配对设计 vs 非配对设计:临床研究统计方法选择指南
文章要点:配对设计通过控制个体间变异显著提高统计效能,但选择不当会导致分析错误,甚至造成论文被拒稿。本文系统讲解配对与非配对设计的核心区别、适用场景、检验方法选择,以及国家药品监督管理局(NMPA)对交叉试验设计的具体要求,并归纳中国临床发表中的高频错误。

一、基本概念:什么是配对设计
在临床研究设计中,配对设计(paired design)指通过某种匹配机制,将两个观测单元人为地关联起来,使其在关键混杂变量上高度相似,从而减少个体间变异对结果的干扰。
1.1 配对的常见形式
- 自身前后对照:同一受试者接受干预前后的测量(如治疗前后血压)
- 交叉设计:同一受试者先后接受不同处理(如A/B序列交叉)
- 匹配病例对照:按年龄、性别、病情等配对的病例与对照
- 双侧器官对照:同一患者左右眼、左右肺等对称器官比较
- 同卵双胞胎研究:遗传背景完全匹配的配对
1.2 配对设计的统计原理
配对设计的核心优势在于:通过计算差值(d = X₁ – X₂),将两样本问题转化为单样本问题,消除了个体间变异(between-subject variability)的影响。
统计效能比较(相同样本量条件下):
- 当组内相关系数(ICC)较高时,配对设计效能显著优于独立样本设计
- 当ICC接近0时,配对设计与独立样本设计效能相近
- 当ICC为负时,配对设计反而损失效能(极少见于临床研究)
二、配对设计 vs 非配对设计:核心差异
| 维度 | 配对设计 | 非配对(独立样本)设计 |
|---|---|---|
| 数据结构 | 每对数据存在内在关联 | 两组数据相互独立 |
| 分析单元 | 配对差值 | 各组观测值 |
| 参数检验 | 配对t检验 | 独立样本t检验 |
| 非参数检验 | Wilcoxon符号秩检验 | Mann-Whitney U检验 |
| 自由度 | n-1(n为配对数) | 等方差独立样本t检验为n₁+n₂−2;Welch检验自由度另行估算 |
| 效能 | 通常更高(ICC>0时) | 标准 |
| 样本量要求 | 通常更少 | 通常更多 |
三、何时选择配对设计
3.1 适合配对设计的情境
推荐使用配对设计的场景:
- 研究问题关注同一个体的变化量(治疗前后、用药前后)
- 个体间变异较大,但同一个体内相对稳定(如基因表达、基础血压)
- 样本获取困难,需最大化效能
- 伦理上需要让所有受试者接受有效治疗(交叉设计)
- 研究对称器官或重复测量(眼科、骨科对侧肢体研究)
3.2 不适合配对设计的情境
不推荐使用配对设计的场景:
- 干预有持续效应(carry-over effect),无法洗脱(交叉设计禁忌)
- 疾病状态在研究期间可能自然缓解(影响前后对照有效性)
- 配对变量选择不当,ICC实际上接近0
- 研究终点为死亡等不可逆结局(无法交叉)
- 完整一对一比较要求每对有相应观测;不等配比匹配设计、缺失配对或重复测量应按具体设计采用适当方法,不能因此把所有配对或匹配研究排除。
四、统计方法选择决策树
根据数据特征选择合适的检验方法:
数据是否配对?
├── 是 → 差值是否正态分布?
│ ├── 是 → 配对t检验
│ └── 否 → Wilcoxon符号秩检验
└── 否(独立样本) → 数据是否正态分布且方差齐?
