临床试验设计原则
温泽淮
广州中医药大学DME中心
广东省中医院国家药品临床研究中心
设计方案: 相关的受试对象、施加因素、试验效应、可行性等
科研设计的目的 在于使该项研究能达到预期的而又可靠的结果，同时避免在研究实施过程中不必要的人力、物力、财力和时间上的浪费。
一、临床研究的主要环节
施加因素
受试对象
试验效应
严格而有效地对上述临床试验中的三大主要环节的控制，将很大程度上减少偏倚所造成的系统误差及由于机遇所带来的随机误差，提高研究结论的科学性和真实性。
二、临床试验设计基本原则
对 照
随 机
盲 法
重 复
（一）对照的原则
对照（control）
是指在调查研究或实验研究的过程中，确立可供相互比较的组别。
１. 对照的意义
鉴别试验性与非试验性措施
减少或消除实验误差
（１）鉴别试验性措施（处理因素）与非试验性措施（非处理因素）的差异，从而确认实验性措施在试验过程中的真实效应。
（２）减少或消除实验误差：合理的均衡的对照可使实验组与对照组的非试验性措施处于相等状态，使组间的基线特征具有可比性，从而使实验误差得到减少或消除。
临床医学研究的复杂性
疾病自身的演变
社会人口学因素的影响
心理因素的影响
自然环境条件等
必须强调，均衡是十分重要的。没有对照，难以比较、鉴别；而有了对照，但不是均衡，就失去对照的意义。
临床数据的统计学分析，也是以对照的均衡为前提的。
２.对照的方法 或对照的种类
空白对照
实验对照
标准对照
自身对照
相互对照
配对对照
历史对照
安慰剂对照
空白对照
指在对照组不加任何处理的“空白”条件下进行观察、研究。指在对照组不加任何处理的“空白”条件下进行观察、研究。
实验对照
指在一定实验条件下所进行的观察、对比。
例如观察中药雾化吸入剂对于支气管哮喘的作用，为了排除单纯雾化作用的效应，在设立空白对照组时，还应该设立不加中药的雾化吸入组（如水液雾化吸入）。
标准对照
以正常值或标准值作为对照，以及在所谓标准条件下进行观察的对照。
研究药物的疗效时，可以公认的常规有效疗法作为对照。
——阳性对照
自身对照
如用药前后的自身对比观察；或是对照与实验在同一对象身上进行，即在观察的不同时期接受不同的疗法，然后比较它们的差异，这种方法也称为自身交叉对照。
相互对照
各实验相互为对照。如中医各种不同证候的对照；中药组、西药组、中西药结合组治疗急性心梗的对照等。
配对对照
根据研究目的，把对实验结果（或效应指标）有影响的有关条件（如年龄、性别、病情等）相近似的研究对象配成对子，再把每一对子中的研究对象分配到各比较组中去。
历史对照
又称文献对照或回顾对照。是以本人或他人过去的研究结果与本次研究结果作比较，历史对照要特别注意比较资料之间是否具有可比性。
历史对照
如果某种疾病（如癌肿）治疗过程中的非处理因素（如生活条件、心理、一般药物治疗）不易影响它的疗效，且误诊率低，评价疗效指标（如生存率、病死率）相当稳定，历史对照的结论还是可取的。既往在评价链霉素对于粟粒型肺结核时，就是以历史对照为依据的。
安慰剂对照
是空白对照的特殊类型。
目的在于克服病人由于心理因素所造成的偏倚。
临床试验中，使用安慰剂对照要特别谨慎，注意其伦理和可行性。
（二）随机的原则
１. 随机化（Randomization）
的涵义
２. 随机化的目的
３. 随机化的方法
1. 随机化的涵义
随机事件的“不确定性”
及随机分配的“同等可能性原则”
２. 随机化的目的
组间的均衡和可比性
随机化的意义在于使被抽取的观察对象能最好地代表其所来源的总体人群，并使各比较组间具有最大程度的可比性。
３. 随机化的方法
简单随机化（Simple Randomization）
区组随机化
分层随机化
