📊 statistics

Sequential Randomization Tests Using e-values: Applications for trial monitoring

本文提出了一类名为 e-RT 的非参数序贯检验方法，该方法仅依赖随机化机制，通过构建基于博弈框架的测试鞅，为二分类、死亡、连续、生存时间及多状态等多种终点提供了在任何停止规则下均能保证第一类错误控制的假设检验方案。

原作者： Fernando G Zampieri

发布于 2026-03-24

📖 1 分钟阅读☕ 轻松阅读

原作者： Fernando G Zampieri

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文介绍了一种名为 e-RT（基于 e 值的随机化试验）的新方法，用于在临床试验进行过程中实时监测治疗效果。

为了让你轻松理解，我们可以把传统的临床试验比作一场**“漫长的马拉松”，而把这篇论文提出的新方法比作“一场实时互动的赌博游戏”**。

1. 传统方法 vs. 新方法：马拉松 vs. 赌场

传统的临床试验（跑马拉松）：
想象你在组织一场马拉松比赛。为了知道谁跑得更快，你必须等所有选手跑完全程，或者在预先设定好的几个“检查点”停下来统计成绩。

缺点： 如果选手 A 在第 10 公里就遥遥领先，你也不能立刻宣布他赢了，必须等到终点。如果选手 B 在第 5 公里就受伤了（出现严重副作用），你也得等到检查点才能发现。这种方法很死板，而且如果中途停下来看数据，可能会“作弊”（统计学上叫增加假阳性风险）。

新的 e-RT 方法（开赌场）：
现在，想象你开了一家赌场。你有一副洗好的牌（随机分组），一半人拿红牌（治疗组），一半人拿黑牌（对照组）。

规则： 你不需要知道牌是怎么洗的，也不需要假设牌面分布。你只需要知道：如果治疗没效果，红牌和黑牌出现的概率应该是一样的。
玩法： 你作为一个“赌徒”，看着病人（玩家）的结果。
- 如果病人出现了“坏结果”（比如死亡），你猜：“这肯定是黑牌（对照组）的人，因为治疗组应该表现更好。”
- 如果病人出现了“好结果”，你猜：“这肯定是红牌（治疗组）的人。”
- 然后，你下注（下注金额叫 $\lambda$ ）。如果你猜对了，你的**“财富”**（Wealth）就增加；猜错了，财富就减少。

2. 核心概念：财富与“随时停止”

在这个游戏中，你手里有一笔初始资金（比如 1 块钱）。

如果治疗真的没用（Null Hypothesis）： 就像在公平的赌场里，无论你怎么猜，长期下来你的钱不会变多，只会因为猜错而慢慢缩水，或者在 1 块钱附近上下波动。
如果治疗真的有效（Alternative）： 你的猜测会越来越准。比如治疗组的人确实很少死，你每次看到有人死，就猜是“对照组”，结果每次都猜对。你的财富会像滚雪球一样指数级增长。

最厉害的地方在于“随时停止”（Anytime-valid）：
传统的统计方法必须提前定好“什么时候看数据”。但 e-RT 不同，它不需要提前定时间。

只要你的“财富”涨到了某个惊人的数字（比如翻了 20 倍），你就可以立刻喊停，宣布：“看！治疗有效！”
因为你的财富增长是建立在随机分组的基础上的，只要治疗无效，你的财富就不可能暴涨。所以，无论你在第 10 个病人还是第 1000 个病人时喊停，这个结论都是绝对安全的，不会犯统计学错误。

