企业官网建设流程全解析

简介：面向临床试验统计师、数据管理人员及药品研发与监管审评从业者的专业参考资料，聚焦ICH E9(R1)框架下估计目标的设定、伴发事件处理以及敏感性分析的设计与解读。压缩包内为1份PDF文档，大小约1.63MB，便于在方案撰写、统计考量章节准备和结果稳健性评估时随查随用。内容从估计目标五大属性切入，延伸到主估计方法、敏感性分析与补充分析的区分，并讨论结构化框架在方案呈现及多方沟通中的作用，另附淋巴瘤CAR-T疗法、哮喘多臂三期试验等案例帮助理解落地路径。已有2806人学习，适合需要提升试验目的表述一致性、减少分析歧义并增强结论可解释性的中级及以上从业者参考。

1. 从一场分析方法之争说起：估计目标不是缺失数据处理问题

很多人第一次翻到 ICH E9(R1)，会把它当成一份缺失数据处理指南——敏感性分析、填补方法、LOCF 这些词实在太抢眼。但真正让申办方与审评方在评审会上僵住的，往往不是用哪种统计分析方法，而是双方脑子里想的根本不是同一个治疗效应。十余年前一场关于降糖药物的专家咨询会上，一方把补救治疗后的数据当缺失处理，另一方坚持把补救后的观测纳入分析，两套统计分析给出方向相反的结论。争论的底层是一个本该在试验开始前就回答、却长期没人强制要求回答的问题：这个试验到底要估计什么。ICH E9(R1) 给出的答案就是估计目标加敏感性分析框架，它把“分析方法之争”提前成“临床问题定义之争”。

2. 结构化框架：把一个临床问题翻译成可计算的治疗效应

2.1 五步链条：从“想回答什么”走到“算出哪个数”

药物研发从早期探索走到确证性试验，最终要交付的是一句话：这个药在什么人身上、相对于什么对照、产生多大的治疗效应。这句话在口语里很轻，在统计学上极重。ICH E9(R1) 对治疗效应给了一个相当严格的定义——相同受试者在不同治疗条件下可能发生的结果之间的比较，而且这个差异必须是由治疗引起的，不能来自观察期差异、人群特征差异这类混杂因素。也就是说，治疗效应天生是一个反事实的概念：你只能看到一组人吃了 A，另一组人吃了 B，而“同一批人既吃 A 又吃 B”永远观测不到。

结构化框架干的事，就是把这个反事实的比较拆成一条可以逐级追问的链条。第一步明确试验目的，即感兴趣的临床问题是什么；第二步针对这个目的定义估计目标，也就是对治疗效应的精确描述；第三步选择与估计目标一致的主估计方法，算出主估计值；第四步做一项或多项敏感性分析，评估主估计方法在假设偏离时的稳健性；第五步在主估计与敏感性之外安排补充分析。每一步的产出物都不一样：第一步产出一句人话，第二步产出一组定义，第三步产出点估计与置信区间，第四步产出稳健性证据，第五步产出辅助理解。

这条链条的关键在于顺序不可逆。传统做法是先定终点、定分析集、定统计方法，等结果出来了再讨论“这个结果意味着什么”；一旦中途有人对结论不满意，就会退回方法层面重新挑一个模型，于是同一批数据能跑出好几个版本的结论。结构化框架强制把“要估计什么”放到最前面，谁想改方法，就得先回答“你改的是估计目标还是估计方法”。这个约束看着啰嗦，实际省掉的是后期最贵的那部分沟通成本。

还有一点容易漏：如果有多个主要估计目标，需要逐个描述每个主要估计目标的主估计方法和敏感性估计方法，不能用一个笼统的“主要分析”打包带过。多个主要估计目标意味着多个需要分别对待的科学问题，混在一起写，最后必然有人拿错尺子量错东西。

2.2 五大属性：动一个，另外四个都会跟着动

估计目标的五个属性是：目标人群、治疗（处理）、目标变量（终点）、伴发事件及其处理策略、群体层面汇总。前四个属性对做过试验的人不算陌生，第五个“群体层面汇总”经常被当成套话跳过，但它决定的是用哪个数来概括组间差异——均值差、率差、风险比、比值比、需要治疗人数。选均值差还是选比值比，不只是量纲不同，它直接决定了后面用什么模型、怎么解释置信区间、结果能不能外推到临床决策。

