临床试验的主要目的，是检验试验药和对照药是否有差异，通常我们说的比较两组差异，是指差异性检验，其无效假设和备择假设分别为：

无效假设H0：试验药=对照药（或 试验药-对照药=0）

备择假设H1：试验药≠对照药（或 试验药-对照药≠0）

差异性检验中，当P＞0.05，表示两种药物的差异无统计学意义，说明现有数据无法做出两种药物有差异的结论，但一定不能说“两种药物疗效相等”。就像是：现有证据尚无法认为这个人有罪，不等于“这个人无罪”。大家一定要仔细体会这一差别。

差异性检验中，当P≤0.05时，表示两种药物的差异有统计学意义，说明两种药物的疗效确实不同，不是偶然性结果。但这种统计学差异并不等同于临床上的差异。例如，比较两种药物的降压效果，如果两组例数足够大，即使血压降低值差别很小（如1mmHg），也会有统计学差异，但不一定有临床意义。

而对于临床试验而言，更看重的是临床的使用价值。因此新药临床试验中有时更常用非劣效性、等效性和优效性检验。

非劣效性（non-inferiority）检验是检验试验药是否不劣于对照药的试验。非劣效性试验通常只用于阳性药物对照的试验中。采用非劣效试验时，阳性药物应为具有明确疗效的上市药物，试验药应在其它方面对阳性药物具有一定优势，如不良反应低、给药方便、耐受性好、价格便宜等。

等效性（equivalence）检验是检验试验药与对照药是否等效。等效性试验通常用于阳性对照药的试验，如某仿制药与原药进行疗效比较，如果达到等效性，则仿制药可被接受。再如，研究能否以小剂量代替大剂量，以疗程短的药物代替疗程长的药物等，均可采用等效性试验。

优效性（superiority）检验是研究一种药物的疗效是否优于另一种药物（或安慰剂）。通常情况下，以安慰剂为对照的试验应当做优效性检验。

非劣效性、等效性和优效性检验都需要通过相应的临床界值来做出统计学推断。

如某非劣效检验，要比较新药与标准药物的降压效果，设界值为5mmHg。它的意思是：即使新药的降压效果不如标准药物，但只要差别的程度在5mmHg之内，仍可以认为新药不劣于标准药物，如标准药物降了10mmHg，新药降了7mmHg，虽然看起来新药不如标准药物降压效果好，但差值3mmHg，在设定的界值5mmHg之内，因此仍认为新药非劣效于标准药物。但是如果超过5mmHg（如新药值降了2mmHg，差值为8mmHg），则不能认为新药不劣于标准药物。

等效性的界值其含义差不多，只不过等效性包括了两个方向。如比较新药与标准药物的降压效果，设等效性界值为5mmHg。意思是：如果标准药物降了10mmHg，那么，新药降低的值只要在（5mmHg，15mmHg）之间，就算是等效。超出了这一范围就不能认为等效。

优效同样如此，如比较新药与标准药物的降压效果，设优效性界值为5mmHg。意思是：如果标准药物降了10mmHg，那么，新药降低的值只有在15mmHg以上才算优效，否则不能认为是优效。

三种检验的界值如何设定呢？这是一个需要临床专家和统计学家共同决定的问题。本文在此不做讨论，重点介绍如何在JMP中实现非劣效、等效和优效检验。

接下来我们以一个案例来介绍如何在JMP中实现非劣效、等效和优效检验。

例 1 某降糖药进行Ⅲ期的新药临床研究，采用多中心、随机、双盲、阳性药物对照的非劣效试验，欲观察新药与阳性药相比的疗效，观察指标为空腹血糖和餐后2小时血糖的降低值。

这里选择其中一个中心的48例数据，分析试验组与对照组相比空腹血糖降低值是否具有非劣效。

根据Ⅱ期临床试验结果，设定非劣效界值为0.5，即试验药降低值与对照药降低值相比不应超过0.5，我们以该例分别进行非劣效和等效性检验（等效性检验的界值分别为0.5和-0.5）。具体数据见表1。图1给出了该数据的JMP形式（部分）。