├── 是 → 独立样本t检验
├── 正态但方差不齐 → Welch t检验
└── 非正态 → Mann-Whitney U检验
4.1 配对t检验的假设条件
使用配对t检验前需验证:
- 配对差值正态性:用Q-Q图、离群值及适当的诊断方法;不设置Shapiro-Wilk只适用n<50的统一门槛
- 独立性:各配对之间相互独立
- 测量尺度:连续变量或有序分类变量(后者用Wilcoxon)
注意:配对t检验要求差值正态,而非原始数据正态。即使原始数据偏态,只要差值正态,仍可使用配对t检验。
五、NMPA对交叉试验设计的要求
交叉设计是配对设计的重要形式,在中国新药临床试验和生物等效性研究中广泛应用。NMPA(国家药品监督管理局)对交叉试验有明确的技术要求:
5.1 洗脱期(Washout Period)要求
- 通常要求至少5个半衰期的洗脱期
- 洗脱期应结合药物及活性代谢物的药代和药效特点确定,并核对适用BE指导原则中的给药前残留浓度处理要求;不能将所有交叉试验一概规定为必须低于定量下限。
- 长半衰期药物(如某些抗精神病药)可能需要数周洗脱
5.2 序列效应与周期效应分析
交叉试验须依据具体设计与适用指南预先确定统计模型;以下效应可能需要考虑,不能视为所有试验都必须逐项进行显著性检验:
- 序列效应(sequence effect)检验:评估给药顺序是否影响结果
- 周期效应(period effect)检验:评估试验阶段本身的影响
- 处理效应(treatment effect):主要关注指标
- 残留效应(carry-over effect;不等同于一般的交互作用):需在统计分析计划中预先说明
5.3 生物等效性研究的特殊要求
对于仿制药BE研究,NMPA要求:
- 标准2×2交叉设计或部分重复、完全重复设计
- AUC和Cmax的90%置信区间落在80%~125%范围内
- 高度变异药物可申请扩展的等效性界值(需提前与NMPA沟通)
- 受试者脱落处理需在统计分析计划中预先规定
六、前后对照设计的特殊考量
6.1 前后对照设计的常见偏倚
| 偏倚类型 | 定义 | 控制方法 |
|---|---|---|
| 均值回归(Regression to mean) | 极端值自然向均值靠近 | 设置平行对照组 |
| 历史偏倚(Historical bias) | 时间趋势影响结果 | 说明数据收集时间点 |
| 安慰剂效应 | 受试者因参与研究而改善 | 盲法或设置对照 |
| 霍桑效应 | 被观察者行为改变 | 延长观察期 |
七、中国临床研究中的高频统计错误
常见错误1:将配对数据用独立样本检验分析
错误示例:收集了30例患者治疗前后的数据,使用独立样本t检验(n₁=30,n₂=30)而非配对t检验(n=30对)
后果:损失统计效能,可能导致假阴性;审稿人和统计审查必然指出此错误
正确做法:识别数据结构→确认配对关系→使用配对t检验或Wilcoxon符号秩检验
常见错误2:交叉试验忽视carry-over效应
交叉试验应在设计阶段防范残留效应,并预先说明对周期、序列及处理效应的分析。残留效应不显著不能证明不存在,不能仅凭先检验残留效应再决定采用哪个周期的数据。
后果:NMPA审查时会被要求补充分析;期刊统计审查员会要求修改
应依据药物作用和疾病特点预先论证洗脱期,并在分析计划中说明周期、序列、处理及潜在残留效应的处理;不能把形式上的残留效应显著性检验视为所有交叉试验的统一强制步骤。 相关支持:临床试验方案与统计分析计划文件。
常见错误3:配对数据报告方式错误
错误示例:报告两个时间点的均值±标准差,但不报告差值及其置信区间
正确做法:同时报告各时间点数据AND差值的均值(95%CI),并提供配对t检验的p值
常见错误4:样本量计算未考虑配对
错误示例:实际使用配对设计,但样本量计算按独立样本公式计算,导致样本量过大
后果:浪费资源;审稿人可能质疑设计合理性
正确做法:配对设计样本量计算需使用差值的标准差,而非原始数据的标准差;若历史数据不足以估计σ_d,可请配对数据的统计方法咨询协助推导
八、样本量计算:配对 vs 独立样本
8.1 配对t检验样本量公式
n = (Z_α/2 + Z_β)² × σ_d² / δ²
其中:σ_d = 配对差值的标准差,δ = 临床意义最小差值(MCID)
8.2 实践提示
- σ_d通常需来自预试验或文献中报告的差值标准差
- 若文献只报告各时间点SD,可用公式估算:σ_d ≈ √(σ₁² + σ₂² – 2rσ₁σ₂),其中r为相关系数
- 中国临床研究习惯使用PASS软件或SAS PROC POWER进行样本量计算
- NMPA注册试验的样本量计算需在研究方案中详细说明假设来源
九、结语
配对设计与非配对设计的选择不仅是统计问题,更是研究设计的核心决策。正确识别数据结构(是否存在配对关系)是第一步,选择对应的统计方法是第二步,准确报告结果是第三步。对于中国研究者而言,特别需要注意NMPA对交叉试验的特殊要求,以及前后对照设计中均值回归等偏倚的控制。掌握这些要点,将显著提升论文的发表成功率和研究质量。
核心要点总结
- 配对设计通过消除个体间变异提高效能,适用于自身对照、交叉设计和匹配研究
- 配对或重复测量数据须在分析中处理依赖关系;可按结局和设计选用配对检验、适当回归或混合模型等方法。
- 交叉试验应按适用指南与分析计划说明周期、序列、处理及潜在残留效应,避免将单一检验流程视为通用要求
- 前后对照设计需警惕均值回归、历史偏倚等特有偏倚
- 样本量计算需使用差值的标准差,而非原始数据的标准差
常见问题
治疗前后的数据应该用配对t检验还是独立样本t检验?
