临床试验

破除误解：临床试验不是“拿病人做实验”#

真正合格的临床试验不是随意尝试，而是受伦理、统计和监管约束的研究。

它必须说明：

• 为什么已有证据不足；
• 受试者会承担什么风险；
• 谁有资格参加；
• 如何分组；
• 主要终点是什么；
• 数据如何分析；
• 不良事件如何报告；
• 受试者如何随时退出。

这就是 知情同意 与 临床试验伦理 的核心：研究者不能把患者当作工具，必须让风险、利益和不确定性透明化。

历史上，从纽伦堡法典到《赫尔辛基宣言》、再到贝尔蒙报告提出的尊重、受益与公正三原则，制度一再重申：没有独立伦理审查与可理解的知情同意，就没有合法的人体研究。机构审查委员会（IRB）或伦理委员会的职责，是在方案启动前与过程中持续审视风险—收益比，而不是事后盖章。

随机化：抵抗偏差的发明#

临床医学里最大的敌人之一是偏差。

病情轻的人更可能选择某疗法，富裕患者更可能接受新技术，医生也可能把“看起来更有希望”的患者安排到实验组。

随机化 的目的，是让已知和未知混杂因素在两组之间尽量均衡。它不能让个体结果可预测，却能让群体比较更可信。

随机对照试验（RCT）因此成为循证医学中评估疗效的核心工具。

方法史上，詹姆斯·林德对坏血病的对照观察、英国医学研究理事会 1948 年的链霉素试验（MRC 链霉素试验），常被当作现代 RCT 的里程碑：预先写明方案、随机分配、统一随访与盲法评估，使“有效”从轶事变成可复核的主张。1954 年美国脊灰现场把安慰剂对照与观察对照同时跑完，两套点估计不能合并，见 索尔克 1954 现场试验。能被比较的制剂，上游是非神经组织上的细胞病变读出，见 恩德斯 1949 组织培养。分层随机、区组随机等技术，是为了在关键预后因子上保持可比，而不是事后用基线表“修”出平衡。

分配隐藏（allocation concealment）与盲法相关但不等同：前者防止入组瞬间被主观挑选，后者防止随访与评估被期待污染。缺少分配隐藏的试验，偏倚风险会显著上升——这是系统综述评估工具反复强调的一点。

盲法与安慰剂#

如果患者知道自己用了新药，主观症状可能改善；如果医生知道患者在实验组，也可能更积极寻找改善证据。

盲法 试图切断这种期待效应。

• 单盲：受试者不知道分组。
• 双盲：受试者和研究者都不知道分组。
• 三盲：数据分析者也不知道分组。

安慰剂 并不是“假治疗”那么简单。它提供一个对照，让研究者区分药物本身效果、疾病自然波动、照护接触和心理期待。

在肿瘤、急症、重症等场景中，安慰剂必须满足伦理要求：不能让患者失去已有标准治疗。此时对照往往是“标准治疗 ± 安慰剂”，而不是裸安慰剂。开放标签试验并非自动无效，但解读时必须更警惕观察者偏倚与安慰剂效应，并用尽量客观的终点来约束叙事。

试验分期#

药物临床开发通常分期：

I 期：主要评估安全性、剂量范围和药代动力学，常为几十人。

II 期：初步评估疗效和剂量，通常数十到数百人。

III 期：大规模比较疗效和安全性，决定是否足以支持上市。

IV 期：上市后监测真实世界安全性、罕见不良反应和长期效果。

这不是机械阶梯。罕见病、肿瘤、疫苗、医疗器械、公共卫生干预都有变体。但分期思路反映了同一原则：先控制风险，再扩大证据。

监管与伦理文献强调：分期标签描述的是证据成熟度，不是“越后面越正确”的保证。I/II 期阳性信号经常在更大、更严格的 III 期中衰减或消失；IV 期则专门捕捉试验人群之外的罕见伤害与长期结局。把早期探索性结果当成已证实疗效，是历史上多次公共伤害的共同模式。

终点：你到底测量什么#

临床试验必须定义主要终点。

有些终点是硬终点：死亡、心梗、住院、卒中。

有些是替代终点：血压、肿瘤缩小、病毒载量、HbA1c。

替代终点能让试验更快、更小、更便宜，但风险是：指标改善不一定等于患者真正获益。

抗心律失常药物曾经能减少室性早搏这个替代指标，却在部分患者中增加死亡风险。这类教训让医学更警惕“好看的数字”。

复合终点可以把多种事件合并以提高事件率，但也带来解释难题：若驱动显著性的主要是较轻事件，而死亡或残疾并未改善，临床意义就会被夸大。层级终点、赢率分析等较新报告方式，试图在方法学上更忠实地反映患者优先序，但仍依赖预先声明与透明报告。