更要紧的是，这五个属性不是五道彼此独立的填空题，而是一个互相牵制的约束系统。伴发事件会影响治疗的定义：如果补救用药被纳入治疗范畴，对照组就变成“B 加补救治疗”，试验组变成“A 加补救治疗”，这时候优效性结论的含义完全变了——你证明的是 A 方案优于 B 方案，而不是 A 分子优于 B 分子。伴发事件也会影响人群的定义：如果把治疗转组当成关注的伴发事件，目标人群就变成“潜在不会发生转组的那群人”，这个人群和入组人群不是一回事。伴发事件还会影响变量的定义：肿瘤研究里的无进展生存期，死亡作为伴发事件被直接写进了终点定义本身，而不是事后补一个处理规则。

所以写估计目标不是填表，是解一个约束。改一处，必须回头检查另外四处是否还自洽。常见的实现思路是：先用一句话把临床问题说圆，再逐条把五属性填进去，最后把五段文字反过来读一遍，看有没有哪一句在偷偷改变另一句的含义。

这里还有一个反复被踩的点：目标人群是适应症对应的人群，不等于临床试验的入组人群。入组人群是目标人群的一个可及子集，受入选排除标准、中心分布、竞争入组影响。把入组人群直接当成目标人群写进估计目标，等于默认试验样本对适应症人群完全代表性，这个假设在大多数试验里都站不住。

2.3 主估计方法与敏感性分析：假设住在方法里，不在估计目标里

主估计方法需要完成三件事：给出估计值以支持结果解读，给出置信区间，完成统计学检验。而任何估计方法都依赖假设，假设大致分两类——统计模型假设（比例风险是否成立、协变量是否线性、方差结构怎么设）和缺失数据处理假设（数据是随机缺失还是非随机缺失）。这里有个特别容易混淆的边界：估计目标本身是定义，不含统计假设；假设住在估计方法里。澄清这一点，很多“估计目标写不出来”的困境就解开了——写不出来的往往不是定义，而是你还没想清楚打算用什么方法去估。

敏感性分析在 E9(R1) 里第一次被明确定义：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稳健性的一系列分析。三个要点值得记住。第一，它针对的是同一个估计目标下的同一个主估计方法，不是换一个估计目标重做一遍。第二，一次只动一个假设，否则结论出现差异时你根本不知道是模型假设导致的还是缺失假设导致的。第三，敏感性分析不是再找一个更好看的结果，一个不显著、方向反转的敏感性结果同样是有效信息，它告诉你主分析的结论对某个假设有多依赖。

补充分析的定位要更低一档：同一估计目标下除主估计和敏感性之外的其他分析，优先级最低，通常不作为决策依据。现实里补充分析经常被当成“再抢救一下”的工具，一旦主分析不显著就翻补充分析找亮点，这个用法从框架上就是错位的。

把定义和方法分开写下来，结构大概是这样的：

estimand: id: primary_01 clinical_question: > 在某慢性疾病成人受试者中，不考虑因任何原因终止治疗、 也不考虑是否启动补救治疗的情况下，治疗 52 周后 某连续型疗效指标较基线变化的组间治疗差异是多少？ population: 随机入组的成人受试者，细则见入选排除标准章节 treatment: 试验药 A 与对照药 B，两组均允许合并补救治疗 variable: 第 52 周时该指标相对基线的变化值 intercurrent_events: - name: 因任何原因终止治疗 strategy: treatment_policy # 疗法策略：所有观测值都进入分析 - name: 启动补救治疗 strategy: treatment_policy - name: 死亡 strategy: hypothetical # 终末事件不能用疗法策略 population_level_summary: 组间均值差及其 95% 置信区间 rationale: > 对应“治疗策略”层面的决策问题，即真实处方场景下 A 方案（含后续补救）相对 B 方案的整体效应。 method: primary: model: 协方差分析，校正基线值与分层因素 missing_data_assumption: 判定为随机缺失后采用多重填补 sensitivity: - 改变缺失数据假设，做临界点分析 - 改变模型假设，改用稳健标准误

