具有多个终点的随机对照试验主要分析策略比较及其在肾移植中的应用

这为何对患者与试验重要

在评估新治疗时，尤其是对肾移植患者，医生关心的并不仅仅是患者是否存活更长时间，还包括移植肾是否保留、是否避免像感染这样的严重副作用。单一终点无法呈现全部信息。本文通过大规模计算机模拟提出一个务实问题：当试验同时随访多个重要终点时，哪种统计策略在提供明确结论、对患者公平以及适应现实研究规模方面取得最佳平衡？

判定成功的不同途径

作者聚焦于随机对照试验中在肾移植后跟踪的若干关键事件：死亡、移植肾丧失、排斥发作和严重感染。与其只选取其中一个终点，不如考虑三种在监管指南中广泛讨论的主要策略。第一种将若干事件合并为单一的“任一不良事件”终点，试验关心新治疗是否延迟或预防首次发生的不良事件。第二种对每个事件分别检验，但在多次检验时调整规则以避免假阳性率上升。第三种称为广义成对比较，它按临床重要性对终点排序，并逐对比较两组患者：先比较最重要的事件，只有在该层面不确定时才考虑较低优先级的事件。

模拟是如何构建的

由于在复杂情形下很难推导出这些策略行为的精确公式，研究者采用了临床试验模拟。他们在广泛且现实的情形下构造了数千个“虚拟试验”：不同样本量、各终点的不同事件率、不同规模的治疗获益或有害效应，以及终点间不同程度的相关性。有些情形反映肾移植的现实：死亡与移植肾丧失发生率低但感染常见；另一些情形包含像死亡这样的“终结性”事件，会阻断后续终点的观测，或允许终点相关但不互相阻断。在每个模拟试验中，他们应用每种分析策略并记录其是否会宣称治疗成功。

关于总体检验力的发现

在大多数涉及事件发生时间的情形中，将信息合并为单一全局检验的策略——即复合终点和广义成对比较——比多重检验方法更有检验力。这意味着当确有治疗获益时，这些方法更有可能检测到它，尤其是在治疗对多个终点都有益处时。广义成对比较通常比复合终点略有更高的检验力，特别是在所有优先终点上均有获益时。然而，其表现强烈依赖于哪个事件被置于优先顺序的首位以及该事件发生的频率。相比之下，经校正的多重检验灵敏度较低，但随着试验规模增大以及某些低频但高度重要的事件仍显示明确治疗效应时，其表现会改善。

隐藏的权衡与复杂情形

模拟还揭示了重要的注意事项。当一种频繁但轻度的不良事件（如感染）主导合并指标时，复合终点可能显示出统计学显著的获益，即便在罕见但更严重的终点（如死亡或移植肾丧失）上几乎没有改善——在极端情况下甚至出现恶化。广义成对比较通过将最严重事件赋予更高优先级在一定程度上缓解了这一问题，但如果最高优先级事件既常见又不受治疗影响，很多患者比较会在该层面结束，从而无法考虑对低优先级终点的有利变化，导致检验力下降。多重检验虽然总体上检验力较低，但能更清晰地指出是哪些具体终点推动了阳性或阴性结果，其代价是需要更强的效应或更大的样本量以在校正后达到显著性。

相关性与相反效应的影响

当终点之间存在相关性——例如丧失移植肾的患者也更可能死亡——或当治疗对不同终点具有相反方向的效应时，三种策略的表现都会改变。强正相关通常会降低复合终点和广义成对比较的检验力，因为高度相关的组成部分提供的独立信息少于松散相关的组成部分。在存在相反效应的情形中，尤其是当全局方法强调更重要的事件时，如果最高优先级终点出现有害影响，这些方法更不可能宣称成功，即便低优先级终点有所改善。尽管如此，只要主要“驱动”终点受治疗益处影响，全局方法往往仍比经校正的多重检验更有检验力。

对未来试验的含义

对非统计学背景的读者而言，主要结论是：评估复杂治疗没有放之四海而皆准的方法。将终点合并为单一指标或采用成对比较可以使试验规模更小、效率更高，有助于在肾移植及类似情境中检测真实获益。但这些方法也可能掩盖具体哪些终点改善或恶化，并且可能强烈受终点优先级或相关性的影响。作者的结论是，试验设计者应在统计效率与结果清晰度之间取得平衡：可将全局检验作为主要决策工具，但必须同时进行逐项终点的仔细分析，以确保表面上的获益不会掩盖重要的危害。

引用: Herkner, F., Posch, M., Bond, G. et al. Comparison of primary analysis strategies of randomized controlled trials with multiple endpoints with application to kidney transplantation. Sci Rep 16, 8769 (2026). https://doi.org/10.1038/s41598-026-38979-6

关键词: 肾移植试验, 复合终点, 多终点分析, 广义成对比较, 临床试验模拟