📊 statistics

Factorial clinical trials in the presence and absence of plausible statistical interactions between treatment factors. A historical review of the methodological literature

本文通过回顾旨在优化无交互作用时效率的设计与旨在稳健估计交互作用的设计之间的历史争论，调和了关于析因临床试验在方法论指导上的冲突，并最终强调试验设计者必须明确定义其目标，以确定合适的估计量及分析策略。

原作者： Rebecca E. A. Walwyn, Pritaporn Kingkaew, Alan A. Montgomery, Alexandra Wright-Hughes, Steven G. Gilmour

发布于 2026-07-15

📖 1 分钟阅读☕ 轻松阅读

原作者： Rebecca E. A. Walwyn, Pritaporn Kingkaew, Alan A. Montgomery, Alexandra Wright-Hughes, Steven G. Gilmour

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

想象一下，你是一位正试图为一款新汉堡设计完美配方的厨师。你有两种秘密原料：辣酱和芝士配料。你想知道辣酱是否让汉堡变得更好吃，芝士是否让它变得更好吃，以及——这里是难点——如果同时加入这两样东西会发生什么。它们是会联手创造出一个“超级汉堡”，还是会互相冲突从而毁掉味道？

几十年来，进行医学“汉堡测试”（即临床试验）的科学家们一直在争论如何烹饪这些实验。Rebecca Walwyn 及其团队的一篇新论文就像一位友好的裁判，介入并指出：“嘿，你们都在使用相同的厨房工具，但你们却在尝试烘焙两种完全不同的蛋糕！”

两种流派

该论文解释说，有两个主要的群体在思考这些试验，而且他们使用的语言并不相同。

第一组：“买一送一”的交易者
这一组在英国非常流行，他们将析因试验（factorial trial）视为一种“买一送一”的促销活动。他们的目标是同时测试两件完全不同的东西（比如一种心脏病药物和一种血液稀释剂）以节省成本和时间。他们假设这两种原料之间完全没有相互作用。他们相信，如果你把它们放在一起测试，你就能以一分钱的价格得到两个独立的结果。

陷阱： 这只有在原料完全独立时才有效。如果辣酱实际上抵消了芝士的效果，这种“买一送一”的数学逻辑就会崩溃。论文指出，多年来，许多试验者被告知只有在他们确定原料不会混合时才能使用这种方法。

第二组：“混搭式”的探索者
这一组来自农业科学（想想农田）和现代工程领域。他们热爱尝试各种组合！他们使用析因试验是为了找出成分之间是如何相互作用的。他们不仅想知道辣酱是否好用，还想知道当芝士存在时，辣酱是否会变得更好。

目标： 他们正在构建复杂的干预措施（比如一个完整的行为改变计划），并且需要知道哪些部分搭配起来效果最好。他们乐于看到相互作用，事实上，他们渴望发现相互作用。

巨大的混乱

论文指出，这种混乱源于将这两个目标混为一谈。这就像试图用制作简单三明治的食谱去建造一座摩天大楼。

如果你只是在测试两种单独的药物（第一组），你会假设它们没有相互作用。如果它们确实有相互作用，你的数学计算就会变得混乱，你可能会对某种药物单独的效果得出错误的结论。
如果你正在优化一个复杂的程序（第二组），你需要知道相互作用。事实上，这种设计本身就是为了完美处理这种混合而设计的。

“Kingkaew”汉堡实验

为了证明他们的观点，作者研究了一个关于通过短信帮助吸烟者戒烟的真实研究。他们测试了两种类型的短信：一种旨在提升能力（了解如何戒烟），另一种旨在提升机会（拥有戒烟的时间/场所）。

以下是分析数据时的结果：

惊喜之处： 当这些短信单独发送时，它们似乎都有一定的帮助。但当它们同时发送时，成功率反而下降了 12%。这两条信息在互相打架！这被称为“拮抗作用”（antagonistic interaction）。
错误之处： 如果你使用“第一组”的数学方法（假设没有相互作用），你会计算出一个平均效应，看起来像是这些信息略微有害，但你无法理解其中的原因。
解决方案： 作者展示了如果使用“第二组”的数学方法（包含相互作用项），你就能清楚地看到发生了什么。你会意识到，同时发送这两条信息其实是个坏主意，最好的“治疗方案”是两条都不要发。

