第二节　明确研究方案设计要素

明确临床研究问题后，就需要设计研究方案了，这是开展研究或申报临床研究项目的一项重要工作，也是医务人员和研究人员需要具备的一项重要能力。

如何高效设计一个科学合理的研究方案，需要明确方案的要素，包括选取什么疾病人群作为研究对象，需要入选多少例研究对象即估算样本量，要收集哪些指标及收集的方法即明确测量方法与测量指标，采用何种指标评价研究的主要结果即确定主要评价指标，最后选择什么设计类型能更好地回答研究问题，以上是设计方案时要考虑和明确的几个关键点，这些内容构成了临床研究方案设计的要素。这些要素恰好是上一节提到的PICOT原则。

一、研究对象的选择

研究问题明确后，也就确定了研究的目标人群。临床研究对象主要为患有某种疾病的人，所以选择研究对象首先要明确该病的诊断标准。考虑到研究的可行性，研究者往往会从研究的目标总体中选取一部分作为研究对象，并且选取的研究对象能够准确代表所关注的目标总体，例如：地域、年龄、性别、民族或种族等特征与目标总体一致，确保选取的研究对象具有良好的代表性；此外还要考虑能否在特定研究时间内获取足够数量的研究对象，因此选取研究对象时需要兼顾研究结果的真实性与研究的可行性，在二者之间反复权衡，因此，需要设计科学合理的研究对象的纳入标准与排除标准。

（一）诊断标准

根据不同的研究问题，研究对象既可能是被确诊患有某种疾病的人，也可能是以某种不适就诊但未患病的亚临床人群，有时还可能是健康志愿者或社区人群。如果明确是患有某种疾病，那么采用统一、通用的诊断标准是选择适宜研究对象的首要条件。

诊断标准（diagnostic criteria）指现行公认的能够正确诊断疾病的标准。临床研究中采用的诊断标准主要有以下来源：①国际统一标准，如世界卫生组织（World Health Organization，WHO）关于原发性高血压的诊断标准，或某种疾病的国际权威临床指南，如慢性阻塞性肺疾病全球倡议组织（GOLD）2022年发布的对慢阻肺的诊断标准；②国内统一标准，包括政府主管部门或全国性学术组织制定的诊断标准，如《慢性阻塞性肺疾病诊治指南（2021年修订版）》；③地方性学术组织制定的诊断标准；④借鉴欧美等国家通行的诊断标准。研究者应选择学术界公认的诊断标准来选择研究对象，如有国际统一标准，应首选国际统一标准。当然，研究者也可根据研究目标结合疾病研究的国内外现状合理选择，如中国成年人群肥胖现患率的调查，研究者往往不会采用WHO通用的肥胖和超重标准，而选择中国人群肥胖诊断标准。这种选择是考虑到人种差异，选择中国标准更为合理。

必须指出，符合诊断标准要求的人群不一定都是符合研究设计要求的研究对象。因为同一种疾病的患者病情严重程度、病程长短、年龄、性别、既往病史或合并疾病等特征或暴露因素存在差别，可以进一步分为不同的亚群，在探讨某一因素对研究主要结局的影响时，常会受到这些非研究因素的影响。因此，设计时需要考虑对选择的研究对象某些特征加以限制，以控制某些非研究因素对研究结果的影响，这就需要制定具体的纳入、排除标准来筛选符合需要的研究对象（eligible subject）。

（二）纳入标准

纳入标准（inclusion criteria）是指在明确诊断标准的基础上，按照研究设计、研究假设和干预因素的目标，而制定符合研究要求的入选标准。一般来说，纳入标准应简明扼要，较为宽泛，以确保研究对象具有一定的代表性、样本的可获得性和研究结果的可外推性等。然而，根据具体研究的需要，有时也需要对纳入标准进行特殊限定，如疾病的诊断分型标准、分期标准或特定人群的特征等。

（三）排除标准

只有纳入标准还不能更好地控制临床上各种非研究因素，为了提高研究结果的可靠性，应根据研究目的及干预措施的特点，制定相应的排除标准（exclusion criteria），使研究对象处在同一基线上，以便能真实反映研究因素的效应。根据纳入标准，可以将临床实践中的病例最大范围地纳入到研究中，但如果研究对象存在某些情况，则不适合参加该研究，必须排除。通常需要从以下几个方面制定相应的排除标准。