这段结构里，clinical_question是人话层，population到population_level_summary是定义层，method才是假设层。strategy字段是整份定义里唯一一个不来自观测的字段，它承载的是“你打算怎么对待伴发事件之后的世界”。population_level_summary决定了模型的形式，选均值差就要考虑协方差分析或混合模型，选风险比就要考虑生存模型。把这三层混着写，方案里就会出现“用 Cox 模型估计率差”这种自相矛盾的表述。

3. 伴发事件与五种策略：同一份数据，五个不同的科学问题

3.1 判定条件：什么才算伴发事件，什么只是方案违背

伴发事件的定义是：治疗开始后发生的事件，可能影响与临床问题相关的观测结果的解释或存在，并且无法通过随机化来消除其影响。判定要同时满足三个条件。其一，它发生在治疗开始之后——治疗前的事件，比如既往接受过某种特殊治疗，不属于这个范畴。其二，它影响患者的治疗，比如治疗转组、启动补救治疗、提前终止治疗。其三，它会影响估计目标的其他属性，可能是目标变量的解释或存在（死亡让第 24 周的测量根本不存在），可能是治疗的定义（补救用药被并入治疗），也可能是人群的定义（关注的只是潜在不会转组的那部分人）。

最容易混淆的是伴发事件与方案违背的边界。伴发事件是治疗过程中自然发生的、在设计阶段就能预料到并应当纳入考虑的事件，它本身不是试验的缺陷。方案违背是要尽量避免的执行偏差。两者有交集——某些方案违背同时构成伴发事件——但不能画等号。举个具体的：长期治疗中的单次漏服或某天服药时间错了，如果按临床判断预期不会影响变量解释，那就是方案违背，不需要按伴发事件处理；反过来，治疗期间服用了影响疗效评价的禁用药物，它直接改变变量的解释，就必须按伴发事件定义并给出策略。

定义的粒度是另一个血泪点。“提前终止治疗”这六个字不是定义，只是一个类别标签。提前终止的原因至少可以分成因缺乏疗效、因不良事件、因患者个人原因但与疗效无关、因合并用药超剂量等几类，不同原因对应完全不同的处理策略——因缺乏疗效退出，可能适合按复合策略把终点判为未缓解；因搬家退出，可能适合按假想策略假设此人临床状态稳定。原因没在数据里单独收集，策略就无从谈起。

3.2 五种策略的机制拆解

用一个抽象化的例子把五种策略串起来。某适应症人群，随机接受试验治疗 A 或标准治疗 B，在第 1、3、5 个治疗周期后做疾病评估，第 6 个周期后评估总体最佳响应作为主要终点。治疗过程中，受试者可能在疾病进展前、6 个周期内退出试验用药并接受下一线治疗，这个事件影响终点评估和解释，于是被定义为伴发事件。假设有两位受试者落在这个情形里，一位在下一线治疗前的最佳响应是疾病稳定，另一位是部分缓解，他们之后的评估还能不能用、怎么用，就是五种策略的分水岭。

疗法策略关注的是“无论伴发事件是否发生，相关变量的所有观测值都进入分析”。这两位受试者接受下一线治疗后的评估照样计入，最终响应可能升级为部分缓解和完全缓解。此时关注的科学问题混合了后续治疗带来的效应，不是试验用药的“纯”疗效；对应到估计目标，治疗属性必须改写成“A 加下一线治疗”对比“B 加下一线治疗”，做优效性检验时要考虑对照本身也被加强了。数据收集上，伴发事件之后的测量必须继续采。还有一个硬约束：对死亡这类终末事件，伴发事件发生后变量根本不存在，疗法策略用不了。

假想策略关注的是“倘若伴发事件不发生”的治疗效应，也就是纯疗效。这两位受试者在接受下一线治疗后的评估不再反映所关注的疗效，需要用模型预测或填补出第 6 周期后的响应。这里的坑在于假想情境必须写具体：只说“假想受试者未使用下一线治疗”是不完整的，因为至少存在两种截然不同的情形——一种是此人根本拿不到下一线治疗，另一种是此人临床状态好到不需要用。这两种假想对应不同的填补模型，也可能对应不同的临床意义。由于假想策略的假设通常无法用数据验证，敏感性分析在这里不是可选项；而当相当比例的受试者都走假想路径时，结论很大程度上由模型撑着，稳健性会明显下降。