样本量与中期监测#

临床试验在开始前要估算样本量。样本太小，可能看不出真实疗效；样本过大，又会让更多患者暴露于不确定风险和资源浪费。

样本量通常取决于预期效应大小、主要终点发生率、显著性水平、统计功效和失访率。这里的关键不是“人越多越科学”，而是样本量必须与问题匹配。

大型试验还常设立独立数据安全监察委员会（DSMB）。如果中期数据显示疗效极强、伤害明显或试验已不可能得到有意义答案，委员会可以建议提前停止。

这体现了临床试验的伦理张力：研究需要足够数据，患者又不能被当作无限等待证据的工具。

多重期中分析若不校正，会抬高假阳性；因此方案必须预先规定监测边界与花费函数。无效停止（futility）与疗效停止（efficacy）规则不同：前者保护受试者免于继续无效暴露，后者在证据已足够强时尽快让有效干预惠及更广人群——两者都以均势被打破为伦理节点。

适应性试验与平台试验#

传统试验像固定路线：设计、入组、随访、分析，流程尽量不变。

但在肿瘤、罕见病和疫情中，固定路线有时太慢。适应性试验 允许在预先规定规则下调整随机比例、样本量或研究臂；平台试验 可以在同一主协议下持续加入或退出多个治疗方案。

COVID-19 期间，RECOVERY 等平台试验快速评估多个治疗策略，显示地塞米松能降低需要氧疗或机械通气患者的死亡风险，同时也排除了许多无效治疗。

这种设计的力量在于效率，但前提是统计规则、数据监测和透明报告足够严格。适应性不是“边做边改主意”，而是把可调整规则提前写进方案。未预先规定的事后改终点或改分析集，不属于适应性设计，而属于选择性报告风险。

CONSORT：报告也需要标准#

试验做得好，不代表报告就可信。研究者可能选择性报告终点、淡化失访、隐藏随机化方法不清的问题。

CONSORT 2010 声明为平行组随机试验提供报告清单，要求清楚呈现试验设计、随机化、盲法、样本量、参与者流程、结局和不良事件。

它的重要性在于：科学论文不是宣传稿，而是让别人能判断偏倚风险的证据文件。

配套扩展涵盖整群随机、非劣效、实用性试验与患者报告结局等。流程图（从筛选到分析的人数）让失访与排除不再藏在文字里。期刊与注册库要求对照 CONSORT 自查，是把“可批判性”写成出版门槛，而不是作者个人风格。

局限与争议#

临床试验不是完美答案。

外部效度：严格入组标准让结果更干净，却可能排除老年人、多病共存者、孕妇和少数族群。真实世界患者比试验人群复杂。

统计显著不等于临床重要：一个 p 值很小的差异，可能对患者生活没有意义；一个样本量小但效果大的发现，也可能值得严肃关注。

商业利益：赞助者、发表偏倚和选择性终点会影响证据生态。注册试验、公开方案和数据共享，是抵抗这些偏差的制度设计。

罕见病与紧急疫情：当患者少、时间紧、伦理压力大，传统大规模 RCT 可能不可行。适应性试验、平台试验和真实世界证据因此越来越重要。

意向性治疗（ITT）与符合方案（PP）分析的张力也常被误解：ITT 按随机分组分析，更保守地保护随机化带来的因果解释；PP 只看高度依从者，可能高估效果。监管审评与系统综述通常要求两者并列，并解释差异来自何处。

患者真正关心的结果#

临床试验过去常以影像、化验或医生评分为中心。现在越来越强调患者报告结局（PRO）：疼痛、疲劳、睡眠、功能、情绪、生活质量。

这些指标更难测量，也更容易受盲法、文化和语言影响；但如果试验只证明肿瘤缩小、血糖下降，却不问患者是否能走路、睡觉、工作、照顾家人，证据就不完整。

医学的最终目标不是让表格更漂亮，而是让人活得更久、更少痛苦、更有功能。临床试验的终点设计，必须把这件事写进方法学。核心结局集（core outcome sets）与患者参与设计终点的趋势，正是把“谁定义获益”从单一专业共同体推回更广的利益相关方。

真实世界证据能替代随机试验吗#

电子病历、医保数据库和登记系统让研究者能观察数百万真实患者。这些数据能发现罕见不良反应，也能评估试验之外的人群。

但真实世界数据通常不是随机分配治疗。谁接受某药、谁没有接受，往往与年龄、收入、病情严重程度、医生偏好和医院资源有关。统计方法可以调整混杂，却很难证明所有关键混杂都已测量。

