题记：本文是【人用药品注册技术要求国际协调会 ICH】三方协调指导原则中有关临床试验的统计学指导原则的中文版，因原文较长，我们将分三部分推送，以飨读者，以下为第一部分。
声明：本文版权归ICH 指导委员会。侵删！
1. 引言
1.1 背景与目的
药品的有效性和安全性需要由临床试验来论证。临床试验需遵循ICH 在 1996 年 5 月 1 日通过的“临床试验管理规范(GoodClinicd Practice，GCP)：联合指导原则”（ICH E6）。统计学在临床试验设计与分析中的作用要点在 ICH 指导中已阐明。由于统计学研究在临床试验中的不断发展，加以临床研究对药物注册及一般保健工作的重要作用，使得有关临床试验统计方面的简洁文件变得十分必要。本指导的目的在于协调欧洲、日本和美国在进行药品上市申请的临床试验时所应用的统计学方法的原则。
作为起点，本指导运用了 CPMP(CommitteeforProprietary Medicinal Products，医疗制品专卖委员会)在题为《医药制品申请上市许可的临床试验中的生物统计方法》(Biostatisticalmethodology inclinicaltrailsinapplications formarketing authorizationsformedicinalproducts，1994 年12月)中的指导意见，并参照了日本健康与福利部的《临床研究中的统计分析指导》(1992年3月)，及美国食品与药品管理局(Food and Drug Administration，FDA)的《新药申请中临床与统计部分的格式与内容指导》(1988年7月)的有关内容。涉及统计学原理与方法的有关论题也包含在ICH的其他指导中，特别是下列材料之中。
E1A：参与临床安全性评价试验的人群暴露程度
E2A：临床安全性数据管理：快速报告的定义与标准部分
E2B：临床安全性数据管理：传送个体病例安全性报告的
数据要素
E2C：临床安全性数据的管理：上市药品的定期安全性更新报告
E3：临床研究报告的结构与内容
E4：药品注册所需的量效关系资料
E5：影响接受国外临床资料的种族因素
E6：临床试验管理规范
E7：特殊人群的研究：老年医学
E8：临床试验的一般考虑
E10：临床试验中对照组的选择
M1：制订规章用的医学术语的标准化
M3：药物人体临床试验中的非临床安全性研究
本指导旨在为申办者所研究药物的整个临床发展阶段的临床试验中如何进行设计、实施、分析和评价提供指导。亦有助于在临床试验晚期阶段负责准备申请书或者评价有效性和安全性证据的科学工作者。
1.2 范围与说明
本指导专门论述统计学原理，不涉及具体的统计步骤或方法。保证原则得到正确实施的具体步骤是申办者的职责。本指导对临床试验中的资料综合亦作了讨论，但不作为重点。有关数据处理及临床试验监察活动的原则及步骤已在ICH指导的其他部分论述，此处不赘。
本指导应当对广泛的各学科的专业人员有用。然而，正如在“临床试验管理规范的ICH E6”中所指出的，所有与临床有关的统计工作的具体责任将由有相当资格的且富有经验的统计学专业人员负责。试验统计学专业人员（见词汇）在与其他临床试验专家合作时，其作用和职责为确保用于药物开发的临床试验中统计学原理的恰当应用。因此，试验统计学专业人员应在这方面受过良好的培训，并具有丰富的经验执行本指导中的原则。
在每一个为上市申请而做的临床试验中，所有有关设计、执行和拟采用的分析方法的主要细节等均应在试验开始前所写的试验方案中阐明。按照试验方案中各步骤执行的依从程度，以及对事先的计划进行主要分析，将有助于提高最终结果和试验结论的可信度。研究计划的制订及修改必须经负责人员的批准，包括试验统计学专业人员。参与研究的试验统计学专业人员要保证研究方案以及修订方案中清楚正确地覆盖所有相关的统计学问题，并使用恰当术语叙述。