复合策略把伴发事件本身定义进目标变量，当成一种不良结局。这两位受试者的总体最佳响应直接判为无应答。它回答的是“把使用下一线治疗视为治疗失败时，两组的差异有多大”。变量定义被改写，伴发事件必须反映在变量属性里；数据收集上，伴发事件一旦发生，变量就确定了，之后的测量可以不采。

在治策略只关注伴发事件发生之前的治疗效应，发生之后的结局被认为与试验治疗无关。这两位受试者分别取下一线治疗前的最佳响应，即疾病稳定和部分缓解。注意此时的变量已经不是严格意义上的“6 个治疗周期后的最佳响应”，而是“治疗期间的最佳响应”，变量定义同样被改写，伴发事件要反映在变量属性里；数据收集上，伴发事件之后的测量可以不采。

主层策略关注的是潜在不会发生（或会发生）伴发事件的那部分人群。这两位受试者已经接受了下一线治疗，他们属于发生了伴发事件的子集，而不是主层。主层是一个潜在人群概念，需要通过设计层面的手段（比如入排标准）去识别，不能靠事后剔除已经发生事件的人来近似。这一点和亚组分析的差别必须讲清楚：亚组基于已发生的事实分组，主层基于潜在的反事实状态分组。

3.3 策略反向约束数据收集：没采到的数据没有后悔药

这张表最有价值的不是“五种策略怎么选”，而是最后那一列。策略选择不是分析阶段的自由度，它在设计阶段就已经把数据收集范围钉死了。选了疗法策略却在伴发事件发生后停止采集，等于策略和数据打架，分析时只能临时改策略，而改策略意味着改估计目标，改估计目标意味着方案要修订——这个链条在确证性试验里几乎走不通。

反过来看，疗法策略虽然解释起来最贴近真实处方场景，但它对数据完整度的要求也最高；假想、复合、在治三种策略在数据收集上更省，代价是结论的含义被收窄，而且一旦监管方在审评时要求补充分析，那些没采的测量补不回来。这就是为什么伴发事件的定义、策略的选择、CRF 的设计、访视窗的安排必须在同一个时间窗里定稿，而不是临床先写方案、统计后补分析计划。

还有一类经常被忽略的数据：支持性信息。同一个伴发事件在不同原因下可能适用不同策略，原因本身就是需要采集的字段。除了原因，伴发事件的发生频率、组间发生频率是否均衡也值得在设计阶段预判——如果某个伴发事件在试验组和对照组的发生率差异很大，无论用哪种策略，结论的解释都要额外谨慎，因为这件事本身可能已经是治疗效应的一部分。

4. 落地到方案：估计目标怎么写才不会被审评追问

4.1 呈现顺序：临床问题在前，五属性在中，选择理由在后

估计目标在方案里的位置没有统一规定，可以和研究目标放在同一章，也可以单列一章，细化的分析方法还可以放到统计分析计划里。但呈现顺序有讲究，推荐固定成三段：先写这个估计目标要回答的临床问题，再逐条定义五个属性，最后写选择这个估计目标的理由。理由这一段最容易被省掉，却恰恰是审评时被追问最多的地方——策略为什么这么选、对应的是哪个决策场景、和次要估计目标的差异在哪里。

临床问题那一句要带限定语。比如“在不考虑因任何原因终止治疗、也不考虑是否启动补救治疗的情况下，治疗若干时间后某项健康指标的治疗差异是多少”，这句限定语不是修辞，它直接对应后面的伴发事件策略，删掉就变成另一个估计目标了。五个属性逐条写时，人群和变量要指向方案的具体章节，不要重复全文；治疗属性要把合并用药和补救治疗是否纳入写清楚，因为这决定了对照的含义。

多个估计目标要分别写：主要估计目标 1、主要估计目标 2，各自配套的伴发事件策略、主估计方法、敏感性分析都要单列，不能合并成一段“主要分析采用……”。次要估计目标和探索性估计目标同理，虽然优先级低，但定义不能含糊，否则分析时又要重新讨论一遍。

