简介在临床试验统计中估计目标Estimand并非一种新的统计方法而是对治疗效应定义与分析逻辑的重构。ICH E9(R1)增补指导原则要求研究者先明确“估计什么样的治疗效应”再选择模型与缺失数据处理策略从根本上改变了传统“先定方法再套数据”的分析路径。该框架通过处理条件、目标总体、变量、伴发事件策略和群体水平汇总五个属性定义临床问题并依据伴发事件的类型选择Treatment Policy、Hypothetical、Composite等策略。理解这一逻辑对统计师与临床团队都至关重要直接影响试验方案的撰写、敏感性分析的设计以及监管审评的通过率。在降糖药、抗肿瘤等适应症的III期试验中正确应用估计目标能够显著提升结论的稳健性与临床可解释性本文结合SAS代码与实操案例系统梳理从方案设计到报告交付的完整落地路径。1. 估计目标不是又一个统计方法而是一次分析逻辑的重排做临床试验统计的人这两年应该都被同一个词反复敲打过估计目标Estimand。ICH E9(R1) 这份增补指导原则表面上在讲怎么定义治疗效应、怎么做敏感性分析实际上它把过去几十年我们习惯的「先定分析方法、再套数据」的思路整个倒了过来。过去我们拿到一个终点第一反应是「用 Mixed Model 还是 ANCOVA」而 E9(R1) 要求你先回答一个更前置的问题**你估计的到底是什么治疗效应**这个问题不回答清楚P 值再好看审评员也可能直接判定你的主分析答非所问。这套框架最反直觉的地方在于它不关心你的统计模型有多精巧它先逼你承认「数据里存在一些会干扰效应解释的事件」——患者中途停药、用了救援药物、死了、换了治疗方案——然后要求你把这些事件的处理策略作为分析方案的组成部分在方案阶段就写清楚。我的实际经验是第一次按这个逻辑去做一个 III 期试验的统计分析计划SAP几乎把整个团队逼疯因为以前我们默认这些「脏数据」都靠缺失值假设兜底现在必须逐类说明它们算什么、怎么处理、为什么这么处理。这篇笔记就围绕估计目标的五个属性、五种伴发事件处理策略和敏感性分析的落地路径展开尽量把我踩过的坑和目前认为比较顺的做法说透。2. 估计目标框架的五个属性先把问题问对再谈模型2.1 一个贯穿全文的模拟案例为了不让讨论悬空我虚构一个贯穿全文的场景某公司做一个口服降糖药的 III 期试验对照是安慰剂主要终点是治疗 24 周后 HbA1c 相对基线的变化值。试验中允许患者在血糖控制不佳时接受救援治疗加用其他降糖药。这个设计在真实世界里很常见但它恰恰是 E9(R1) 框架要处理的核心矛盾到了 24 周一部分患者的 HbA1c 是在「试验药 救援药」的共同作用下测得的那么我们要估计的治疗效应到底是「单纯试验药的效果」还是「试验药策略含允许救援的效果」这两种问法对应完全不同的统计模型、完全不同的结论解读。这就是估计目标要解决的第一件事把这个问题用五个属性固定下来。五个属性分别是处理条件、目标总体、变量终点、伴发事件处理策略、群体水平汇总。前三个相对直观处理条件指我们比较的是「试验药 vs 安慰剂」还是「试验药 某背景治疗 vs 安慰剂 某背景治疗」目标总体指我们关心的患者群是所有随机化患者还是某个亚群比如依从的患者变量就是主要终点包括它的定义、测量时间点和转换方式。真正的难点集中在第四个属性——伴发事件处理策略以及它对第五个属性如何汇总成单一数值的传导。2.2 五个属性如何写进方案一个可抄的模板在实际操作中我习惯用下面这个表格把每个属性在方案里的文字固化下来这个习惯救过我很多次因为口头讨论时大家觉得达成共识了落笔时才发现对「处理条件」的理解根本不一致。