药物临床试验统计分析计划书SAP

临床试验数据分析要点(GCP)

精品 临床试验数据分析要点 5．3．1分析对象的数据集 5．3．1．1 全样本分析（Full analysis set） 计划治疗原则（intention-to-treat）是指主要分析应当包括所有进入随机化的遵循这一原则需要对所有随机受试者完成随访得到试验结果。由于各种理由，这在实际上是难以达到的，因此，全样本分析是尽可能接近于包括所有随机受试者，在分析中保留最初的随机化对于防止偏差和提供安全的统计检验基础很重要。在许多场合，它提供的对治疗效果的估算很可能反映了以后的实际观察结果。 从分析中剔除已随机受试者的情况不多：包括不符合重要入选标准，一次也没有用药，随机化后没有任何数据。从分析中剔除不符合入选条件受试者必须不致引起偏差：入选标准的测定是在随机化之后；违反合格标准的检测是完全客观的；所有受试者都受到同样的合格性调查；各组实行同样的入选标准，凡违反者均被排除。 5．3．1．2 遵循研究设计对象（Per Protocol Set） "Per Protocol"对象组，有时称之为"有效病例"、"有效样本"或"可评价受试者样本；定义为全部分析样本中较好遵循设计书的一个受试者亚组： ·完成预先说明的确定治疗方案暴露。 ·得到主要变量的测定数据。 ·没有违反包括入选标准在内的重要试验设计。 从"有效受试者"组中剔除受试者的精确理由应当在揭盲前就充分限定并有文件记载。 为得到"有效受试者"而排除对象的原因和其他一些违反研究设计的问题，包括对象分配错误、试验中使用了试验方案规定不能用的药物、依从性差、出组和数据缺失等，应当在不同治疗组之间对其类型、发生频率和发生时间进行评价。 5．3．1．3不同的分析（受试者）组的作用 在验证性试验中，通常进行全样本和"有效受试者"两种分析。这样可以对两者之间的任何差别进行明白的讨论和解释。有时候可能需要计划进一步探究结论对于选择分析受试者组的敏感程度。两种分析得到基本一致的结论时，治疗结果的可信度增加。但是要记住，需要?quot;有效受试者"中排除相当数量受试者会对试验的总有效性留下疑点。 在优越性（Superiority trial，证明新药比标准对照药物优越）试验、等效性试验或不差于（non－inferiority trial，确证新产品与对照药物相当）试验中，这两种分析有不同的作用。在优越性试验中，全样本分析用于主要的分析可以避免"有效受试者"分析对疗效的过于乐观的估算；全样本分析所包括的不依从受试者一般会缩小所估算的治疗作用。但是，在等效性或不差于试验中使用全样本分析通常是不谨慎的，对其意义应当非常仔细考虑。 5．3．2缺失值和线外值（包括异常值） 缺失值代表临床试验中一个潜在的偏差来源。因此，在实施临床试验时应当尽最大努力符合试验方案对于数据收集和数据管理的要求。对于缺失值并没有通用的处理办法，但只要处理方法合理，特别是如果处理缺失值方法在试验方案中预先写明，则不会影响试验的有效性。当缺失值数目较大时，要考虑分析结果对于处理缺失值方法的敏感程度。线外值（包括异常值）的统计学定义在某种程度上带有随意性。除了统计学判断之外加上医学判断以鉴别一个线外值（包括异常值）是最可信的方法。同样，处理线外值（包括异常值）的程序应当在方案中列出，且不可事先就有利于某一个治疗组。 5．3．3数据的类型、显著性检验和可信限 在临床试验中，对每个受试者可收集3种数据：所接受的治疗、对治疗的反应（Re-sponse）和进入试验时影响预后因子的基线值。接受同样治疗的受试者构成统计分疗组。对治疗的反应基本上有3类。 ①定性反应。根据预定的评价标准将受试者分为若干类别，如高血压治疗的"有效"。"无效"；淋巴细胞瘤化疗的"完全缓解"、"部分缓解"、"无变化"。 ②定量反应。当存在一种可靠测定方法时，受试者的治疗结果最好采用实际数值，如舒张压。但最好同时记录其基线值，以便评价治疗前后的变化量值。 ③到某事件发生的时间。如使用避孕药受试者从开始治疗到意外妊娠的时间。

