医疗器械临床试验的敏感性分析

敏感性分析是在主要统计分析之外，采用不同但同样合理的假设、人群或方法对同一问题重复分析，用以考察结论是否稳健。医疗器械临床试验往往样本量有限、随访周期内存在脱落与偏离，单一分析结果容易受到方法选择的影响。通过在统计分析计划中事先安排若干敏感性分析，可以检验主要结论是否依赖特定假设，也是审评机构评价统计证据充分性的关注点之一。本文结合临床试验统计学相关指导原则，梳理敏感性分析的适用场景、实施方法与报告要求。

一、敏感性分析的定义与目的

敏感性分析并不改变研究问题本身，而是围绕同一科学问题变换分析条件，观察结论方向与统计学显著性是否稳定。其主要目的有三：验证主要分析结论不受个别假设左右；识别可能导致结论反转的薄弱环节；为审评沟通提供更完整的证据链。敏感性分析应在统计分析计划中预先设定，说明分析人群、处理方法与判断标准，避免被质疑为事后挑选有利结果。若分析结果显示结论随假设大幅波动，需要在临床评价报告中如实讨论并给出解释。

• 验证主要结论的稳健性
• 识别对结论影响最大的假设
• 补充证据链，回应审评关注
• 必须事前设定并说明判断标准

二、常见的敏感性分析场景

器械临床试验中最常见的敏感性分析包括：改变分析人群，如全分析集与符合方案集之间对比；变换缺失数据处理方式，如完成者分析、末次观测结转、多重插补与最差情况填补；调整离群值或极端值的处理规则；更换终点定义或评价阈值；采用不同的统计模型或协变量集合。此外，针对非劣效设计还需检验界值附近的稳健性。每类分析都应说明其合理性与局限性，避免机械堆砌多组结果而缺少解释。

• 分析集变换：全分析集与符合方案集对比
• 缺失数据处理：结转、插补与最差情况填补
• 离群值与极端值处理规则调整
• 终点定义、统计模型或协变量集合更换

三、与主要分析的关系

敏感性分析是主要分析的补充而非替代。试验的有效性与安全性结论应以主要分析为准，敏感性分析用于说明结论的稳定性。因此在报告顺序上，应先呈现主要分析，再以敏感性分析作为支持性证据。分析结果若高度一致，可增强结论可信度；若出现不一致，则应分析差异来源，判断是否由方法假设差异造成，并评估对总体受益风险判断的影响。对于关键的不一致，宜在方案或统计分析计划中预先设想处理策略。

• 主要分析是结论依据，敏感性分析是支持证据
• 先报告主要分析，后呈现敏感性结果
• 不一致时须追溯差异来源并讨论影响
• 关键情形应事先设想处理策略

四、实施步骤与结果解读

实施敏感性分析通常按以下流程推进：明确需要检验的假设与场景；在统计分析计划中固化分析方法与判断标准；在数据库锁定后按预定顺序执行；对每项结果给出方向、效应量与置信区间；汇总成表并逐项解释。结果解读应关注结论方向是否一致、效应量波动是否在合理范围、置信区间是否跨越关键阈值，而非仅看显著性。对于偏离较大的分析，需在讨论部分说明其对器械受益风险评价的影响。

1. 明确需检验的假设与场景清单
2. 在统计分析计划中固化方法与标准
3. 数据库锁定后按预定顺序执行分析
4. 汇总效应量、置信区间与方向
5. 逐项解释并评估对结论的影响

五、常见问题与报告要点

常见问题包括敏感性分析未事前设定、场景选择随意、只报告有利结果、缺少对不一致结果的讨论，以及把敏感性分析结论当作主要结论使用。报告时应完整呈现全部分析结果，包括与主要分析方向相反者，并保持人群、终点与统计方法的描述前后一致。此外，敏感性分析的数量应与试验规模和问题复杂度相匹配，过多无节制的分析反而会削弱证据的说服力。审评时通常关注其是否覆盖了主要的方法学薄弱点。

• 未事前设定或场景选择随意
• 选择性报告有利结果
• 缺少对不一致结果的解释
• 分析数量过多而无重点

敏感性分析是医疗器械临床试验统计论证中不可或缺的一环，其意义在于回答结论是否经得起合理质疑。申办者应在方案阶段就把可能的薄弱环节识别出来，用预设的分析场景加以覆盖，并在报告中如实呈现全部结果。规范实施敏感性分析，有助于提升统计证据的充分性与可信度，也能在审评沟通中减少不必要的往返。

官方来源：国家药监局·医疗器械工作文件