1.已接受有关治疗，可能影响试验干预措施的效果评价者。

2.伴有影响主要结局指标观察或评估的其他生理或病理状况，如月经周期；伴有心、肝、肾损伤而影响药物的体内代谢或影响试验药物安全性评价者。除非特别需要，一般有心、肝、肾等器质性病变者应排除在外。

3.是否存在竞争风险（competing risk），即研究对象可能患有其他严重疾病，导致研究观察结束前会因为其他疾病发生死亡或退出研究。

4.是否需要同时服用治疗其他疾病的药物，如参加试验可能会增加患者发生干预措施不良事件（adverse event）的风险，因存在混杂因素影响对干预措施疗效的判断，应予以排除。

5.某些特殊人群，入选可能有悖伦理并增加其风险者，如孕妇、婴幼儿、儿童、老年人、危重或晚期患者等应排除。

6.不愿签订知情同意书、对于队列研究或临床试验，研究对象依从性差或可能退出者（如经常出差、临近出国、行动不便等）也应排除等。

需要注意，设计详细的研究对象纳入标准与排除标准，虽然可提高研究内部的真实性和可行性，但会影响研究的外部真实性，即研究结果的外推性。从研究对象的筛选流程图（图1-1-1）可见，研究最终获得的实际研究样本往往与目标的人群存在一定的差别，这是由于各种选择偏倚造成的。因此研究者在设计时需要对研究对象的纳入和排除标准定义给予足够的重视[1]。

此外，不同的研究问题和研究设计类型，在选取研究对象时考虑纳入标准与排除标准的因素也会有所不同。

二、临床研究常用设计类型

临床研究的问题主要涉及诊断、治疗及预后等，常用的研究方法主要来自经典的流行病学方法，包括横断面研究、病例对照研究、队列研究和随机对照试验（randomized controlled trial，RCT）。此外，还包括诊断学研究，但该研究的方法涉及前述四种经典的研究方法。对于研究方法的分类，通常会根据是否属于原始研究将其分为一次研究和二次研究，一次研究主要有描述性研究、分析性研究和实验性研究；二次研究主要有系统综述和荟萃分析（Meta分析）[2]。这些方法的原理和特征各不相同，用于解决的临床问题也不相同。基于临床流行病学方法的临床常用研究方法比较见表1-1-2。

需要说明的是，申报临床研究项目时多采用一次研究的方法，主要为横断面研究、病例对照研究、队列研究、RCT和诊断学研究。

三、样本量估算

样本量估算是指为满足统计的准确性和可靠性（Ⅰ类错误的控制和检验效能的保证）计算出所需的样本量。样本量估算是临床研究设计中一个极为重要的环节，直接关系到研究结论的可靠性、可重复性及研究效率的高低，对整个研究的科学性、可行性和研究投入都有重要的影响。一般来说，临床研究的样本量必须足够大，以可靠地回答研究假设所提出的相关问题，但又不至于太大而造成浪费。从研究的可行性来说，样本量越小，所需经费越少，实际操作也越简单；但样本量太小，研究结果的可重复性和代表性较差，检验效能低下，导致不能发现原本存在的真实差异，容易得出假阴性或假阳性的结论。另一方面，样本量越大，所需经费和资源越多，研究对象招募入组的时间也越长，研究实施的难度也就越大。

因此，样本量的大小影响研究成本的投入，需要采用科学的方法正确估算样本量。这也是研究者在设计临床研究项目时最为关注的问题之一。事实上，多数样本量的计算并不会用到复杂的数学计算或统计方法，而是需要考虑多种因素，包括明确研究目的、研究设计类型、假设检验类型、主要评价指标等，并据此选择合理的样本量计算公式。需要注意的是，不同研究设计类型所适用的样本量计算公式不同。其中，对于主要评价指标，估算样本量时还需要明确该指标的数据类型，属于计量指标还是计数指标，其相应的样本量计算公式亦不同。更为重要的是，估算样本量时需要对比较组间主要评价指标的效应值（effect size）进行预设，而预设的依据通常需要查阅已发表的同类研究文献或课题组前期的研究数据等。因此，对于主要评价指标取值的设定是科学合理估算样本量的关键。鉴于样本量计算考虑的因素多，临床医务人员短时间内不容易掌握，本书第二篇将介绍如何应用便捷的工具快速完成样本量计算。