药物临床试验数据管理与统计分析的计划和报告指导原则

附件 药物临床试验数据管理与统计分析的 计划和报告指导原则 一、前言 规范的数据管理计划有助于获得真实、准确、完整和可靠的高质量数据；而详细的统计分析计划则有助于保证统计分析结论正确和令人信服。为保证临床试验数据的质量和科学评价药物的有效性与安全性，必须事先对数据管理工作和统计学分析原则制定详细的计划书。在试验完成时，对试验中的数据管理和统计分析工作进行全面完整的总结至关重要，通过数据管理报告真实反映临床试验过程中的数据质量和试验样本特征，通过统计分析报告为临床试验总结报告的内容和研究结论提供主要依据。因此，在药物上市注册时，监管部门将数据管理计划和报告与统计分析计划和报告视为评价临床试验结果的重要文件和依据。 虽然我国《药物临床试验质量管理规范》（Good Clinical Pr actice，GCP）中对药物临床试验数据管理与统计分析进行了原 则要求，且国家食品药品监督管理总局已发布的有关药物临床试验及其统计学的相应技术指南也涉及数据管理和统计分析工作的主要环节，但针对数据管理计划和报告、统计分析计划和报告却没有详细的技术规范和指导性建议。因此，本技术指导原则对此进行了较为详细的介绍和阐述，并提出具体要求，旨在为临床试验的数据管理和统计分析人员提供技术指导，帮助其更好地完

成相关工作以达到监管要求。 二、数据管理的计划和报告 （一）一般考虑 数据管理计划（Data Management Plan, DMP）是由数据管理人员依据临床试验方案书写的一份动态文件，它详细、全面地规定并记录某一特定临床试验的数据管理任务，包括人员角色、工作内容、操作规范等。数据管理计划应在试验方案确定之后、第一位受试者筛选之前定稿，经批准后方可执行。通常数据管理计划需要根据实际操作及时更新与修订。 数据管理工作涉及多个单位或业务部门，包括数据管理、临床研究者、统计分析、医学事务、临床监查、临床稽查等单位或部门。数据管理的职责可分为负责、参与、审核、批准、告知等，各单位/部门在数据管理各步骤的职责不尽相同。数据管理计划需明确参与数据管理的相关组织及人员职责。数据管理各步骤需建立并遵循相应的标准操作规程（Standard Operation Procedure，SOP），数据管理计划应列出项目所遵循的SOP清单。 数据管理报告是在临床研究结束后，数据管理人员撰写的研究项目数据管理全过程的工作总结，是数据管理执行过程、操作规范及管理质量的重要呈现手段。通常以定性和定量的参数来表达，如数据量、疑问数等，并与数据管理计划一起作为药物注册上市的申请材料提交给监管部门用于对临床试验结果的评价。 （二）数据管理计划的基本内容 数据管理计划应全面且详细地描述数据管理流程、数据采集与管理所使用的系统、数据管理各步骤及任务，以及数据管理的质量保障措施。

临床试验中的统计学讲解

小胖说统计之一：认识α,β 要了解生物统计在临床试验中的应用，首先需从认识α,β开始，就是这两个不起眼的符号贯穿了临床试验生物统计的始终。α和β的定义是比较拗口的，特别是对于那些没学过统计的人来说，这两个东西是怎么也搞不明白具体是怎么回事。虽然比较拗口，但咱还得在这里重复一下α和β的科学定义：α又称第I类错误或显著性水平，指拒绝了实际上成立的H0，β又称第II类错误，指不拒绝实际上不成立的H0。对应β的还有一个概念叫power，国内翻译为把握度，它等于1－β，指拒绝实际上不成立的H0的概率。 说得通俗一点，临床试验中你会犯俩错误，一种错误就是两种药本来没啥区别，却说 成您的药优于人家的药，这就是α；另一种错误就是你的药的确优于人家的药，却说成两 种药没啥区别，这就是β。那1－β呢，就是咱的优秀药物被发现的概率啊。 不知道，上边的解释，您听明白了吗？如果听明白了，小胖要问您了，谁应该最关心α啊，那又谁应该最关心β啊？ 最关心α的当然是我们伟大的SFDA以及诸如FDA之类的药品审批机构啊，为啥？他们当然不希望一种药明明和别的药没啥区别，却被药厂说成疗效更好，换言之，他们可不希 望审批无效的药物进入市场。所以啊，它们要限定这种错误发生的概率，也就是我们的α了，一般情况下，α被限定为0.05。 最关心β的当然是我们的药厂了，为啥？为钱，哈哈！药厂当然不希望明明他的药优 于别人的药，却被说成两种药没啥区别吧，所以它们希望降低这种错误发生的概率，也就 是降低β了。换言之，他希望提高把握度（1－β），使自己的药能有更高的概率作出来优于别的药物，从而进入市场，赚取钞票。。。一般情况下，β应小于0.2，甚至0.1，对应的把握度为80％或90％。 当然药厂降低β，也就是提高把握度，会提高你试验成功的概率，但这也同时意味着 同等条件下样本量的增加，样本量的增加就意味着money的增加，这些都是矛盾的，没办法，谁让这世界本来就是一个矛盾的世界呢，你只好去权衡利弊，找个平衡点呗。。。 今天就到这里吧，休息，休息。。。

