医疗器械临床试验的功效与样本量计算

样本量是临床试验可行性与科学性的交汇点。样本量过小，试验缺乏检验真实差异的能力，即使器械有效也可能得出无效结论；样本量过大，则造成受试者不必要暴露、成本上升与周期延长。《医疗器械临床试验质量管理规范》（2022年第28号公告）与统计学指导原则要求方案中给出样本量计算方法、参数取值与依据。理解计算逻辑，才能在方案评审与审评问询中讲得清、站得住。

检验效能与样本量的关系

检验效能是指在器械确实有效时，试验能够得出统计学显著结论的概率，通常要求不低于百分之八十，较高风险的器械试验常要求达到百分之九十。样本量与检验效能正相关，同时受显著性水平、效应量大小与数据变异程度影响。效应量假设越大，所需样本量越小；变异越大，所需样本量越大。四者之间的关系决定了样本量估算必须在科学合理的前提下讨论，而不能先定人数再倒推假设。

• 显著性水平越低，所需样本量越大。
• 预期效应量越小，所需样本量急剧增加。
• 数据变异越大，所需样本量相应增加。
• 检验效能要求越高，样本量随之提高。
• 随机比例不等会降低效能，需在计算中体现。

样本量计算的输入参数与来源

计算的输入参数包括主要终点的类型与定义、预期效应量、对照组或基线的响应水平、标准差或事件发生率、显著性水平、检验效能、分配比例以及预计脱落率。每一项参数都应有可追溯的来源，例如同类器械的文献数据、前期临床研究结果、临床专家的合理估计或监管机构认可的界值。参数来源不明确或明显乐观，是审评中最常被质疑的地方。

1. 主要终点类型决定所用公式与参数结构。
2. 效应量假设须有文献或前期研究数据支撑。
3. 变异估计应参考同类研究，避免过度乐观。
4. 记录每项参数的取值理由与文献出处。

不同设计类型的计算要点

优效性、非劣效性与等效性设计的计算逻辑各不相同。优效性设计以预期差值为核心；非劣效性设计需同时考虑非劣效界值与预期真实差异，若试验器械实际略优于对照，则所需样本量可能少于严格等同假设下的估算，但方案中不得据此人为抬高预期；等效性设计需同时设置上下界值。涉及多个主要终点、多组比较或分层随机时，还需考虑多重性调整对样本量的影响。

• 非劣效设计须结合界值与预期差异共同计算。
• 多终点研究按多重性调整后的水平进行估算。
• 分层随机按分层因素的数量与大小评估影响。
• 频率学与贝叶斯设计的样本量逻辑不同，不可混用。

脱落率与随机比例的调整

按计算得出的可评价例数并非实际入组人数。考虑到失访、退出与不符合分析集条件的情况，方案中通常按预估脱落率上调入组量。脱落率取值应有依据，可参考同类器械研究与本中心历史数据。若试验采用不等比例随机，例如试验组与对照组按二比一分配，样本量计算需相应调整，并评估对检验效能的实际影响，避免因比例失衡导致效能不足。

1. 基于同类研究的历史数据估计脱落率。
2. 按脱落率上调入组量，并写明换算过程。
3. 不等比例随机须重新核算效能与总样本量。
4. 样本量假设在方案评审与伦理审查中一并说明。

常见错误与审评关注点

常见错误包括效应量假设缺乏依据、变异估计取自最优情形、非劣效界值与样本量假设不匹配、遗漏脱落率调整、以及在试验进行中因入组困难随意下调样本量而不说明对效能的影响。审评中对样本量的关注集中在假设是否合理、计算是否可复现、与主要分析方法和分析集是否自洽三个方面。任何变更都应记录在方案修订中并评估对结论有效性的影响。

• 假设依据薄弱，计算过程无法复现。
• 主要分析方法与样本量假设不一致。
• 未考虑多重性、中期分析对样本量的影响。
• 试验中变更样本量缺乏统计学论证与审批记录。

样本量计算的实质是把科学假设翻译成可执行的入组计划。建议在方案撰写早期就让统计人员主导计算，把每一项参数的来源、取值理由与敏感性情形记录在案，并在方案评审、伦理审查与必要的审评沟通中保持一致口径。样本量算得实在，试验的入组目标与统计分析才能形成闭环。

官方来源：药物临床试验登记与信息公示平台