.jpg){kind=link}
- 发布
- 更新
随机化并不保证每个实际样本的特征完全相同。应从流程问题、偶然性和测量不一致等方面评估基线差异；单一p值不能代替对其来源和相关性的理解。
明确问题与假设
首先核查分配流程和底层数据来源。明确看似不平衡特征的预后重要性，及其在计划分析中的作用。分别检验大量基线变量，并不足以成为查看结局后选择新调整模型的理由。
假设性研究示例
在一项假设的小型研究中，一组受试者的基线病情更重。团队检查随机化和测量记录，同时保留计划的主要分析。若使用有科学依据的额外模型，应在报告中清楚说明其目的、使用时间及对解释的影响。
设计审查核查要点
- 核查不平衡来自原始观测值还是分析推导。
- 避免仅依据显著性标签选择具有临床重要性的变量。
- 将计划分析与后续添加的支持性调整模型分开报告。
记录决策及其局限
经认可的评估既不自动宣告随机化失败，也不把真实流程缺陷归为偶然。应综合使用流程证据、临床相关性和不确定性。不得仅围绕更有利的调整估计值改写主要结论；应解释替代分析与原始科学问题之间的关系。
常见问题
- 每项基线差异都说明存在错误吗？
- 不是。偶然差异会发生，但仍需检查流程证据。
- 显著的基线差异必须纳入模型吗？
- 选择需要科学依据和分析计划，不能仅凭p值。