属性案例中的定义方案撰写要点处理条件随机分组的试验药 方案允许的降糖背景治疗 vs 安慰剂 相同背景治疗明确「策略」而不只是「药物」背景治疗是否随血糖变化而调整必须写清目标总体所有随机化入组且至少有一次基线评估的受试者与 FAS全分析集的关系要写明避免后期再争论排除标准变量治疗 24 周 ± 7 天窗内 HbA1c 相对基线的变化测量窗、缺失时如何取末次值还是插值要在变量定义里固定伴发事件策略对「使用救援药物」采用处理策略Treatment Policy这是最费口舌的部分见第 3 章群体水平汇总两组变化值的均值差是均值差还是比值、中位数差直接决定模型选择我见过的最常见的翻车点在于团队把「处理条件」写成了「试验药 vs 安慰剂」但实际统计分析里把使用过救援药的患者数据照常纳入而救援药的使用率两组又不平衡最后审评质疑「你声称估计的是纯药物效应实际数据里混了救援效应目标的处理条件到底是什么」所以每次方案讨论我都会追一句这句话写进 SAP 里审评员看了会不会追问追问了你能不能用第五个属性回答回答不了就回去改定义。2.3 从传统分析到估计目标思维转换的关键一步传统统计分析的起点是「数据生成机制假设」比如假设缺失值随机缺失MAR然后用混合模型估计。E9(R1) 的起点是「临床问题」先确定要回答的问题再反推需要什么样的假设、什么样的模型。这种转换听起来简单做起来别扭——尤其是团队里如果有老统计师他会觉得「我用了十年的 MMRM 怎么就不对了」。其实 MMRM 在估计目标框架下仍然可以用只是你得先说明你选择的伴发事件策略是假设策略还是处理策略如果是处理策略那么 MMRM 的缺失值假设就要和数据里实际缺失模式对得上如果是假设策略那你要么剔除伴发事件后的数据要么给伴发事件后的数据人为赋一个假设值。我个人的经验是做这个转换最有力的抓手不是统计理论而是把「估计目标」当成一个向临床团队提问的工具你问临床同事「这个患者用了救援药之后你希望他的数据在分析里代表什么是他真实会发生的情况还是我们假设他继续用试验药会发生的情况」临床团队一旦被迫回答这个问题他们就会理解为什么统计师要区分五种策略而不是简单地打一个「缺失」标签。这一步看似是沟通工作但直接决定后面所有的模型和敏感性分析设计值得专门开一次会来对齐。3. 五种伴发事件处理策略选型、实现与典型场景3.1 策略全景与选择逻辑伴发事件Intercurrent Events是 E9(R1) 框架里最核心也最容易混乱的概念。它不是传统意义上的「缺失数据」而是「发生后会改变我们对治疗效应解释的事件」。同一类事件在不同估计目标下可以选不同策略比如在同一个试验里对「使用救援药物」这个事件如果目标是估计「随机分组策略的效应」选处理策略Treatment Policy如果目标是估计「如果所有人都严格按方案用药的效应」选假设策略Hypothetical。下面这张表是我自己整理的五种策略速查方便在方案讨论时快速对齐。策略定性解释常见统计实现典型应用场景Treatment Policy伴发事件发生后数据照常纳入分析不管事件本身MMRM、GEE、混合效应模型估计随机分组策略的意愿治疗效应与 ITT 原则最接近Hypothetical假设伴发事件不发生或假设事件后患者的状态是某种虚构情形多重填补 MMRM、基于模型的直接估计估计「纯药物效应」「如果坚持用药」的效应Composite把伴发事件纳入终点本身变成复合终点的一部分复合终点逻辑回归、生存分析主要终点里包含「治疗失败」这类事件While-on-treatment只观察治疗持续期间的数据停药后截尾或处理为不存在治疗期内的重复测量、截尾分析估计「治疗期间」的效应类似依从者分析但更严格Principal Stratum按伴发事件是否发生划分潜在分层只在某个层内比较结构方程模型、潜在分层模型估计「如果所有患者都不会或都会经历某事件」的效应选策略没有绝对的对错但有一个核心原则策略必须服务于你真正想回答的临床问题而不是服务于数据的可用性。很多团队先看数据里停药的人多不多再回来选策略这是完全倒置的。我见过最典型的错误就是把所有事件都默认套用 Treatment Policy因为它在统计分析上最省事所有数据照单全收但如果试验里大量患者因为疗效不佳而停药换药Treatment Policy 估计出来的效应会稀释得非常厉害审评员就会质疑你的估计目标对临床决策没有指导意义。