本指导所阐述的原则首先主要用于临床试验后期，大多数是疗效的验证性试验。除有效性之外，验证性试验可以用安全性变量作为其主要变量(不良事件、临床实验室变量、心电图数据等)，或以药效、药代动力学变量为主要变量(如验证生物等效性的试验)。其次，有些确定性的结果要从各个研究的资料中综合而得，本指导中有些原则可用于这类情况。最后，尽管在早期的药物试验阶段，在本质上主要是探索性的临床试验，统计学原则也与这类临床试验有关。因此，本文件的内容应尽可能用到临床试验的所有各个阶段。
本指导中所阐述的很多原理涉及到使偏倚(bias)最小和使精度(precision)最高。偏倚一词在本指导中是指，临床试验中任何与设计、执行、结果的分析与解释等有关的因素，导致处理效应的估计值与真值偏离的系统性倾向。重要的是尽可能完全地验明导致偏倚的可能来源，以便事先采取措施限制这些偏倚。偏倚的存在将严重危及从临床试验中得出正确结论的能力。
有些偏倚源于试验的设计，例如，将病情较轻的病人系统地分配到一个组中的分配方案。还有些偏倚来源于临床试验的执行过程和资料的分析，例如，根据对病人结局的了解，规定违背试验方案标准及从分析中剔除病人，这些都可能是对处理效应的正确评价产生偏倚的来源。偏倚常在不知不觉中发生，且难以直接测量，因而评价试验结果和主要结论的稳健性就显得很重要。稳健性(robustness)概念是关于总体结论对于数据、假设和数据分析方法的各种局限性的敏感性。稳健性意味着对不同假设条件下或者不同的分析方法进行的分析对所得处理效应和试验的主要结论没有实质性的影响。统计学上对处理效应、处理间的比较的不确定性统计度量的说明应包含偏倚对P 值、可信区间或统计推断的影响。
由于在试验设计和分析时通常选用频率统计方法，因此在讨论假设检验和/或区间估计时，本指导主要使用频率法。这并不意味其他方法不可取，如理由充分，且所得结论是相当稳健的，则贝叶斯（Bayes）方法及其他方法亦可考虑。
2. 整个临床试验中需考虑的问题
2.1 试验内容
2.1.1 开发计划
新药临床试验的主要目标是寻找药物是否存在既安全又有效的用法与用量，在此范围内，风险利益比是可接受的，同时还要确定可能由该药得到好处的特定对象及使用适应证。为满足这一总目标需要一个临床试验的流程，每一步均有特定的目标(参见ICHE8)。这需要在临床研究计划中或一系列计划中阐明，这些计划中具有适当的决策点，并且需有灵活性，以便随认识的提高而对其进行修订。每一个上市申请均需清晰地描述其计划的主要内容，以及每次试验的作用。对整个试验所提供的证据的解释和评价包含了对每次试验提供的证据的综合(见7.2)。若能保证在每次试验中采用一些约定标准，如医学术语的标准化、主要测量的定义与时间表、处理偏离试验方案的方法等，将有助于对各次试验的综合。当多个试验中都论及同样的医学问题时，则统计学上的概括或后期综合分析(meta analysis，见词汇)将提供更丰富的信息。可能的话，应预先在计划中加以考虑，使相应的试验得到明确定义，指明设计的共同特点。可能影响共同计划中的试验的其他主要统计学问题(如果有的话)亦需在计划中陈述。
2.1.2 验证性试验
验证性试验(confirmatory trial)是一种事先提出假设，并对其进行检验的有对照的试验。通常，通过验证性试验，提供有效性及安全性的有力证据。在这类试验中，根据试验的主要目的,提出并事先定义假设，在试验完成后进行检验。在验证性试验中，准确估计研究所取得的效果大小和把这些效果与临床意义联系起来是同样重要的。
验证性试验主要是对所提出的假设提供坚实的依据，因此，坚持按试验方案及标准操作步骤进行试验尤为重要；一些不可避免的改变需要给予解释并提供书面材料，并检查由此所产生的影响。对每个这类试验方案的合理性，以及其他主要的统计方面如分析计划的主要特点等均需在试验方案中陈述。每个试验只能提出解决少量的问题。
寻找有力的证据支持所提出的假设，需要用验证性试验，以说明所开发的药物对临床是有益的。所以，验证性试验必须就提出的有关安全性及有效性的每一个关键性的临床问题给予充分的回答。另外，重要的是，把结果推论到所研究的病人的总体的基础要明白易懂，并给予解释，这也会影响到所需的中心和/或试验的数目或类型（例如专家或全科医师)。验证性试验的结果必须稳健。在某些情况下，单一的一个验证性试验所提供的依据就足够了。
2.1.3 探索性试验