数据统计方法与临床试验方案

1数据统计方法与临床试验方案 1．1统计在新药临床试验中的重要作用 医药产品的有效性和安全性最终应当由按照GCP原则实施的临床试验来确证。在临床试验的设计和分析中，统计学家起着必不可少的重要作用。GCP、GMP、GLP、GRP和GVP 都与统计有关。统计学是一门处理来自群体或个体的大量资料的科学，也是处理资料中变异性的科学和艺术，其目的在于取得可靠的结果。例如，一个医生偶然发现一例患偏头痛病人在喝了橙汁以后感觉有所改善，但这并不是说从这单一个病例观察就可以认为橙汁是治疗偏头痛的有效方法。医生需要统计学资料证明，是否有一组病人在服橙汁后报告症状改善者比采用其他治疗后更多。又如一个每天吸烟50支且嗜酒的人活了95岁并健康良好，但人们不能相信他的习惯能导致健康和长寿。个体对疾病的敏感性变异很大。要研究这些问题，就应当研究不同生活习惯的人群组的发病率和死亡率；也就是说应当进行统计学研究。收集数据、并用统计图表或简单统计量来描述资料的特征称之为描述性统计。但统计学的任务远不止于此，统计学可以通过仔细制订试验计划来提高数据质量；统计推断方法则是从所研究问题的大量数据中得出结论的主要客观手段。应当明白，统计学是在收集、归类、分析和解释大量数据的过程中完成使命的。如果在试验设计阶段不考虑统计原则，所获结果的统计分析不管做的如何精巧都挽救不了一个设计糟糕的临床研究这是一个必须执行的基本原则。 表1可能导致临床试验失败的原因

在新药研制过程中，按科学原则进行的临床试验是评价一种新治疗方法的有效性和安全性的惟一可靠的基础。一个临床试验，如果不能恰当地评价试验药物的安全性和/或效性，不能提供关于新药的最好使用方式的充分信息或者提供了误导信息，因而不能对药物的研制、管理、上市和安全有效地使用做出有益贡献，那么这就是一个失败的临床试验。可能导致临床试验失败的原因很多，有些原因是可以控制的，有些则是较难控制的。其中试验设计对于临床试验的成功与否起着极其重要的作用。试验假设（阳性对照）选择不当，随机化及盲法不规范，入选/排除标准过严或过宽，受试者基线值变异大，药物剂量选择不当，终点指标选择及测定时间不妥，样本数太小，数据分析方法不恰当都可能导致临床试验失败（表1）。 GCP对生物统计学的要求包括四个方面：统计学设计，统计分析计划，临床和统计学报告，以及数据处理。与临床试验其他专业人员合作的临床试验统计人员的作用和责任是确保在支持新药研制的临床试验中能恰当地应用统计原则。 1．2统计学与试验设计 临床试验按其目的大体可分?quot;“验证性（Confirmatory）”试验和“探索性ploratory）”试验，验证性试验是控制良好的试验，总是预先定义与试验目的直接有关的关键假设，并且在试验完成后对此进行检验。验证性试验必须提供疗效和安全性的可

