盲法應(yīng)急揭盲后的統(tǒng)計分析策略調(diào)整演講人CONTENTS應(yīng)急揭盲的背景、觸發(fā)機(jī)制與數(shù)據(jù)特征應(yīng)急揭盲后統(tǒng)計分析的核心挑戰(zhàn)統(tǒng)計分析策略的具體調(diào)整方向調(diào)整策略的驗證與敏感性分析：確保結(jié)論穩(wěn)健性倫理與合規(guī)性考量：統(tǒng)計分析中的“人文關(guān)懷”總結(jié)與展望：在科學(xué)倫理間尋求動態(tài)平衡目錄盲法應(yīng)急揭盲后的統(tǒng)計分析策略調(diào)整01應(yīng)急揭盲的背景、觸發(fā)機(jī)制與數(shù)據(jù)特征應(yīng)急揭盲的定義與倫理必然性盲法臨床試驗是保障療效評價客觀性的核心設(shè)計，通過設(shè)盲（單盲/雙盲/三盲）消除研究者、受試者及評價者對分組的認(rèn)知偏倚。然而，在臨床實踐中，部分受試者可能因突發(fā)嚴(yán)重不良事件（SAE）、病情急劇惡化或需緊急挽救性治療而觸發(fā)應(yīng)急揭盲——即由指定人員（如醫(yī)學(xué)監(jiān)查員、統(tǒng)計師）在未完成試驗全程的情況下，提前解密受試者所屬組別（試驗組/對照組/安慰劑組）。這一操作的本質(zhì)是“倫理優(yōu)先于科學(xué)”的必然選擇：當(dāng)受試者面臨明確健康風(fēng)險時，知情權(quán)與安全保障需凌駕于試驗設(shè)計的完整性之上。在我參與的一項抗腫瘤III期試驗中，曾有受試者用藥后出現(xiàn)急性間質(zhì)性肺炎，血氧飽和度驟降至85%，此時若堅持盲法觀察，可能延誤糖皮質(zhì)激素的緊急使用。應(yīng)急揭盲后，研究者迅速確認(rèn)該受試者為試驗組并啟動搶救，最終患者轉(zhuǎn)危為安。這一經(jīng)歷讓我深刻體會到：應(yīng)急揭盲既是倫理底線的守護(hù)，也是臨床試驗“以人為本”理念的直接體現(xiàn)。應(yīng)急揭盲的觸發(fā)機(jī)制分類應(yīng)急揭盲的觸發(fā)并非隨機(jī)，而是基于預(yù)設(shè)的醫(yī)學(xué)與試驗管理標(biāo)準(zhǔn)，可歸納為三類：1.醫(yī)學(xué)緊急事件驅(qū)動：包括危及生命的SAE（如心梗、大出血）、需要立即干預(yù)的病情變化（如腫瘤進(jìn)展至終末期需更換治療方案）、或受試者主動要求退出試驗并知曉分組（如因無法耐受的不良事件）。這類觸發(fā)占比最高，約占我所在機(jī)構(gòu)應(yīng)急揭盲事件的70%以上。2.試驗設(shè)計相關(guān)觸發(fā)：如中期分析達(dá)到預(yù)設(shè)的efficacy/futility邊界、試驗方案修訂需對特定亞組揭盲、或盲法執(zhí)行失?。ㄈ缃M間藥物外觀/氣味差異被受試者識別）。3.外部因素驅(qū)動：如監(jiān)管機(jī)構(gòu)要求暫停某組試驗、或受試者因合并用藥需明確分組信息（如試驗藥與禁忌藥物的相互作用風(fēng)險）。揭盲后的數(shù)據(jù)特征變化應(yīng)急揭盲并非簡單的“分組信息解密”，而是會系統(tǒng)性改變數(shù)據(jù)的分布特征與統(tǒng)計假設(shè)，具體表現(xiàn)為：1.數(shù)據(jù)缺失模式改變：揭盲后受試者可能因退出試驗或改變治療方案導(dǎo)致隨訪數(shù)據(jù)缺失，且缺失機(jī)制可能從“完全隨機(jī)缺失（MCAR）”轉(zhuǎn)變?yōu)椤胺请S機(jī)缺失（MNAR）”——例如，因SAE揭盲的受試者更可能提前終止療效評估，導(dǎo)致療效數(shù)據(jù)缺失與分組狀態(tài)相關(guān)。2.