验证性试验的必要性及其设计几乎总是基于一系列探索性试验的早期临床工作。像所有的临床试验一样，这些探索性研究也应有清晰和明确的目标。但与验证性研究相比，探索性试验的目的并不总是对预先提出的假设进行简单的检验。此外，探索性试验有时需要采用更为灵活可变的方法进行设计，以便根据逐渐积累的结果对试验进行适当的修改。其分析可能仅限于对数据进行探索性分析，可能要作一些假设检验，但假设是根据数据的特点而定的。虽然，这类试验对整个有效性验证有贡献，但不能作为证明有效性的正式依据。
单个试验往往同时具有探索和验证两方面。例如，在大多数验证性试验中，常对资料进行探索性分析，作为解释并支持它们发现的基础，并为后续研究提出进一步的假设。试验方案中须明确区分探索和验证这两方面的内容。
2.2 试验范围
2.2.1 总体
在药物开发的早期阶段，临床试验研究对象的选择在很大程度上受到一种主观愿望的影响，这种愿望是希望最大可能地观察到期望的临床疗效，因此，研究对象往往是病人总体中很局限的、最容易显示疗效的一小部分。但在验证性试验阶段，试验对象须更具代表性。因此在这些试验中，在保持研究对象的同质性以便精确估计处理效应的条件下，尽可能地放宽纳入和排除标准。由于地理位置、研究时间，以及特定的研究者和医疗单位的医疗实践等因素的影响，没有一个单一的临床试验可望能完全代表将来的使用者。尽管如此，我们应尽可能减少上述因素的影响，并在对试验结果的解释中加以讨论。
2.2.2 主要变量与次要变量
主要变量[又称目标变量(target variable)、主要终点(primary endpoint)]是能够就试验的主要目的提供与临床最有关的且可信的证据的变量。通常主要变量只有一个。因大部分验证性试验的主要目的是提供与有效性相关的强有力的科学证据，所以主要变量通常是一个有效性变量。安全性与耐受性也可以是主要变量，而且常常是一个重要考虑的内容。有关生活质量和卫生经济的测量值也是进一步可能考虑的主要变量。主要变量的选择应考虑相关研究领域已有的公认的准则和标准。建议使用在早期的研究中或在已发表的文献中报道的已累积有实践经验的可信且有效的变量。所选的主要变量要有充分的证据说明它对根据入选标准和排除标准规定的总体中的病人，能高效且可信地反映临床上相关的且重要的临床疗效。主要变量通常应当是用于样本量估计的变量(见3.5)。
在很多情况下，评价受试病人结局的方法并不是很简单的，需认真考虑确定。例如，将死亡率选作主要变量而无进一步的说明是不合适的；对死亡率的评价可以比较某时点尚存人数的比例，也可以比较在某时域内的生存时间的总的分布。另一个常见的例子是复发事件，疗效变量可以是简单的二分类变量(任何指定时域内的复发)，也可以是第一次复发的时间、复发率(在单位时间内的复发数)等等。在慢性病的疗效研究中，治疗时间中功能状态的评价又给选择主要变量提出了新的要求。这种评价可通过诸如比较开始和结束时机体的功能状态，比较整个试验期内所有观察结果计算得的斜率，比较超过或低于指定界值的病人的比例等方法来进行。由于主要变量将用于统计分析，因此，为避免因事后定义所引起的复杂性，在设计方案时精确定义在统计分析中将使用的主要变量至关重要。另外，对所选的特定主要变量的临床相关性和有关的测定过程的有效性一般都应在设计方案中加以说明并证明其正确性。主要变量及其选择理由均应在设计方案中加以说明。在揭盲后重新定义主要变量是不可接受的，因为由此所产生的偏倚很难判断。当根据主要研究目的所确定的临床疗效可由多种方法测定时，只要实际情况可行，在设计方案中，应根据测量方法的临床相关性、重要性、客观性和/或其他相关特性确定一种测定值作为主要变量。次要变量是与主要目的相关的支持性的变量，或与次要目的相关的疗效变量。在设计方案中对次要变量进行预先定义，对这些变量在解释试验结果时的作用及其相对重要性加以说明都是重要的。
次要变量是与主要目的有关的支持性测定，或者是与次要目的有关的疗效的测定。在方案中预先给予定义是很重要的，就像说明试验结果的相对重要性和作用的解释一样。次要变量的数目应当是很少的，并且应当是与试验中要回答的有限的问题有关的。
