周晓华教授团队发表题为《注意临床试验统计分析中的死亡截断：瑞德西韦的教训》的文章

      近期，周晓华教授团队在《中国疾病预防控制中心周报》(China CDC Weekly)上发表了题为《注意临床试验统计分析中的死亡截断：瑞德西韦的教训》的文章。
      文章指出，临床试验经常会遇到被死亡截断的问题，即被纳入试验的受试者在其结局被收集到之前死亡。值得注意的是，被死亡截断与删失是完全不同的概念。删失是指受试者确实会发生结局事件，但这一结局被失访所掩盖，而死亡截断则使结局无定义。在这篇文章中，作者回顾了用瑞德西韦治疗COVID-19的两个临床试验，这两个试验都涉及到死亡截断问题，随后作者提供了一些处理死亡截断问题的建议。

　　首先，瑞德西韦在实验组和对照组表现出了不同的存活率，这可能是实验组和对照组的协变量(如基础疾病)未完全平衡所致的。尽管这两项试验都是随机化的，但随机化并不能保证协变量平衡，在协变量不平衡的情况下，协变量成为了估计治疗效应的混杂因素。如果样本量不够大，则估计值可能离真实值很远。

　　与治疗不平衡相关的另一个问题是死亡截断，不能排除死亡率与协变量(如基础疾病)有关。死亡截断与删失不同，删失使结局缺失，而死亡截断使结局无定义。例如，当以病情恢复时间为结局，则在恢复前被死亡截断的个体没有结局定义。如果死亡率与基础疾病存在正相关性，则把死亡个体当作在终点处删失的做法低估了真实的治疗效应。处理死亡截断问题，需要使用与处理删失数据不同的统计方法。

　　事实上，估计治疗效应是一个因果推断问题。在潜在结果模型框架下，可以假想每个个体在每种治疗方案下都有一个潜在结果，然后利用主分层方法，把整个人群划分为四层，其中一层是“永远存活组”，即在任何治疗方案下都能存活的个体。我们只能在这一组中定义因果参数，因为其他组存在无定义的潜在结果。

　　随后，作者通过模拟实验表明，把死亡当作删失的方法以及存活案例分析方法(无论是否按协变量分层)都会导致有偏的治疗效应估计，而对存活个体按存活概率加权的方法(可以按协变量分层)能得到与真实治疗效应相近的估计。

　　最后，作者给出了在试验设计阶段的建议，以避免在统计分析中遭遇死亡阶段问题的复杂分析。作者建议，不仅要实施随机化试验，而且要通过不断的再随机化使协变量达到足够平衡。协变量平衡可以降低混杂的影响，在再随机化下，对治疗效应进行推断的统计方法仍然存在。