临床试验中的统计学要求
临床研究基础
临床研究基础临床研究是一种科学研究方法，旨在评估医疗治疗、药物或其他医疗干预的有效性和安全性。
进行临床研究需要建立在坚实的基础上，包括研究设计、伦理原则、统计学等方面的基础知识。
以下是进行临床研究所需的基础知识：1. 研究设计和方法学•实验设计：了解不同类型的研究设计，包括随机对照试验、队列研究、病例对照研究等。
•样本大小和统计学：确保具备统计学知识，包括样本大小计算、假设检验、置信区间等，以保证研究结果的可靠性。
•观察性研究：了解观察性研究的设计和分析方法，包括队列研究和病例对照研究。
2. 伦理和法规•伦理原则：熟悉进行临床研究所需遵循的伦理原则，包括知情同意、研究参与者权益保护等。
•法规和规定：了解国家和地区对于临床研究的法规和规定，确保研究符合法律要求。
3. 研究协调和管理•研究协调：学习如何协调和管理临床研究，包括项目计划、研究团队协作等。
•数据管理：了解数据收集、存储和分析的最佳实践，确保数据的完整性和准确性。
4. 临床试验阶段•临床试验设计：了解临床试验的设计、阶段和目标，包括早期临床试验（Phase I/II）和后期临床试验（Phase III/IV）。
•试验药物管理：理解试验药物的管理，包括药物配方、制备、存储和分发。
5. 研究结果分析和报告•数据分析：学习如何使用统计学工具进行数据分析，包括SPSS、SAS等软件的使用。
•研究报告：了解如何撰写清晰、准确的研究报告，符合学术出版物的要求。
这些是进行临床研究所需的基础知识。
可以通过参与培训课程、阅读相关文献、参与实习等方式来深化这些知识。
此外，建议在实际的临床研究项目中与有经验的研究人员合作，以获取更深入的实践经验。
临床试验中的数据分析与结果解读
临床试验中的数据分析与结果解读临床试验作为评估药物疗效和安全性的重要手段，在医学研究中起着至关重要的作用。
数据分析与结果解读是临床试验的核心环节，能够直接影响到试验结果的准确性和可靠性。
本文将从数据分析的基本原则、常用统计方法以及结果解读的要点等方面进行阐述，旨在帮助读者更好地理解临床试验中的数据分析与结果解读。
一、数据分析的基本原则在临床试验中，数据分析的基本原则主要包括数据完整性、数据清洗、数据变量和数据整体性的考虑。
首先，数据完整性是数据分析的基础。
在进行数据分析前，应确保收集到的数据齐全、准确、无重复，并进行验证。
任何缺失或错误的数据都可能对试验结果产生重要影响，因此要密切关注数据的完整性。
其次，数据清洗是数据分析的前提。
数据清洗是指通过识别和纠正数据中的错误和不一致性，使得数据达到可靠、统一和一致的状态。
数据清洗包括验证数据的准确性、删除或修复错误数据以及统一数据的格式和单位等。
再次，数据变量的选择与定义对分析结果至关重要。
在数据分析中，应明确每个变量所代表的含义，根据研究的目标确定所需变量，并保证所选变量与研究问题的相关性。
最后，数据整体性的考虑是数据分析的重要环节。
应全面考虑试验的整体数据特点、趋势和变异程度，选择合适的分析方法和模型，确保结果的准确性和可靠性。
二、常用统计方法在临床试验中，常用的统计方法主要包括描述统计和推断统计。
描述统计是对试验数据的整体特征进行概括和描述的方法。
可以通过计算平均值、中位数、标准差等指标来揭示数据的中心趋势和离散程度，还可以绘制频率分布直方图和箱线图等图形进行可视化展示。
推断统计是根据样本数据来推断总体特征的方法。
其中，假设检验用于评估变量之间的差异是否具有统计学意义，回归分析用于分析变量之间的关系，生存分析用于评估时间相关数据的生存率等。
三、结果解读的要点在临床试验中，结果解读要点包括结果的客观性、结果的可靠性和结果的应用性。
首先，结果要客观准确。
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
精心整理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，GCP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（DataManagementPlan,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、清单。
1.试验概述简要描述试验方案中与数据管理相关的内容，一般包括研究目的和总体设计，如随机化方法及其实施、盲法及设盲措施、受试者数量、评估指标、试验的关键时间节点、重要的数据分析安排及对应的数据要求等。
2.数据管理流程及数据流程列出数据管理的工作流程以及试验数据的流程，便于明确各环节的管理，可采用图示方式。
数据管理的工作流程应包含数据采集/管理系统建立、病例报告表（C aseReportForm，CRF）及数据库的设计、数据接收与录入、数据核查与质疑、医学编码、外部数据管理、盲态审核、数据库锁定、解锁及再锁定、数据导出及传输、数据及数据管理文档的归档等数据管理过程。