2.2.3 复合变量
如果从与主要目的有关的多种测定中不能选择一个单一的主要变量，另一种方法是应用预先确定的算法来结合或组合多个测定值，使其组成一个单一的或“复合的变量”。事实上，主要变量有时以多种临床变量相结合的复合变量的形式出现(如在关节病、精神障碍及其他疾病中的评分尺度)。该法虽涉及到多重性问题，但不需对I类错误进行调整。将多种测定相结合的方法应在设计方案中加以指定，且应以相当于相关临床疗效的大小对联合变量的尺度进行说明。当复合变量被用作主要变量时，组成这个复合变量的每一个变量，当有临床意义并有效时，有时也进行单独分析；当量表评分被用作主要变量时，对含义的有效性(见词汇)，评定者内和评定者间的可靠性(见词汇) 及查出疾病严重程度的变化的灵敏性等因素加以说明是重要的。
2.2.4 全局评价变量
在有些情况下，用全局评价变量(见词汇)来评价某个治疗的总体安全性、有效性和实用性。这种变量是客观变量与调查者对试验对象的状态或状态的改变程度总的印象的有机结合，它常常是一个有序的等级。总体有效性的全局评价方法已经在一些治疗研究领域建立，如神经科和精神科。全局评价变量一般都有一个主观成分。使用全局评价变量作为主要或次要变量，需要在试验方案中对尺度的以下方面进行详细说明：
(1) 全局变量与试验主要目的的相关性；
(2) 尺度的有效性和可靠性的基础；
(3) 如何根据单一试验对象所搜集的试验数据，将其按全局评价变量归为尺度的一类；
(4) 如何将有缺失数据的试验对象归为尺度的一类，或用其他方法评价。
如果研究者在用全局评价变量进行疗效评价时，对客观变量加以考虑，则这些客观变量应作为附加主要变量，或至少是重要的次要变量加以考虑。
全局有用性是综合了效应与危险因素后得出的，它也反映治疗医生的决策过程，医生在决定用药时必须权衡使用这些药物利弊。使用全局有效性评价方法的一个问题是，对具有不同有益作用和有害作用的两种药物合判为相同的疗效。例如，在判断一种治疗的全局有用性为等同或优于另一种治疗时掩盖了其无效或疗效很差而同时不良反应较少的事实。因而，不主张用全局有用性作为主要变量。如果全局有效性被用作主要变量，则对特定的有效性和安全性单独作为附加主要变量进行考虑是重要的。
2.2.5 多个主要变量
有时，会希望使用多个主要变量，每一个(或其中一部分)都足以包括治疗的有效范围。应当清楚地说明计划使用这种方法的证据。例如，应当明确是否影响任何一个变量，最少有几个变量，或全部变量，这被认为是达到试验目的所必须的。关于已定义的主要变量的主要假设或者感兴趣的假设与参数(如均数、百分数、分布)应详细说明，并对统计推论方法加以说明。由于多重性问题的可能，I类错误的效用应加以解释(见 5.6)，也应该在设计方案中给出控制 I 类错误的方法。在评价对I 类错误的影响时，所提出的主要变量之间的相关程度也应加以考虑。如果试验的目的是显示所有指定的主要变量的效果，那就没有必要调整I 类错误，但是，必须认真考虑对II 类错误和所需样本大小的影响。
2.2.6 间接变量
如果不能通过观测实际临床效果来直接评价试验对象的临床效应，可以考虑间接变量(间接变量，见词汇)。被普遍接受的间接变量用于一些适应证，这时，间接变量被认为是临床疗效可靠的预测变量。在选用间接变量时，主要考虑两点。第一，它可以不是所感兴趣的临床结果的真正预测因子。例如，它可能是测定了与一个特定的药理学机制有关的处理效应，但不能提供处理作用范围与最终效应的全部信息，无论是阳性还是阴性。已有很多例子，原先认为处理对选用的间接变量有高度正效应，但最终结果却被证实试验对象的临床结果是有害的；与此相反，也有一些例子，处理有临床效应，但对选用的间接变量却没有可测量到的影响。第二，选用的间接变量并不能产生可直接与不良反应相权衡的定量的临床效果度量。尽管，如何证实间接变量有效的统计标准已经提出，但如何运用这些标准的经验还相当有限。事实上间接变量证据的强度取决于：(i)相互关系的生物学可能性；(ii)间接变量对临床结局预后判断价值的流行病学研究证据；(iii)从临床试验中获得的有关处理对间接变量影响程度与处理对临床结局影响程度相一致的证据。一个产品的临床和间接变量之间的关系并不一定能适用于治疗同一种疾病的具有不同作用方式的另一个产品。
