人会犯错，分组不会

Tue, 17 Dec 2024 00:00:00 +0000

设想一个场景。

你是一个统计师，面前摆着一份 RCT 的 CRF（Case Report Form，病例报告表）。受试者编号 017，按随机表被分到了治疗组。方案说每天一片药，吃六个月。你在随访记录里看到：第二个月开始，017 的依从性（compliance）断崖式下降。药片计数显示他大概只吃了一半。第六个月的时候，他人还在，药已经不怎么碰了。

然后你翻到他的主要终点数据。他的血压降了 15 mmHg。对照组的平均降幅是 8 mmHg。

你怎么办？把他扔进分析里，还是不扔？

这个问题看起来像一道统计题，但它不是。它是一个关于"你到底想说什么"的问题——而你在这一刻的选择，决定了你的结论是一个政策建议，还是一个生物学论断。

ITT：一旦随机，永远分析

ITT 的全称是 Intention-to-Treat。它的定义硬到没有商量余地：

Once randomized, always analyzed.

所有被随机化的受试者，都按他们被分配到的组别进行分析——不管他们有没有接受分配的治疗、有没有违反方案（protocol deviation）、有没有中途退出（withdrawal）。哪怕 017 一颗药都没吃，他在分析中仍然是"治疗组"的一员。

这个原则的完整英文表述值得全文引用：All randomized subjects are analyzed according to the group to which they were randomly assigned, regardless of whether they received the allocated treatment, deviated from the protocol, or withdrew from the study.

翻译成人话：你当初把他随机分到哪一组，数据分析的时候就把他放在哪一组。后面发生的一切——吃不吃药、跑不跑路——都不能改变这个归属。

听起来有点不讲道理。

但它背后有一条统计学的脊梁：随机化（randomization）是推断的根基。ITT 保护的正是随机化所创造的组间可比性（comparability）。把那些不依从的人扔掉，你就打破了随机化——因为不依从（non-adherence）不是随机发生的。扔掉的人不是随机样本，而是有共同特征的一群人。

这个逻辑并不复杂，但它的后果很深。

为什么 ITT 对 superiority trial 是金标准

ITT 对于优效性试验（superiority trial）有一个被广泛接受的定性判断：它是保守的（conservative）。

Per-Protocol on TouchingFish.top

人会犯错，分组不会

ITT：一旦随机，永远分析

为什么 ITT 对 superiority trial 是金标准