《Statistics in Medicine》：A Neutral Comparison of Multivariate Hypothesis Tests for Parallel Group Designs in Rare Disease Settings
编辑推荐：
中文摘要翻译：
多元终点在罕见病临床研究中应用日益广泛，此类研究通常样本量较小且分布假设常被违反。在此背景下，常用的参数多元方法（如经典MANOVA方法）可能出现I类错误膨胀或统计功效降低。因此，本研究开展了一项中性的模拟比较研究，评估四种方法论不同的方法在平
中文摘要翻译：
多元终点在罕见病临床研究中应用日益广泛，此类研究通常样本量较小且分布假设常被违反。在此背景下，常用的参数多元方法（如经典MANOVA方法）可能出现I类错误膨胀或统计功效降低。因此，本研究开展了一项中性的模拟比较研究，评估四种方法论不同的方法在平行组设计中多元结局分析中的表现。四种方法包括：非参数R包npmv（小样本下采用置换与随机化重抽样）、R包MANOVA.RM中的半参数MANOVA方法（包含Wald型统计量（WTS）与修正ANOVA型统计量（MATS），并涵盖包括bootstrap在内的所有可用变体）、经典参数MANOVA，以及经Holm校正的多重单变量Mann–Whitney检验。模拟框架基于匿名化临床数据所得经验分布及临床专家指导构建。研究主要评估两种临床现实效应类型：（i）创面面积缩减的百分比应答者效应，以及（ii）疼痛与瘙痒视觉模拟量表（VAS）评分的额外位置偏移。此外，研究还考察了多元正态性与协方差矩阵齐性等经典假设被违反的情形。所考虑的样本量范围为12至360名受试者，同时评估了平衡与非平衡设计，旨在揭示各方法在小样本应用中的潜在局限性。研究结果以I类错误控制与统计功效为评估指标。总体而言，npmv以及MANOVA.RM包中采用参数bootstrap的MATS方法能够维持可靠的I类错误控制；而MANOVA.RM包中采用渐近近似的WTS方法在小样本场景下表现出极为宽松的I类错误行为，在非平衡设计中几乎丧失I类错误控制能力。相较渐近WTS，WTS的bootstrap方法显著改善了I类错误控制。非参数npmv方法在小样本中取得了良好的功效值，MANOVA.RM包中采用参数bootstrap的修正ATS方法亦表现优异，两者结果高度相似。经Holm校正的单变量Mann–Whitney U检验在小样本中趋于保守；然而尽管该方法本质为单变量，在许多场景下仍达到了较高且可比的统计功效。经典MANOVA在特定场景下表现良好；然而在异方差场景及非平衡设计中，其I类错误率呈较为宽松的态势，这可归因于协方差矩阵齐性假设的违反。上述结果凸显了平行组设计中多维度分析的优势与局限，尤其针对罕见病研究中常见的小样本场景，并为罕见病研究的统计分析提供了指导。
论文解读：
一、研究背景与问题
在罕见病临床研究中，多元终点（multivariate endpoints）的应用日益普遍。此类研究常同时收集多种相关结局指标，如创面面积、疼痛强度与瘙痒程度等，这些指标涵盖连续型、有序型及二分类数据类型。联合分析此类终点具有保留变量间相关结构、避免多重性膨胀以及相较多次单变量检验提高效率等优势。经典参数多元方差分析（MANOVA）虽应用广泛，但其性能高度依赖多元正态性、协方差矩阵齐性及球形度等强假设。在罕见病研究中，样本量通常较小，异方差性、偏态分布及混合尺度结局类型普遍存在，上述假设条件经常难以满足且难以验证，导致参数多元方法可能产生误导性或不稳定的结果。非参数与半参数多元方法为此提供了具有吸引力的稳健替代方案。然而，现有方法在真实临床场景下的比较性能研究仍不充分。此外，方法学研究中日益强调不仅需要发表新统计方法，还需对现有方法进行系统比较。基于此，本研究开展了一项中性模拟比较研究，系统评估四种不同统计方法在平行组设计多元数据分析中的表现。
二、研究内容与主要结论
研究人员构建了一个基于真实匿名化临床数据与临床专家经验指导的模拟框架，系统比较了四种统计方法：（1）非参数npmv包（小样本采用置换检验）、（2）半参数MANOVA.RM包（包含WTS与MATS及其bootstrap变体）、（3）经典参数MANOVA，以及（4）经Holm校正的多重单变量Mann–Whitney U检验。模拟数据来源于servEB项目联盟（由萨尔茨堡州WISS 2025项目"ServEB"（20102/F2300645-FPR）及DEBRA Austria资助），包含2024至2025年间匿名化患者疼痛与瘙痒数据，创面大小则基于临床专业知识模拟生成。研究考虑了六种样本量（N=12、18、36、72、150、360），涵盖平衡与非平衡设计，评估了五种临床相关场景下的I类错误控制与统计功效。