2.2.7 分类变量
二分类或其他连续的或顺序的变量的分类有时也是必要的。“成功”和“有反应”的尺度就是这种二分类变量的常见例子，它要求，例如，对一个连续变量以最低改善(相当于基线) 百分率或等级变量等于或超过等级尺度中某一阈值(如“好 ”)，作为精确定义。舒张期血压下降到低于 90mmHg 就是一个常见的二分类。对有明显临床相关性的变量进行分类最有用，由于已知试验结果很容易对分类标准的选择产生偏倚，所以在设计方案中应对分类标准事先作出定义和明确的说明。分类通常意味着要丧失部分信息，由此导致分析的把握度降低，这应当在样本大小估算中说明。
2.3 避免偏倚的设计技巧
在临床试验中，避免偏倚的两个重要设计技巧是盲法和随机化，这些应是上市申请中所包含的临床对照试验的一般特点。大多数这样的试验采用双盲法，在这些双盲法试验中，根据适宜的随机化计划，事先将药物进行包装，在提供给试验中心的药物上标明试验对象号码和服用期，从而使参与试验的每一个人都不知道哪一个对象服用哪一种药物，甚至不知道编码字母。
这种方法大部分将在 2.3.1 和 2.3.2 中的大部分进行讨论，此外的情况在节尾讨论。在设计方案中，应对旨在尽可能缩小试验进行过程中任何可损害统计分析满意程度的可预见的不正确情况的特定处理过程进行说明。这些不正确情况包括违反试验方案的各种情况、失访和缺失值。方案中应考虑到减少这些问题的频度和在数据分析中出现这些问题时如何处理的方法。
2.3.1 盲法
盲法(blinding)是为了控制在临床试验的过程中，以及对结果的解释时产生有意或无意的偏倚(bias)。这些偏倚来自由于对治疗的了解而对病例的搜集和安排、对病人的照顾、病人对治疗的态度、对终点(end point)的评价、对失访的处理、在分析中数据的剔除等的影响。其根本目的是，在有可能产生偏倚的时候防止知道采用的是何种处理。
双盲试验(double blind tdal)是，所有病人及所有参与治疗或临床评定的申办者及研究人员均不知道谁接受的是何种处理，包括挑选合格病人者、评价结局者或按照设计方案评价依从性者。这种盲法要持续整个试验实施过程，只有当数据整理到其质量能接受的水平时，方可对适当的人员揭盲。如确需要有不参与治疗和临床评价的人知道处理编码(treatment codex)（如生物分析学家，参与严重不良事件报告的审视员等)，项目申办人必须制定适当的标准操作规程，以防处理编码不适当地扩散。在单盲试验中，研究者和/或其成员知道采用的是何种处理，但病人不知道，或者正相反。在开放性试验中，所有的人均知道采用的是何种处理。双盲是最优方法。需要试验中所采用的处理方法在用药前或用药时无法从外观、味道等方面识别出来，且在整个试验均保持盲法。
要做到双盲，会遇到很多困难：两种处理方法可能完全不同，如手术治疗和药物治疗；两种药物是两种不同的剂型，虽然用胶囊技术可使用两者无法分辨，但改变剂型可能会改变药代动力学或药效学的特性，因此，需要建立剂型的生物等效性；两种药物每天的用法不同，在这些情况下，要实现双盲法，就要采用“双模拟”(见词汇)技术。这一技术有时会使用药计划十分不寻常，以至于对病人的积极性和依从性产生负面影响。伦理上的困难也会干扰其应用，例如，必须进行无用的手术操作。无论如何，应当努力克服这些困难。
由于所采用的处理出现了效果，可能使双盲遭到部分损害。在这种情况下，不让研究者和有关申办人员知道某些检验结果 (如某些临床实验室检验结果)，可以使盲法可以得到改善。在非盲法试验中，唯一的或特别的治疗效果可能无法不让病人知道，则可考虑采用类似的方法(见下文)，以使偏倚达到最小。