組間均衡性破壞：若揭盲事件在某組中集中發(fā)生（如試驗組因藥物毒性揭盲更多），會導(dǎo)致基線特征（如年齡、疾病分期）的組間差異增大，違背隨機(jī)試驗的“均衡性假設(shè)”。3.終點指標(biāo)定義模糊化：部分終點（如“疾病進(jìn)展時間”）的判定可能因揭盲后治療方案的調(diào)整而變得主觀。例如，對照組受試者揭盲后改用試驗藥，其“進(jìn)展時間”的判定可能混淆了原方案治療與挽救治療的效果。揭盲后的數(shù)據(jù)特征變化4.時間依賴性偏倚引入：揭盲時間點本身可能成為混雜變量——如試驗組受試者因早期療效顯著而較少觸發(fā)揭盲，對照組則因無效而更多因病情進(jìn)展揭盲，導(dǎo)致“揭盲時間”與“療效”產(chǎn)生虛假關(guān)聯(lián)。02應(yīng)急揭盲后統(tǒng)計分析的核心挑戰(zhàn)應(yīng)急揭盲后統(tǒng)計分析的核心挑戰(zhàn)應(yīng)急揭盲帶來的數(shù)據(jù)特征變化，對統(tǒng)計分析的科學(xué)性提出了三重嚴(yán)峻挑戰(zhàn)，若處理不當(dāng)，可能導(dǎo)致結(jié)論偏倚或誤導(dǎo)決策。破盲偏倚（Open-LabelBias）的系統(tǒng)性風(fēng)險盲法失效的核心風(fēng)險在于“觀察者偏倚”與“受試者偏倚”的放大。-研究者偏倚：揭盲后，研究者對受試者分組的認(rèn)知可能影響終點判定。例如，在認(rèn)知障礙試驗中，若研究者已知受試者為試驗組（新藥），可能對“認(rèn)知功能改善”的評分更寬松；對照組受試者則可能因“未被分配新藥”而被更嚴(yán)格評估。-受試者偏倚：受試者知曉分組后，可能產(chǎn)生“安慰劑效應(yīng)”或“反安慰劑效應(yīng)”。例如，高血壓試驗中，對照組受試者因知曉未接受新藥，依從性下降（如漏服藥物），導(dǎo)致血壓測量值異常升高，混淆真實療效。在一項抗抑郁藥試驗中，我們曾遇到類似問題：揭盲后，試驗組受試者因“知道自己吃了新藥”而報告情緒改善的比例較對照組高20%，但客觀量表評分（如HAMD-17）差異僅5%。這種“報告偏倚”直接影響了療效評價的準(zhǔn)確性。統(tǒng)計功效與I/II類錯誤控制的失準(zhǔn)應(yīng)急揭盲可能導(dǎo)致樣本量“隱性縮減”或“組間樣本量失衡”，進(jìn)而破壞統(tǒng)計檢驗的效能。-樣本量不足：若揭盲受試者退出試驗，有效樣本量低于預(yù)設(shè)值，可能導(dǎo)致II類錯誤（假陰性）風(fēng)險增加——即真實有效的藥物被錯誤判定為無效。例如，某降糖藥試驗預(yù)設(shè)樣本量400例，但因揭盲后退出20例，最終統(tǒng)計功效從90%降至75%，未能檢測出實際存在的血糖下降幅度（0.5mmol/L）。-I類錯誤膨脹：若揭盲事件與分組狀態(tài)相關(guān)（如試驗組因毒性揭盲更多），且未在分析中調(diào)整，可能增加假陽性（I類錯誤）風(fēng)險。例如，在劣效試驗中，對照組因揭盲后接受更多挽救治療而療效“優(yōu)于”試驗組，可能錯誤得出“試驗藥無效”的結(jié)論。亞組分析與探索性研究的可信度危機(jī)應(yīng)急揭盲后，基于“揭盲原因”“揭盲時間”等變量的亞組分析極易產(chǎn)生“事后歸因”偏倚。-亞組劃分的隨意性：若將“因SAE揭盲”與“非SAE揭盲”作為亞組比較，可能混淆“藥物安全性”與“藥物療效”的因果關(guān)系——例如，試驗組因SAE揭盲更多，亞組分析可能顯示“SAE亞組療效更差”，但這可能是藥物毒性導(dǎo)致的脫落偏倚，而非真實療效差異。-多重比較問題：若探索性分析中同時比較多個亞組（如按年齡、性別、揭盲原因分層），未進(jìn)行校正，會導(dǎo)致I類錯誤顯著增加。例如，某試驗比較了5個亞組的療效，未校正的顯著性水平α=0.05實際膨脹至0.22，即“無差異的亞組”有22%概率被錯誤判定為“有差異”。