反过来如果大量患者停药你却选了 Hypothetical 策略统计模型对未观测数据的依赖会非常大结果的不确定性也会很大这类敏感性分析通常很难看。3.2 五种策略在 SAS 里的落地代码级拆解实际编程时不同的策略对应不同的数据整理方式和过程步。下面我用模拟数据的分析需求给出每种策略在我日常工作中最常用的实现骨架。数据集里有三列关键变量trt分组、hba1c_change终点、rescue_time使用救援药的周数没有则为缺失。模糊的是真实项目中你还会有更多协变量但骨架逻辑是一样的。首先是 Treatment Policy 策略。它最直接——所有患者的数据都进分析不管他什么时候用了救援药。常用 MMRM 或 ANCOVASAS 代码大概是proc mixed data trial_data; class trt site; model hba1c_change trt baseline_hba1c site / ddfm kenwardroger; lsmeans trt / diff cl e; ods output diffs diff_results; run;这段代码的逻辑是用混合模型估计治疗组的均值差其中 site研究中心作为随机效应baseline_hba1c 作为协变量调整残差用 Kenward-Roger 法校正自由度。Treatment Policy 策略在缺失值上通常假设 MAR如果试验脱落机制比较复杂更稳妥的做法是在 MMRM 后加一个多重填补用下面的 Hypothetical 策略里的填补逻辑。其次是 Hypothetical 策略这是在实际项目中代码最费功夫的。它要求我们构造「如果伴发事件不发生」的数据。常规做法是多重填补把使用救援药之后的数据视为缺失然后基于其他变量填补。SAS 里可以用 proc mi 做填补再用 proc mixed 做分析最后用 proc mianalyze 合并结果proc mi data trial_data out mi_data seed 20240501 nimpute 50; var trt baseline_hba1c hba1c_change rescue_time; mcmc; run; proc mixed data mi_data; by _imputation_; class trt site; model hba1c_change trt baseline_hba1c site / ddfm kenwardroger; lsmeans trt / diff cl; ods output diffs mi_diffs; run; proc mianalyze data mi_diffs; modeleffects trt; stderr stderr; run;这段代码的逻辑是先用 MCMC 法对每个患者缺失的结局做 50 次填补生成 50 套完整数据然后对每套数据跑相同的 MMRM 模型最后用 proc mianalyze 把 50 次的估计值和标准误合并成单一的推断结果。其中nimpute 50是可调的一般 20 到 100 都有人用我习惯用 50因为合并后的标准误在 50 次以后趋于稳定再多只是增加计算时间。Composite 策略相对好实现把终点重新定义比如「治疗失败」是指 24 周 HbA1c 降幅不达标或使用救援药然后跑二分类逻辑回归或者时间事件分析。While-on-treatment 的处理方式通常是数据截断把停药之后的时间点数据删掉只分析停药前测量但要注意如果停药比例太高这种分析会丧失大量信息而且要说明截断后的数据在治疗组间是否可比。Principal Stratum 是最难实现的策略往往需要潜在分层模型或结构方程模型我在实际项目里用得比较少因为它的假设很强且很难用数据验证但如果监管沟通中明确要求了这种估计目标还是要认真对待。