实现ICH E9(R1)估计量框架在临床试验结果报告与沟通中的价值：基于案例研究的实践建议

本文针对临床试验结果报告中估计量(estimand)框架实施的关键问题，由跨国药企统计学家团队开展研究，提出5项核心建议。通过2个糖尿病临床试验案例，系统阐述了如何通过规范IE(intercurrent events)汇总、明确估计量标签、报告关键假设等方法提升结果透明度，为ICH E9(R1)指南的实践应用提供操作模板，对提升监管决策和学术交流质量具有重要意义。论文发表于《Trials》。

　　

在药物研发领域，临床试验结果的准确传达直接影响着监管决策和医疗实践。然而，传统报告方式常因对"治疗效应"定义模糊而导致解读偏差——当患者中途换药、退出治疗或发生竞争性事件时，统计分析究竟该反映何种临床问题？这种不确定性使得同类研究结果难以横向比较，也阻碍了数据在监管审批和卫生技术评估中的有效应用。

针对这一痛点，国际人用药品注册技术协调会(ICH)于2019年发布E9(R1)附录，首次提出估计量(estimand)框架，要求从研究设计阶段就明确定义目标治疗效果。但指南对结果报告环节的实操细节尚未明确，导致各机构实施标准不一。为此，来自UCB Biosciences GmbH(德国)、Bayer AG等跨国药企的统计学家Vivian Lanius团队开展专项研究，通过典型案例分析提出系统化报告方案，其成果发表在《Trials》杂志。

研究采用案例分析法，选取2项模拟糖尿病临床试验：案例1模拟PIONEER 1研究，比较口服降糖药DRUG与安慰剂对HbA1c_c的影响；案例2基于PIONEER 6研究设计，评估药物对主要心血管不良事件(MACE)的预防效果。通过构建不同估计量（如治疗策略估计量、假设情景估计量），团队系统测试了间发事件(IE)汇总表、多状态流程图等可视化工具的应用效果。

IE汇总方法的创新实践
研究推荐采用三级IE报告体系：基础汇总表（表2）显示各治疗组IE发生率；多状态图（图2）动态展示事件序列；时间状态图（图3）则量化不同IE状态的持续时间。在案例2中，通过Sankey图清晰呈现了治疗中断、非CV死亡等IE的时序关系，帮助识别78.9%患者因研究提前终止而 censored 的关键数据特征。

估计量标签标准化方案
提出"混合命名法"解决标签冗长问题：以"主要估计量1.A，CHMP指南效应"为例，结合编号与监管要求特征，既保证追溯性又提升可读性。案例1中通过这种标签系统，成功区分了包含救援药物效应的治疗策略估计量（1.A）与排除该因素的假设情景估计量（1.B）。

敏感性分析的透明化报告
强调在结果表中直接标注关键假设，如表3显示MNAR（非随机缺失）假设下对DRUG组施加0.5%惩罚值的效果。案例2中通过比较Aalen-Johansen估计量与复合终点法，验证了不同IE处理策略对风险比稳定性的影响。

这项研究为实施ICH E9(R1)提供了首个系统性报告模板，其价值体现在三个维度：方法学上，创新的IE可视化工具解决了复杂事件序列的表达难题；实践层面，5项建议可直接嵌入临床研究报告(CSR)的现有结构；监管意义上，标准化的估计量标签体系有助于跨国数据互认。正如作者指出，该框架的全面应用需要ICH E3指南的配套修订，而当前成果已为行业树立重要标杆，将显著提升从药企到监管机构的结果沟通效率。