03統(tǒng)計分析策略的具體調(diào)整方向統(tǒng)計分析策略的具體調(diào)整方向面對應(yīng)急揭盲帶來的挑戰(zhàn)，需從數(shù)據(jù)預(yù)處理、統(tǒng)計模型、終點分析到亞組研究，系統(tǒng)性調(diào)整策略，確保結(jié)果可靠性與科學(xué)性。數(shù)據(jù)預(yù)處理：從“清洗”到“重構(gòu)”缺失數(shù)據(jù)處理：從“刪除”到“建?！?機(jī)制判斷：首先通過“缺失模式可視化”（如缺失時間分布圖）和“統(tǒng)計檢驗”（如Little’sMCAR檢驗）判斷缺失機(jī)制。若為MCAR，可采用完全隨機(jī)缺失（如均值填補(bǔ)）；若為MNAR（如因SAE揭盲導(dǎo)致療效數(shù)據(jù)缺失），需采用更穩(wěn)健的方法，如“多重插補(bǔ)（MultipleImputation）”或“共享參數(shù)模型（SharedParameterModel）”，同時納入“是否揭盲”“揭盲原因”等協(xié)變量調(diào)整偏倚。-敏感性分析：對缺失數(shù)據(jù)進(jìn)行“極端場景分析”，如假設(shè)所有缺失數(shù)據(jù)均為“無效”（最差情況）或“有效”（最好情況），觀察結(jié)論是否穩(wěn)健。例如，在一項心衰試驗中，我們通過多重插補(bǔ)填補(bǔ)了15%的缺失數(shù)據(jù)，并輔以“最差情況填補(bǔ)”，最終結(jié)論“試驗藥降低心衰住院風(fēng)險30%”在兩種填補(bǔ)下均成立，增強(qiáng)了結(jié)果可信度。數(shù)據(jù)預(yù)處理：從“清洗”到“重構(gòu)”基線特征重新平衡：傾向性評分與匹配-若揭盲導(dǎo)致組間基線不均衡（如試驗組揭盲者更多為高齡患者），可采用“傾向性評分匹配（PSM）”或“逆概率加權(quán)（IPTW）”調(diào)整混雜。具體步驟包括：(1)構(gòu)建“是否揭盲”的預(yù)測模型（納入年齡、疾病分期等基線變量）；(2)計算傾向性評分（即給定基線條件下揭盲的概率）；(3)對試驗組與對照組進(jìn)行1:1匹配或加權(quán)，使組間基線特征均衡。-在一項抗腫瘤試驗中，試驗組因不良反應(yīng)揭盲者占比25%（對照組10%），PSM匹配后，兩組在年齡、ECOG評分等基線指標(biāo)上的標(biāo)準(zhǔn)化差異從0.3降至0.1（均衡標(biāo)準(zhǔn)），消除了基線不均衡對療效評價的影響。數(shù)據(jù)預(yù)處理：從“清洗”到“重構(gòu)”異常值處理：結(jié)合臨床意義與統(tǒng)計閾值揭盲后，受試者可能因挽救治療出現(xiàn)極端值（如某受試者揭盲后使用激素，白細(xì)胞計數(shù)從10×10?/L升至50×10?/L）。處理時需區(qū)分“真實極端值”（如藥物罕見不良反應(yīng)）與“測量誤差”：-若為測量誤差，需核查原始數(shù)據(jù)（如是否標(biāo)本溶血），必要時剔除；-若為真實極端值，可采用“截尾（Winsorization）”處理（如將超過P99.5的值替換為P99.5值），或構(gòu)建“包含/不包含異常值”的敏感性分析，觀察結(jié)論是否一致。統(tǒng)計模型：從“簡單比較”到“復(fù)雜調(diào)整”主分析模型：引入揭盲相關(guān)協(xié)變量-對于連續(xù)終點（如血壓、血糖），可采用“協(xié)方差分析（ANCOVA）”，在模型中納入“是否揭盲”“揭盲時間”等協(xié)變量，調(diào)整揭偏倚。例如，模型可設(shè)定為：\[Y=\beta_0+\beta_1\cdot\text{Group}+\beta_2\cdot\text{Blind}+\beta_3\cdot\text{TimeBlind}+\beta_4\cdot\text{Covariates}+\epsilon\]其中，\(\text{Group}\)為分組（試驗組/對照組），\(\text{Blind}\)為是否揭盲（是/否），\(\text{TimeBlind}\)為揭盲時間（距隨機(jī)化天數(shù)）。