价值适应性临床试验设计：提升公共卫生资助研究效率的新方法与实证分析

为解决临床试验传统设计方法在成本效益评估与资源优化配置上的不足，Laura Flight等研究人员开展了价值适应性临床试验设计（Value-adaptive clinical trial designs）研究。通过贝叶斯决策理论和价值信息分析（VoI），团队开发了基于增量净货币收益（INMB）的序贯试验模型，并应用于英国ProFHER、CACTUS和HERO三项试验的回顾性分析。结果表明，该方法可动态调整样本量，最高提升6.7%的预期健康经济效益，为公共卫生系统资源分配提供了量化决策工具。

　　

在医疗技术快速发展的背景下，公共卫生系统面临如何高效评估新技术价值的挑战。传统临床试验设计通常聚焦临床有效性，而卫生技术评估（HTA）决策更关注成本效益，这种目标差异导致研究资源可能未被最优配置。英国国家健康研究所（NIHR）等公共资助机构亟需能将两者结合的新型试验设计方法，以提升有限研究资金的健康产出价值。

针对这一问题，来自谢菲尔德大学健康与相关研究中心的Laura Flight团队联合约克大学、博洛尼亚大学等机构，在《BMC Medical Research Methodology》发表研究，提出“价值适应性临床试验设计”框架。该方法创新性地将贝叶斯决策理论与健康经济学结合，通过动态评估试验过程中积累的成本效益数据，实现样本量、分配比例等参数的实时优化。研究团队通过ProFHER（肱骨近端骨折治疗）、CACTUS（中风后失语症计算机疗法）和HERO（手骨关节炎羟氯喹治疗）三项英国临床试验的回顾性分析验证，证明该设计最高可减少42%样本量或提升6.7%净健康效益。

研究采用三个关键技术方法：1）基于增量净货币效益（INMB=WTP×QALY-ECost）的贝叶斯序贯决策模型，其中WTP为决策者支付意愿阈值；2）价值信息分析（VoI）量化额外样本的边际效益；3）非参数Bootstrap模拟评估设计性能。数据来源于真实试验的个体级QALY和成本数据，通过htadelay软件包实现动态边界计算。

研究结果部分，小标题“价值适应性临床试验”下，团队构建了两臂序贯试验的停止规则：当后验INMB均值跨越预设边界时终止招募。在ProFHER案例中，该设计使样本量从125对降至73对（降幅42%），节约15%研究成本；而CACTUS案例因疗效不确定性，建议增加74.7%样本量以提升决策精度。“应用案例”部分显示，三种设计比较中价值适应性设计的预期净效益始终最优，其中CACTUS的净效益提升最显著（+6.7%），验证了方法对异质性场景的适应性。

结论表明，价值适应性设计通过将VoI、健康经济学与贝叶斯方法融合，首次实现临床试验资源分配与人口健康目标的对齐。尽管存在先验分布设定、多利益相关方协调等挑战，但英国NIHR现有体系已具备实施基础。该研究为公共卫生资助的临床试验提供了从“固定规模”转向“动态价值优化”的方法学路径，其开源软件和案例模板（GitHub/htadelay）可直接支持应用推广。正如讨论所述，随着精准医学发展，未来可进一步整合预测性协变量（如生物标志物），使设计同时满足个体化治疗与卫生经济评估的双重需求。