应先确定结局类型、配对关系与研究目标。连续结局可考虑配对t检验或其他适当方法;重复测量、二分类或匹配病例对照数据可能需要其他模型。关键是正确处理依赖结构,而不是一律采用同一种配对检验。
配对t检验要求原始数据服从正态分布吗?
配对t检验关注配对差值的分布及不同配对间的独立性。小样本推断应评估差值的离群值与分布;非正态时还需依据目标效应选择稳健、变换、模型或秩方法,不能机械换用符号秩检验。
交叉设计的洗脱期需要多长?
洗脱期应结合药物、活性代谢物及药效持续时间设置。某些BE方案以若干半衰期为规划参考,但残留浓度的可接受性和处理须核对适用指导原则,不能一概要求低于定量下限。
交叉试验需要报告哪些效应?
应按具体设计与预设分析计划报告处理、周期和序列相关分析,并论证残留效应的预防及处理。不应以残留效应检验不显著作为不存在残留效应的证明。
配对设计的样本量怎么计算?
可用公式n = (Z_α/2 + Z_β)² × σ_d²/δ²,其中σ_d为配对差值的标准差,δ为临床意义最小差值。若文献只报告各时间点的SD,可用σ_d ≈ √(σ₁² + σ₂² – 2rσ₁σ₂)估算。
什么情况下不适合用配对设计?
应区分前后配对、交叉和匹配设计。不能洗脱的干预、不可逆结局或不稳定病情可能使交叉试验不合适;不等比例匹配或缺失配对仍可考虑适当模型,不能一概判为不可采用配对设计。
参考文献
- Barnett AG, van der Pols JC, Dobson AJ. Regression to the mean: what it is and how to deal with it. Int J Epidemiol. 2005;34(1):215-20. PMID: 15333621 DOI: 10.1093/ije/dyh299
- Wellek S, Blettner M. On the proper use of the crossover design in clinical trials: part 18 of a series on evaluation of scientific publications. Dtsch Arztebl Int. 2012;109(15):276-81. PMID: 22567063 DOI: 10.3238/arztebl.2012.0276
- Dwan K, Li T, Altman DG, et al. CONSORT 2010 statement: extension to randomised crossover trials. BMJ. 2019;366:l4378. PMID: 31366597 DOI: 10.1136/bmj.l4378
- Mills EJ, Chan AW, Wu P, et al. Design, analysis, and presentation of crossover trials. Trials. 2009;10:27. PMID: 19405975 DOI: 10.1186/1745-6215-10-27
- Chow SC. Bioavailability and Bioequivalence in Drug Development. Wiley Interdiscip Rev Comput Stat. 2014;6(4):304-312. PMID: 25215170 DOI: 10.1002/wics.1310
- Ghasemi A, Zahediasl S. Normality tests for statistical analysis: a guide for non-statisticians. Int J Endocrinol Metab. 2012;10(2):486-9. PMID: 23843808 DOI: 10.5812/ijem.3505
稿件咨询
正在准备这个方向的稿件?
留下研究方向与稿件阶段,博士、医学博士与统计专家会通过邮件给出审阅方向。
- 博士 · 医学博士 · 统计 · 学科专家团队协同审阅
- 无需预付即可开始,初稿交付后再付款
- 遵循院校/机构规定与国家科研诚信规范,并遵循 COPE · ICMJE;严格保密
- 一个工作日内邮件回复