临床试验的数据管理与统计分析SOP

临床试验的数据管理与统计分析SOP I目的：建立临床试验中数据管理与统计分析的流程，使其规范化、标准化。 II适应范围：所有的临床试验 III规程： 一、临床试验的数据管理 1、数据库的创建，录入、核查程序的编写。 1)根据CRF的内容，利用数据管理系统建立数据库，编写录入程序。 2)对数据库及录入程序进行数据的预录入测试，错误之处进行修改调试。 3)利用SAS或APSS等专业统计软件编写数据核查程序，并对预录入的数据进行核查，错误之处进行修改调试。 2、交接已完成的CRF，交接双方清点CRF数量，确认无误后双方签收; 3、由两名录入员分别录入本次接收的所有CRF，录入完成后进行双录入的程序比对，不同之处要查阅CRF进行修改，直至双录入比对无差异。 4、待所有CRF已录入并已完成双录入比对后，利用核查程序对数据库进行随机化、计算、逻辑等方面的核查，核查出的问题，先查阅CRF，若属录入错误可直接对数据库进行修改，若录入无误，则应就此问题发出疑问表，疑问表的基本内容应包括问题所在CRF的试验药物编号、问题所在位置、问题描述、研究者修改项、签字项及时间。 5、在进行程序核查的同时，对数据库进行人工复核，人工复核的数量不少于5份CRF，或不低于CRF总量的5%。 6、数据库所有疑问均已返回，重复程序核查无问题后，则可将数据递交生物统计人员。 二、临床试验的统计分析 1、由生物统计专业人员撰写统计分析计划书并不断修订完善。统计分析计划书的主要内容包括： 1)临床试验概述; 2)统计分析集的定义; 3)缺失值与离群值的处理; 4)数据变换方法; 5)主要指标及次要指标的统计分析方法等。 2、生物统计专业人员收到数据管理员提交的试验数据库后，进行数据的盲态核查。

临床试验数据分析要点GCP

临床试验数据分析要点 5．3．1分析对象的数据集 5．3．1．1 全样本分析（Full analysis set） 计划治疗原则（intention-to-treat）是指主要分析应当包括所有进入随机化的遵循这一原则需要对所有随机受试者完成随访得到试验结果。由于各种理由，这在实际上是难以达到的，因此，全样本分析是尽可能接近于包括所有随机受试者，在分析中保留最初的随机化对于防止偏差和提供安全的统计检验基础很重要。在许多场合，它提供的对治疗效果的估算很可能反映了以后的实际观察结果。? 从分析中剔除已随机受试者的情况不多：包括不符合重要入选标准，一次也没有用药，随机化后没有任何数据。从分析中剔除不符合入选条件受试者必须不致引起偏差：入选标准的测定是在随机化之后；违反合格标准的检测是完全客观的；所有受试者都受到同样的合格性调查；各组实行同样的入选标准，凡违反者均被排除。 5．3．1．2 遵循研究设计对象（Per Protocol Set） "Per Protocol"对象组，有时称之为"有效病例"、"有效样本"或"可评价受试者样本；定义为全部分析样本中较好遵循设计书的一个受试者亚组：? ·完成预先说明的确定治疗方案暴露。? ·得到主要变量的测定数据。? ·没有违反包括入选标准在内的重要试验设计。? 从"有效受试者"组中剔除受试者的精确理由应当在揭盲前就充分限定并有文件记载。? 为得到"有效受试者"而排除对象的原因和其他一些违反研究设计的问题，包括对象分配错误、试验中使用了试验方案规定不能用的药物、依从性差、出组和数据缺失等，应当在不同治疗组之间对其类型、发生频率和发生时间进行评价。 5．3．1．3不同的分析（受试者）组的作用 在验证性试验中，通常进行全样本和"有效受试者"两种分析。这样可以对两者之间的任何差别进行明白的讨论和解释。有时候可能需要计划进一步探究结论对于选择分析受试者组的敏感程度。两种分析得到基本一致的结论时，治疗结果的可信度增加。但是要记住，需要?quot;有效受试者"中排除相当数量受试者会对试验的总有效性留下疑点。? 在优越性（Superiority trial，证明新药比标准对照药物优越）试验、等效性试验或不差于（non－inferiority trial，确证新产品与对照药物相当）试验中，这两种分析有不同的作用。在优越性试验中，全样本分析用于主要的分析可以避免"有效受试者"分析对疗效的过于乐观的估算；全样本分析所包括的不依从受试者一般会缩小所估算的治疗作用。但是，在等效性或不差于试验中使用全样本分析通常是不谨慎的，对其意义应当非常仔细考虑。 5．3．2缺失值和线外值（包括异常值） 缺失值代表临床试验中一个潜在的偏差来源。因此，在实施临床试验时应当尽最大努力符合试验方案对于数据收集和数据管理的要求。对于缺失值并没有通用的处理办法，但只要处理方法合理，特别是如果处理缺失值方法在试验方案中预先写明，则不会影响试验的有效性。当缺失值数目较大时，要考虑分析结果对于处理缺失值方法的敏感程度。线外值（包括异常值）的统计学定义在某种程度上带有随意性。除了统计学判断之外加上医学判断以鉴别一个线外值（包括异常值）是最可信的方法。同样，处理线外值（包括异常值）的程序应当在方案中列出，且不可事先就有利于某一个治疗组。 5．3．3数据的类型、显着性检验和可信限 在临床试验中，对每个受试者可收集3种数据：所接受的治疗、对治疗的反应（Re-sponse）和进入试验时影响预后因子的基线值。接受同样治疗的受试者构成统计分疗组。对治疗的反应基本上有3类。? ①定性反应。根据预定的评价标准将受试者分为若干类别，如高血压治疗的"有效"。"无效"；淋巴细胞瘤化疗的"完全缓解"、"部分缓解"、"无变化"。? ②定量反应。当存在一种可靠测定方法时，受试者的治疗结果最好采用实际数值，如舒张压。但最好同时记录其基线值，以便评价治疗前后的变化量值。? ③到某事件发生的时间。如使用避孕药受试者从开始治疗到意外妊娠的时间。 5．3．3．1数据的描述性统计