三、关键技术方法
研究采用四种主要统计方法：非参数多元秩次方法（npmv包，基于ANOVA型统计量结合置换检验）、半参数多元方法（MANOVA.RM包中的WTS与MATS，分别采用渐近近似、wild bootstrap与参数bootstrap）、经典参数MANOVA（采用Pillai's Trace统计量），以及多重单变量Mann–Whitney U检验（采用Holm校正控制族系错误率）。模拟数据基于匿名化临床数据生成，包含创面大小（采用缩放χ2分布或对数正态分布模拟）、疼痛与瘙痒评分（采用二元正态分布模拟）三个结局变量。
四、研究结果
（一）I类错误控制结果
在所有同方差场景中，npmv方法、采用bootstrap的MATS方法及经典MANOVA的I类错误率均接近名义水平5%。npmv的置换检验在小样本（N=12）下表现出更高的稳定性。MANOVA.RM中采用渐近近似的WTS方法在小样本尤其是非平衡设计中表现出极为宽松的I类错误行为，I类错误率显著超过名义水平；但随着样本量增大，该膨胀逐渐减弱。WTS的wild与参数bootstrap变体显著改善了I类错误控制。经Holm校正的Mann–Whitney U检验在小样本中趋于保守，随样本量增大逐渐接近名义水平。
（二）Scenario 1：百分比应答者效应
在仅通过创面闭合应答率差异引入处理效应的场景中，npmv方法在所有设计中均表现出稳定且具有竞争力的功效，在多个小样本设置中功效超过经典MANOVA与MATS bootstrap方法。采用渐近近似的WTS在小样本中显示极高功效，但这是由其I类错误膨胀所致。WTS的bootstrap变体在改善I类错误控制的同时保持了适当功效。经Holm校正的Mann–Whitney U检验虽非多元方法，但在许多场景下取得了令人意外的高功效。
（三）Scenario 2：疼痛与瘙痒位置偏移
在百分比应答者效应基础上引入疼痛与瘙痒系统性位置偏移后，结果与Scenario 1类似。npmv与MATS bootstrap方法在小至中等样本中已提供稳健的功效表现；经典MANOVA与Mann–Whitney U检验在最小样本设置中明显滞后。当N≥150时，所有多元方法在各效应量下功效均接近1，方法间差异实际可忽略。
（四）Scenario 3：更高相关性
假设疼痛与瘙痒间相关系数ρ=0.7时，模拟结果与原始分析一致。随着样本量增大或效应增强，各方法间差异趋于边缘化。
（五）Scenario 4：偏离多元正态性
采用对数正态分布生成基线创面大小以评估对多元正态性严重偏离的稳健性时，各方法整体排序基本不变。npmv方法始终保持适当的I类错误控制并在多数场景中取得最高功效。渐近WTS在小样本中继续表现出更高的I类错误膨胀；bootstrap WTS与bootstrap MATS变体在I类错误控制与统计功效间取得了更好的平衡。参数bootstrap MATS在多数设置中优于WTS bootstrap变体，并与npmv结果相似。
（六）Scenario 5：协方差矩阵齐性违反
在异方差场景中，经典参数MANOVA与渐近WTS均表现出显著的I类错误膨胀，该宽松行为在小样本及非平衡设计中尤为明显。其余方法结果与前述描述一致。npmv及采用参数bootstrap的MATS在维持名义I类错误水平的同时展现了特别良好的功效表现。
五、讨论与结论
本研究系统比较了四种统计方法在平行组设计多元分析中的表现，特别聚焦于罕见病研究中常见的小至中等样本量场景。模拟设计基于临床专业知识构建，纳入了真实数据要素，并遵循了中性比较研究的原则，未预先偏袒任何方法。研究结果表明，npmv与采用参数bootstrap的MATS方法在I类错误控制与统计功效间取得了最佳平衡，特别适用于小样本场景；渐近WTS在小样本及非平衡设计中I类错误严重膨胀，但bootstrap变体可显著改善；经典MANOVA在异方差场景下I类错误率偏宽松；经Holm校正的Mann–Whitney U检验虽为单变量方法，但在多数场景下功效表现可与其他多元方法媲美。值得注意的是，各方法检验的原假设并不相同：经典MANOVA与半参数方法检验均值向量对比，npmv检验多元分布等价性，Mann–Whitney方法检验各边际分布差异。因此，I类错误与功效差异应结合各方法所对应的原假设进行解释。这些发现为罕见病研究中的统计分析提供了重要指导，凸显了在有限样本条件下选择适当多元分析方法的关键意义。
