医学临床试验数据分析要点(GCP)
临床试验GCP
For personal use only in study and research; not for commercial use第九章一、数据管理的目的是什么？答：把试验数据迅速、完整、无误的纳入报告，所有涉及数据管理的各种步骤均需记录在案，以便对数据质量及试验实施进行检查。
二、什么叫盲态审核？答：盲态审核（blind review）是指在最后一份病例报告表输入数据库后，第一次揭盲之前对数据保持盲态的预分析审核，以便对统计分析计划作最后的决定。
三、什么叫质疑表？由谁传送？能不能通过电话传达质疑表的内容？答：质疑表（ query list,query form）是数据管理员再次检查病例报告表发现任何问题后，及时通知检查员，要求研究者作出回答的文件。
检查员、研究者、数据管理员之间的各种疑问及解答的交换都由质疑表完成。
质疑表应保存备查。
质疑表必须由检查员亲自传送给研究者，不能通过电话传达。
四、什么叫结果锁定？答：结果锁定指在盲态审核认为所建立的数据库正确无误后，由主要研究者、药物注册申请人、生物统计学专业人员和保存盲底的有关人员对数据库进行锁定。
此后，对数据库的任何改动只有在以上几方人员同意（可书面形式）的情况下才能进行。
五、临床试验统计分析中常用那两种分析方法？答：1.PP分析（合格病例分析）对完成治疗方案，且依从性好的病例分析。
2.ITT分析（意向性分析）对所有的病例进行分析，包括合格、脱落，出现不良反应的病例的分析。
六、什么是ITT？什么是FAS？答：ＩＴＴ是Intention-To=Treat的缩写，即意向性。
指所有经随机化分组，分配了随机号的全部病例，也称为愿意治疗人群。
意向性分析时其中未能观察到全部治疗过程的病例资料，用最后一次观察数据接转到试验最终结果，对疗效和不良事件发生二进行意向性分析。
ITT 的误差较大。
FAS是全分析集（Full Analysis Set）指尽可能接近符合ITT原则的理想的受试者人群。
GCP要点
一、名词解释：1. 临床试验（Clinical Trial）：指任何在人体(病人或健康志愿者)进行药物的系统性研究,以证实或揭示试验药物的作用、不良反应及/或试验药物的吸收、分布、代谢和排泄，目的是确定试验药物的疗效与安全性。
2。
GCP（Good Clinical Practice):药物临床试验质量管理规范.3. 试验方案（Protocol)：叙述试验的背景、理论基础和目的,以及试验设计、方法和组织，包括统计学考虑、试验执行和完成的条件.方案必须由参加试验的主要研究者、研究机构和申办者签章并注明日期。
试验方案报伦理委员会审批同意后方可实施.4. 研究者手册（Investigator’s Brochure)：是有关试验药物在进行人体研究时已有的临床与非临床资料.5。
研究者（Investigator):实施临床试验并对临床试验的质量及受试者安全和权益的负责者。
研究者必须经过资格审查，具有临床试验的专业特长、资格和能力。
6. 协调研究者（Coordinating Investigator）:在多中心临床试验中负责协调参加各中心研究者工作的一名研究者.7。
监查员（Monitor）：由申办者任命并对申办者负责的具有相关知识的人员，其任务是监查和报告试验的进行情况和核实数据。
8。
稽查（Audit）:指由不直接涉及试验的人员所进行的一种系统性检查，以判定试验的实施，数据的记录和分析是否与试验方案、标准操作规程以及药物临床试验相关法规要求相符。
9。
视察(Inspection）:药品监督管理部门对一项临床试验的有关文件、设施、记录和其它方面进行官方审阅，视察可以在试验单位，中办者所在地或合同研究组织所在地进行.10. 不良事件(Adverse Event）：病人或临床试验受试者接受一种药品后出现的不良医学事件，但不一定与治疗有因果关系。
11。
药品不良反应(Adverse Drug Event)：在按规定剂量正常应用药品的过程中产生的有害而非所期望的、与药品应用有因果关系的反应。
临床试验数据分析要点GCP
临床试验数据分析要点GCP临床试验是评估药物、治疗方法及医疗器械的安全性和有效性的一种研究方法。