导入、/4.数据管理步骤与任务（1）CRF及数据库的设计CRF的设计必须保证收集试验方案所规定并满足统计分析需求的所有数据。
不论是何种数据记录方式，均需对相应CRF填写指南的建立和管理有所阐述。
数据库的设计通常按既定的注释CRF和/或数据库设计说明执行，建立逻辑核查，经用户接受测试（UserAcceptanceTesting,UAT）合格后方可上线使用。
数据管理计划中对此过程应进行简要描述和说明。
统计学中的医疗统计与临床试验
统计学中的医疗统计与临床试验统计学在医疗领域扮演着重要的角色。
医疗统计学是应用统计学原理和方法来研究医疗数据，并从中提取有关健康和疾病的信息。
临床试验是医疗统计学的一个重要应用领域，它通过科学严谨的设计和分析来评估新药物、治疗方法和医疗器械的疗效和安全性。
本文将介绍统计学在医疗统计与临床试验中的应用，以及常见的研究设计和数据分析方法。
一、医疗统计学的应用医疗统计学广泛应用于健康状况评估、流行病学研究、临床决策和公共卫生政策制定等方面。
它可以帮助医生和研究人员更好地理解和利用医疗数据，从而提高诊断和治疗的准确性和效果。
1. 健康状况评估医疗统计学可以用来评估人群的健康状况和生活质量。
通过对大量患者的病历、体检结果和问卷调查等数据进行统计学分析，可以了解各种疾病的发病率、死亡率和风险因素等，为公共卫生和医疗资源的合理分配提供依据。
2. 流行病学研究流行病学研究是医疗统计学的重要分支，它主要研究人群中疾病的分布、暴发原因和传播规律。
通过设计合适的研究方案和采集相关数据，利用统计学方法分析，可以揭示疾病的流行趋势和影响因素，为疾病预防和控制提供科学依据。
3. 临床决策医生在临床决策时需要考虑众多因素，包括患者的病情、治疗方法的效果以及不同治疗方案的风险和收益等。
医疗统计学可以帮助医生进行风险评估和效果比较，从而指导临床决策的制定，提高医疗质量和患者满意度。
4. 公共卫生政策制定公共卫生政策的制定需要充分利用医疗统计学的研究成果和数据支持。
统计学方法可以用来评估各种健康干预和政策措施的效果，比如人群筛查、疫苗接种和健康教育等，为政府和卫生部门提供科学决策依据，改善人民的健康水平。
二、临床试验的研究设计临床试验是一种评估新药物、治疗方法和医疗器械疗效和安全性的科学研究方法。
它通常经历准备阶段、实施阶段和分析阶段。
在研究设计中，要注意以下几个关键要素：1. 研究目的和研究问题明确研究目的是临床试验设计的首要任务。
临床试验中的样本规模与统计功效分析
临床试验中的样本规模与统计功效分析临床试验是评估医疗干预效果的重要手段，它对疾病的诊断、治疗以及药物疗效等提供了科学可靠的依据。
在进行临床试验时，合理的样本规模与统计功效分析是保证试验结果准确性和可信度的关键因素。
本文将就临床试验中的样本规模与统计功效分析进行探讨。
一、样本规模的确定在临床试验中，样本规模的确定是非常重要的。
样本规模过小会导致试验结果不具有代表性和可信度，无法反映真实的干预效果；而样本规模过大则可能浪费资源和时间。
为了确定合理的样本规模，我们可以借助统计学方法中的样本量估计。
样本量估计一般考虑以下几个方面的因素：显著性水平、功效、预期效应大小、样本数据的变异性等。
其中，显著性水平（α）是指犯第一类错误的概率，通常取0.05；功效（1- β）则是检测到真实差异的概率，通常取0.8。
预期效应大小与样本数据的变异性是根据先前的研究经验或类似研究得到的数据来估计的。
以一个双盲、随机对照的临床试验为例，我们假设预期观察到的效应大小为25%，样本的标准差为10%，显著性水平为0.05，功效为0.8。
通过统计软件进行样本量估计，可以得到每组样本所需的最小人数。
在实际应用时，可以依据制定的参数进行适当的调整，以获得合理的样本规模。
二、统计功效分析样本规模确定之后，我们需要进行统计功效分析。
统计功效（statistical power）是指在给定的样本规模和显著性水平下，检验达到显著差异的能力。
它反映了试验的灵敏度，即试验能够检测到真实差异的概率。
在进行统计功效分析时，需要计算试验的统计效应量，即模拟出可能观察到的效应大小分布，并计算出该效应大小在统计检验下的显著性水平。
利用这些结果，可以计算出试验的统计功效。
通常，达到0.8的统计功效被认为是合理的，即能够检测到真实差异的概率较高。
如果统计功效较低，则可能需要增加样本规模或改变试验设计，以提高试验的灵敏度。
三、样本规模与统计功效的关系样本规模与统计功效之间存在着一定的关系。
临床试验中多重性问题的统计学考虑
法， 包括是否需要进行多重性校正 的考虑 ， 并详细介绍
具 体校 正 步骤 。如 果 出 现非 预 见 的多 重 性 问 题 ， 必 就 须 使用 保守 的方 法 ， 例如 Ｂ ｎｅ ｏ ｉ ， ｏ ｆｒ ｎ 法 当然 此 时 会 降
