入组标准越写越窄,是严谨还是自缚?
方案讨论会上,医学部逐条过入排标准。有人提议:“排除合并用药超过3种的受试者。”统计师点头:“能减少混杂。”有人补充:“把既往治疗线数限定在2线以内。”临床负责人说:“这样人群更均一。”又有人加了一句:“年龄上限设到75岁吧,老年患者变异太大。”
每一条都有道理。每一条单独拿出来,都像是在为“提高试验质量”做贡献。
散会后,运营负责人把方案里的入排标准套到中心历史数据上跑了一遍。符合条件的患者比例,从上一版的18%掉到了6%。
她没在会上说这句话:我们花了三个月把入组标准打磨得“更严谨”,结果是把可招募人群砍掉了三分之二。
01 窄入组的逻辑:每一条都有道理,加在一起是另一回事
先承认:窄入组不是“错误”。它有真实的科学逻辑。
逻辑一:控制混杂因素。 合并用药、既往治疗线数、基础疾病——这些变量越多,组间可比性越难保证。排除掉这些患者,试验的“噪音”更小,药物效应更容易被检测出来。
逻辑二:提高统计效力。 人群越均一,变异越小,所需的样本量越少。一个窄入组的试验,可能只需要200例就能检测出疗效差异;一个宽入组的试验,可能需要500例才能达到同样的统计效力。
逻辑三:降低安全性风险。 老年患者、肝肾功能不全患者、合并多种疾病的患者——这些人群的不良事件风险更高。排除他们,试验的安全性信号更“干净”。
逻辑四:提高试验成功率。 窄入组的设计,监管接受度更高,因为“在受控人群中证明了疗效”是一个清晰的结论。至于上市后能不能推广到更广泛的人群,那是“真实世界证据”要回答的问题。
这四条逻辑,每一条都成立。问题在于:它们加在一起的时候,没有人算总账。
02 代价:被“严谨”遮住的三笔账
第一笔账:目标人群缩小。
行业研究提供了量化锚点。一项针对肿瘤试验的研究显示,筛选失败率高达47.31%,失败原因集中在:靶点或生物标志物不符合要求(20.79%)、发现排除性合并症(17.33%)、实验室结果超出方案规定范围(16.58%)。
这不是“少数患者被筛掉”,是近一半的候选患者在筛选阶段就离开了。而每一条入排标准,都在增加筛掉的比例。
第二笔账:入组变慢。
行业公开数据显示,约80%的临床试验无法按原计划完成入组,延期平均达6-12个月。III期试验中,一半的中心要么不入组,要么入组严重不足——这个分布“二十年来惊人地稳定”。
窄入组和入组慢之间,不是“可能相关”,是结构性因果。可招募人群越小,每个中心每月能筛出的人越少,入组周期越长。而延期每一天,按行业日均直接运营成本数万美元计算,都是真金白银的损失。
第三笔账:外推性受限。
这是最隐蔽、也最容易被“试验成功”掩盖的代价。
一个在“精心挑选”的200例患者中证明有效的药物,上市后面对的是真实世界中更复杂的人群:老年人、合并用药者、肝肾功能不全者、体能状态较差者。如果这些人群在试验中被系统性排除,上市后的疗效和安全性数据,就存在一个“证据空白”。
FDA和EMA近年都在推动“代表性人群入组”,核心逻辑正是:试验人群应该反映药物最终要用在谁身上。 如果试验只纳入“理想患者”,获批后的真实世界表现可能显著低于预期。
03 宽入组的权衡:更接近真实世界,但变异也更大
宽入组不是“没有代价的善良”。它有自己的成本。
成本一:变异增大,样本量需求上升。 人群越异质,疗效的方差越大,统计效力越低。宽入组意味着“用更大的样本量换更广的外推性”。这对预算和入组速度都是压力。
成本二:亚组分析的复杂度上升。 宽入组意味着更多的亚组需要考虑:年龄分层、合并用药分层、疾病严重程度分层。分析计划如果处理不好多重性,假阳性风险会上升。
成本三:安全性信号可能被稀释。 在一个异质性高的人群中,某个特定亚组的不良反应信号可能被整体数据“平均掉”。宽入组不是“更安全”,它只是把风险从“入组阶段”转移到了“分析阶段”。
所以宽窄之争,从来不是“严谨vs不严谨”的问题。它是“在哪个环节承担不确定性”的问题:窄入组把不确定性挡在试验之外(但外推性风险留到上市后),宽入组把不确定性放进试验之内(但需要更大的样本量和更复杂的分析)。
04 真正的判断标准:入组范围要和什么“对齐”?