数据分析是临床试验中非常重要的环节，能够为试验结果的解释和推论提供科学依据。
临床试验数据分析需要遵守临床试验相关规范，如《良好临床实践指南（GCP）》。
以下是在进行临床试验数据分析时需要注意的要点：1.数据清洗与验证：对收集到的试验数据进行清洗和验证，确保数据的完整性和准确性。
包括检查缺失数据、异常值和逻辑错误，并采取必要的措施进行修正或排除。
2.数据统计描述：根据试验设计和研究假设，对试验数据进行统计描述。
包括分析样本的基本特征，如年龄、性别、病史等，并用合适的统计方法描述主要和次要终点指标的分布特征。
3.效果评估：对试验结果进行效果评估，包括治疗组与对照组之间的比较。
常用的统计方法包括描述性统计、t检验、卡方检验、生存分析等。
需要注意选择适当的统计方法和假设检验的显著性水平。
4.安全性评估：对试验药物或治疗方法的安全性进行评估。
通过统计分析不良事件的发生率、严重程度和与治疗相关性，评估治疗的安全性。
常用的方法包括计算不良事件的绝对数、相对危险度和风险比，以及绘制安全性曲线等。
5.亚组分析：在试验数据分析中，可以进行亚组分析以进一步了解试验结果。
通过将受试者按照一些特征（如年龄、性别、疾病严重程度等）进行分组，并对每个亚组进行单独分析，以探索不同亚组之间的差异。
6.缺失数据处理：在临床试验中，有时会出现丢失或缺失的数据。
处理缺失数据是数据分析中一个重要的环节，需要合理地选择适当的方法来处理缺失数据，如插补或最小二乘拟合等。
7.结果解释和展示：将试验结果进行解释和展示，并撰写报告。
结果解释应基于数据分析结果，明确回答试验的研究问题和假设，并提供可靠的科学依据。
总之，临床试验数据分析对于准确评估药物或治疗方法的安全性和有效性至关重要。
在进行数据分析时，需要遵守GCP等相关规范，并采用适当的统计方法和假设检验来处理试验数据，以得出科学、可靠的结论。
GCP知识点学习
GCP知识学习要点一、名词解释：1.临床试验 ( Clinical Trial):指任何在人体（病人或健康志愿者）进行药物的系统性研究，以证实或揭示试验药物的作用、不良反应及/或试验药物的吸收、分布、代谢和排泄，目的是确定试验药物的疗效与安全性。
2.GCP（Good Clinical Practice）: 药物临床试验质量管理规范。
规范药物临床试验全过程的标准规定，保证临床试验的规范，结果安全可靠，保护受试者的权益并保障其安全。
3.试验方案（Protocol）: 叙述试验的背景、理论基础和目的，以及试验设计、方法和组织，包括统计学考虑、试验执行和完成的条件。
方案必须由参加试验的主要研究者、研究机构和申办者签章并注明日期。
试验方案报伦理委员会审批同意后方可实施。
4.研究者手册（Investigator’s Brochure）: 是有关试验药物在进行人体研究时已有的临床与非临床资料。
5.研究者（Investigator）: 实施临床试验并对临床试验的质量及受试者安全和权益的负责者。
研究者必须经过资格审查，具有临床试验的专业特长、资格和能力。
6.协调研究者（Coordinating Investigator）: 在多中心临床试验中负责协调参加各中心研究者工作的一名研究者。
7.监查员（Monitor）: 由申办者任命并对申办者负责的具有相关知识的人员，其任务是监查和报告试验的进行情况和核实数据。
8.稽查（Audit）：指由不直接涉及试验的人员所进行的一种系统性检查，以判定试验的实施，数据的记录和分析是否与试验方案、标准操作规程以及药物临床试验相关法规要求相符。
9.视察（Inspection）: 药品监督管理部门对一项临床试验的有关文件、设施、记录和其它方面进行官方审阅，视察可以在试验单位，中办者所在地或合同研究组织所在地进行。
10.不良事件（Adverse Event）:病人或临床试验受试者接受一种药品后出现的不良医学事件，但不一定与治疗有因果关系。
gcp研究 定义-概述说明以及解释
gcp研究定义-概述说明以及解释1.引言1.1 概述概述:GCP研究是指对于良好临床实践（Good Clinical Practice）的深入研究和探讨。