proc logistic data trial_data; class trt / param ref; model failure(event 1) trt baseline_hba1c / clodds wald; run;这是 Composite 策略的一个简单落地示例failure 是重新构造的复合终点变量取值 0 表示 24 周时 HbA1c 达标且未使用救援药取值 1 表示不达标或使用了救援药。逻辑回归输出的优势比就是这个估计目标下的效应度量。3.3 策略选型的决策矩阵什么时候该用哪种策略选型没有万能公式但有一个决策顺序可以参考。第一步和临床团队确认「如果患者用救援药了你在临床实践中会怎么看待他」如果临床上认为「救援药是治疗方案的一部分」那 Treatment Policy 就是默认选择如果临床上认为「救援药意味着治疗方案失败我们真正关心的是没有救援情况下的效果」那么 Hypothetical 或 Composite 更合理。第二步看事件发生率。事件率低于 5%策略选择的影响通常很小可以选最简单的 Treatment Policy事件率到 20% 以上策略选择就会显著影响效应量必须花时间讨论。第三步看审评先例。同类适应证前面获批的产品用了什么策略虽然不是决定性因素但可以帮你预判监管会重点关注哪个方向。一个容易被忽略的细节同一个试验里不同伴发事件可以选不同策略。比如「使用救援药物」用 Treatment Policy「死亡」可能用 Composite将死亡视为终点中的最差情形「提前停药」可能用 Hypothetical。SAP 里必须逐类事件写明策略不能笼统写「采用处理策略处理所有伴发事件」。我见过一个方案初稿就是这么写的被统计审评直接打回理由是无法判断「每个事件对效应解释的影响是否一致」。4. 敏感性分析与补充分析怎么设计才算正经4.1 主线分析、敏感性分析、补充分析的关系E9(R1) 把分析分为三类主线分析主估计目标的推断、敏感性分析对同一估计目标结论稳健性的考察、补充分析对不同估计目标或不同人群的探索。很多人初期容易把三者搞混尤其是把敏感性分析做成「换一个统计模型跑一遍」——这远远不够。真正的敏感性分析必须锚定同一个估计目标在主分析的基础上对推动结论的关键假设做挑战。假设主分析用的是 Treatment Policy MMRM MAR 缺失假设那么敏感性分析应该考虑如果缺失不是 MAR而是缺失与未观测的结局相关MNAR结论还稳不稳如果用另一种伴发事件策略比如把使用救援药视为治疗失败结论方向会不会变这里有个区分技巧换模型比如从 MMRM 换成 GEE但估计目标不变这算敏感性分析换伴发事件策略比如从 Treatment Policy 换成 Hypothetical这严格来说是换了一个不同的估计目标应该作为补充分析呈现而不是混在敏感性分析里。这个界限在监管沟通里非常关键如果把换了策略的分析当作「敏感性分析」写进 SAP审评员会认为你对估计目标的定义不够稳定反过来质疑主线分析。4.2 敏感性分析方法的常见组合我在实际项目中常用的敏感性分析矩阵由两个维度构成维度一是对未观测数据的假设MAR vs MNAR维度二是模型类型参数模型 vs 非参数/半参数模型。推荐最少做四组先是 MAR 假设下的不同模型比如 MMRM vs GEE再是 MNAR 假设下的模式混合模型Pattern Mixture Model和选择模型Selection Model。模式混合模型的 SAS 实现相对成熟基本思路是先按伴发事件比如是否使用救援药分层建模再按层内权重合并proc sort data trial_data; by rescue_flag trt; run; proc mixed data trial_data; by rescue_flag; class trt site; model hba1c_change trt baseline_hba1c / ddfm kenwardroger; lsmeans trt / diff cl; ods output diffs pmm_diffs; run;这里的rescue_flag是患者是否经历过伴发事件的二分类变量by语句让模型分别在两个层内运行。