入排标准的宽窄,不应该由“习惯”决定,也不应该由“别人都这么写”决定。它应该和三个东西对齐。
对齐一:统计假设。 样本量估算时的效应量假设,是基于哪个人群的预期?如果样本量是按“窄人群”的效应量算的,入排标准就不能宽;如果效应量假设本身留了余量,就有放宽的空间。入排标准不是孤立的,它和样本量、效应量、统计效力是一个联立方程。
对齐二:临床需求。 这个药最终要用在谁身上?如果目标人群是“经过多线治疗的晚期患者”,入排标准就不能只纳入“体能状态良好”的患者;如果目标人群包含老年患者,年龄上限就不能随意设为75岁。入排标准的外推性,不是“上市后再想”的问题,是“入组时就要想”的问题。
对齐三:可及患者规模。 这一点最容易被忽略。一个入排标准在科学上“应该这么严”,但如果它把可及患者砍到了招募不可行的水平,这个标准在运营上就是“不可执行”的。可行性评估应该回答的问题是:在当前入排标准下,目标中心过去12个月实际能筛出多少符合全部条件的患者? 如果这个数字支撑不了入组计划,标准就需要重新审视——不是“降低科学性”,是“在科学性和可执行性之间找平衡”。
05 设计启示:不是“求严”,是“求对”
启示一:每一条排除标准,都要回答“排除它的科学必要性是什么”。 不是为了“减少变异”而排除,是为了“排除一个会实质性影响疗效评估或安全性判断的混杂因素”而排除。如果去掉这条标准,主要结论会不会变?如果不会变,这条标准就值得重新考虑。
启示二:区分“必须排除”和“可以分层”。 有些因素不需要通过排除来处理,可以通过分层随机化或亚组分析来控制。合并用药超过3种的患者,不一定要排除——可以在随机化时按合并用药数量分层,在分析时做亚组分析。排除是“一刀切”,分层是“精细管理”。能用分层解决的,不要用排除。
启示三:把“外推性”写进方案设计的讨论议程。 入排标准定稿前,问一句:“这个标准排除掉的人群,是不是药物上市后实际会用上的人群?” 如果答案是“是”,要么调整标准,要么在方案中明确说明“该人群的安全性和有效性将在上市后研究中进一步评估”。沉默地排除,比明确地排除更危险。
启示四:用数据说话,不用感觉说话。 入排标准对可招募人群的影响,应该在方案定稿前用中心历史数据模拟一遍。“我们觉得这样能招到人”和“数据显示过去12个月只有6%的患者符合全部标准”,是两种完全不同的事实。
06 自查清单
入排标准科学必要性:
- 每一条排除标准是否都有明确的科学必要性?
- 去掉某条标准是否会影响主要终点的评估?如果不会,这条标准的必要性是什么?
- 是否区分了“必须排除”和“可以分层控制”的因素?
统计与运营对齐:
- 样本量估算的效应量假设,是否与入排标准对应的人群一致?
- 是否用中心历史数据模拟过当前入排标准下的可招募患者比例?
- 如果模拟结果低于入组计划所需,标准是否有调整空间?
外推性评估:
- 被排除的人群,是否是药物上市后实际会使用的人群?
- 方案中是否说明了被排除人群的安全性和有效性如何进一步评估?
- 年龄上限、合并用药限制等标准,是否有明确的临床依据而非“惯例”?
分层替代排除:
- 哪些排除因素可以通过分层随机化或亚组分析来处理?
- 分层因素是否已纳入随机化设计和统计分析计划?
最后提醒
入组标准越写越窄,是严谨还是自缚?答案是:看它和什么对齐。
如果每一条标准都和统计假设、临床需求、可及患者规模对齐,那它就是严谨的。如果每一条标准只是“因为别人也这么写”“因为这样看起来更干净”“因为多排除一点总没坏处”,那它就是自缚。
严谨不是“排除得越多越好”,严谨是“每排除一个,都知道为什么”。
建议你现在就做三件事:
第一,拿当前方案的入排标准,逐条标注“科学必要性等级”——“必须排除”“可以分层”“可以放宽但需论证”。标注完之后,看看“必须排除”的那一列有多长。
第二,用中心历史数据跑一次模拟筛选——把当前入排标准套进去,算出实际可招募比例。如果这个比例低于入组计划所需的水平,标准就需要重新审视。
第三,在方案讨论会上加一个议程项:“这个标准排除掉的人群,是药物上市后会用上的人群吗?” 这个问题的答案,决定了你的试验是在证明“药物对理想患者有效”,还是在证明“药物对目标患者有效”。
入组标准的宽度,不是“严谨程度”的刻度尺,是“科学性和可执行性”的平衡点。找到平衡点,比追求某一个极端更难,也更重要。
下一页:
更多新闻
总经理-覃冬梅