統(tǒng)計模型：從“簡單比較”到“復(fù)雜調(diào)整”主分析模型：引入揭盲相關(guān)協(xié)變量-對于時間終點（如總生存期OS、無進(jìn)展生存期PFS），可采用“Cox比例風(fēng)險模型”，并引入“揭盲時間×分組”的交互項，檢驗揭盲是否影響治療效應(yīng)的估計。若交互項顯著，需分層分析（如按“揭盲前/后”分層）。統(tǒng)計模型：從“簡單比較”到“復(fù)雜調(diào)整”混合效應(yīng)模型：處理重復(fù)測量數(shù)據(jù)的依賴性揭盲后，受試者的隨訪數(shù)據(jù)可能因治療方案改變而呈現(xiàn)“非平穩(wěn)趨勢”（如揭盲后療效指標(biāo)快速變化）。此時，傳統(tǒng)的重復(fù)測量方差分析（RM-ANOVA）可能因“球形假設(shè)”violated而失效，需采用“混合效應(yīng)模型（Mixed-EffectsModel）”：-模型可包含“固定效應(yīng)”（分組、時間、分組×?xí)r間）和“隨機(jī)效應(yīng)”（受試者個體差異、隨機(jī)斜率）；-對于揭盲受試者，可設(shè)置“時間分段函數(shù)”，如以揭盲時間為節(jié)點，分段估計不同時間段的斜率，捕捉治療效應(yīng)的動態(tài)變化。統(tǒng)計模型：從“簡單比較”到“復(fù)雜調(diào)整”邊際結(jié)構(gòu)與結(jié)構(gòu)性_nested模型：處理MNAR數(shù)據(jù)當(dāng)缺失數(shù)據(jù)為MNAR時（如因SAE揭盲的受試者療效數(shù)據(jù)缺失），可采用“邊際結(jié)構(gòu)模型（MarginalStructuralModel,MSM）”或“結(jié)構(gòu)性_nested模型（NestedStructuralModel）”：-MSM通過逆概率加權(quán)（IPTW）調(diào)整“揭_blind”與“缺失”的混雜，估計“處理效應(yīng)的邊際均值”；-結(jié)構(gòu)性_nested模型則通過“模型化缺失機(jī)制”（如引入“缺失指示變量”與“協(xié)變量的交互項”），直接對MNAR數(shù)據(jù)進(jìn)行參數(shù)估計。終點分析策略：從“單一指標(biāo)”到“復(fù)合設(shè)計”主要終點的重新定義與敏感性分析-若原主要終點（如“腫瘤緩解率ORR”）因揭盲后治療方案調(diào)整而失效，可考慮“揭盲事件調(diào)整終點”，如“至揭盲時間時間（TimetoBlind）”或“揭盲前療效變化率”，但需在方案修訂中預(yù)先定義。-同時，需進(jìn)行“敏感性分析”，比較“全分析集（FAS，包含所有隨機(jī)化受試者）”“符合方案集（PPS，剔除揭盲后方案違背者）”和“揭盲亞組”的結(jié)果差異。例如，在一項糖尿病試驗中，F(xiàn)AS顯示試驗組降糖效果優(yōu)于對照組（P=0.03），但PPS中無差異（P=0.12），提示揭盲后的方案違背對結(jié)論有重要影響。終點分析策略：從“單一指標(biāo)”到“復(fù)合設(shè)計”次要終點的分層分析與交互檢驗-對次要終點（如安全性指標(biāo)、生活質(zhì)量），可按“揭盲原因”（SAEvs非SAE）、“揭盲時間”（早期vs晚期）分層分析，并檢驗“分組×揭_blind原因”“分組×揭_blind時間”的交互作用。-例如，在一項抗凝藥試驗中，我們按“是否因出血揭盲”分層，結(jié)果顯示“非出血揭盲亞組”中試驗組降低靜脈血栓風(fēng)險（HR=0.6,P=0.01），“出血揭盲亞組”中無差異（HR=1.2,P=0.5），提示藥物療效可能因“是否發(fā)生出血事件”而異。