论文说了什么（以及没说什么）

作者非常明确地阐述了他们的发现。他们并非凭空猜测；他们回顾了追溯到 1935 年的历史辩论，并进行了详细的数学模拟，以展示根据你使用的方法不同，数据会如何变化。

他们排除了什么：
他们反对那种认为所有析因试验都必须假设不存在相互作用的观点。他们说，那些声称析因设计对于大多数试验“不合适”的笼统说法是错误的。这些警告仅适用于当你试图做“买一送一”交易（第一组），但原料实际发生了混合的情况。如果你是在优化一个复杂的配方（第二组），这种设计即使在有巨大相互作用的情况下也是完美的。

他们建议什么：
他们建议试验者不要含糊其辞。在开始试验之前，你必须问自己：“我到底想找出什么？”

如果你想知道药物 A 在单独使用时是否有效，你需要一个特定的计划（第一组）。
如果你想知道如何构建由各部分组成的最佳组合，你需要另一个计划（第二组）。

论文总结道，医学界是时候向那些已经从事农业研究 100 年的科学家们看齐了。他们并不是说有一种方法是解决一切的“灵丹妙药”。相反，他们是在说：“选择正确的工具，明确定义你的目标，并且不要害怕原料之间的混合！”

简而言之，这篇论文并不是说“析因试验失效了”。它说的是：“析因试验功能强大，但你必须知道你是在烘焙一个简单的蛋糕，还是在建造一座复杂的塔楼，因为每种情况的数学逻辑是完全不同的。”

问题描述
析因临床试验（factorial clinical trials）通过将参与者随机分配到两个或多个治疗因素的组合中，却在其实际应用和分析方面存在着普遍的混淆与误解。文献中存在两种截然不同的“思想流派”，导致了相互冲突的指导意见。第一种流派起源于英国，以 Peto (1978) 及其后的临床试验学家为代表，主张使用 k-in-1 析因试验。在这种方法中，析因设计被用于在仅需单个平行对照试验样本量的情况下，同时评估多个完整干预措施（例如药物），但前提是必须严格假设治疗因素之间不存在统计学交互作用。其目标是在每个干预措施单独实施时，估计其“独立效应”（separate effects）。

第二种流派起源于实验设计（DoE）领域（Fisher, Yates），近期由多阶段优化策略（MOST）框架重新激活，该流派建议在存在和不存在交互作用的情况下均使用析因试验。在这种观点下，析因实验旨在稳健地估计“主效应”（main effects，即一个组成部分在所有其他组成部分水平下的平均效应）和交互作用。其目标通常是筛选、优化或评估可能存在成分间交互作用的复杂干预措施。

核心问题在于，现行的临床试验指导方针往往混淆了这些截然不同的目标，导致了不恰当的样本量计算、分析策略和解释。具体而言，“无交互作用”的假设常被视为析因试验的普遍要求，而实际上它仅是寻求 k-in-1 试验效率增益时的特定要求。这种混淆掩盖了一个事实：只要设计和分析时考虑到特定的估计量，即使在存在交互作用的情况下，析因设计在估计主效应和交互作用方面依然是高效的。

研究方法
本文对析因临床试验的文献进行了历史回顾和方法论综合。作者：

历史溯源了两种思想流派的起源，从 1930 年代的 Fisher 和 Yates（实验设计领域）到 1970 和 1980 年代的 Peto 及随后的临床试验学家。
定义并对比了 k-in-1 析因试验与其他析因试验（筛选、优化和评估）在目标、估计量（estimands）、治疗对比和决策方法上的差异。
数学推导了两种流派估计量的性质。作者比较了两种参数化方案下的估计量性质：
- 效应编码 (-1, +1)： 用于 DoE 和 MOST，以估计主效应和交互作用。作者证明，在平衡设计下，无论模型中是否包含交互作用，主效应和交互作用都是正交的（不相关的），且估计精度相等。
- 哑变量编码 (0, 1)： 常用于临床试验以估计“独立效应”。作者表明，在 k-in-1 试验中，独立效应的估计量是相关的，且其精度会随着模型中加入交互作用而发生显著变化。如果存在交互作用，在包含交互作用的哑变量极大模型（maximal model）中，独立效应的精度低于加法模型（additive model）。
通过实证案例进行说明，使用了涉及戒烟短信的简化版 Kingkaew 等人 (2020) 的案例。作者使用两种编码方案（哑变量编码和效应编码）拟合了加法模型和极大模型，以展示估计量、编码方案的选择如何改变系数的解释、标准误以及统计显著性。