（１）简单随机化
如抛掷硬币、抽签、摸球、查随机数字表等。
——随机数发生器
数字的随机排列也可通过操作计算器（Casio fx-180）上的ＩＮＶ，ＲＡＮ键来完成。
查随机数字表或使用计算机程序。-可重现
序 号： 1 2 3 4 5 6 7 8 9 10
11 12 13 14 15 16 17 18 19 20
随机数字: 93 22 53 64 39 78 76 58 54 74
23 68 35 26 00 15 39 25 70 99
甲组：序号为1，3，5，11，13，16，17，18，20的受试者。
乙组：序号为2，4，6，7，8，9，10，12，14，15，19的受试者。
平衡两组例数：上述甲乙两组例数不等，甲组为9例，乙组为11例，若要使两组例数相等，可用下述方法。
续查随机数字表，得一随机数字36，将其除以乙组例数，得余数，如本例为36÷11得余数3，则原属乙组中第三位（即序号为7）的受试者需调至甲组。
若确需进行不等随机分组，如
甲组：乙组＝３∶１，则可规定遇随机数字末位数者为：
１，２，３，５，６，７者分至甲组
４，８者分至乙组
０，９弃去
（２）区组随机化
根据受试者进入研究的时间先后顺序，将其分成内含相等例数的若干区组，而后，区组内的受试者被随机分配至不同组别。
将24名病人作区组随机分配至甲、乙两组。其步骤为：
① 令每一区组内含４名受试者，
A．－－甲甲乙乙
B．－－甲乙甲乙
C．－－甲乙乙甲
D．－－乙乙甲甲
E．－－乙甲乙甲
F．－－乙甲甲乙
②查随机数字表，得１－６这六个数字的随机顺序，若为５，３，２，１，６，４，则最早进入研究的４名病者按上述第５种方式被分配至甲、乙组，即依次为乙、甲、乙、甲。其余类推。
区组随机化具有下述的优点
①有利于保持组间例数的均等
②有利于保持组间的可比性
区组随机化的主要缺点
在于如果不是双盲试验，同时研究者又知道区组的含量大小，则很容易事先知道每一区组最后一名病人的分组去向，而导致选择性偏倚或期望性偏倚的产生。
（３）分层随机化
根据对疾病的转归，预后可能产生影响的有关因素或临床特征，将进入研究的受试者分为若干层次，然后在层内再将受试者随机分配至不同组别。
━━━━━━━━━━━━━━━━━━━
发病到治疗时间 梗塞部位 合并症
───────────────────
≤２４小时 前壁 否
＞２４小时 非前壁 有
━━━━━━━━━━━━━━━━━━━
上述各层次进行组合，可得２×２×２＝８层次。
在样本含量较大（例如200以上）时，简单随机化常可保证组间的可比性，显然不需要进行分层随机分配。
样本太小，分层过多，则难以实施。
受试对象在100～200之间，有２至３个重要影响因素，每个因素又有2～3个水平时，应用分层随机较恰当。
中央随机化
多中心临床试验中，各个分中心的随机化分配和药物配给集中由一个独立的机构或组织来安排和实施，这种随机化分配称中央随机化（central randomization）。
各个分中心与此机构通常需通过电话或计算机网络进行联系或操作。
进行中央随机化时可以选择不同的方法诸如区组随机化、分层随机化或进行动态分配（dynamic allocation）等。
已有多家外国公司研制出基于IVR技术或互联网（Internet）的中央随机化系统，也有不少药物临床试验采用了中央随机化方法。
«SyMetric»
ClinPhone IWR
StudyPharm等
随机化的操作一般遵循的步骤：
① 随机化方法：
② 确定随机数发生器：
通常是随机数字表或计算机预编程序（如SAS软件的伪随机函数或PLAN过程）；
③ 确认随机化分配的总例数、分组组数及其比例、分层因素个数及其水平；