因此真实世界证据更适合补充 RCT，而不是简单替代 RCT。最强的医学证据生态，是随机试验回答因果问题，真实世界研究回答可推广性、安全性和长期效果。监管机构对真实世界证据的接受，通常限定在已有随机证据基础上的补充适应症、安全性信号与器械场景，而不是用观察性关联单独宣称疗效。

负结果同样重要#

临床试验的社会价值不只来自“成功上市”的药物。一个设计良好的阴性试验，也能阻止无效或有害疗法继续消耗患者希望、医保资金和医生时间。

问题在于，阴性结果更不容易发表，企业和研究者也缺乏宣传动力。试验注册、方案公开、结果数据库和系统综述，都是为了解决这种发表偏倚。

医学进步不是只靠发现有效治疗，也靠诚实排除无效治疗。ClinicalTrials.gov 等注册库要求摘要结果在时限内公开，正是把“负结果也是公共产品”写成可执行义务；执行仍不完美，但方向是制度性的，而不是靠个别作者的良心。

注册、方案与可复核性#

现代试验生态把“预先声明”写成基础设施。方案（protocol）与统计分析计划应在入组前确定主要终点、分析集与缺失数据处理；重大修订需留痕并说明理由。注册库记录研究问题、入排标准与预设结局，使后来的读者能对照论文是否更换了故事线。

系统综述与偏倚风险评估工具（如 Cochrane RoB）正是沿着随机化、分配隐藏、盲法、不完整结局与选择性报告这些轴来打分。一篇论文若写不清随机序列如何产生、谁在何时知情，读者无法区分“方法严谨”与“叙事严谨”。临床试验的可信度，最终取决于别人能否按同一规则复核你的主张。

跨域连接#

• 临床试验伦理：随机化在伦理上成立的前提是均势——专业共同体对哪一组更好尚无共识。这不是修辞，它决定了试验的起止：均势建立时才可以开始，均势被打破时必须停止，这正是数据安全监察委员会与提前终止规则的依据。反过来说，一项"结论已经很明显"的试验，伦理上已经不该继续招募。
• 统计学：随机化的作用常被说成"让两组基线一致"，这并不准确。它保证的是分组独立于全部潜在结果，因而组间差值的期望等于因果效应；小样本下协变量照样可能不平衡。这条区分有直接后果：基线表出现差异不构成"随机化失败"，而事后挑着基线差异去做调整，反倒会重新引入偏倚。
• 因果推断的可信性革命：经济学从临床试验借走了随机化，也带回一个反向提醒——试验估计的往往是依从者身上的局部效应，不是人群平均效应。当入组标准严格、依从率高于真实世界时，效应量向上偏。所以外推需要显式的模型，而不是默认"试验里有效，门诊也有效"。
• 预注册与注册报告：结果选择性报告的解药是事先声明主要终点，而这条机制留下了可测的痕迹：在 2000 年 ClinicalTrials.gov 启用前后，大型 NHLBI 心血管试验中主要终点显示获益的比例，从 30 项里的 17 项（57%）降到 25 项里的 2 项（8%）。心理学后来的预注册运动，走的是同一条路。
• 实验与准实验：把随机化搬到社会现场，会碰到医学里少见的障碍：个体不独立。疫苗、教育、转移支付都会外溢到未处理者身上，违反"一个人的结果不受他人分组影响"这条隐含假设。应对办法是把随机化单位提到群组（整群随机），代价是有效样本量骤降——这也是疫苗的群体效应试验规模远大于同等药物试验的原因。

本文为科普，不替代专业医疗意见。

参考文献#

• Schulz, K. F., Altman, D. G. & Moher, D. "CONSORT 2010 Statement: updated guidelines for reporting parallel group randomised trials." BMJ, 340, 2010. doi:10.1136/bmj.c332
• Friedman, L. M., Furberg, C. D., DeMets, D. L., Reboussin, D. M. & Granger, C. B. Fundamentals of Clinical Trials. 5th ed., Springer, 2015.
• World Medical Association. Declaration of Helsinki: Ethical Principles for Medical Research Involving Human Subjects. 2013.
• FDA. Clinical Trials: What Patients Need to Know.（临床试验阶段与受试者说明）

延伸阅读#

• Bothwell, L. E. et al. "Assessing the Gold Standard — Lessons from the History of RCTs." New England Journal of Medicine, 374, 2016. doi:10.1056/NEJMms1604593
• EQUATOR Network. CONSORT reporting guidelines.（临床试验报告规范资源）