主要贡献

澄清思想流派： 本文明确划分了两种思想流派，认为“无交互作用”的要求仅适用于旨在高效估计独立效应的 k-in-1 析因试验。文章断言，对于旨在估计主效应和交互作用的析因试验（筛选、优化、评估），该要求并不适用。
估计量与对比： 作者明确了估计量的选择决定了分析方式。
- 对于 k-in-1 试验，估计量是独立效应（例如：在缺乏 B 的情况下 A 的效应）。
- 对于 DoE/MOST 试验，估计量是主效应（组件的平均效应）和交互作用。
估计量的性质： 本文提供了严谨的数学比较，表明：
- 在效应编码模型（DoE/MOST）中，主效应和交互作用是正交的，且即使存在交互作用也能保持相等的精度。
- 在哑变量编码模型（常见于 k-in-1 试验）中，独立效应与交互作用是相关的，且当交互作用存在并被纳入模型时，独立效应的精度会下降。
决策制定： 作者对比了不同的决策方法，指出 DoE/MOST 利用组件筛选或干预价值效率决策分析（DAIVE）来选择最优组合，而 k-in-1 试验通常侧重于测试独立效应，且作者指出其常用的两阶段检验程序可能会产生误导。

结果
利用戒烟试验的说明性案例：

数据呈现出显著的拮抗交互作用（能力与机会结合的短信效果差于两者单独效应之和）。
加法模型（哑变量编码）： 估计的边际效应不显著，并暗示了戒烟率的下降，未能捕捉到效应的条件性特征。
极大模型（哑变量编码）： 估计的独立效应（仅能力、仅机会）为正但并不显著，其标准误是边际效应的 $\sqrt{2}$ 倍。分离出的交互作用是显著的。
效应编码极大模型： 估计的主效应和交互作用具有相等的精度。主效应不显著，而交互作用显著。
分析表明，当存在交互作用时，仅呈现边际效应（如 k-in-1 分析中所做的那样）是不充分的。模型的选择（加法模型 vs 极大模型）和编码方案（哑变量编码 vs 效应编码）从根本上改变了处理效应及其精度的估计值。在 2×2×2 的情况下，作者展示了效应编码模型随着因素数量的增加，能对所有效应（主效应和交互作用）保持相等的精度；而哑变量编码模型则显示出高阶独立交互作用的方差在增加。

意义与主张
本文声称，围绕析因试验的困惑源于对其主要目标及相应估计量缺乏清晰的认识。作者认为：

笼统地建议在存在潜在交互作用时不要使用析因试验是不正确的；此类建议仅针对旨在实现估计独立效应效率的 k-in-1 试验。
即使在存在交互作用的情况下，析因试验在筛选、优化和评估复杂干预措施（主效应和交互作用）方面依然具有高度效率，前提是样本量基于所需的主效应进行计算，并且分析使用适当的模型（例如，效应编码极大模型）。
临床试验研究者必须在设计阶段明确其目标、估计量和治疗对比。设计的选择（例如，2-in-1 还是析因优化）以及分析策略必须遵循这些规范。
作者建议，临床试验（特别是涉及复杂干预的试验）应当吸收实验设计（DoE）领域早已成熟的方法，超越长期主导英国临床试验方法论的“无交互作用”假设的局限性。作者总结道，那些被认为使析因设计不适用于大多数临床试验的困难，往往仅限于 k-in-1 的语境，而不适用于析因设计在健康研究中更广泛的应用。

两种流派

巨大的混乱

“Kingkaew”汉堡实验

论文说了什么（以及没说什么）

类似论文