医疗器械临床试验常用统计分析方法

医疗器械临床试验常用统计分析方法 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。值得一提的是统计软件的发展为数据统计分析提供了便捷的工具，常用的统计分析软件有SAS、SPSS、STRATA等，其中SAS被公认为统计标准软件，也是FDA在其网站上唯一推荐临床试验数据分析软件，该分析系统在临床试验领域应用较为普遍。 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。 统计资料按其性质分为定量资料、定性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。基本统计分析原则如下： 1、定量资料分析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。 2、定性资料分析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χ2检验法；样本数小于40例，或理论值小于1，用校正χ2检验，或精确概率法。多组比较：用行乘列χ2检验法。配对设计资料用配对χ2检验法。 3、等级资料分析对等级资料的显著性检验采用非参数检验法。两组比较采用wilcoxon秩和检验，配对设计资料用符号秩和检验法。多组比较采用用 kruskal-wallis法（H-检验）、Ridit法；配伍组设计用Friedman秩和检验法。

临床试验中的统计学要求

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

临床试验中常用统计分析方法

临床试验中常用统计分析方法 ---统计分析的质量是与临床试验的设计、实施和数据管理密切相关的。就统计分析本身而言，其指导思想是使偏差最小和避免I类错误的增大。 定性资料的统计分析方法 统计学试验设计：包括确定样本量的大小、试验设计方法（盲法/开放）（具体见有关章节） 1. 定性资料的概念： ---统计资料中按品质和属性分组计数所得的资料，由定性变量和频数两部分组成。定性变量可分为名义变量(如治疗方法分甲、乙、丙等)和有序变量(如疗效结果分治愈、显效、有效、无效)。 ---新药临床研究中，定性资料常用的统计检验方法有卡方检验、校正的卡方检验、Fisher精确检验及Ridit检验、秩和检验。 2. 定性资料的统计描述计算率、比等指标，如试验组和对照组的有效率，并可用各种统计图来表示。 3. x2检验 ---治疗前年龄、性别、病程、病情等一般情况组间均衡性比较，治疗后计数资料的改善情况比较均为双向无序R×C 表资料，用x2检验。当表中理论频数小于5的格子数超过