良好临床实践是指在进行临床试验和研究过程中遵循的一套严格的规范和标准，旨在确保试验数据的可靠性、可信度和道德性。
GCP 研究的目的是通过对这些规范的研究和探讨，进一步提升临床研究的质量和水平，促进医学科学的发展和人类健康的进步。
在本文中，我们将深入探讨GCP研究的定义、重要性、实践方法以及未来的发展趋势，希望为广大临床研究人员和科研工作者提供有益的参考和借鉴。
通过对GCP研究的深入了解和探讨，我们可以更好地理解和遵循临床试验的规范，保障患者的权益和安全，推动临床研究的科学发展。
1.2 文章结构本文将首先介绍GCP研究的背景和概念，帮助读者更好地理解这一领域的重要性。
接着，我们将深入探讨GCP研究的定义和范围，分析其在医学研究、药品开发等领域的应用。
在正文部分，将详细介绍GCP研究的重要性以及其实践方法，包括研究设计、实施过程、监测和报告等方面。
最后，我们将总结GCP研究的意义，展望其未来的发展趋势，并给出结论。
通过全面的分析和讨论，希望能够为读者提供对GCP研究的深入了解和启发。
1.3 目的GCP研究的主要目的是探索和研究全球气候变化对地球环境和人类社会的影响，以及如何应对这些挑战。
通过深入研究GCP，我们可以更好地了解气候变化对生态系统、经济和社会结构的影响，为未来制定有效的政策和措施提供科学依据。
此外，GCP研究还可以促进国际合作和信息共享，加强全球环境保护和可持续发展的努力。
总的来说，GCP研究的目的在于为保护地球环境、促进可持续发展和维护人类福祉做出贡献。
2.正文2.1 什么是GCP研究GCP研究是指良好临床实践（Good Clinical Practice）的研究，是药物和医疗器械研究领域中非常重要的一部分。
GCP研究是一种研究方法论，旨在确保研究数据的可靠性和真实性，并保护研究对象的权益和安全。
(完整版)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。
GCP及临床试验流程
GCP及临床试验流程在医药领域，GCP（Good Clinical Practice，良好临床实践准则）是确保临床试验的科学性、伦理性和质量的基本原则和指导方针。
临床试验是新药研发的重要环节，它通过在人体进行的试验，评估新药的安全性、效果和副作用等信息。
本文将介绍GCP的重要性以及临床试验的整体流程。
一、GCP的重要性GCP是保障临床试验行为合规的核心准则之一。
其主要目的在于保护研究对象的权益和安全，确保试验结果的可靠性和准确性。
GCP准则的遵循不仅对保障个体受试者的权益至关重要，也对整个医药研发行业的发展和公众的利益有着深远影响。
临床试验的目的是评估新药的疗效和安全性，但这并不意味着可以无视受试者的权益。
GCP准则要求试验药物的应用必须经过充分的评估和监控，以确保试验过程中不会对受试者造成不必要的伤害。
同时，GCP还要求试验结果必须客观、可靠，这对于科学决策和新药上市的评估至关重要。
二、临床试验流程概述1. 研究计划与设计在开始临床试验之前，研究人员需要制定研究计划和设计试验方案。
这一阶段需要明确定义试验目的、研究对象的纳入标准、试验过程中的观察指标和评价方法等。
同时，还需编制试验方案和相关的研究文件，以供监管机构审查和批准。
2. 受试者招募和入组试验研究团队会根据预定的纳入标准，在公众范围内招募适合的受试者。
受试者招募广告通常会注明招募条件、禁忌症和试验的收费情况等信息。
招募到符合条件的受试者后，将进行详细的背景评估，确定是否满足试验纳入标准，并签署知情同意书。
3. 试验药物使用和监测根据试验方案和研究计划，受试者会按照一定的用药时间表和剂量方案接受试验药物。
同时，研究人员会定期对受试者进行体检和检验，以监测药物的疗效和安全性。
在整个过程中，必须严格遵守GCP准则，确保试验药物的正确使用和受试者的安全。
4. 数据收集和分析试验过程中，研究人员会记录受试者的相关数据，包括病历资料、实验室检测结果以及不良事件的记录等。
GCP要点
一、名词解释：1. 临床试验( Clinical Trial):指任何在人体(病人或健康志愿者)进行药物的系统性研究，以证实或揭示试验药物的作用、不良反应及/或试验药物的吸收、分布、代谢和排泄，目的是确定试验药物的疗效与安全性。