④ 区组规定：长度，是否可变或随机选择；
⑤ 分组规定：各组对应的随机数字的规定；
⑥ 抽取或产生随机数字：用计算机预编程序时此步可自动进行；
⑦ 随机分配结果：按照分组规定将受试者按顺序逐个与随机序列关联并记录此关联结果。
⑧ 制作随机分配卡：将上述随机化结果制成卡片，此卡片供临床研究者使用；
⑨ 随机分配结果的隐藏：
能使随机化结果的产生与临床研究者的执行保持独立。常采用不透光信封将分配结果密封。
（４）与随机化有关的某些问题的讨论
关于半随机化分配
有研究者按病人就诊顺序的单、双数分配至甲、乙组，并称之为“半随机化”分配方法。这实际上是对半随机化含义的误解。
关于不等的随机化对照
关于非随机化对照
临床试验中试验组与对照组的例数比例以１∶１为佳。
在其它条件固定不变的情况下，随着试验组例数的增加，统计效能在逐步降低。
非随机化的对照，其结果必然导致组间的不均衡性，影响研究结论的真实性。
━━━━━━━━━━━━━━━━━━━
试验组：对照组 检验效能
───────────────────
1 ：1 95.0 %
2 ：1 92.5 %
4 ：1 82.0 %
━━━━━━━━━━━━━━━━━━━
一般将其比例控制在２∶１或３∶２的范围内，尚属可行 。
（三）盲法（Blind Method）
对于受试者所实施的处理因素（如选用药物），研究者（包括资料分析者）或/和受试者并不知道。
主要目的就是为了克服可能来自研究者或受试者的主观因素所导致的偏倚。
１. 盲法的意义
在于对提出的假说得到一个可靠的，无偏倚的论证。
２. 盲法的种类
单盲法
双盲法
双盲双摸拟
（１）单盲法
在实施一个试验方案时，对于受试者所施加的处理因素（如选用药物），只有研究者知道，而受试者不知道。
（２）双盲法
在实施一个试验方案时，对于受试者所实施的处理因素（如选用药物），研究者（包括资料分析者）和受试者双方都不知道。
“双盲双模拟”方法
药物临床试验时，若试验药与对照药的剂型不一样，双盲法的实施可采取：
试验药＋与对照药剂型一样的安慰剂；
对照药＋与试验药剂型一样的安慰剂，
实施双盲法过程中，需要有“局外”的管理、监督者、他们仅参与设计、密码、资料的保管等。
盲法的实施，应建立适当的SOP。
在实际工作过程中，有些临床试验只能是非盲性的。
盲法的严格执行有时有一定困难，某些情况下也存在医德问题。
（四）重复的原则
样本含量 保证研究结论具有可靠性、准确性的条件下，临床试验所需的最少受试例数。
新药临床试验法规的要求
保证研究中新药的疗效和安全性评价的可靠、准确
法定的要求
为何要进行样本含量估算？
临床研究受客观条件限制
经费、人力、时间
保证研究结果的可靠性
研究的精度
易于得到可靠结论
结论外推性更好
节约资源
节约经费、人力、时间
患者早受益
决定样本含量的因素
平行随机对照试验设计中
样本内个体的差异程度 例数
组间效应的差异程度 例数
资料的性质 例数：计量 计数
统计推断的严格程度 例数
样本含量的估算方法
软件计算
公式法
查表法
公式法
样本含量估算公式
两样本率的比较
P=（P1+P2）/ 2
P1、P2为两总体率
多个样本率的比较
Pmax、Pmin为最大率和最小率
λ以α、β和自由度k-1查λ值表
两样本均数比较
uα、uβ可由t界值表（ν=∞）查得
δ为两均数的差值
S 为两总体合并标准差
多个样本均数比较
、si 为第i样本的均数和标准差
k 为组数
φ可从φ值表查得
软件计算
样本含量的估算
要求提供的参数（信息）
统计推断的要求： 、、把握度
计数资料：两组的有效率及其差值 P1、P2、
计量资料：两组的均数及其差值、标准差x1、x2、、s
查表法