4.2 伴发事件矩阵：一张表管住多个估计目标

当试验有多个估计目标时，伴发事件的处理策略会形成一张矩阵。这张表建议单独成节，放在方案或统计分析计划里，它的作用是一眼看出“同一个伴发事件在不同估计目标下被怎么对待”，避免出现主估计目标用疗法策略、次要估计目标用假想策略却在正文里没交代的情况。

这张矩阵的读法是从行看一致性、从列看自洽性。行方向上，同一个伴发事件在不同估计目标下被赋予不同策略，是完全正常的，因为不同估计目标回答不同问题；列方向上，一列里的策略组合必须能拼出一个讲得通的临床问题，如果某一列里补救治疗用假想策略、终止治疗用复合策略、死亡用在治策略，就要问一句：这三种处理拼起来，对应的还是不是同一个决策场景。拼不出来，说明这一列的估计目标定义有问题，不是策略选错了。

4.3 分析集与缺失数据：和估计目标对齐的最后一公里

统计分析方法和估计目标必须一致，这句话说起来顺，落地时最常断在两个地方：分析集和缺失数据。

分析集的定义要能支撑估计目标。全分析集通常定义为所有随机入组的受试者并按实际接受的治疗分析，安全性分析集定义为所有接受了研究治疗的受试者。有效性终点基于全分析集，安全性评估基于安全性分析集，这是常规做法。但如果估计目标的人群属性写的是“潜在不会发生某伴发事件的人群”，全分析集就撑不住这个定义，需要另外说明主层人群怎么识别。分析集和估计目标人群对不上，是审评时最容易被抓的硬伤。

缺失数据这块，方案里必须写清楚三件事：缺失机制假设是什么、用什么方法填补、不同伴发事件造成的缺失是否用不同方法处理。第三件事最容易被简化成一句话“采用 LOCF 填补”，把因缺乏疗效退出、因不良事件退出、因失访退出、因行政原因退出全按一种方式处理。这几种缺失背后的机制很可能不一样，用同一套填补方法等于强行假设它们同质。合理的写法是逐类说明：某类伴发事件导致的缺失按复合方式处理，某类按假想方式填补并在模型中明确假设，某类走敏感性分析验证。

敏感性分析在方案里要写明对应的是哪个假设。写“将进行敏感性分析”没有信息量，写“改变缺失数据假设，考察主结论在非随机缺失情形下的稳健性”才有。如果计划做多项敏感性分析，逐项列出各自撬动的是哪个假设，避免最后变成一堆方法堆在一起、谁也说不清差异来自哪里。

5. 避坑：估计目标落地时最常见的五类翻车

5.1 五条踩坑记录

第一条：方案里只写了填补方法，没写伴发事件策略。现象是通篇找不到“伴发事件”四个字，统计分析章节却详细描述了 LOCF 和多重填补。原因是沿用了 E9(R1) 之前的模板，把估计目标问题当成缺失数据处理问题。解决办法是先写临床问题那一句人话，再倒推五属性，最后才写填补方法——顺序反了，填补方法就会变成无源之水。

第二条：伴发事件定义过粗，不区分原因。现象是方案里只有“提前终止治疗”一个类别，对应一个策略。原因是数据收集时没在 CRF 里设原因字段，分析阶段想分也分不开。解决办法是在设计阶段就把终止原因拆成缺乏疗效、不良事件、患者意愿、其他几类，并明确各类对应的策略；如果确实无法拆分，至少在方案里说明这种合并处理的局限。

第三条：定了疗法策略，伴发事件之后的数据却没继续采。现象是分析时发现大量受试者在伴发事件后没有测量值，被迫改成假想策略，估计目标随之改写。原因是策略定稿晚于 CRF 和访视窗定稿，两条线没对齐。解决办法是把策略确认作为 CRF 定稿的前置条件，策略一变就回推数据收集清单。