四、测量指标与测量方法

（一）测量指标的选取

测量（measurement）是研究的一个重要环节，收集统计分析所需要的数据或指标，这些指标就是研究方案中的测量指标，也称为观察指标。从统计分析的角度考虑，测量指标或观察指标统一称为变量，主要分为两大类变量，数值变量和分类变量。

数值变量多为连续变量（如血压、血糖）等。分类变量包括二分类变量（如预后结局指标主要有两种情况：存活或死亡）、多分类无序变量（如血型）和多分类有序变量（如根据病情严重程度分为轻度、中度及重度等）。当多分类有序变量的分级较多时（如7级Likert量表），在统计分析阶段常会作为连续变量进行处理。此外，从构建多元回归模型的角度考虑，用于描述研究因素的测量指标又称为自变量，描述研究效应（反映主要结局指标）的测量指标即为应变量。

一项研究的内部真实性往往依赖于研究的测量指标（变量）是否能很好地反映研究现象。对此，选择测量指标时尽可能：①选择客观指标。如调查患者戒烟情况，可以通过患者自报是否戒烟来判定，但如果能收集患者的血液或尿液进行可替宁浓度检测，判定戒烟结果会更客观准确。②选择可行性好的测量指标。临床研究的主要研究对象是人，应尽量选择无创的测量指标，尤其在大样本临床研究中，最好选择简便易行的测量指标。例如：痰中嗜酸性粒细胞计数较外周血嗜酸性粒细胞计数更能准确地识别慢阻肺急性加重患者全身糖皮质激素治疗是否获益，但由于部分患者痰标本不易获取，并且痰液处理与检测有一定的技术要求，不是所有的医疗机构都具备相应的检测技术。而外周血嗜酸性粒细胞计数通过血常规检测即可获得，简便易行，因此目前相关研究多选取外周血嗜酸性粒细胞计数这一观察指标。此外，研究还需要收集许多其他变量，如吸烟史、合并的基础疾病、肺功能测量结果等，特别是要收集效应变量即主要结局指标，例如：前述研究的主要结局指标为慢阻肺急性加重住院治疗失败率，需要收集的指标包括患者住院期间病情加重需要有创机械通气、住院期间死亡或30日内因慢阻肺急性加重再住院等。③选取新技术，体现创新性。例如：基于前瞻性队列研究开展中老年人群认知功能减退的病因时，研究关注到人体肠道微生态不但是最近的研究热点，而且可能与中老年认知功能减退的发生相关，可以选择人体肠道微生态宏基因组多样性作为测量指标，同时收集年龄、性别、吸烟、饮酒等其他测量指标，随访时收集的认知功能量表评分作为效应指标。

需要注意的是，选择测量指标时，除考虑以上原则外，还需要根据具体的研究目的，研究的可行性进行权衡。如前述提到的人体肠道微生物宏基因组多样性分析虽然有创新性，但如果项目的研究经费有限，加入该研究指标会影响研究实施的可行性，则不适合将其作为测量指标。

（二）测量方法

1.测量误差

研究实施中，实际测量值与总体真实值之间总会存在一些差异，即误差（error）。从统计学的角度，误差主要有如下两大类。

（1）随机误差（random error）：

由于个体水平的生物学变异、抽样方法的不同、测量方法本身的随机变异等偶然性（chance）导致的实际测量值与真实测量值之间的差异为随机误差，其大小和方向是围绕真实值随机分布的。例如：在体检中测量身高、体重、血压等指标，同一人的连续多次测量结果并不完全相同。随机误差是无法消除和避免的，但可以采用统计方法估计随机误差对研究结果的影响程度，还可通过增加研究的样本量，提高统计效率与研究的精确度（precision）。

（2）系统误差（systematic error）：

与随机误差不同，这类误差可导致研究结果偏离真实值，从而高估或低估真实效应，在流行病学研究中被称为偏倚（bias）。测量中发生的偏倚可能是由于测量仪器不准、分组不均衡、测量者有主观倾向等因素导致。例如：肺功能仪使用前没有调零，导致用力肺活量测量结果普遍偏高或偏低。

