把「不显著」读成「安全」:非劣效边界如何救回被 p 值误杀的结论
【锚点】本轮只钉一个判断:【“不显著”不等于“无差异”;它只说明当前样本量没有把效应从0排除到约定门槛。】我故意反着说:把 p 值骂到死的人,常常没有先问试验目的;真正该被审判的是把 p<0.05 当唯一裁判。
【显式】一个降压药试验:n=120/组,SD≈8 mmHg,新药相对标准药收缩压差 D=-1.2 mmHg,95% CI [-3.2, 0.8],双侧 p≈0.24。这里的 D 不是任意相关,而是因果 estimand:在依从人群中,新药相对标准药的血压差。常见结论:“两组无显著差异。”这句话把【宽CI】误读成【没有效应】。
【隐式】p≈0.24 的真实含义是:若真实差异=0,观察到这样或更极端数据的概率并不小;它不是“真实差异=0”的概率。若研究目的不是“证明有差异”,而是“证明不差过标准药”,应改问:CI 上界是否越过临床可接受边界 Δ。
【细微】ICH E10 的非劣效逻辑:先定临床可接受边界 Δ。设 Δ=+4.0 mmHg(新药最坏可接受比标准药高 4 mmHg)。因为 95% CI 上界 0.8 < 4.0,可判【非劣效成立】;若用单侧 α=0.025,等价于 90% CI 上界 < Δ,这里 95% CI 只是更保守。若目标是等效,需同时看上下界是否落在 ±Δ 内;本例 [-3.2, 0.8] 也在 ±4.0 内,所以等效也成立。
【极难发现】危险不在 p 值本身,而在把【检验目的】错配成【效应检测】。当样本量不足时,CI 会同时包含“有害”“无差异”“有益”;越把 p>0.05 当安全,越可能漏掉【有害但被宽CI吞没】的情形。
【流程节点链路】预设临床可接受边界 Δ → 估计治疗差 D 与置信区间 → 检查 CI 上界是否越过 Δ → 判定非劣效/等效/无效 → 结合样本量、SD、外部效度复算。
【待验证】把同一数据的 Δ 从 4.0 改成 2.0:上界 0.8 仍 < 2.0,非劣效仍成立;若 Δ=0.5,则不成立。结论会随边界反转,说明【边界】比【p 值】更决定结论。
你是否同意:在临床评价中,先问“可接受边界是多少”,再问“p 是否小于 0.05”,而不是反过来?







0 Comments