全部格子数的1／5时，应用Fisher精确检验。 ---如果为2×2表资料，当总样本含量n≥40，且理论频数T均大于5时，用x2检验；当总样本含量n≥40，单有理论频数满足1≤T＜5时，用校正的x2检验；当总样本含量n ＜40或有理论频数＜l时，用Fisher精确检验。 ---目前，各种计算机统计软件的应用(如SAS)使统计学分析中复杂得运算过程简单化，有条件将双向无序R×C表资料均进行Fisher精确检验。 4. 秩和检验 ---进行组间疗效比较或对量化的症状、体征的改善进行组间比较以及考察疗效与年龄、性别等相关性分析时，这些资料属于单向有序R×C表资料，应采用与"有序性"有联系的秩和检验或Ridit检验。 ---秩和检验的优势在于它不仅可判断各组间是否有显著性差异，而且可说明对比各组的效果优劣和强弱是x2检验无法做到的。 ---对于单向有序R×C表资料，Ridit检验和秩和检验的意义完全相同，根据试验者的习惯及熟练程度选一种即可。 5. 定性资料统计分析注意事项 (1) 不可用x2检验分析一切列联表资料，要根据列联表中定性变量的性质决定统计分析方法。 (2) x2检验中资料要满足公式的要求，不可盲目套用。

临床试验统计分析数据集

到底什么是数据集？数据集的确定原则？不同数据集的定义？可能很多CRA都搞不明白，在此我综合了大量资料作出如下总结，共非统计专业人士参考。 临床试验统计分析数据集 1.什么是数据集？ 2.数据集的确定原则？ 3.不同数据集的定义？ 用于统计的分析集需在试验方案的统计部分中明确定义，并在盲态审核时确认每位受试者所属的分析集。 统计分析集，指的是本次研究的受试者中，可以用来进行统计分析的受试者。确定统计分析集通常有两个原则： 意向性原则： Intent to Treatment，ITT，通俗的就是说受试者有接受治疗的意愿，申办者和研究者也有给予治疗的意愿。 2.符合方案原则： Per-Protocol，PP，通俗的说就是申办者、研究者和受试者的一切行为完全按方案进行，最终受试者实际接受了方案确定的一切治疗，申办者和研究者实际获得了方案要求的一切资料。 【FAS集】基于意向性原则，则全部随机化（对于单组研究则是筛选合格）的受试者都应该纳入分析，称作全分析集(Full Analysis Set，FAS)，有些方案将该集合的人群称为ITT人群。根据ITT原则，我们需要完整地随访所有随机化对象的研究结果。 FAS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。那么为什么要剔除部分受试者，剔除哪些受试者，请看下文：ITT只是一个理论，随机化的受试者不一定使用研究药物，使用研究药物后也未必能够完整地进行所有随访，从这个角度出发，往往会对ITT原则进行修正(Modified ITT)，加上"至少使用一剂研究药物"和/或"至少有一次用药后的疗效

指标评价结果"，这样得到进行统计分析的全分析集（不同的方案有不同的剔除标准。举例“缺失主要评价指标的基线数据的病例将从FAS中剔除”、“对方案的依从性差”“入组后没有任何随访数据”等）。 在选择全分析集进行统计分析时，对主要指标缺失值的估计，可以采用最接近的一次观察值进行结转。这样的数据集经过统计分析得出结果，被认为可以尽可能接近上市后药物在实际使用患者中能取得的疗效。 。 【PPS集】基于符合方案原则，则全部随机化的受试者中，完全按方案设 计进行研究的那一部分才能纳入分析，称作符合方案集(Per-Protocol Set，PPS)。PP也只是一个理论上的原则，严格按照方案设计的受试者只占少数，大多数受试者都会有各种微小的方案违反(Minor PV)，所以一般研究中把没有重要方案违反(Major PV/Important PV)的受试者都认为是符合方案。这样的数据集经过统计分析得出结果，被认为可以尽可能接近按药品说明书使用的患者能取得的疗效。一般至少把下面几点作为重大的方案违反(Major PV/Important PV)：不符合入选标准和/或排除标准，但被随机入组；随机错误；主要疗效指标测量时间超出窗口；未服药或服药依从性差(<80%或>120%)；使用研究禁用药物。 《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》的定义为：受试者的“符合方案集”（简称PPS），亦称为“可评价病例”样本。它是全分析集的一个子集，这些受试者对方案更具依从性，依从性包括以下一些考虑，如所接受的治疗、主要指标测量的可行性以及未对试验方案有大的违反等。将受试者排除在符合方案集之外的理由应在盲态审核时阐明，并在揭盲之前用文件写明。 【SS集】对于安全性分析，不使用意向性原则和符合方案原则，而是"暴露"(Exposure)原则，即所有至少使用过一剂研究药物的受试者，都必须观察安全 性指标，且这种观察将与实际使用药物而不是方案规定药物相联系。一般表述是随机化后至少使用过一剂研究药物的受试者。在一些研究中，随机化之前就开始使用研究药物，这种情况下，在确定安全性分析集(Safety Analysis Set，SAF 或SAS)时不加随机化的限制，因为按照"暴露"(Exposure)原则，这种观察将与实际使用药物而不是方案规定的随机化分配药物相联系。