3. 不同的“赌法”（六种变体）

论文里提到了六种不同的玩法，对应不同的数据类型，就像赌场有不同的游戏桌：

二元结果 (e-RTb)： 就像“生与死”或“好与坏”。这是最基础的玩法，每来一个病人就下注一次。
仅事件监测 (e-RTe)： 适合那种“很难追踪没出事的人”的情况。比如研究死亡率，死人很容易知道，但活着的人可能失联了。这种方法只盯着“出事”的人下注。虽然信息少，但在某些情况下（比如死亡率很低时）反而更敏锐。
连续结果 (e-RTc)： 比如“呼吸机使用天数”或“血压数值”。这就像看一个连续的数字，如果治疗组的人数值特别低（好），你就下重注。
时间 - 事件 (e-RTs)： 比如“生存时间”。这就像看谁先倒下。它只在有人“倒下”（发生事件）时才下注，平时不操作。
多状态模型 (e-RTms)： 病人状态会变来变去（比如从 ICU 转到普通病房，又转回 ICU）。这种方法把每一次状态变化都看作一次下注机会，能捕捉到治疗带来的细微好转（比如虽然没完全治好，但病人少在 ICU 待了几天）。
通用引擎 (e-RTu)： 这是一个“万能适配器”，把上面所有复杂的信号都简化成“好”或“坏”的二元信号，用一个统一的引擎来跑。

4. 为什么这种“赌博”是科学的？

你可能会问：“下注不是靠运气吗？”
不，这里的“下注”是基于数据的智能策略。

自适应学习： 游戏刚开始时，你不懂规律，所以只下很小的注（比如 0.5 元，相当于瞎猜）。随着病人越来越多，你发现：“哦，原来治疗组的人确实很少死！”于是你开始加大赌注，并且只押治疗组。
防过激（Wage Asymmetry）： 论文里有一个很精彩的比喻：“过度下注的代价”。
- 如果数据更新很慢（比如几年才死一个人），你下大注也没事，因为输一次只是少一点，还能慢慢赚回来。
- 如果数据更新很快（比如每个病人都要测血压），你如果下大注，一旦猜错，财富会瞬间归零，再也翻不了身。所以，对于高频数据，必须保守下注（只下平时的一半），留得青山在。

5. 总结：这对我们意味着什么？

这篇论文提出了一种**“无假设、随时可停”**的临床试验监测工具。

对医生/患者： 如果新药真的有效，我们能更早地发现并停止试验，让病人尽快用上药；如果药有严重副作用，也能立刻叫停，保护病人。
对统计学家： 它不再依赖那些复杂的数学假设（比如数据必须符合正态分布），只依赖“随机分组”这个最朴素的真理。
形象比喻： 它就像给临床试验装了一个**“实时雷达”**。传统的雷达要等飞机飞完全程才能确认位置，而这个雷达能实时追踪，一旦信号异常（财富暴涨），立刻报警。

一句话总结：
这就好比在随机分组的前提下，我们不再被动等待终点，而是通过“下注”的方式，让数据自己告诉我们治疗是否有效。只要治疗有效，我们的“财富”（证据）就会自动暴涨，让我们在任何时候都有底气喊出：“停！有效！”

论文技术总结：基于 e-值的序贯随机化检验及其在试验监测中的应用

论文标题：Sequential Randomization Tests Using e-values: Applications for trial monitoring
作者：Fernando G. Zampieri (阿尔伯塔大学重症监护医学系)
日期：2026 年 3 月 24 日

1. 研究背景与问题 (Problem)

传统的随机对照试验（RCT）序贯监测方法（如组序贯设计、 $\alpha$ -消耗函数）通常依赖于参数假设（如正态分布、比例风险）或渐近近似。这些方法存在以下局限性：

假设脆弱性：当数据分布假设失效或试验设计未按预定方案调整时，有效性保证可能受损。
监测滞后：在两次预定中期分析之间，证据的增长是“不可见”的，可能导致有益策略实施延迟，或在早期出现安全信号时无法及时停止试验。
停止规则依赖：传统方法要求预先设定停止边界，无法实现真正的“随时有效”（anytime-valid）推断。

核心问题：如何构建一种非参数、无需分布假设、仅依赖随机化机制的序贯检验方法，使其能够在患者入组过程中实时监测，且无论何时停止（无论基于何种规则），都能严格控制 I 类错误率？