2. GCP(Good Clinical Practice):药物临床试验质量管理规范。
3. 试验方案(Protocol):叙述试验的背景、理论基础和目的，以及试验设计、方法和组织，包括统计学考虑、试验执行和完成的条件。
方案必须由参加试验的主要研究者、研究机构和申办者签章并注明日期。
试验方案报伦理委员会审批同意后方可实施。
4. 研究者手册(Investigator’s Brochure):是有关试验药物在进行人体研究时已有的临床与非临床资料。
5. 研究者(Investigator):实施临床试验并对临床试验的质量及受试者安全和权益的负责者。
研究者必须经过资格审查，具有临床试验的专业特长、资格和能力。
6. 协调研究者(Coordinating Investigator):在多中心临床试验中负责协调参加各中心研究者工作的一名研究者。
7. 监查员(Monitor):由申办者任命并对申办者负责的具有相关知识的人员，其任务是监查和报告试验的进行情况和核实数据。
8. 稽查(Audit)：指由不直接涉及试验的人员所进行的一种系统性检查，以判定试验的实施，数据的记录和分析是否与试验方案、标准操作规程以及药物临床试验相关法规要求相符。
9. 视察(Inspection):药品监督管理部门对一项临床试验的有关文件、设施、记录和其它方面进行官方审阅，视察可以在试验单位，中办者所在地或合同研究组织所在地进行。
10. 不良事件(Adverse Event):病人或临床试验受试者接受一种药品后出现的不良医学事件，但不一定与治疗有因果关系。
11. 药品不良反应(Adverse Drug Event):在按规定剂量正常应用药品的过程中产生的有害而非所期望的、与药品应用有因果关系的反应。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
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。
5．3．3．1数据的描述性统计在开始分析之前，有必要先看一下各组受试者的每个变量观察值的分布频度，以对变量有一个感性了解；从最大值和最小值也可以发现可能的错误和超范围的值；决定某些变量是否需要作某种转换；或按某种特定分布作统计分析。
①定性数据需要记录各治疗组的受试者总数和在每个反应类别的受试者数，然后转化为比率或百分率或直方图、圆图等表示。
采用c2检验、Fisher精确检验比较所观察到的组间率的差异的程度。
②定量数据计算每个治疗组的平均反应（均数、几何均数）和变化程度（标准差）。
以均值、标准差、直方图、累积频数分布图表示。
在受试者数较小时，可以用图表显示每个受试者的确切反应。
组间比较采用t检验、F检验等。
当样本值频数图呈偏态分布时，用均值描述定量反应不合适，可采用中位数、四分位数来描述数据的定量水平。
组间比较可采用非参数方法。
5. 3．3．2显著性检验显著性检验的真正含义是应用概率理论计算如果两个治疗实际上同样有效时得到所观测到的治疗差异的概率。
其目的是评价一个治疗真正优于另一个治疗的证据有多强。
这种证据的强度用概率，即P值来定量。
因此P值越小，治疗差异由于偶然发生的可能性越小。
在实践中，人们常用P＜0．05．P＜0．01、P＜0．001表示显著性检验的结果，这些水平的选择是完全随意的，并没有数学或临床的理由。
在解释显著性检验时要注意以下几点：一个小的P值如P＜0．05并不是一种治疗优越的绝对证明，每20个真正阴性试验会出现一个假阳性结果；P＞0．05也并不证明两治疗同样有效，差异可能实际上存在，只是现有数据不足以证明它存在。
统计显著性并不等同于临床重要性，一个10万人的试验中，1％的反应率差异在5％水平是显著的，但在一个20人的试验中40％的差异在统计上也是不显著的。
因此，临床的意义必须用差异的大小，即可信限来评价。
双侧检验和单侧检验：假设治疗差异可以发生在任一方向时，为双侧检验。
双侧检验的零假设为μa=μb；备择假设为μa1μb。
如果在试验之前就确定治疗A不可能差于治疗B，为单侧检验。
其零假设为μa=μb；备择假设为μa≥μb。