临床试验数据统计分析概述

临床试验数据统计分析概述 ㈠、统计分析计划书 统计分析计划书由生物统计学专业人员起草，并与主要研究者商定，其内容比试验方案中所规定的统计分析更为详细。 统计分析计划书上应列出统计分析集的选择、主要指标、次要指标、统计分析方法、疗效及安全性评价方法等，按预期的统计分析结果列出统计分析表备用。 统计分析计划书应形成于试验方案和病例报告表完成之后。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，此后不能再作变动。 ㈡、统计分析集 用于统计的分析集需在试验方案的统计部分中明确定义，并在盲态审核时确认每位受试者所属的分析集。在定义分析数据集时，需遵循以下两个原则：①使偏倚达到最小；②控制I类错误的增加。 根据意向性分析（简称ITT）的基本原则，主要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（简称FAS）是指尽可能接近符合意向性治疗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。在选择全分析集进行统计分析时，对主要指标缺失值的估计，可以采用最接近的一次观察值进行结转(last observation carry forward,简称LOCF)。 受试者的“符合方案集” (简称PP)，亦称为“可评价病例”样本。它是全分析集的一个子集，这些受试者对方案更具依从性，依从性包括以下一些考虑，如接受治疗，主要指标可以测定以及没有对试验方案大的违反等。将受试者排除在符合方案集之外的理由应在盲态审核时阐明，并在揭盲之前用文件写明。 在确证性试验中，对药物的有效性评价时，宜同时用全分析集和符合方案集进行统计分析。当以上两种数据集的分析结论一致时，可以增强试验结果的可信性。当不一致时，应对其差异进行清楚的讨论和解释。如果从符合方案集中排除受试者的比例太大，则对试验的总的有效性会产生疑问。

体外诊断试剂临床试验统计方法探讨

体外诊断试剂临床试验统计方法探讨 本文探讨了体外诊断试剂临床试验常用的统计方法。根据使用条件、限制和接受准则的不同分析了定性分析方法中的四格表统计、Kappa检验、配对卡方检验和定量分析方法中的线性相关性分析、回归分析、偏倚估计、Bland -Altman 一致性分析。 Abstract：This paper just focuses on the statistical methods used in the clinical test of in vitro diagnostic reagents. It discusses of qualitative methods and quantitative methods according to the use of conditions，limits and acceptance criteria. The qualitative methods include Four grid，Kappa and Chi-square test. The quantitative methods include the linear correlation，regression analysis，bias estimate，Bland -Altman method. Key words：Statistical methods；Qualitative methods；Qualitative methods 临床试验是二三类体外诊断试剂除校准质控品外申请注册上市必不可少的环节，通常评估考核试剂和对比试剂或金标准方法的可比性。临床试验结果统计方法种类繁多，每种方法有一定的使用条件和局限性，在设计临床试验方案的时候，如果没有充分考虑到试验的各种因素，容易造成统计方法的选择不合适而得出错误的试验结果或者是分析不全面不充分，直接影响考核试剂的评估。因此，统计方法的选择至关重要。笔者作为体外诊断试剂产品注册技术审评员，根据多年的技术审评经验，将从定性和定量两个方面对体外诊断试剂临床试验中常用的统计方法的使用条件、限制和接受准则进行探讨。 1 定性分析 定性分析包括与金标准比对和与对比试剂比对。通常用四格表进行统计。 与金标准比较通常用敏感度（真阳性率）和特异度（真阴性率）来表示两种方法的符合性：敏感度=a/（a+c）；特异度=d/（b+d）；总符合率=（a+d）/（a+b+c+d）。而与对比试剂比較通常用阴阳性符合率来表示：阴性符合率=a/（a+c）；阳性符合率=d/（b+d）；总符合率=（a+d）/（a+b+c+d）。虽然两种比对方法的四格表形式是一样的，但表示的意义不同。阴性符合率不等于敏感度，阳性符合率不等于特异度，两者不能混用，因为对比试剂准确度不一定100%。 定性分析除了进行四格表统计符合性之外还需进行统计学检验（可使用SPSS统计软件），通常使用Kappa检验或配对χ2检验。 Kappa是作为评价判断的一致性程度的重要指标，取值在0～1之间。Kap pa≥0.75，表示两者结果的一致性较好，0.4≤Kappa0.975[1]（或r2≥0.95），如r<0.975，应扩大样本量以扩大数据范围。线性相关系数反映的是两变量线性关系的密切程度，无法评价两系统的随机误差和系统误差。