2. 方法论 (Methodology)

作者提出了一族名为 e-RT (e-value Randomized Trial) 的非参数序贯检验方法。该方法基于 e-值 (e-values) 和 e-过程 (e-processes) 理论，利用博弈框架 (Betting Framework) 构建检验鞅 (Test Martingale)。

2.1 核心原理

赌注框架：将统计检验视为一个博弈过程。在观察到结果 $Y_i$ 但尚未知晓治疗分配 $T_i$ 之前，根据历史数据下注（wager）猜测患者属于哪个组。
财富过程 (Wealth Process)：定义财富 $W_n$ 。如果猜测正确（即结果与分配的相关性符合备择假设），财富增长；如果猜测错误，财富减少。
零假设下的性质：在零假设（ $H_0$ ：治疗分配与结果独立）下，任何下注策略的期望财富乘数均为 1。因此，财富过程是一个非负鞅，其期望值保持为 1。
I 类错误控制：根据 Ville 不等式，如果财富 $W_n$ 在任何时刻超过阈值 $1/\alpha$ ，则拒绝零假设。这保证了无论何时停止，I 类错误率均不超过 $\alpha$ （即“随时有效”）。

2.2 六种变体 (Variants)

论文针对不同的终点类型提出了六种具体变体：

e-RTb (Binary)：适用于二分类终点（事件/非事件）。
- 策略：自适应下注。利用累积的事件率差（ $\hat{\delta}$ ）动态调整下注比例。采用“半 Kelly"策略（Half-Kelly）以防止过度下注导致的财富崩溃。
- 特点：每个患者入组时更新一次。
e-RTe (Event-Only)：仅监测事件流（如死亡），忽略非事件。
- 策略：仅基于事件发生的顺序和组别进行下注。将问题转化为对“事件硬币”（Event Coin）偏倚的检验。
- 优势：在基线事件率较低时，通过“信号集中”效应（Signal Concentration），其统计功效可能优于 e-RTb，且操作更简单（无需追踪非事件）。
- 策略：采用“全 Kelly"策略（Full Kelly），因为事件稀疏，过度下注的累积风险较低。
e-RTc (Continuous)：适用于连续型终点（如呼吸机无创天数、生物标志物）。
- 策略：双重自适应。首先计算标准化残差（基于中位数和 MAD），衡量观测值的极端程度；结合历史累积的 Cohen's d 估计治疗效应方向。
- 特点：需极其保守的自适应策略，因为连续数据的更新频率高且波动大，过度下注会导致财富迅速归零。
e-RTs (Time-to-Event)：适用于时间 - 事件数据（如生存分析）。
- 策略：基于 Log-Rank 检验的得分函数构建鞅。在每个事件发生时更新财富。
- 特点：采用固定下注幅度（ $\lambda = 0.25$ ）配合自适应方向。由于事件稀疏，固定下注在稳健性和功效之间取得了良好平衡。
e-RTms (Multi-State)：适用于多状态轨迹数据（如 ICU 转普通病房、出院、死亡）。
- 策略：将状态转移分类为“好”（恢复）或“坏”（恶化），将其转化为二分类问题，应用 e-RTb 的逻辑。
- 优势：无需假设马尔可夫结构或竞争风险模型，直接捕捉治疗对整体轨迹的影响。
e-RTu (Universal)：通用抽象引擎（开发中）。
- 概念：将上述所有变体统一为一个域无关的引擎，输入为二元分类信号（组别 + 好/坏），输出为财富过程。

2.3 下注策略设计的不对称性 (Wage Asymmetry)