所 以在制 定研 究方 案 和进行 统计 分 析时应 慎重 考 虑统 计 推 断 的多重 性及 相 关 问题 。多 重 性 问题 的定 义 、 统
计 推 断 的原则 以及控 制 Ｉ 类错 误 的方 法等 关 键 点需 在
方案 中事 先详 细 阐述 。
妥善处 理 多重性 问题 的意义
强控 制 Ｆ Ｒ 常 常 ＣＣ Ｓ成员 （ Ｔ 按姓名拼音排序 ） 陈峰 、 陈平雁 、 陈启光 、 贺佳 、 黄钦 、 金丕焕 、 康 、 李 李宁 、 李卫 、 晓松 、 李 凌 莉、 刘玉秀 、 苏炳华 、 王彤 、 魏朝晖 、 夏结来 、 姚晨 、 易东 、 尹平 、 于浩、 张罗 漫 、 耐青 赵
一
所示。
表 １ 多 重 检 验 的 结 果
确证 性 临床试 验需 要对 多个 检验 假设 做 出统计 学 推
断 ， 如多个 主要 疗效 指标 的多重 检验 、 例 多组 间 多重 比
较、 多个 时 间 点 的期 中 分 析 （ｎ ｒ ａａ ｓ ） 情 况 ｉｔｉ ｎｌ ｉ 等 ｅ ｍ ｙ ｓ 下， 便会 涉 及 多 重 性 （ ｌｐｉｔ） 题 。无 须 考 虑 多 ｍｕｔ ｌｉ 问 ｉ ｃｙ 重 性 问题 的临床试 验 一 般 限于 下 列 情况 ： 单臂 或 双 即 臂设 计 、 使用 单个 主要 指标 、 先 只指定 了一 个与 主要 事
临床实验中orr的标准
临床实验中orr的标准
临床实验中，ORR（Objective Response Rate）是指通过临床
试验评估药物治疗效果时所采用的一种指标。
ORR通常用于评估肿
瘤治疗药物的疗效，其计算方法是将患者中出现部分或完全缓解的
比例作为治疗效果的评价指标。
在临床实验中，ORR的标准通常是由独立的监管机构或者相关
学术团体制定的，以确保评价结果的客观性和可比性。
一般来说，ORR的标准包括以下几个方面：
1. 定义缓解和进展，ORR的标准会明确定义什么样的治疗效果
被认为是部分缓解或完全缓解，以及什么样的疾病进展被认定为治
疗失败。
2. 评估时间点，ORR的标准通常规定了评估治疗效果的时间点，比如治疗开始后的第几周或第几个月进行评估。
3. 评估方法，ORR的标准还会明确规定评估方法，包括影像学
检查、肿瘤标志物测定等。
4. 统计学要求，ORR的标准通常也会包括统计学要求，比如对样本量、置信区间等方面的要求。
总的来说，ORR的标准在临床实验中起着非常重要的作用，它能够帮助研究人员客观、全面地评价药物的治疗效果，为临床药物研发提供科学依据。
因此，严格遵循ORR的标准对于确保临床试验结果的准确性和可信度至关重要。
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临床试验是评估医疗治疗方法或药物疗效的重要手段，而统计分析则是对试验数据进行客观、科学的分析和解释的关键步骤。
在临床试验中，常用的统计分析方法有多种，下面将介绍其中几种常见的方法。
1. 描述统计分析描述统计分析是对试验数据进行汇总和描述的方法，它主要包括测量指标的计算和结果的展示。
通常，我们使用均值、标准差、中位数、最大值和最小值等指标来描述数据的集中趋势和离散程度。
此外，通过制作表格、图表等形式，可以直观地展示试验结果。
2. 正态分布检验正态分布检验是评估试验数据是否符合正态分布的方法。
正态分布是一种常见的分布形式，若试验数据符合正态分布，则可以使用更多的统计方法进行分析。
常用的正态分布检验方法有Shapiro-Wilk检验和Kolmogorov-Smirnov检验等。
3. 参数检验参数检验是对试验数据进行比较的方法，用于检验两组数据之间的差异是否具有统计学意义。
常用的参数检验方法包括t检验和方差分析（ANOVA）。
t检验适用于两组数据的比较，而方差分析则适用于三组及以上数据的比较。
4. 非参数检验非参数检验是一种不依赖于数据分布的统计方法，适用于对单个或多个样本的比较。
与参数检验相比，非参数检验更加灵活，但其对数据的要求相对较少。
常见的非参数检验方法有Wilcoxon符号秩检验、Mann-Whitney U检验和Kruskal-Wallis检验等。
5. 相关分析相关分析是用于评估两个或多个变量之间关系的方法。
在临床试验中，常用的相关分析方法是Pearson相关系数和Spearman等级相关系数。
通过相关分析，可以了解因变量和自变量之间的线性或非线性关系，从而为进一步的研究提供参考。
6. 生存分析生存分析是评估时间到达某一事件（如死亡、复发等）的概率和时间关系的方法。
在临床试验中，生存分析常用于评估治疗方法对患者生存时间的影响。
常见的生存分析方法有Kaplan-Meier法和Cox比例风险回归等。
- 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。