误差是客观存在的，在研究设计与实施过程中，应尽可能减小测量误差，提高测量结果与研究现象本身（真实值）之间的一致性，以增强研究的内部真实性。

2.测量要求

（1）真实性：

研究数据测量必须是真实且有迹可查。因此，在研究实施过程中，要有真实的原始记录。

（2）精密度（precision）：

指测量的可重复性（reproducibility），包括观察者内可重复性（对同一个体多次测量结果之间的一致性）和观察者间可重复性（不同观察者之间测量结果的一致性）。此外，也包含同一仪器测量结果的可重复性或不同仪器间测量结果的可重复性。连续变量的可重复性通常采用受试者内标准差或变异系数（coefficient of variation，CV）（针对同一受试者进行多次测量后计算得到的标准差与均数之比）表示。观察者间的可重复性评价，如颈动脉超声不同检测者之间对同一组研究对象的检测结果的一致性需要进行评价，其中主要的检测指标包括颈动脉内中膜厚度和颈动脉斑块，前者为连续变量，可采用组内相关系数（intraclass correlation coefficient，ICC）比较不同检测者之间的一致性；后者颈动脉斑块为分类变量（有或无），常使用卡帕（Kappa）值进行一致性评价。

提高测量的精密度可采取如下措施。

1）制定测量的标准化操作流程（standard operating procedure，SOP）：

SOP是具体的测量说明，包括每一项测量的操作定义（operational definition）、解释如何准备测量环境和受试者、如何校准仪器、如何开展和记录测量结果等内容。

2）对测量人员进行规范培训并考核：

培训的目的是提高不同观察者间测量技术的一致性。制定详细、具体的观察者培训内容、培训形式与培训流程，并进行定期考核，考核合格后方可以开始测量。

3）选择尽可能精密度高的测量工具：

如相对于自填式问卷，采用实验室检测可以避免人工测量所导致的误差。同时注意对测量工具或仪器进行定期评估，必要时给予更新，避免由于故障或性能不稳定导致的测量误差。

4）必要时进行重复测量：

通过重复测量，使用两次或多次读数的均数可以减少任何来源的随机误差所产生的影响，切实提高精密度。

（3）准确度（accuracy，Ac）：

指测量值与真实值的符合程度。准确度主要受系统误差（偏倚）的影响较大，系统误差越大，准确度越低。测量的系统误差可能来源于观察者、测量仪器或研究对象。一般情况下，所使用仪器的精密度高，测量的准确度就高。如用米尺和螺旋测微计测量长度，前者测到的数据准确度不如后者测到的数据准确度高。因此，测量所使用仪器的准确度和精密度影响测量的准确度。当测量的准确度较差时，样本均数会偏离总体均数；而测量的精密度较低时，会导致样本均数的离散度增大，影响目标总体均数估计的可信区间的宽窄。因此，研究必须同时兼顾测量的精密度与准确度，测量数据才能真实反映研究现象本身（图1-1-2）。

提高精密度的策略同样有助于提高准确度，但在研究经费与精力有限时，没必要一味追求使用高精尖的测量仪器，而应从研究实施的各个环节入手，尽最大可能控制偏倚，将其对测量的影响降至最低。

五、盲法

（一）盲法的意义

临床研究收集的很多资料通常是通过询问病史、观察患者反应、测定一些指标获得，为此易出现信息偏倚。如研究一种止痛药物，研究者期望患者的疼痛减轻或消失，所以在询问患者时会自觉或不自觉地暗示患者；而患者为取悦医生，或知晓此药为止痛药，将有意或无意地反映疼痛减轻。再如，当进行吸烟与肺癌关系的病例对照研究时，研究者已知肺癌与吸烟有关，在询问吸烟情况时，会详细地询问肺癌患者的吸烟史，甚至进行暗示与启发，例如：让患者仔细回忆吸烟开始的年龄，而询问对照时则可能轻描淡写，若患者回答现在不吸烟，将其认定为不吸烟者，不会进一步询问患者既往是否吸烟等。在进行诊断试验研究时，检验人员若已知被检标本是患者的，判断结果可能倾向于阳性的考虑，若出现阴性会重复检测，设法取得阳性结果。此类情况均可由于研究人员与研究对象的主观心理作用造成收集到的信息不真实。为避免此种偏倚，应采用盲法。