临床试验数据分析要点

5．3临床试验数据分析要点 5．3．1分析对象的数据集 5．3．1．1 全样本分析（Full analysis set） 计划治疗原则（intention-to-treat）是指主要分析应当包括所有进入随机化的遵循这一原则需要对所有随机受试者完成随访得到试验结果。由于各种理由，这在实际上是难以达到的，因此，全样本分析是尽可能接近于包括所有随机受试者，在分析中保留最初的随机化对于防止偏差和提供安全的统计检验基础很重要。在许多场合，它提供的对治疗效果的估算很可能反映了以后的实际观察结果。 从分析中剔除已随机受试者的情况不多：包括不符合重要入选标准，一次也没有用药，随机化后没有任何数据。从分析中剔除不符合入选条件受试者必须不致引起偏差：入选标准的测定是在随机化之后；违反合格标准的检测是完全客观的；所有受试者都受到同样的合格性调查；各组实行同样的入选标准，凡违反者均被排除。 5．3．1．2 遵循研究设计对象（Per Protocol Set） "Per Protocol"对象组，有时称之为"有效病例"、"有效样本"或"可评价受试者样本；定义为全部分析样本中较好遵循设计书的一个受试者亚组： ·完成预先说明的确定治疗方案暴露。 ·得到主要变量的测定数据。 ·没有违反包括入选标准在内的重要试验设计。 从"有效受试者"组中剔除受试者的精确理由应当在揭盲前就充分限定并有文件记载。 为得到"有效受试者"而排除对象的原因和其他一些违反研究设计的问题，包括对象分配错误、试验中使用了试验方案规定不能用的药物、依从性差、出组和数据缺失等，应当在不同治疗组之间对其类型、发生频率和发生时间进行评价。 5．3．1．3不同的分析（受试者）组的作用 在验证性试验中，通常进行全样本和"有效受试者"两种分析。这样可以对两者之间的任何差别进行明白的讨论和解释。有时候可能需要计划进一步探究结论对于选择分析受试者组的敏感程度。两种分析得到基本一致的结论时，治疗结果的可信度增加。但是要记住，需要?quot;有效受试者"中排除相当数量受试者会对试验的总有效性留下疑点。 在优越性（Superiority trial，证明新药比标准对照药物优越）试验、等效性试验或不差于（non－inferiority trial，确证新产品与对照药物相当）试验中，这两种分析有不同的作用。在优越性试验中，全样本分析用于主要的分析可以避免"有效受试者"分析对疗效的过于乐观的估算；全样本分析所包括的不依从受试者一般会缩小所估算的治疗作用。但是，在等效性或不差于试验中使用全样本分析通常是不谨慎的，对其意义应当非常仔细考虑。 5．3．2缺失值和线外值（包括异常值） 缺失值代表临床试验中一个潜在的偏差来源。因此，在实施临床试验时应当尽最大努力符合试验方案对于数据收集和数据管理的要求。对于缺失值并没有通用的处理办法，但只要处理方法合理，特别是如果处理缺失值方法在试验方案中预先写明，则不会影响试验的有效性。当缺失值数目较大时，要考虑分析结果对于处理缺失值方法的敏感程度。线外值（包括异常值）的统计学定义在某种程度上带有随意性。除了