计数资料样本含量的估算 举例 1
样本含量的估算方法—查表法
例1：计数资料样本含量的估算
计量资料样本含量的估算 举例 2
假定根据以往经验，某型动脉硬化病人血清胆固醇含量标准差为３０ｍｇ％（s），现拟用某中药降低胆固醇，要求至少降低胆固醇５０ｍｇ％(δ)才能应用于临床，问最少需用多少病例才能使真正有效的中药能得出显著结果而被应用？
＝0.05，Power＝９０％，双侧检验
δ／s＝５０／３０＝１.７
样本含量的估算方法—查表法
举例2：计量资料样本含量的估算
复杂的例子
某冠心病药物治疗研究
随机分为6组，5个治疗组，1个对照组
治疗组与对照组分配比例：1:1:1:1:1:2.5
主要结局指标：病死率
至少随访5年
预试验对照组5年病死率为30%，预期治疗组能比对照组降低7.5%
全部完成随访
5年后由于退出和不依从有30%的病例脱失
＝0.01，Power＝95％，单侧检验
对照组所需例数=1906
治疗组所需例数=1906/2.5=762
考虑脱失情况
对照组所需例数调整=1906/0.7=2723
治疗组所需例数调整=762/0.7=1089
所需总例数
2723 + 1089x5 = 8168
注意事项
估算得到的样本例数，是满足设计条件并期望能得到可靠结论的最低要求。
样本含量估算所需的参数诸如两组有效率或均数等，通常由相关的预试验或同类资料得来。因此，重视预试验的质量、广泛收集相关资料和正确分析所得资料很有必要。
查表时注意各种表格的表头和栏目说明
样本含量的估算还涉及以下的几个方面
试验设计类型：采用不同的公式或统计表估算样本含量，因此查表或计算时应留意统计表或公式的适用设计类型。
分组的个数：当受试对象随机分为多组（三组或以上）时，可能是两个试验组与一个对照组，或包含多个对照组，计算复杂，有关内容可参考医学统计学论著。
分组的分配比例：估算样本含量的公式或统计表多数是适用于各组例数相等的设计的，当临床试验各组的分配比例不等时，例如对照组与试验组的分配比例为2:1，可采用一些校正表或校正公式。
预定的随访间期：某些结局事件的发生数量与随访间期有关，例如随访间期长，结局事件的累积发生率就较高，若以此估算样本含量，在其他条件不变的情况下样本量会较少。同时，更长的随访间期可能回增加失访率和试验实施的难度，在样本量估算时应预先做好充分估计。
预计的失访率：为满足试验目的和统计学要求，研究者应根据预计的失访率调整扩大样本含量。在假定失访是随机的前提下，
调整的样本含量 = 估算的样本含量/(1 - 失访率)。
预计的治疗依从性大小：受试对象或临床研究者对治疗的不依从，可能会影响试验组与对照组之间的疗效差别，因而用于估算样本含量的组间疗效差值应作出调整。
分层随机分配的层数：试验采用分层随机分配时，既要考虑总的样本量又需考虑层内的病例数符合统计学要求。
多重比较时的调整：当试验包含多个组，需要进行多重比较时，必须对比较的总误差进行控制，否则可能影响检验效能。
多个结局指标：当试验结局的评价涉及多个结局指标时，研究目的的不同和结局指标的数据类型决定样本含量估算时采用的预期信息，一般可以分别以各个结局指标预期信息估算所需样本量，然后取最大的样本量作为试验所需样本含量。
预定使用的统计学方法：特别是采用多元统计分析方法时，应考虑该方法的条件。
检验效能：对于某些临床试验的结论，特别是得出阴性结论的临床试验，有必要根据试验的样本例数和所规定的水平去检查该试验的检验效能是否过低（即样本含量不足）。只有在检验效能较高的条件下，我们才能比较有把握地接受这个结论。
实际工作中，通常碰到上述的情况是相当复杂的，不能仅靠查表或公式计算来解决，最好是请教于统计学专家，与他们进行充分的讨论而达成最后意见。