFL、BASE、CHG、PCHG、窗口与重复值处理 |
| 选择哪条记录? | 分析数据集 | ANL01FL 等,确保每个受试者×参数×访视只有所需分析记录 |
| 缺失如何处理? | BDS / MI 衍生数据 | DTYPE、插补来源、分析标志及原始记录是否被错误覆盖 |
| 事件时间从哪里算? | ADTTE | 事件/删失、时间起点、截尾规则、事件数与风险集 |
| AE 如何汇总? | ADAE | TEAE 定义、治疗归属、同一受试者去重、最多严重度和分母 |
| 模型数据准备是否正确? | 分析数据集 + TFL | 协变量、分层因素、组别、访视、缺失、模型使用的观察记录 |
最有价值的 QC 不是“统计模型跑出同一个 P 值”,而是能追踪 P 值所使用的每一行分析数据来自哪里、为什么入选、用什么协变量,以及分析结果代表什么。
10. 面试常见问题:点击自测
Q1. SD 和 SEM 有什么区别?
SD 描述样本观测值的离散程度;SEM 描述样本均值估计的抽样不确定性,常为 SD/√n(在常见独立同分布假设下)。不能互相替代。
Q2. 为什么 ANCOVA 要调整基线?
预设的基线调整通常可控制已知的预后因素,并可能提高估计精度;模型输出的 LS Mean 与原始 Mean 不同。具体模型项以 SAP 为准。
Q3. PFS 的 CNSR=1 就代表受试者没有发生过进展吗?
不能这么说。它通常表示到定义的删失时点未观察到符合规则的事件;事件标记编码和截尾算法必须查看 ADTTE Spec。
Q4. MMRM 可以不管缺失数据吗?
不可以。MMRM 往往在 MAR 等假设下处理不完整的重复测量序列,但需要评估缺失机制和稳健性,必要时做敏感性分析。
Q5. FAS 与 PPS 是否必然一样?
不一样。FAS 尽可能接近 ITT 原则;PPS 根据预设重要方案要求形成,两者排除条件可能不同,且必须遵循方案和 SAP。
Q6. 如果 P=0.03,能否断言疗效很大?
不能。P 值不是效应大小;还需要查看组间估计差异、CI、临床重要性、主要终点及多重性控制。
Q7. Treatment Policy 和缺失值插补是同一件事吗?
不是。前者是处理 ICE 的 Estimand 策略,定义目标治疗效果;插补是为估计该目标处理缺失数据的方法,两者位于不同层次。
建议下一步:选择一个你做过的纵向 BDS 项目,将主要终点的 AVAL / BASE / CHG / ANL01FL、人群标志和 SAP 模型串成一条完整逻辑,再练习向面试官解释为什么这样分析。
11. 主要依据与使用边界
以下为主要监管/方法学资料;正文 SP 示例为帮助理解的归纳,不应代替特定研究的方案或 SAP。
- ICH E9 — Statistical Principles for Clinical Trials ↗
- ICH E9(R1) — Estimands and Sensitivity Analysis ↗
- EMA — Missing Data in Confirmatory Clinical Trials ↗
- FDA — Statistical Considerations in Safety Analysis ↗
- CDISC — ADaM Foundational Standard ↗
建议学习顺序:先掌握 ICH E9,再阅读 E9(R1) 的估计目标框架;遇到实际模型时再结合 SAP 研究具体公式和软件实现。