如果双盲不可行，则应考虑用单盲。在有些情况下，只有开放性试验才可行或符合伦理。单盲和非盲使试验更具灵活性，但特别重要的是，研究者知道下一个病人接受哪种处理，不应影响对下一个进入研究的病人的纳入；纳入病人最好在知道随机化的处理之前。对这些试验，应考虑用中心化的随机化方法，如用电话通知指定随机化的治疗方法。在这两种情况下，进行临床评判的医务人员应不参与治疗，而且在评判过程中始终处于盲态。在单盲或非盲试验中，应尽最大努力使偏倚来源达到最小，主要变量应尽可能地客观。采用不同程度盲法的理由，以及通过其他方法使偏倚到达最小的步骤，均应在试验方案中说明。例如，申办人应当有适当的标准操作步骤以保证在数据进行分析前的数据库清理过程中，适当地限制对处理编码的接触。
只有在病人的治疗医生认为，为了病人的医疗必须了解病人所接受的处理时，才能对此病人揭盲。任何有意或无意地破盲，不管是什么理由，须在试验结束时报告并给予解释。揭盲的过程及时间亦需在报告中说明。
在这个文件中，数据的盲态核查（见词汇）是指，从试验全部结束（最后一个病人的最后一次观察）到破盲这段时间的数据核查。
2.3.2 随机化
随机化(randomization)为临床试验中的病例接受何种处理引入了一个仔细安排的机遇的要素。在后续的试验资料分析中，它提供了定量评价处理效应的坚实的统计基础，使各处理组的预后因素、已知的和未知的分布趋于相似。与盲法合用，随机化有助于避免在病例的选择和分组时因处理分配的可预测性而导致可能的偏倚。
临床试验的随机化一览表就是用文件形式写出对病人的处理的随机安排。在最简单的情况下，它是处理（在交叉试验中是处理顺序）的序列表，或者是与病例号相应的编码。有些试验的随机化编码较复杂，如有预筛选的试验，但唯一的事先定义好的对病人的处理分配和处理顺序必须清楚。对于不同的试验，设计编制随机化一览表的过程亦不相同。随机化分配表必须有（如果需要）可以重新产生的能力。
虽然无限制条件的随机化是可接受的，但在区组随机地安排病人的方法更具优越性。这将有助于增加处理组间的可比性，特别当病例的某些特征随时间而变化，如接纳病人的策略的改变。它还更能保证各处理组的样本量几乎相等。在交叉试验中，它提供了一个较高效率且更易于解释的平衡设计的方法。在确定区组的大小时需注意，每个区组要尽可能地小，以防不均衡；又要足够大，以防对区组终末的可预测性。研究者及其他有关人员应对区组的大小保持盲态；用两种或以上的区组大小，每个区组的大小随机决定，可达到同样目的。(理论上，在双盲试验中，可预测性是无关紧要的，但药物显示出的药理上的反应常常给聪明的人提供了猜测机会。)
在多中心试验(见词汇)中，应按中心组织随机化过程。提倡为每一个中心建立一张单独的随机表，也即按中心分层，或将某几个整的区组分到一个中心。一般，为了使各层趋于均衡，按照基线资料中的重要预后因素（如疾病的严重程度、年龄、性别等）进行分层，有时对促使层内的均衡安排也是很有价值的。很少需要多于两个或三个的分层因素，因为很难达到平衡且很麻烦。倘若试验的其余步骤可以调整以适应的话，应用动态分配(见后述)的方法有利于在一些分层因素中达到平衡。随机化时被分层的因素在以后分析中应加以说明。
下一个被随机化进入试验的病人总是按随机化分配计划（如果是分层随机化，则是相应的层）中的下一个数字接受相应的处理。下一个病例所接受的数字及相应的处理只应在确认该病例进入试验的随机化部分后才分配，使人容易预测的（如区组的长度等）随机化细节不应包含在试验方案中。随机化计划由申办者或一个独立的组织以确保整个试验按盲法进行的方式安全存档。在整个试验中，查阅随机化表必须考虑到在应急情况下对任何病例不得不揭盲的可能性。揭盲所采取的步骤、必要的文件、后续病例的治疗方法的评价均需在试验方案中写明。
动态分配是另一种随机化方法，即病人接受何种处理取决于当前各处理组的平衡情况，在分层试验中，取决于病人所属的层内的平衡情况。应当避免确定性的分配法，应对每一个处理的安排列入适当的随机化成分。必须尽一切努力确保试验是双盲的。例如，处理编码仅限于控制动态分配的中心试验办公室的有关人员才知道，一般通过电话告知。这也容许另外对入组标准进行考核和入组，这对有些多中心试验是有价值的。然后可采用一般的双盲试验，事先将药物包装并编号，但不必依次选用。最好选用一个合适的计算机算法，不让试验中心办公室的人知道处理的编码。当考虑作用动态分配法时，操作上的复杂性，以及潜在的对分析的影响必须仔细评价。
（未完待续）
联系客服