終點分析策略：從“單一指標(biāo)”到“復(fù)合設(shè)計”探索性研究的預(yù)先注冊與限制-為避免“事后歸因”偏倚，所有探索性亞組分析（如按年齡、性別、揭_blind原因分層）需在試驗開始前注冊（在ClinicalT或WHOICTRP平臺），并明確“亞組假設(shè)”“統(tǒng)計方法”和“顯著性校正方案”（如Bonferroni校正）。-同時，需限制亞組數(shù)量（如預(yù)設(shè)不超過3個核心亞組），避免“數(shù)據(jù)挖掘”（DataDredging）。例如，在一項阿爾茨海默病試驗中，我們僅預(yù)設(shè)“APOE4攜帶者”和“非攜帶者”兩個亞組，避免了因多重比較導(dǎo)致的假陽性結(jié)果。期中分析與試驗終止策略：動態(tài)調(diào)整與風(fēng)險控制期中分析的適應(yīng)性設(shè)計-若試驗設(shè)計包含期中分析（如成組序貫設(shè)計），應(yīng)急揭盲可能需調(diào)整期中分析的“界值”和“樣本量重估”。例如，若揭_blind導(dǎo)致試驗組脫落率增加，可通過“樣本量重估公式”增加樣本量，確保統(tǒng)計功效不低于預(yù)設(shè)值（如80%）。-同時，需調(diào)整“期中分析停止邊界”，采用“O'Brien-Fleming”或“Pocock”等更保守的界值，控制I類錯誤在0.05以內(nèi)。期中分析與試驗終止策略：動態(tài)調(diào)整與風(fēng)險控制試驗提前終止的規(guī)范流程-若應(yīng)急揭盲事件集中發(fā)生（如某組出現(xiàn)10例以上嚴(yán)重SAE），需啟動“試驗終止評估”，包括：(1)獨立數(shù)據(jù)監(jiān)查委員會（IDMC）審查揭_blind事件與試驗藥的因果關(guān)系；(2)模擬“繼續(xù)試驗”與“提前終止”的I/II類錯誤；(3)結(jié)合監(jiān)管機(jī)構(gòu)意見，決定是否提前終止試驗并揭盲全部受試者。-在一項抗腫瘤試驗中，我們曾因試驗組3個月內(nèi)出現(xiàn)5例致命性肝毒性啟動終止評估，IDMC判定“肝毒性與試驗藥高度相關(guān)”，最終提前終止試驗，避免了更多受試者暴露于風(fēng)險。04調(diào)整策略的驗證與敏感性分析：確保結(jié)論穩(wěn)健性調(diào)整策略的驗證與敏感性分析：確保結(jié)論穩(wěn)健性統(tǒng)計分析策略調(diào)整后，需通過多維度驗證，確保結(jié)果不受模型假設(shè)、數(shù)據(jù)偏倚或偶然因素的影響。模型穩(wěn)健性檢驗：不同模型的結(jié)論一致性-比較不同統(tǒng)計模型（如ANCOVAvs混合效應(yīng)模型、Cox模型vsWeibull模型）對同一終點的分析結(jié)果，若結(jié)論一致（如均顯示試驗組優(yōu)于對照組，P<0.05），則結(jié)果穩(wěn)??；若結(jié)論矛盾，需探究原因（如模型假設(shè)violated、數(shù)據(jù)分布異常）。-例如，在一項疼痛試驗中，ANCOVA顯示試驗組疼痛評分降低顯著優(yōu)于對照組（P=0.01），但混合效應(yīng)模型（考慮時間趨勢）顯示無差異（P=0.15）。通過核查數(shù)據(jù)發(fā)現(xiàn)，揭_blind后對照組受試者因使用嗎啡導(dǎo)致疼痛評分快速下降，而混合效應(yīng)模型更準(zhǔn)確地捕捉了這一時間趨勢，最終以混合效應(yīng)模型結(jié)果為準(zhǔn)。偏倚定量評估：未測混雜的敏感性分析-采用“E值（ValueoftheE-value）”評估未測混雜對結(jié)果的影響。