论文深入分析了不同变体为何采用不同的下注策略：

更新频率与过度下注风险：更新越频繁（如连续数据、二分类数据），过度下注导致的财富崩溃风险越高。
生存数据：更新稀疏，允许固定且相对激进的下注（ $\lambda=0.25$ ）。
二分类/连续数据：更新密集，必须采用保守的自适应策略（如半 Kelly 或双重自适应），以防止因小样本波动导致的不可逆财富损失。

3. 主要结果 (Results)

通过大量模拟研究（5,000+ 次模拟），验证了各变体的性能：

I 类错误控制：在所有场景下，I 类错误率均被严格控制在名义水平（ $\alpha=0.05$ ）以下（实际观测值在 0.02 - 0.04 之间），证实了理论上的鞅性质。
统计功效 (Power)：
- e-RTb：在原本设计为 80% 功效的试验中，e-RTb 提供了约 50% 的早期停止概率（在样本量约 50% 时停止）；在 90% 功效设计中，早期停止概率提升至 63-66%。
- e-RTe：在低基线事件率（15-25%）下，由于信号集中效应，其功效显著优于 e-RTb（例如在 15% 基线率下，功效提升约 18 个百分点）。但在高基线率下，e-RTb 更优。
- e-RTs (生存)：在 HR=0.80 的模拟中，功效达到 62.8%，中位停止事件数为 329（约占总事件的 52%）。
- e-RTms (多状态)：在模拟的 ICU 轨迹场景中，功效达到 89.3%，成功捕捉到了死亡率变化不大但恢复率显著提升的治疗效应。
停止时间：当拒绝零假设时，通常发生在计划样本量或事件数的 45%-56% 处。

4. 关键贡献 (Key Contributions)

无需假设的序贯推断：提出了一族完全依赖随机化机制的检验方法，摆脱了对正态性、比例风险等分布假设的依赖。
随时有效 (Anytime-Valid)：实现了真正的实时监测，无需预先设定中期分析次数或 $\alpha$ 消耗计划，允许根据数据流随时停止试验而不破坏统计推断的有效性。
策略设计的理论洞察：系统性地阐述了不同数据类型（稀疏 vs 密集更新）下，下注策略（固定 vs 自适应，半 Kelly vs 全 Kelly）的选择原理，特别是“过度下注”在不同更新频率下的灾难性后果。
通用化框架：提出了 e-RTu 概念，将复杂的临床试验终点（二分类、连续、生存、多状态）统一为简单的“信号分类 - 下注”逻辑，简化了算法实现和软件架构。
操作灵活性：e-RTe 变体展示了在无法追踪非事件（如仅能获取死亡数据）的极端情况下，仍能有效进行监测的潜力。

5. 意义与局限性 (Significance & Limitations)

意义

临床监测工具：为重症监护等高风险领域的临床试验提供了一种保守、稳健的实时监测工具，有助于快速识别有效或有害的治疗策略。
补充传统方法：不旨在完全取代传统的固定样本量分析，而是作为其补充。如果 e-过程未跨越阈值，试验可继续按计划完成；若跨越，则提供强有力的早期停止证据。
方法论创新：将博弈论、e-值理论与临床试验设计紧密结合，为处理复杂终点（如多状态轨迹）提供了新的视角。

局限性与未来方向

功效权衡：为了获得“随时有效”的鲁棒性，该方法在固定样本量下的统计功效通常低于参数化方法（如 t 检验、Log-Rank 检验）。
非平稳效应：当前的自适应策略基于累积历史数据，若治疗效应在试验中途发生逆转（如从有效变为有害），策略可能反应滞后。
点估计缺失：目前主要关注假设检验，尚未提供点估计或置信区间。
开发状态：部分变体（如 e-RTu）仍处于开发阶段，且作者强调该方法目前处于实验阶段，临床应用需在资深统计学家监督下进行。

总结：该论文提出了一套基于 e-值的创新序贯检验框架，通过巧妙的博弈下注策略，解决了传统序贯分析对模型假设的依赖问题，为临床试验的实时、灵活且统计严谨的监测提供了强有力的新工具。