逻辑是把使用过救援药和没使用过的患者当成两个潜在分布分别建模再根据研究目标对两层的贡献加权合并。加权比例是有讲究的如果选择 Treatment Policy权重通常按实际比例如果希望结果偏向「无事件人群」可以人为调整权重这就是敏感性分析里常用的探询方法。但这种人为调权需要很谨慎必须在 SAP 里事先声明不能等看到数据再定权重。4.3 敏感性分析结果怎么呈现才不会被误读呈现敏感性分析结果有一个原则敏感性分析的价值在于「结论一致」而不是「P 值都有意义」。我习惯用一个效果量森林图来汇总横轴是效应量比如两组 HbA1c 变化值的均值差每个点对应一种分析竖线是临床意义阈值。审评员看这种图一眼就能判断稳健性。如果大部分点落在阈值同侧结论就是稳健的如果有些点在阈值另一侧就要解释为什么不同假设会导向不同结论通常这是试验设计阶段就该预料到的。还有一种常见误读敏感性分析的置信区间普遍比主分析宽是正常的因为敏感性分析很多时候要付出额外的不确定性代价不是说区间宽就说明你不稳健关键是效应量的方向和量级变化是否在可接受范围内。补充分析则灵活得多。比较常见的有在符合方案人群Per-Protocol Set上做同样的分析、用依从性指标做分层分析、把主要终点换成连续变化相对基线的百分比等。但补充分析的结果不能喧宾夺主SAP 里要明确写「补充分析结果仅用于解释不作为关键监管决策依据」。5. 评估与实施中的常见坑从方案到审评的 4 个翻车点这个行业里E9(R1) 的落地最容易在几个地方翻车每一个我都亲眼见过写出来供你避雷。第一个坑把伴发事件和缺失数据混为一谈。现象是 SAP 里只写了「缺失数据采用混合模型重复测量处理」对伴发事件只字不提。原因是团队沿用了旧习惯认为缺失数据的处理方法就是伴发事件的策略。解决方法是在 SAP 里单独开一节「伴发事件与估计目标」逐类列出可能的伴发事件分别指定策略哪怕某类事件在前期数据里没有发生也要写明「预计不发生如发生将按 X 策略处理」。这看起来是文字工作实际上逼着团队在揭盲前把临床逻辑想清楚是防翻车最有效的手段。第二个坑估计目标定义与数据收集不匹配。现象是方案里选了 Hypothetical 策略但试验数据收集没有记录「如果未使用救援药患者本来可能的结局」所需的充分协变量导致填补模型不可靠。原因是在设计阶段统计师没有把估计目标的属性分解成数据收集需求。解决方法是在定稿估计目标时同步检查病例报告表CRF字段特别关注伴发事件发生的时间、发生后的随访数据、以及和结局相关的协变量如果条件不允许收集就必须重新审视策略选择选一个数据能支撑的策略。第三个坑敏感性分析做成「全模型乱炖」。现象是统计师把能想到的分析都跑一遍列一个几十行的结果表没有任何组织逻辑。原因是把敏感性分析理解为「多跑几个模型壮胆」。解决方法是回到估计目标的五个属性对每个属性提出一个「如果不这么设结论是否改变」的问题每提出一个问题对应一套敏感性分析多余的删除缺失的补齐这样审评员看 SAP 时能顺着你的逻辑走而不是在结果堆里自己找结论。第四个坑监管沟通中把「换策略」包装成「敏感性分析」。现象是团队意识到 Treatment Policy 结果不够漂亮于是把 Hypothetical 策略的结果放在敏感性分析章节里希望审评员「参考」。这种做法的后果通常很严重审评员会认为主估计目标定义不稳甚至要求重新设计。解决方法是老老实实把不同策略的分析作为补充分析单独小节呈现主估计目标就是主分析里确定的那一个不要动如果实在想推动某个策略被接受应该在试验设计阶段和监管沟通而不是在报告阶段改变呈现方式。最后一个坑和沟通有关跨部门对估计目标的理解不一致。现象是临床团队认为「估计目标是统计师的事」统计团队闭门造车定了策略揭盲后临床团队才发现结果和自己临床预期对不上。