此时显著性检验评价A好于B或A相当于B的证据。
若结果是A比B差，便归于机遇，因为A不可能差于B。
结果是单侧检验的P值为双侧检验的一半。
也就是说，单侧检验比双侧检验容易拒绝零假设。
采用单侧检验应该有足够的依据。
如果试验设计中决定用单侧检验，在结果表示时要注意一般统计软件计算的都是双侧检验的P值。
5. 3. 3．3可信限的估算显著性检验只告诉我们一个治疗比另一个好的证据的强度，并没有告诉我们好多少。
因此，显著性检验并不是分析的终结，还应运用统计估算方法，如可信限估算治疗改善的量。
计算可信限时，应注意被分析变量的统计分布；标准误和可信限的计算方法应该写明。
记住必须提供治疗效应大小的统计估算、显著性水平和可信区间。
100（1－α）％可信区间，正态分布估算值可表示为{估算值+Nα/2×SE}，估算值+（N1-α/2×SE）}；差值如呈t分布时，可表示为{x1-x2-（t1-α/2×SEdiff），x1-x2+（t1-α/2×SEd iff）}等。
5．3. 4对象的基线水平的组间比较对治疗组的疗效评价只有当各组受试者的基线特征具有可比性时才是有效的。
通常，随机化可以提供充分的可比性。
但是，随机化并不能绝对保证可比性。
有时候组间的基线水平可能会有差异。
这种差异对治疗比较的影响应当采用其他程序消除。
5．3．5调节显著性和可信限水平许多情况都可能产生多重性：例如多个终点/主要变量（如血压记录卧位或坐位的收缩压和舒张压；心肌梗死预防试验中的各种原因死亡率和心肌梗死发病率），治疗的多重比较（几个治疗组间比较或试验药物的几个剂量组），及不同时间点的多次测定和中期分析等。
存在多重性时，检验主要假设的次数增加，产生I类错误的机会就会变大。
分析数据时可能有必要对五类错误进行控制和调节。
首先，最好能避免或减少多重性的产生，如从多个主要变量中鉴别出关键的主要变量（如血压记录取卧位舒张压为主要变量；心肌梗死预防试验取死亡率为主要变量）；对反复测定则采用一个综合测量指标如"曲线下面积"。
多重比较的常用统计方法有Bonferroni方法、Holm法和Hochberg方法。
Bonferroni方法是一个保守的方法，对于成对比较，它调节P值以控制总的I类误差率。
Hochberg方法比另两种方法更有效，它只需控制最大的P值小于显著性水平。
多个终点的α调节用Bonferroni方法和Hochberg方法。
5．3．6亚组、相互作用和协变量除了治疗以外，主要变量常与其他影响系统相关。
主要变量可能与协变量如年龄和性别有关；或在受试者亚组之间可能存在差异，如多中心试验中在不同中心接受治疗。
在某些情况下，调节协变量影响或亚组效应是所计划的分析的一个必要部分。
要特别注意中心的影响和主要变量的基线测量值的作用。
不要在主分析中对随机化以后测定的协变量进行调节，因为这些测定可能受治疗的影响。
此外，治疗效果本身也可能随亚组或协变量改变。
疗效可能随年龄而下降，或在具有某一特殊预后因子的受试者中增大。
这类相互作用在某些情况下是可以预见的，或具有特殊的意义（如老年病学），因此，一个亚组分析或包括相互作用项的统计模型是所计划的验证性分析的一个部分。
对于定量反应变量，多元回归是最常用的统计调节方法，有时也称协方差分析。
对于定性反应，可以应用多元Lgistic模型。
5．3．7评价安全性和耐受性5．3．7．1评价范围一个药物的有用性总是在风险和效益之间的平衡。
在所有临床试验中，安全性和耐受性评价是重要内容之一。
在临床研究早期阶段，这类评价带有探索性，仅注意毒性的表达方式；在较后阶段，则是在大样本对象中更全面地确定药物的安全性和耐受性特征。
后期的对照临床试验是以一种无偏倚方式揭示任何新的不良反应的重要手段，尽管此类试验的把握度有限。
5．3．7．2变量选择和数据收集在临床试验中，选择评价药物安全性和耐受性的方法和测定取决于一系列因素：药物不良反应的知识，药物非临床研究和早期临床试验以及重要的药效学/药代动力学特征资料，给药方案，被研究对象和研究持续时间。
安全性和耐受性的主要数据通常包括临床化学和血液学的实验室测试（如WBC、SGPT），生命指征和体检（如血压、ECG），临床不良事件（疾病、体征和综合症）。