第四条：假想策略撑得太满，敏感性分析一次改多个假设。现象是敏感性分析结论和主分析方向相反，会上谁也解释不清差异来源。原因是一次同时改了缺失机制假设和模型假设，两个变量一起动，归因失效。解决办法是每项敏感性分析只撬动一个假设，逐项报告，差异归因才成立。

第五条：策略改了变量定义，终点表述没同步改。现象是在治策略或复合策略已经把变量变成“治疗期间最佳响应”或“把补救视为无应答”，方案里的终点描述还停留在“第 6 周期后总体最佳响应”。原因是策略和五属性文字分开维护，改了一处忘了另一处。解决办法是把五属性当成一份联动文档，任何策略变更都触发一次全文回读。

另外还有一个高频混淆值得单列：把主层策略当成亚组分析。现象是分析时把已经发生伴发事件的受试者剔除，声称在做主层分析。原因是没有区分潜在人群和实际人群。主层人群靠设计识别，事后剔除得到的是亚组，两者回答的问题不一样，混用会让结论的解释完全走样。

5.2 定稿自检：用一句话能不能读通

方案定稿前有个便宜的自检办法：把主要估计目标的五属性重写成一句话，不夹任何统计术语，读给临床同事听，再读给注册同事听，看两人理解的是不是同一件事。如果临床同事听到的是“这个药本身能降多少”，注册同事听到的是“这套方案整体能降多少”，说明疗法策略和假想策略在文本里打架了，得回去改。

再配三个追问。伴发事件发生之后的数据还收不收？这个问题的答案必须和策略一一对应，答不上来就是数据收集和定义脱节。策略对应的临床决策场景能不能讲给医生听？讲不出来说明策略是拍脑袋定的，不是从临床问题推出来的。敏感性分析动了几个假设？超过一个就得拆。

6. 取舍：疗法策略与假想策略，问的到底是不是同一个问题

疗法策略和假想策略的分野，本质上是两类决策问题的分野。疗法策略问的是“医生按这套方案治，包括后续换药、加补救，病人最终会怎样”，它天然贴近处方与支付决策，因为真实世界里没有哪个治疗方案是孤立执行的。假想策略问的是“如果不换药、不加补救，这个药本身能带来多少效应”，它更适合机制验证和剂量探索，因为它把后续治疗这个混杂因素剥掉了。

代价是双向的。疗法策略混入了后续治疗的效应，一旦两组补救治疗的使用率不均衡，结论就变得难解释——你很难说清组间差异有多少来自试验药、多少来自补救方案的差异。假想策略依赖不可验证的假设，当伴发事件比例很高时，结论很大程度上由模型撑着，稳健性存疑；而且假想情境写得越具体，可争议的空间反而越大，因为每种假想都对应一种临床意义。

敏感性分析在这组取舍里的正确定位，不是去找一个更好看的结果，而是刻画结论对假设的依赖程度。一个真正稳健的结论应该长这样：把缺失数据假设从随机缺失逐步推到非随机缺失的合理范围内，结论的方向和临床解释都不发生翻转。如果推动一点点假设结论就翻，那这个结论本身就应该被谨慎对待，而不是靠敏感性分析去“救”。

验证一套估计目标写没写对，我自己的做法是把它压缩成一句话，然后让临床、统计、注册三方各自复述一遍，看三个人说的是不是同一件事。这个方法不需要任何工具，但特别能暴露问题——三方复述出现分叉的地方，往往就是方案里定义含糊的地方。

那份蓝皮书里编排了十个案例，覆盖细胞治疗、呼吸系统疾病多臂试验、术后辅助治疗、心衰运动能力、感染性疾病、患者报告结局、风湿免疫、神经系统疾病、皮肤疾病和血液肿瘤等场景，每个案例都按“临床问题—五属性—伴发事件策略—主估计与敏感性”拆开写。对照着自己手上的方案读，比啃指南原文快得多，尤其是几个策略在两三个案例里反复出现、处理方式却不一样的地方，最能看出取舍的逻辑。

从那以后我每次拿到一份方案，都先把主要估计目标那一段单独摘出来，用一句不带统计术语的话重写一遍，再拿去和临床同事对。十次里有三四次会对不上，而每一次对不上，都是方案里一个迟早要返工的坑。希望帮到你。

本文还有配套的精品资源，点击获取