（二）盲法分类

对观察者设盲，不让其了解每一个研究对象的分组信息，可以保证观察者对每组研究对象均实施同样的测量操作或相关量表评估。在盲法实施条件下，即使有误差，也可保证测量误差在不同组间的分布相似、均衡，并不影响对研究效应值的估计。对研究对象设盲，可以消除不同分组间的研究对象因不同的心理感受而导致的“安慰剂效应”。但是，当测量指标为客观变量（是否接受某种治疗，是否存活）时，不采取盲法测量也不会影响准确估计。反之，当测量指标为研究效应指标时，通过研究对象或观察者主观判断收集结果信息，要尽量考虑对测量人员设盲。

盲法主要分为三类，仅对研究对象设盲，称为单盲；对研究对象和观察者均设盲，称为双盲；若对研究对象、观察者及统计分析人员均设盲，称为三盲。研究设计类型不同，采用的盲法也不同。

1.临床试验

视情况采用单盲、双盲或三盲。这三种盲法的具体定义详见本篇第五章。

2.诊断试验

评价某种诊断或检测技术方法时，操作者或测量人员应不知道金标准检查的结果。

3.病例对照

研究者询问研究对象病史、收集观察指标信息时应不了解分组情况；对标本进行检测和研究数据进行整理与分析时尽量采用盲法，即不知道分组情况。

4.队列研究

对研究对象进行随访时应由不了解分组状况的人员进行。对标本进行检测的实验室人员和进行研究数据整理与分析的人员，也应实行盲法。

六、评价

评价就是根据研究目的，制定出科学、客观的标准，并运用这些标准来评价研究收集的各种数据（患者的临床特点、实验室检测结果、影像学检查结果及随访结局）和研究结论，以检验其真实性（validity）、可靠性（reliability）和可行性（feasibility）。在临床研究设计阶段，需要采用科学合理的标准，确定评价研究主要结果的指标与方法。

（一）评价指标与方法

评价指标来自测量指标（观察指标），属于研究效应观察指标，但评价指标并不等同于测量指标或观察指标，特别是对于疗效评价研究，这也是临床研究方案或申报书中最常见的问题。例如：一项研究拟明确一种新型手术治疗方法——椎体成形术对急性骨质疏松性椎体压缩性骨折的治疗效果，采用随机对照试验（RCT）研究设计，纳入发生急性骨质疏松性椎体压缩性骨折的患者，随机分为试验组和对照组，试验组的受试者接受经皮椎体成形术治疗，对照组的受试者接受保守治疗，主要评价指标为1个月和1年时的疼痛缓解情况，采用视觉模拟评分（visual analogue score，VAS）评估疼痛程度。该研究定义，与基线VAS相比，术后1个月和1年VAS降低≥3分，则为临床有意义的疼痛缓解；为比较组间术后疼痛缓解情况，统计计算每组疼痛缓解率，即该组术后发生缓解的例数/接受试验或对照手术治疗组的所有病例数×100%。由此可见，临床疗效评价指标不是通过收集一个时间点某种指标的数据直接获得的，而是需要基于一个重要指标干预前后的变化情况来反映干预措施的效果，并且往往需要通过统计分析计算得出。了解这一特点有助于制定科学合理的疗效评价指标。

每项研究的评价指标与研究目的密切相关，研究目的不同，评价指标也不同。此外，研究设计类型不同，评价指标也不同。例如：横断面研究评价指标一般为患病率；队列研究通常为某一事件的发生率，如某种疾病发病率、复发率或病死率；对于RCT，通常为缓解率、治愈率或治疗失败率等。

从数量上看，一项临床研究虽然可以有多个评价指标，但样本量计算和评价研究主要结果时，通常依据一个主要的评价指标，其他感兴趣的评价指标可以作为次要指标。

（二）评价的主要内容

1.评价研究结果的临床意义

根据主要评价指标的结果，结合专业知识与临床实践，对其临床价值予以评价，从而确定研究结果对改善临床诊疗实践的意义。如RCT评价研究结果分为两类：疗效评价和安全性评价。

