真实世界数据用于医疗器械临床评价技术指导原则附录（1）

附录1：常见的统计分析方法

一、实效性随机对照试验的统计方法

实效性随机对照试验（pRCT）统计分析思想与传统随机对照试验的统计分析思想类似，包括需按照统计分析计划执行，比如考虑调整协变量、控制中心效应和群组效应构建统计模型、亚组分析、敏感性分析等。不同的是，pRCT由于在实际临床医疗环境中开展，患者接受干预的标准化程度降低，依从性也可能低于传统试验环境，同时失访可能增加。意向性分析是常用的分析方法，但应重视对患者失访的结局处理，需要预先明确失访患者的处理办法并说明原因。相比传统随机对照试验，pRCT的研究结果更容易趋向于无效假设。因此，在设计非劣效试验时应谨慎使用pRCT的设计。

此外，由于pRCT在随机后可能根据个体差异或临床专业人员的选择，患者接受的干预会发生变化，从而产生新的混杂（常称为随机后混杂），这些情况需进行协变量的调整。常采用相应的统计学模型进行调整，如多重线性回归、Logistic 回归、Cox 回归、Poisson 回归等。由于pRCT可能会来自于多个中心，需要对中心效应进行控制，当主要结局变量是连续性指标时，可采用协方差分析方法；当主要结局变量是分类指标时，可采用考虑中心效应的Cochran-Mantel-Haenszel方法；当有其他协变量需要考虑时，可采用随机效应模型。

对于个体pRCT无需考虑群组效应，而群组随机对照试验（cRCT）和阶梯楔形随机对照试验（swRCT），由于干预、随机分配单位为群组和干预的阶段性引入，分析内容和方法有别于个体pRCT。cRCT分析可采用混合效应模型、多水平/层次建模技术，同时考虑群组、个体水平和组间特征的影响，还可采用贝叶斯层次建模方法获得干预效应合理的区间估计。swRCT分析多采用调整时间效应影响的群组随机效应模型进行干预效果分析。在pRCT统计分析中，建议重视敏感性分析，以评估统计推断的稳健性。