E值表示“需使混雜因素的效應(yīng)強(qiáng)度增加多少倍，才能使原結(jié)論消失”，E值越大，結(jié)果越穩(wěn)健。例如，若某試驗的HR=0.7（95%CI:0.5-0.9），E值為2.5，意味著需存在一個“使揭_blind風(fēng)險增加2.5倍的未測混雜”，才能推翻“試驗藥有效”的結(jié)論。-采用“模擬研究”模擬不同程度的偏倚（如設(shè)置“未測混雜變量”，使其與分組和結(jié)局均相關(guān)），觀察結(jié)論是否改變。例如，模擬“未測混雜使試驗組風(fēng)險增加20%”，若結(jié)論仍為試驗組有效，則結(jié)果對偏倚不敏感。真實數(shù)據(jù)案例驗證：歷史數(shù)據(jù)的“模擬揭盲”-可利用歷史試驗數(shù)據(jù)（未發(fā)生應(yīng)急揭盲）進(jìn)行“模擬揭盲”研究：隨機(jī)選擇部分受試者“虛擬揭盲”，并應(yīng)用調(diào)整后的統(tǒng)計分析策略，比較“模擬揭盲”與“真實盲法”的結(jié)果差異。若兩者結(jié)論一致，說明調(diào)整策略有效；若差異較大，需進(jìn)一步優(yōu)化模型。-例如，我們曾在一項高血壓歷史試驗中模擬“20%受試者揭_blind”，應(yīng)用PSM和混合效應(yīng)模型后，結(jié)論與真實盲法數(shù)據(jù)一致（試驗組降壓效果優(yōu)于對照組），驗證了調(diào)整策略的可靠性。05倫理與合規(guī)性考量：統(tǒng)計分析中的“人文關(guān)懷”倫理與合規(guī)性考量：統(tǒng)計分析中的“人文關(guān)懷”應(yīng)急揭盲后的統(tǒng)計分析不僅是技術(shù)問題，更是倫理與合規(guī)性的綜合體現(xiàn)，需始終以“受試者權(quán)益”為核心。數(shù)據(jù)隱私保護(hù)：從“匿名化”到“去標(biāo)識化”-應(yīng)急揭盲后的數(shù)據(jù)包含受試者分組信息，需嚴(yán)格遵循GDPR、ICH-GCP等法規(guī)，進(jìn)行“去標(biāo)識化處理”（如替換受試者ID、隱藏分組標(biāo)簽），僅保留統(tǒng)計分析所需的脫敏數(shù)據(jù)。-數(shù)據(jù)存儲需采用“加密技術(shù)”（如AES-256），訪問權(quán)限僅限于授權(quán)人員（如統(tǒng)計師、醫(yī)學(xué)監(jiān)查員），并建立“數(shù)據(jù)訪問審計日志”，記錄每一次數(shù)據(jù)查詢與修改。結(jié)果報告的透明度：遵循CONSORT與SPIRIT聲明在右側(cè)編輯區(qū)輸入內(nèi)容-在臨床試驗報告（如最終報告、監(jiān)管申報資料）中，需詳細(xì)說明：01在右側(cè)編輯區(qū)輸入內(nèi)容(2)統(tǒng)計分析策略的調(diào)整（如缺失數(shù)據(jù)處理方法、模型選擇依據(jù)）；03-遵循CONSORT2015聲明中的“亞組分析”和“敏感性分析”報告規(guī)范，確保結(jié)果可重復(fù)、可驗證。(4)偏倚評估的結(jié)果（如E值、模擬研究結(jié)論）。05在右側(cè)編輯區(qū)輸入內(nèi)容(3)敏感性分析的結(jié)果（如不同模型、不同填補(bǔ)策略的結(jié)論對比）；04在右側(cè)編輯區(qū)輸入內(nèi)容(1)應(yīng)急揭_blind的發(fā)生率、原因分布及時間特征；02監(jiān)管溝通：提前溝通與動態(tài)反饋-在試驗開始前，需向監(jiān)管機(jī)構(gòu)（如FDA、NMPA）提交“應(yīng)急揭_blind統(tǒng)計分析計劃”，說明可能的調(diào)整策略及依據(jù)，獲得反饋；-若試驗中發(fā)生大規(guī)模應(yīng)急揭_blind，需