表1 两组空腹血糖疗后降低值（疗前-疗后）

请注意，首先需要强调一点，非劣效、等效和优效检验都是有方向的，都是试验药与对照药比较，因此一定要保证是“试验药-对照药”。JMP中默认是低值-高值，如试验药=0，对照药=1，默认是试验药-对照药；如果试验药=1，对照药=0，则默认是对照药-试验药。因此在组别的赋值时一定要注意。

如果你已经设置了试验药=1，对照药=0，需要分析前确定好两组的值顺序。在“分组”变量列单击右键，点击“列信息”（图2）。在弹出的界面中的“列属性”中选择“值顺序”，如果发现试验药在下对照药在上，则需要点击图3中的“反转”，调换其顺序（图3）。

点击“分布”→“以X拟合Y”，进入差异性检验的分析界面（图4）。将“分组”放入“X，因子”，将要分析的结局指标“空腹血糖”放入“Y，响应”（图5）。

在结果界面中点击“分组-空腹血糖”单因子分析左侧的红色三角形，在下拉菜单中点击“等价性检验”（图6）。弹出的对话框中“实际视为零的差值”即为界值，在此处我们将界值“0.5”填入方框中（图7）。

软件输出了统计分析结果（图8）和散点图（图9）。不管是非劣效、等效还是优效检验，我们都可以直接通过差值的90%上下限与界值的关系判断结果。一般在非劣效、等效和优效检验中，习惯用置信区间法进行统计学检验，因为置信区间不仅可以发现是否有差异，还可以给出差异的大小，而P值则无法提供差异大小。因此我们这里主要介绍置信区间结果。

非劣效检验中，如果差值的90%下限大于（-界值），则拒绝无效假设，认为试验药非劣效于对照药。图8的结果显示试验药减对照药的差值为-0.0904，差值的90%下限为-0.3394，大于-0.5，因此可得出试验药非劣于对照药的结论。等效性检验中，需要同时看上限和下限，如果计算的置信区间包含在上下界值范围内，可以认为等效；只要有一个方向超出了界值范围，就不能认为等效。图8可以看出，90%置信区间为（-0.3394,0.1585），包含在界值（-0.5,0.5）范围内，因此可以认为试验药等效于对照药。从图9也可以直观看出，蓝色线（90%置信区间，本例即-0.3394,0.1585）包含在蓝色区间（上下界值，本例即-0.5,0.5）内，因此可以做出等效的结论。

例 2 某降糖药在Ⅱ期临床试验中，采用安慰剂对照的优效性试验，观察新药与安慰剂相比的疗效，观察指标为空腹血糖和餐后2小时血糖的降低值。

这里仍选择48例患者的数据，分析试验药与安慰剂相比空腹血糖降低值是否具有优效性。设定优效界值为0.3，即试验药降低值与至少应比安慰剂降低值高0.3，试进行优效性分析。具体数据见表2。图10展示了JMP形式的部分数据。

表2 两组空腹血糖疗后降低值（疗前-疗后）

有效性检验的操作与前面介绍的等效性检验完全相同，我们在表10数据基础上，输入界值为0.3，得到结果见图11和图12。

在优效性检验中如果差值的90%下限大于界值，则拒绝无效假设，认为试验药优效于对照药。图11的结果显示差值的90%下限为0.316，大于0.3，因此可得出试验药优效于对照药的结论。

同样，图12也显示出，90%置信区间（红色线）超出了界值范围（蓝色区域），因此认为试验药优效于对照药。

以上就是临床研究试验设计系列的第三篇，希望对你的临床试验设计工作有帮助。最后，如果想要在JMP中亲自动手实践的话，可下载最新的JMP 16免费试用：

https://www.jmp.com/zh_cn/download-jmp-free-trial.html?utm_campaign=td7013Z000002DxWTQA0&utm_source=bilibili&utm_medium=social