2.评价研究结果的统计学意义

不仅要对研究结果的临床价值或公共卫生价值予以评价，还必须对研究结果进行统计学显著性检验，确定其统计学意义。这是由于临床研究的对象是患病群体，但受现实客观条件的限制，只能从目标患者群体中选取部分样本开展研究，因此，只有在确定研究结果不是由于抽样误差造成的，对研究结果的临床意义与卫生经济学意义的综合评价才有意义。这就需要应用正确的统计方法评价研究结果的统计学意义，即对研究结果进行显著性检验，以评价临床差异的真实程度。研究设计时需要制定统计分析计划，包括统计描述和统计推断的方法。各种研究设计类型常用的统计分析方法，见第三篇结合案例的详细介绍。

3.评价结果的卫生经济学意义

应用卫生经济学的原理方法，计算成本-效果（cost-effectiveness）、成本-效益（cost-benefit）及成本-效用（cost-utility），并进行比较和评价，以明确在成本较低的情况下能够达到良好效果的诊疗措施。这样的评价可为推广和应用这些经济有效的诊疗措施提供卫生经济学上的决策参考。因此，研究设计时可以根据研究需要设定卫生经济学的评价指标。

七、偏倚的预防与控制

（一）偏倚的概念

偏倚（bias）是指从研究设计、实施、数据处理和分析的各个环节中产生的系统误差，以及结果解释、推论中的片面性，使研究结果与真实值之间出现倾向性差异，错误地描述暴露与疾病之间的联系。偏倚是影响临床研究结果内部真实性的主要因素，它可能夸大或缩小真实效应，从而导致研究因素与研究结局间的关联强度高于或低于真实的关联。例如：高估或低估了药物或手术干预措施的效果，因此偏倚是有方向性的。

（二）偏倚的分类与控制

按偏倚的性质分类，主要包括选择偏倚、信息偏倚、混杂偏倚。

1.选择偏倚（selection bias）

指在对样本进行研究时，入选的研究对象与总体之间的某些特征具有较大差别，导致样本不能代表总体，因而使样本的研究结果与总体真实值之间有差别。主要产生于研究的设计阶段和资料收集阶段（如失访）。常见的选择偏倚包括入院率偏倚、现患病例-新发病例偏倚、检出偏倚、无应答偏倚等。控制选择偏倚的方法有多种，需采用科学的研究设计，掌握研究对象的纳入与排除标准，通过随机化分组，提高应答率，减少失访等。

2.信息偏倚（information bias）

又称观察性偏倚（observation bias），是收集研究对象各种信息时产生的偏倚。其表现是使研究对象的某种特征被错误分类（misclassification）。各种类型的研究均可发生信息偏倚，可来自研究对象、研究者本身，也可来自测量仪器、设备、方法等。常见的信息偏倚包括回忆偏倚、诊断怀疑偏倚、测量偏倚、报告偏倚和错分偏倚等。控制信息偏倚的方法也有多种，如使用统一的标准收集资料、使用客观的研究指标、采用盲法收集资料等。对于敏感问题的调查，可采用随机应答技术等方法，提高应答率和真实性。

3.混杂偏倚（confounding bias）

在分析某个危险因素与所研究疾病之间的联系时，如果存在其他因素，这些因素本身为所研究疾病的病因或危险因素，同时又与所要研究的危险因素有联系，则这些因素称为混杂因素。常见混杂因素有：人口统计学因素，如年龄、性别、种族、职业、经济收入、文化水平等指标。当混杂因素在比较组间分布不同时，会使所研究的因素与疾病的关系发生曲解，这就产生了混杂偏倚。识别混杂偏倚，首先需要结合专业知识判断是否可能存在混杂因素，然后用分层分析进行定量判别。控制混杂偏倚的方法涉及两个阶段。

（1）研究的设计阶段：

可针对某一或某些可能的混杂因素，在设计时对研究对象的入选条件予以限制；在为研究对象选择对照时，采用匹配的方法使其针对一个或多个潜在的混杂因素与病例组或试验组的研究对象相同或接近，从而消除混杂因素对研究结果的影响。观察性和实验性研究均可使用；在研究对象分组时还可采用随机化方法，使潜在的混杂因素在各组间均衡可比，常用于实验性研究。

（2）资料分析阶段：

可通过一定的统计处理方法控制混杂因素的影响，如标准化方法、分层分析和多元回归模型分析等。