晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

臨床研究與統計分析

(Clinical Study and Statistical Analysis)

摘自葉偉文譯的“統計，改變了世界”一書第27章

一九八０年代早期，英國傑出的生物統計學家皮托（Richard Peto）要分析一些臨床試驗的結果，藉以比較不同的癌症治療法。若依照費雪的實驗設計，典型的臨床試驗是先將一組需要治療的病人找出來，再用隨機的方式給每位病人不同的治療實驗法。病人被指定為何種治療法，與研究結果完全獨立，這樣才能計算檢定所需的P值。

但是，皮托碰到了一個難題：不是所有病人的治療法都可以用隨機的方式來指派。他們也是人，正受病痛的折磨，而且很多人得的還是絕症。如果覺得改變治療法對病人最有利，醫師往往會認為應該放棄隨機指派的實驗療法，或至少調整實驗採用的治療法。不考慮病人的需求與反應，盲目遵照某種療法是不道德的。所以，不同於費雪的隨機要求，在這些研究當中接受新療法的病人，對於新療法的反應往往會決定他們是否繼續選擇該療法。

從一九五０年代開始有這類研究之後，一直到皮托之前，對這類問題的處置方法通常是只分析那些繼續接受隨機治療法的病人，而所有其他病人的數據都剔除掉不予分析。但是，皮托認為這樣做可能會有嚴重的誤差。 例如，假定我們要比較兩種療法，一種是具有作用的治療法，一種是安慰劑（placebo），也就是沒有作用的藥劑。現在假設那些對新療法沒有反應的病人，將轉回去接受標準療法。於是，那些對安慰劑無反應的病人，當然就轉回去接受標準療法。而且不列入分析，而那些繼續接受安慰劑治療的，就只有對安慰劑「有」反應（基於其他某種原因）的病人。這麼一來，萬一分析的對象就只有這些繼續接受安慰劑、而且對安慰劑有反應的病人，那麼安慰劑看起來就會與具療效的治療法同樣有效（甚至更有效）。

而皮托對這個問題的處置方法為在比較不同療效的實驗裡，病人的區分必須是隨機化的。這個隨機化的動作是實驗的基礎，確實做到以後，才有可能計算假設檢定所需的P值，實驗才有意義。在分析時，他的建議每位病人都要被視為是在接受隨機指定的治療法。在研究過程中，若病人接受的療法改變了，或是在研究剛開始之後，病人就住院治療但卻立刻改接受不同的療法，他的資料在分析時仍以其原先接受的療法來進行分析。

另外，皮托在建議中也明白指出，這種分析方法不能用在療效相同的療法比較上，只有在分析結果指出兩種療效不同時，它才適用。皮托的做法稱為意圖治療（intent-to-treat）分析。如果我們對某個醫療對策的整體結果感到興趣（該對策會建議使用某種治療法），我們當然不 能限制 醫師的自由，不許他們去做某種必要的調整。利用皮托的方法來分析醫療試驗，至少可以判斷是否該建議以某種治療法為起點。對於一些由政府資助，用以決定公共政策的大型研究計畫來說，意圖治療分析法是比較明智的作法。

很不幸的是，有些科學家往往隨意挑選統計方法來用，但並不瞭解背後的數學意義；這在臨床研究領域更為平常。皮托早就明白指出他的方法的極限，但儘管如此，很多人仍然以為意圖治療分析法是臨床試驗裡唯一的正確統計分析法。很多臨床試驗，尤其是和癌症治療有關的試驗，實驗設計的目的主要是顯示新療法至少與標準療法效果相當，但副作用比較少，也就是期望能指出療效上的等效性。而正如皮托指出的，他提出的方法只能用來找出不同，但若找不出差異，並不代表兩種療法的效果一樣。