原因是估计目标本质上是临床问题不能由统计单方面定义。解决方法是在方案设计早期组织一次工作坊把五种伴发事件策略用通俗语言解释给临床团队听让临床医生在「你希望这个事件代表什么」上表态统计师负责把表态转译成模型假设置于 SAP 中同时把讨论纪要归档后续任何改动都走版本控制。6. 把估计目标变成可代码化的交付物验证技巧与日常习惯统计师交付的最终产物不只是 SAP 和结果表还有可复现的分析代码和清晰的决策记录。在这一章我分享几个日常使用的高频技巧它们能让你在这个框架下少走弯路。第一个技巧是为每个估计目标建一个代码模板仓库。每次新项目启动时把估计目标定义、对应分析数据集构建逻辑比如如何根据策略截断或填补数据、模型代码和输出格式打包成独立文件夹并强制团队在项目启动一周内产出第一版。这样做的价值在于后期想换策略时改动范围被限制在一个文件夹内效应量变化可以直接对比不会牵一发动全身。第二个技巧是用模拟数据验证估计目标的统计性质。E9(R1) 允许在方案阶段用模拟来评估估计目标的表现尤其在比较不同伴发事件策略对偏差和把握度的影响时这是目前最有效的自检手段。data sim_data; call streaminit(20240501); do subject 1 to 500; trt rand(bernoulli, 0.5); baseline 8 rand(normal, 1); * 模拟伴发事件治疗组发生率低对照组发生率高 if trt 1 then p_rescue 0.10; else p_rescue 0.30; rescue_flag rand(bernoulli, p_rescue); * 模拟结局试验药效果 0.8使用救援药后额外降低 0.3 effect -0.8 * trt - 0.3 * rescue_flag; hba1c_change effect baseline * 0.2 rand(normal, 1.2); output; end; run;这段模拟代码的价值在于它把伴发事件发生率、效应量、基线相关性都显式建模你可以用同一套模拟数据跑不同策略的分析直观看到策略选择如何影响估计值和覆盖率。模拟结果可以作为方案讨论的定量支撑——比如告诉临床团队「如果对照组救援使用率达到 30%Treatment Policy 策略下检验把握度会从 90% 降到 78%」这种对话远比抽象的统计讨论有效。第三个技巧是验算标准误估计。ddfm kenwardroger在样本量较小时比默认的 between-within 更准确不少老程序还在用默认设置框架下严格执行时样本量可能因为伴发事件策略而被结构性减少比如 While-on-treatment 截断数据这时自由度校正就成了关键。我之前的某个模拟项目X里组间脱落率差 15%用默认自由度时置信区间窄了约 8%换肯沃德校正后审评结论没有改变但估计的可靠性更说得通。建议所有混合模型统一用ddfm kenwardrogerSAS 里也推荐这种选择。第四个习惯是重视元数据在数据集里保留每个患者的伴发事件发生时间、类型、以及对应策略的标志变量。很多事后分析做不了不是因为原分析没做对而是因为数据里没有留下足够的信息重建分析。凡是在 SAP 里写了「如果发生 X 事件按 Y 策略处理」的数据集中就必须要有一个变量能区分「该事件是否发生」和「发生后的数据如何处理」这两层信息缺一不可。这个习惯成本很低但能让你在后续回答审评问题时不至于抓瞎。从个人教训来说我最深刻的体会是E9(R1) 不是一本教你怎么做统计的书而是一本逼你在揭盲前想清楚「这试验到底在证明什么」的书。把估算目标五个属性打印出来贴在工位上、每次写 SAP 前逐项过一遍看似笨办法但比任何统计技巧都管用。整个分析结束时再回头对着这五个属性检查一遍你会发现很多审评问题其实在方案阶段就能提前抹平。希望这套执行框架与踩坑清单能帮到你。本文还有配套的精品资源点击获取